火遍全网的TradingAgents 中文增强版来了！

项目目标

原始项目简介

TradingAgents 是由 Tauric Research 开发的创新性多智能体交易框架，模拟真实交易公司的协作决策流程，通过多个专业化AI智能体的协作来评估市场条件并做出交易决策。

我们的增强目标

本项目旨在为中文用户提供：

• 📚 完整的中文文档体系 – 详细的架构说明、使用指南和最佳实践
• 🇨🇳 中国市场适配 – 支持A股、港股等中国金融市场
• 🧠 国产LLM集成 – 集成阿里百炼、通义千问等国产大模型
• 📊 中文数据源 – 整合通达信API、AkShare等中文金融数据源
• 🎓 教育和研究 – 为中文用户提供金融AI学习和研究平台

🚀 核心优势

• 🎛️ 开箱即用: 完整的Web界面，无需命令行操作
• 🇨🇳 中国优化: A股数据 + 国产LLM + 中文界面
• 🔧 智能配置: 自动检测，智能降级，零配置启动
• 📊 实时监控: Token使用统计，缓存状态，系统监控
• 🛡️ 稳定可靠: 多层数据源，错误恢复，生产就绪

🔧 技术栈 (v0.1.4)

✨ 核心特性

🤖 多智能体协作架构

• 分析师团队: 基本面、技术面、新闻面、社交媒体四大专业分析师
• 研究员团队: 看涨/看跌研究员进行结构化辩论
• 交易员智能体: 基于所有输入做出最终交易决策
• 风险管理: 多层次风险评估和管理机制
• 管理层: 协调各团队工作，确保决策质量

🧠 多LLM模型支持

• 🇨🇳 阿里百炼: qwen-turbo, qwen-plus-latest, qwen-max ✅ 已完整支持
• Google AI: gemini-2.0-flash, gemini-1.5-pro, gemini-1.5-flash ✅ 已完整支持
• OpenAI: GPT-4o, GPT-4o-mini, GPT-3.5-turbo ⚙️ 配置即用
• Anthropic: Claude-3-Opus, Claude-3-Sonnet, Claude-3-Haiku ⚙️ 配置即用
• 智能混合: Google AI推理 + 阿里百炼嵌入 ✅ 已优化

🌐 Web管理界面 ✅ 已完整支持

• Streamlit Web平台: 直观的股票分析界面 ✅
• 实时进度显示: 分析过程可视化跟踪 ✅
• 多模型选择: 支持阿里百炼和Google AI切换 ✅
• 分析师配置: 灵活的分析师组合选择 ✅
• 结果可视化: 专业的分析报告展示 ✅
• 响应式设计: 支持桌面和移动端访问 ✅
• 🎛️ 配置管理: API密钥管理、模型选择、系统配置 ✅ v0.1.2新增
• 💰 Token统计: 实时Token使用统计和成本追踪 ✅ v0.1.2新增
• 💾 缓存管理: 数据缓存状态监控和管理 ✅ v0.1.3新增

📊 全面数据集成

• 🇨🇳 A股数据: 通达信API 实时行情和历史数据 ✅ 已完整支持
• 美股数据: FinnHub、Yahoo Finance 实时行情 ✅ 已完整支持
• 新闻数据: Google News、财经新闻、实时新闻API ✅ 已完整支持
• 社交数据: Reddit情绪分析 ✅ 已完整支持
• 🗄️ 数据库支持: MongoDB 数据持久化 + Redis 高速缓存 ✅ 已完整支持
• 🔄 智能降级: MongoDB → 通达信API → 本地缓存的多层数据源 ✅ 已完整支持
• ⚙️ 统一配置: .env文件统一管理，启用开关完全生效 ✅ v0.1.4新增

🚀 高性能特性

• 并行处理: 多智能体并行分析，提高效率
• 智能缓存: 多层缓存策略，减少API调用成本
• 实时分析: 支持实时市场数据分析
• 灵活配置: 高度可定制的智能体行为和模型选择

💰 Token使用统计和成本跟踪 ✅ 已完整支持

• 自动Token统计: 自动记录所有LLM调用的输入/输出token数量 ✅
• 实时成本计算: 基于官方定价自动计算使用成本 ✅
• 多存储支持: 支持JSON文件和MongoDB两种存储方式 ✅
• 成本监控: 提供会话成本跟踪和成本警告机制 ✅
• 统计分析: 按供应商、模型、时间等维度统计使用情况 ✅
• 成本优化: 帮助用户优化LLM使用成本和效率 ✅

📋 详细更新日志: CHANGELOG.md

🆚 与原版的主要区别

✅ 已完成的增强

🚀 快速开始

环境要求

• Python 3.10+ (推荐 3.11)
• 4GB+ RAM (推荐 8GB+)
• 稳定的网络连接

安装步骤

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 1. 克隆项目 git clone https://github.com/hsliuping/TradingAgents-CN.git cd TradingAgents-CN # 2. 创建虚拟环境 python -m venv tradingagents source tradingagents/bin/activate  # Linux/macOS # tradingagents\Scripts\activate  # Windows # 3. 安装依赖 pip install -r requirements.txt

配置API密钥

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 复制环境变量模板 cp .env.example .env # 编辑 .env 文件，添加您的API密钥 # 阿里百炼API（推荐，国产模型） DASHSCOPE_API_KEY=your_dashscope_api_key # Google AI API（可选，支持Gemini模型） GOOGLE_API_KEY=your_google_api_key # 金融数据API（可选） FINNHUB_API_KEY=your_finnhub_api_key # Reddit API（可选，用于社交媒体分析） REDDIT_CLIENT_ID=your_reddit_client_id REDDIT_CLIENT_SECRET=your_reddit_client_secret REDDIT_USER_AGENT=your_reddit_user_agent # Token使用统计配置（可选） # 启用MongoDB存储（高性能，适合生产环境） USE_MONGODB_STORAGE=false MONGODB_CONNECTION_STRING=mongodb://localhost:27017 MONGODB_DATABASE_NAME=tradingagents

🌐 Web界面使用 (推荐)

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line # 启动Web管理界面 python -m streamlit run web/app.py # 或使用快捷脚本 # Windows start_web.bat # Linux/macOS ./start_web.sh

然后在浏览器中访问 http://localhost:8501，您可以：

• 🎯 选择LLM提供商（阿里百炼/Google AI）
• 🤖 选择AI模型（qwen-plus/gemini-2.0-flash等）
• 📊 配置分析师组合（市场/基本面/新闻/社交媒体）
• 📈 输入股票代码进行分析
• 📋 查看详细的分析报告和投资建议

🖥️ 命令行界面

ounter(lineounter(lineounter(lineounter(lineounter(line # 启动交互式命令行界面 python -m cli.main # 或者使用参数直接分析 python -m cli.main --stock AAPL --analysts market fundamentals

🐍 Python API使用

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line from tradingagents.graph.trading_graph import TradingAgentsGraph from tradingagents.default_config import DEFAULT_CONFIG # 配置使用阿里百炼模型 config = DEFAULT_CONFIG.copy() config["llm_provider"] = "dashscope" config["deep_think_llm"] = "qwen-plus" config["quick_think_llm"] = "qwen-turbo" # 创建交易智能体 ta = TradingAgentsGraph(["market", "fundamentals"], config=config) # 分析股票 (以苹果公司为例) state, decision = ta.propagate("AAPL", "2025-06-27") # 输出分析结果 print(f"推荐动作: {decision['action']}") print(f"置信度: {decision['confidence']:.1%}") print(f"风险评分: {decision['risk_score']:.1%}") print(f"推理过程: {decision['reasoning']}") # 查看Token使用统计和成本 from tradingagents.config.config_manager import config_manager, token_tracker # 获取当前会话成本 session_cost = token_tracker.get_session_cost() print(f"当前会话成本: ¥{session_cost:.4f}") # 获取使用统计 stats = config_manager.get_usage_statistics() print(f"总成本: ¥{stats['total_cost']:.4f}") print(f"总调用次数: {stats['total_requests']}") print(f"总Token数: {stats['total_input_tokens'] + stats['total_output_tokens']}") # 成本估算 estimated_cost = token_tracker.estimate_cost("dashscope", "qwen-turbo", 1000, 500) print(f"预估成本: ¥{estimated_cost:.4f}")

项目地址

https://github.com/hsliuping/TradingAgents-CN/blob/main/README-CN.md

扫码加入技术交流群，备注「开发语言-城市-昵称」

（文：GitHubStore）

火遍全网的TradingAgents 中文增强版来了！最先出现在每时AI。