项目简介
TauricResearch/TradingAgents 是一个开源的 Multi-Agents LLM Financial Trading Framework，GitHub Star 数已突破 52K。核心论文发表于 arXiv 2412.20138。
不同于单模型拍脑袋做决策的传统方案，TradingAgents 模拟了真实金融交易团队的分工协作模式——研究员、分析师、风控经理、交易员各司其职，独立判断后再聚合决策。框架内置完整回测链路，可以直接接入实盘。
截至 2026 年 3 月，项目已更新至 v0.2.3，新增多语言支持、代理配置、GPT-5.4 等最新模型覆盖。
核心架构：多Agent协作
TradingAgents 的核心理念是"分而治之"。框架内置以下角色 Agent：
- Researcher（研究员）—— 收集市场信息、新闻、财报等外部数据，生成基本面分析
- Analyst（分析师）—— 基于技术指标和历史数据，输出量化信号和趋势判断
- Risk Manager（风控经理）—— 评估仓位风险、波动率、最大回撤，给出止损/止盈建议
- Trader（交易员）—— 综合各方意见，执行最终交易决策（买入/卖出/持有）
每个 Agent 都是独立的 LLM 实例，拥有各自的 system prompt 和工具集。它们之间通过结构化消息传递协作，避免了单 Agent 模式下容易出现的"幻觉自循环"问题。
模型支持
框架支持多 Provider 切换，不绑定任何一家 LLM 厂商：
GPT-5.x 系列
OpenAI Responses API 适配，支持 effort control 控制推理深度
Claude 4.x
Anthropic 原生接口，长上下文 + 结构化输出
Gemini 3.x
Google 模型接入，多模态金融数据处理
Grok 4.x
xAI 模型，实时信息检索优势
# 统一模型目录管理，切换方便
models:
primary: gpt-5.4
fallback: claude-4-sonnet
research: gemini-3-pro
技术亮点
| 五档评分体系 | 从强烈看空到强烈看多，决策可量化，便于回测分析 |
|---|---|
| 回测日期保真 | v0.2.3 修复了历史回测中的日期穿越问题，避免使用未来数据 |
| OpenAI Responses API | 原生支持最新 API 格式，结构化输出更稳定 |
| Anthropic Effort Control | 控制模型推理深度，节省 token 成本 |
| 多语言支持 | v0.2.3 新增中文、日文等多语言系统提示 |
| 代理支持 | 内置 proxy 配置，适应不同网络环境 |
衍生项目
除了主框架，团队还推出了：
- Trading-R1（arXiv 2509.11420）—— 推理增强版，强化深度分析能力，Terminal 版本预计即将上线
- Discord 社区 —— 开发者交流、策略分享
- 微信社区 —— 中文用户群
快速上手
Python 开发，安装门槛不高：
# 安装
pip install tradingagents
# 配置模型 API Key
export OPENAI_API_KEY="your-key"
export ANTHROPIC_API_KEY="your-key"
# 运行回测
python -m tradingagents.backtest \
--ticker AAPL \
--start-date 2025-01-01 \
--end-date 2026-04-01 \
--model gpt-5.4
注意事项
⚠️ 框架 ≠ 稳赚
TradingAgents 是一个研究框架和实验平台。回测结果不代表实盘表现，LLM 的金融决策能力仍在研究阶段。实盘前务必：
① 充分回测不同市场环境
② 设置严格的风控参数
③ 从小仓位开始验证