多智能体+LLM中文金融交易框架：TradingAgents-CN安装与实战

基于多智能体（Multi-Agent）与大语言模型（LLM）的中文金融交易框架，是原TradingAgents项目的中文增强版。专为中文用户设计，定位为合规的股票研究与策略实验学习平台，全面支持A股、港股、美股分析。项目采用混合许可证：除 app/ 和 frontend/ 目录外全部 Apache 2.0 开源，个人使用完全免费，商业使用需授权。

一、功能全览

TradingAgents-CN 的核心是多智能体协作 + LLM 驱动的股票深度分析，通过动态配置的 LLM 提供商和智能体团队，实现从数据采集、新闻分析、技术指标、基本面研究到报告生成的完整链路。

1. LLM 集成与模型管理

• 原生支持 OpenAI、Google AI、自定义端点配置。
• 全面集成 DeepSeek、通义千问（Qwen）、AiHubMix 聚合渠道等，支持 60+ 模型。
• 智能模型选择：根据任务自动匹配最佳模型（模型能力管理）。
• 模型选择持久化：配置页、对话框、分析页模型列表统一排序，按最新添加顺序置顶；支持 URL 参数持久化。
• 动态供应商管理：Web 界面可视化添加 / 配置 LLM 提供商，支持聚合渠道初始化。

2. 数据源与 A 股完整支持

• 多数据源同步：Tushare、AkShare、BaoStock。
• AKShare 兜底增强：多级降级链（stock_bid_ask_em → stock_zh_a_spot → stock_zh_a_spot_em → stock_zh_a_hist）。
• 单股同步增强：展示主链路、回退链路、失败原因、market_quotes 落库状态。
• 完整 A 股支持（含实时行情、历史数据、技术指标、基本面数据），同时支持港股、美股。
• 技术指标计算准确性修复、PE/PB 等基本面数据修正。

3. 智能分析与报告生成

• 多智能体协作：市场分析师、基本面分析师、研究员、交易员、风险管理智能体等（具体见 agents/ 目录）。
• 智能新闻分析：多层次新闻过滤、新闻质量评估、统一新闻工具。
• 批量分析：支持多只股票同时分析。
• 智能股票筛选：基于多维度指标筛选排序。
• 专业报告导出：Markdown、Word、PDF 格式（Docker 环境中无缝支持）。
• 实时进度显示、智能会话管理。

4. 企业级平台功能

• 用户权限管理：认证、角色、操作日志。
• 配置管理中心：大模型、数据源、系统设置可视化管理。
• 缓存管理系统：MongoDB/Redis/文件多级缓存（性能提升 10 倍）。
• 实时通知系统：SSE + WebSocket 双通道推送。
• 自选股管理：收藏、分组、跟踪。
• 个股详情页：信息展示 + 历史分析记录。
• 模拟交易系统：虚拟验证策略效果（不涉及实盘）。

5. 中文本地化与体验优化

• 全中文界面、A 股数据优先、本地化提示词。
• 快速切换模型按钮、统一日志管理。
• 页面切换自动刷新（股票详情页 / 报告详情页）。
• Docker 多架构支持（amd64 + arm64），GitHub Actions 自动化构建。

6. 其他增强

• 配置管理优化、聚合厂家增强、上游能力同步（llm_clients、共享模型目录、provider 规范、数据库迁移）。
• Bug 修复：死循环解决、数据一致性优化等。
• 学习中心：AI 基础、提示词工程、多智能体原理、风险局限、源项目论文等资源。

二、安装方法

提供 Docker 生产级部署（推荐）和 本地源码安装 两种方式。

方式一：Docker 安装（推荐，新手首选，5 分钟完成）

1. 克隆仓库：

   git clone https://github.com/hsliuping/TradingAgents-CN.git && cd TradingAgents-CN

2. 配置环境变量：

   cp .env.example .env

   编辑 .env 填写 API 密钥（DEEPSEEK_API_KEY / DASHSCOPE_API_KEY / OPENAI_API_KEY 等，至少一个）。

3. 可选：配置 TUSHARE_TOKEN（A 股数据）、MONGODB_ENABLED / REDIS_ENABLED（提升性能）。
4. 启动：

   docker-compose up -d

   （使用 docker-compose.yml / docker-compose.hub.nginx.yml，支持 Nginx + WebSocket）

5. 访问：浏览器打开 http://localhost:8501（或对应端口）。
6. 验证：

   docker-compose logs

   查看日志。

Docker 支持多架构，包含 backend（FastAPI）和 frontend（Vue）独立镜像，数据库卷持久化。

方式二：本地源码安装（开发者 / 定制推荐）

1. 克隆仓库同上。
2. 创建虚拟环境：

   python -m venv env

   并激活。

3. 安装依赖：

   pip install -r requirements.txt

   （或使用 uv.lock / pyproject.toml）

4. 配置 .env 同上。
5. 启动：当前 v1.0.1 推荐使用 FastAPI 入口（main.py 或 uvicorn）。早期兼容：

   python -m streamlit run web/app.py

   （web/ 目录保留）

6. 自动安装脚本（最简）：

   python scripts/setup/quick_install.py

三、使用方法

1. 登录 Web 界面（Vue 3 现代 UI）：配置 LLM 提供商 → 选择模型。
2. 个股分析：输入股票代码（如 000001.A股、AAPL.美股、0700.HK），选择市场类型、研究深度、分析师组合。
3. 启动分析：实时进度条 + SSE 通知。智能体协作完成数据采集 → 新闻分析 → 指标计算 → 报告生成。
4. 高级功能：批量分析、自选股管理、模拟交易验证、导出报告（Markdown / Word / PDF）。
5. 配置优化：配置页管理模型 / 数据源，缓存策略调整。

测试推荐：000001（平安银行）、AAPL（苹果）。

四、技术原理、架构与实现方式

整体架构

• 前端：Vue 3 + Vite + Element Plus。
• 后端：FastAPI + Uvicorn（RESTful API + WebSocket + SSE）。
• 存储：MongoDB + Redis（性能提升 10 倍）。
• 部署：Docker 多容器 + GitHub Actions CI/CD。
• 核心包：tradingagents/（agents/、llm_clients/、tools/、dataflows/、graph/ 等）。

技术原理

• 多智能体协作：LangGraph 构建有向图，节点为单个 Agent，边为状态传递（ReAct / Plan-and-Execute 模式）。
• LLM 集成：适配器模式统一 prompt + 中文本地化。
• 数据处理：多源抽象 + 多级缓存 + 降级链。
• 实时性：SSE / WebSocket 推送。
• 扩展性：上游同步机制、自定义 Agent 模板。

TradingAgents-CN 是学习多智能体 LLM 在金融领域应用的绝佳平台。

风险提示：仅供学习研究，投资有风险，AI 分析非投资建议。