# Trading Agents > 基于 AgentScope 的多智能体股票诊断系统。一键执行完整诊断流程，自动生成技术面、基本面、舆情面分析、研究员辩论、交易员决策、风控讨论及最终投资决策报告。 - Skill: `dvcrn/trading-agents` (Agent Skill, multi-file: 19 files) - Install (CLI): `npx skillmds@latest add dvcrn/trading-agents` - Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/trading-agents/raw - Safety review: pending (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: dvcrn (https://skillmd.com/u/dvcrn) - Updated: 2026-09-08 - Page: https://skillmd.com/skills/dvcrn/trading-agents --- # Trading Agents 股票投资分析系统 基于 AgentScope 框架的多智能体协作股票诊断系统，**一键执行完整诊断流程**。 ## 核心特性 ✅ **一键全自動执行** - 单次调用完成所有角色分析和报告生成 ✅ **多智能体协作** - 分析师、研究员、交易员、风控、基金经理五层决策 ✅ **完整报告输出** - 自动生成 7 份专业 MD 报告和 1 份合并 PDF ✅ **后台运行支持** - 避免长任务超时，自动保存中间结果 ✅ **数据驱动** - 集成 Tushare/AKShare 实时金融数据 ## 系统架构 ### 智能体团队架构 1. **分析师团队** (ReActAgent) - 数据采集 - MarketAnalyst: 技术面分析 - FundamentalsAnalyst: 基本面分析 - NewsAnalyst: 舆情面分析 2. **研究员团队** (AgentBase) - 多空辩论 - BullishResearcher: 看多研究员 - BearishResearcher: 看空研究员 - ResearchFacilitator: 研究主持人 3. **交易与风控团队** - 决策与风控 - Trader: 交易员 - AggressiveRisk: 激进型风控 - NeutralRisk: 中性型风控 - ConservativeRisk: 保守型风控 - RiskFacilitator: 风控协调人 4. **基金经理** - 最终决策 - Manager: 做出最终投资决策 **所有角色通过一次调用自动完成：** ```python advisor = StockAdvisorSystem() result = advisor.diagnose("600519.SH") # 一键执行所有角色 advisor.save_report(result) # 生成所有报告 ``` ### 一键自动执行所有角色（推荐） **这是最简单也是最推荐的使用方式，一次调用完成所有分析并生成所有报告：** ```python from trading_agents import StockAdvisorSystem # 创建系统实例 advisor = StockAdvisorSystem() # 一键执行完整诊断（自动完成所有角色） result = advisor.diagnose("600519.SH", base_report_dir="report") # 保存所有报告（JSON + PDF） advisor.save_report(result) print(f"✅ 所有报告已生成：{result['report_dir']}") print(f"📊 最终决策：{result['final_decision']}") ``` **以上代码会自动完成以下所有步骤：** ``` 阶段 1: 数据采集（分析师团队） ├─ MarketAnalyst → 技术面分析报告.md ├─ FundamentalsAnalyst → 基本面分析报告.md └─ NewsAnalyst → 舆情面分析报告.md ↓ 阶段 2: 研究员辩论 ├─ BullishResearcher vs BearishResearcher └─ → 研究员辩论报告.md ↓ 阶段 3: 交易员决策 ├─ Trader 综合分析所有报告 └─ → 交易员决策报告.md ↓ 阶段 4: 风险管理讨论 ├─ AggressiveRisk vs NeutralRisk vs ConservativeRisk └─ → 风险管理讨论报告.md ↓ 阶段 5: 基金经理最终决策 ├─ Manager 做出最终决策 └─ → 最终决策报告.md ↓ 阶段 6: 报告生成 ├─ complete_diagnosis_report.json └─ {股票名}_{代码}_{时间}_{决策}.pdf ``` ### 分步执行（可选） ```python from trading_agents import StockAdvisorSystem advisor = StockAdvisorSystem() # 阶段 1: 分析师数据采集 result = advisor.diagnose("600519.SH") # 已完成所有分析师报告 # 阶段 2-5: 后续流程自动完成 # 研究员辩论 → 交易员决策 → 风控讨论 → 经理决策 # 阶段 6: 保存所有报告 advisor.save_report(result) ``` ## 快速开始 ### 一键完整诊断（推荐） #### 方式 1：使用 OpenClaw 技能调用 ```python from trading_agents import StockAdvisorSystem # 创建系统实例 advisor = StockAdvisorSystem() # 一键执行完整诊断（自动完成所有角色分析并生成所有报告） result = advisor.diagnose("600519.SH", base_report_dir="report") # 保存完整报告（包含 JSON 和合并 PDF） advisor.save_report(result) print(f"✅ 所有报告已生成：{result['report_dir']}") print(f"📊 最终决策：{result['final_decision']}") ``` #### 方式 2：命令行执行 ```bash # 直接运行诊断脚本 python3 scripts/stock_advisor.py --stock 600519.SH # 或使用 nohup 后台运行（适合长时间任务） nohup python3 scripts/stock_advisor.py --stock 600519.SH > diagnose.log 2>&1 & ``` #### 方式 3：后台运行模式（防超时） ```bash # 使用后台诊断脚本 python3 scripts/background_diagnose.py 600519.SH 贵州茅台 ``` ### ⚠️ 重要提示 完整诊断流程需要 **10-15 分钟**，包含以下自动执行步骤： 1. ✅ **数据采集** - 3 位分析师独立获取数据并生成报告 2. ✅ **研究员辩论** - 看多看空双方辩论形成共识 3. ✅ **交易员决策** - 综合分析报告制定交易策略 4. ✅ **风控讨论** - 三种风险偏好评估风险 5. ✅ **经理决策** - 做出最终投资决策 6. ✅ **报告生成** - 自动生成所有 MD 报告和合并 PDF **推荐使用后台运行模式**以避免会话超时： - 详见 [BACKGROUND_RULES.md](BACKGROUND_RULES.md) - 自动保存中间结果，防止中断丢失数据 ### 使用方法 **作为 OpenClaw 技能使用:** 将本目录复制到 OpenClaw 项目的 skills 目录： ```bash cp -r trading-agents /path/to/openclaw/skills/ ``` **OpenClaw 中调用示例（一键完成所有角色）:** ```python # OpenClaw 会自动加载技能 from trading_agents import StockAdvisorSystem # 创建系统实例 advisor = StockAdvisorSystem() # 一键执行完整诊断（自动完成所有角色分析并生成所有报告） result = advisor.diagnose("600519.SH", base_report_dir="report") # 保存所有报告（JSON + PDF） advisor.save_report(result) # 输出包含： # - MarketAnalyst_技术面分析.md # - FundamentalsAnalyst_基本面分析.md # - NewsAnalyst_舆情面分析.md # - 研究员辩论报告.md # - 交易员决策报告.md # - 风险管理讨论报告.md # - 最终决策报告.md # - complete_diagnosis_report.json # - {股票名}_{代码}_{时间}_{决策}.pdf ``` **作为 Python 包安装:** ```bash # 安装整个技能包 pip install /path/to/trading-agents/ # 或进入 scripts 目录安装核心代码 pip install /path/to/trading-agents/scripts/ ``` **独立使用:** ```python from trading_agents import StockAdvisorSystem # 创建系统实例 advisor = StockAdvisorSystem() # 一键诊断股票（自动执行所有角色并生成所有报告） result = advisor.diagnose("600519.SH", base_report_dir="report") # 保存完整报告 advisor.save_report(result) print(f"报告目录：{result['report_dir']}") print(f"最终决策：{result['final_decision']}") ``` ### 使用特定模型 ```python from trading_agents.config import config # 切换模型 config.model_name = "qwen-max-2025-01-25" # 或其他支持的模型 # 支持的模型: # - kimi-k2.5 # - qwen-max-2025-01-25 # - qwen3.5-plus # - glm-5 # - MiniMax/MiniMax-M2.5 ``` ## 配置说明 ### 环境变量 ```bash # Tushare API Token TUSHARE_TOKEN=your_token_here # 阿里云百炼 API Key ALIYUN_BAILIAN_API_KEY=your_key_here ``` ### 配置参数 ```python from trading_agents.config import config # 辩论轮数 config.debate_rounds = 2 # 风控讨论轮数 config.risk_discussion_rounds = 2 # 权重配置 config.tech_weight = 0.25 # 技术面权重 config.fund_weight = 0.35 # 基本面权重 config.news_weight = 0.20 # 舆情面权重 config.research_weight = 0.20 # 研究员共识权重 ``` ## 输出报告（自动生成） 系统自动生成以下报告文件: ### 分析师报告（阶段 1） - `MarketAnalyst_技术面分析.md` - 技术面分析报告 - `FundamentalsAnalyst_基本面分析.md` - 基本面分析报告 - `NewsAnalyst_舆情面分析.md` - 舆情面分析报告 ### 研究员辩论（阶段 2） - `研究员辩论报告.md` - 看多看空辩论记录 ### 交易员决策（阶段 3） - `交易员决策报告.md` - 交易策略报告 ### 风控讨论（阶段 4） - `风险管理讨论报告.md` - 风险评估报告 ### 经理决策（阶段 5） - `最终决策报告.md` - 最终投资决策 ### 完整报告（阶段 6） - `complete_diagnosis_report.json` - 完整 JSON 数据 - `{股票名}_{代码}_{时间}_{决策}.pdf` - 合并 PDF 报告 **所有报告通过一键调用自动生成：** ```python advisor = StockAdvisorSystem() result = advisor.diagnose("600519.SH") advisor.save_report(result) # 自动生成所有 MD 和 PDF ``` ## 核心组件（可选） > 注意：推荐使用一键调用方式，以上代码已自动完成所有角色。以下为高级用法，可按需单独调用。 ### 分析师智能体 ```python from trading_agents.agents import ( MarketAnalystAgent, FundamentalsAnalystAgent, NewsAnalystAgent ) # 技术面分析 market_analyst = MarketAnalystAgent() report = market_analyst.analyze("600519.SH") # 基本面分析 fund_analyst = FundamentalsAnalystAgent() report = fund_analyst.analyze("600519.SH") # 舆情分析 news_analyst = NewsAnalystAgent() report = news_analyst.analyze("600519.SH", "贵州茅台") ``` ### 数据工具 ```python from trading_agents.tools import TushareTools, AKShareTools # Tushare 数据 tushare = TushareTools(token) data = tushare.get_stock_daily("600519.SH", days=60) indicators = tushare.get_technical_indicators("600519.SH") # AKShare 数据 akshare = AKShareTools() news = akshare.get_stock_news("600519.SH", days=7) sentiment = akshare.get_market_sentiment() ``` ### AgentScope 工具包 ```python from trading_agents.tools import ( create_market_analyst_toolkit, create_fundamentals_analyst_toolkit, create_news_analyst_toolkit, create_stock_toolkit ) # 创建工具包 toolkit = create_stock_toolkit() ``` ## 批量诊断 ```python from trading_agents.batch_diagnose import batch_diagnose stocks = ["600519.SH", "000858.SZ", "002594.SZ"] results = batch_diagnose(stocks, output_dir="report/batch") ``` ## 依赖安装 ```bash # 基础依赖 pip install agentscope>=0.0.5 pip install tushare>=1.2.89 pip install akshare>=1.12.0 pip install pandas>=2.0.0 pip install numpy>=1.24.0 pip install requests>=2.31.0 pip install openai>=1.0.0 pip install fpdf2>=2.8.0 pip install python-dotenv # 阿里云夸克搜索 SDK（可选） pip install alibabacloud_iqs20241111>=1.0.0 pip install alibabacloud_tea_openapi>=0.3.0 # Web 界面（可选） pip install streamlit>=1.28.0 ``` ## 项目结构 ### Skill 目录结构 (OpenClaw 兼容) ``` trading-agents/ # 技能根目录 ├── SKILL.md # Skill 说明文档 (必需) ├── __init__.py # Python 包标识 (OpenClaw 需要) ├── setup.py # 安装配置 └── scripts/ # 完整源代码 ├── __init__.py ├── stock_advisor.py # 主系统入口 ├── config.py # 系统配置 ├── batch_diagnose.py # 批量诊断 ├── streamlit_app.py # Web 界面 ├── requirements.txt # 依赖清单 ├── agents/ │ ├── __init__.py │ ├── analysts.py # 分析师团队 (ReActAgent) │ ├── researchers.py # 研究员团队 (AgentBase) │ ├── trader.py # 交易员 │ ├── risk_managers.py # 风险管理团队 │ └── manager.py # 基金经理 └── tools/ ├── __init__.py ├── tushare_tools.py # Tushare 数据接口 ├── akshare_tools.py # AKShare 数据接口 └── toolkit.py # AgentScope 工具注册 ``` ### 移植到其他项目 只需复制整个 `trading-agents` 目录： ```bash # 从源项目复制到目标项目 cp -r /source/project/.qoder/skills/trading-agents \ /target/project/.qoder/skills/ # 或在目标项目中克隆后复制 mkdir -p /target/project/.qoder/skills/ cp -r trading-agents /target/project/.qoder/skills/ ``` ## 注意事项 1. **API Token**: 需要配置 TUSHARE_TOKEN 和 ALIYUN_BAILIAN_API_KEY 2. **中文字体**: PDF 生成需要系统中文字体支持 3. **网络连接**: 需要访问阿里云百炼 API 4. **数据限制**: Tushare 免费版有数据调用限制 5. **执行时间**: 完整诊断流程需要 10-15 分钟，建议使用后台运行模式 ## 总结 ### 为什么选择 Trading Agents？ ✅ **一键完成所有角色** - 无需手动调用多个函数，一次诊断完成所有分析 ✅ **自动化报告生成** - 自动生成 7 份 MD 报告和 1 份合并 PDF，无需手动整理 ✅ **专业智能体团队** - 5 层决策流程，模拟专业投资机构的工作流 ✅ **实时数据驱动** - 集成 Tushare/AKShare 获取最新市场数据 ✅ **灵活可配置** - 支持多种模型、权重、辩论轮数等参数配置 ### 快速上手 ```python from trading_agents import StockAdvisorSystem # 一行代码完成股票诊断 result = StockAdvisorSystem().diagnose("600519.SH") # 一行代码保存所有报告 StockAdvisorSystem().save_report(result) ``` 就这么简单！所有复杂的分析、辩论、决策过程都由智能体团队自动完成。