分享 TradingAgents：多智能体LLM金融交易框架 （有点想尝试往里边加一点玄学预测功能，八字、卜卦之类的😂）

GitHub - TauricResearch/TradingAgents
🧐一句话总结：

TradingAgents 是一个基于多智能体大语言模型（LLM）的开源金融交易研究框架，模拟真实投行结构，通过多个专业AI角色（分析师、交易员、风险控制与组合经理）协作完成市场分析与决策，构建可解释、可扩展的AI交易生态系统。
➡️链接：http://t.cn/A6exS2vB

➡️论文：http://t.cn/AXwqz25Z
✨重点

● 🧠 系统核心：多智能体LLM交易决策网络（Multi-Agent Trading Graph）

TradingAgents 将复杂的金融决策任务拆解为多个独立但协作的智能体：

 - 基本面分析师（Fundamental Analyst）：评估公司财务与潜在价值。

 - 情绪分析师（Sentiment Analyst）：利用社交舆情与文本情感模型衡量市场情绪。

 - 新闻分析师（News Analyst）：解析宏观经济与突发事件的市场影响。

 - 技术分析师（Technical Analyst）：运用MACD、RSI等指标检测趋势。

 - 研究员团队（Researcher Team）：模拟多空双方辩论，生成结构化意见。

 - 交易员（Trader Agent）：综合各方报告，制定买卖与仓位策略。

 - 风险与组合管理（Risk & Portfolio Manager）：评估波动性、流动性与风险敞口，最终批准执行。
● ⚙️ 架构实现：LangGraph + LLM多角色协作

整个系统通过 LangGraph 实现多智能体消息流与任务分解，采用双层LLM策略：

 - “深思模型（Deep Think）”：o1-preview / gpt-4o 处理长期逻辑与复杂推理；

 - “快思模型（Quick Think）”：gpt-4.1-mini / o4-mini 进行快速响应与辅助分析。
● 📊 数据与API生态

默认集成：

 - Alpha Vantage API：基本面与新闻数据；

 - yfinance：技术指标与行情；

 - 可选OpenAI或本地数据源（Tauric TradingDB）。

内置.env配置，支持多供应商切换与免费额度扩展。

● 🧩 模块化设计与扩展性

系统设计高度模块化，可插拔LLM、风险评估器或行情数据接口，

适用于量化实验、AI对冲策略模拟或多Agent协作研究。

💡一句话洞察：

TradingAgents 让金融AI从单智能体“模型驱动交易”，迈向多智能体“认知驱动交易”，

它更像是一支由AI组成的“量化投行团队”，在虚拟市场中进行协作、辩论与决策。

#AI白日梦想家[超话]##ai创造营##你好人工智能时代##ai生活指南#