TradingAgents：用多智能体架构模拟一家量化基金（只做Agent研究使用！！！）

金融 AI 通常的套路是：一个模型，做所有分析，给出交易信号。TradingAgents 走了一条不同的路——用多个专职 agent 分工协作，结构上更像一家真实的交易公司。

这个项目来自 UCLA + MIT，最近在 GitHub Trending 上走热，已有 6.5 万 Star。

1. 角色分工
框架里有七种 agent，各司其职：
1）基本面分析师：读财报，挖公司内在价值和风险信号
2）情绪分析师：扫社交媒体，量化短期市场情绪
3）新闻分析师：追踪宏观新闻，判断事件影响
4）技术分析师：看图形、指标、价格结构
5）研究员：汇总四路分析，进行多空辩论（Bull vs Bear 研究员对抗机制）
6）风险管理团队：在下单前对决策做独立评估
7）交易员 + 基金经理：整合意见，最终下单

2. 关键设计
框架支持 OpenAI、Claude、DeepSeek、Qwen 等主流模型替换，同一套逻辑，可以跑不同 backbone。4月新版本加入了 LangGraph checkpoint resume，支持中断恢复，架构完整性在提升。

3. 实验结论
论文里比较了多个 baseline，TradingAgents 在累计收益、夏普比率、最大回撤上都有明显改善。当然，论文结论≠实盘稳定，项目本身也写明了"不构成投资建议"。

项目：github.com/TauricResearch/TradingAgents

#how i ai##程序员#