TradingAgents-CN تفاصيل المشروع

نظرة عامة على المشروع

TradingAgents-CN هو إطار عمل لاتخاذ قرارات التداول المالي باللغة الصينية، يعتمد على نماذج اللغة الكبيرة (LLM) متعددة الوكلاء. تم تطوير هذا المشروع بناءً على المشروع الشهير TauricResearch/TradingAgents، وهو مصمم خصيصًا لتوفير دعم وتحسين كاملين للمستخدمين الصينيين.

الميزات الأساسية

• 🤖 تعاون متعدد الوكلاء: يحاكي التقسيم المهني لشركات التداول الحقيقية، ويقوم بتقييم ظروف السوق من خلال تعاون العديد من وكلاء الذكاء الاصطناعي.
• 🇨🇳 تحسين للغة الصينية: واجهة صينية كاملة، ونظام وثائق، ودعم لسوق الأسهم الصينية (A-share).
• 🧠 تكامل نماذج LLM المحلية: تكامل عميق مع نماذج لغة كبيرة متعددة مثل Alibaba وGoogle AI.
• 🌐 واجهة ويب: واجهة إدارة ويب حديثة مبنية على Streamlit.
• 📊 دعم قواعد البيانات: بنية قاعدة بيانات مزدوجة MongoDB + Redis، توفر التخزين المؤقت الذكي واستمرارية البيانات.

بنية النظام

هيكل فريق الوكلاء

يعتمد TradingAgents-CN بنية تعاون متعددة الوكلاء، تتضمن الفرق المتخصصة التالية:

1. فريق المحللين

• محلل أساسي: يحلل الوضع المالي للشركة، واتجاهات الصناعة، وعوامل الاقتصاد الكلي.
• محلل فني: يحلل اتجاهات الأسعار، والمؤشرات الفنية، وأنماط الرسوم البيانية.
• محلل أخبار: يحلل الأخبار المالية، وإعلانات الشركات، وديناميكيات السوق.
• محلل وسائل التواصل الاجتماعي: يحلل معنويات السوق، ومعنويات المستثمرين، ومناقشات وسائل التواصل الاجتماعي.

2. فريق الباحثين

• باحث متفائل: يحلل فرص الاستثمار من منظور متفائل.
• باحث متشائم: يحلل مخاطر الاستثمار من منظور حذر.
• نقاش منظم: يحسن جودة القرار من خلال تضارب وجهات النظر.

3. طبقة اتخاذ قرار التداول

• وكيل التداول: يتخذ قرارات التداول النهائية بناءً على جميع مدخلات التحليل.
• إدارة المخاطر: آليات متعددة المستويات لتقييم وإدارة المخاطر.
• الإدارة العليا: تنسيق عمل الفرق لضمان جودة القرار.

البنية التقنية

مكدس التقنيات الأساسية

مجال التقنية	التقنية المستخدمة	متطلبات الإصدار
🐍 اللغة الأساسية	Python	3.10+
🧠 إطار عمل الذكاء الاصطناعي	LangChain, LangGraph	أحدث إصدار
🌐 واجهة الويب	Streamlit	1.28+
🗄️ قواعد البيانات	MongoDB, Redis	4.4+, 6.0+
📊 معالجة البيانات	Pandas, NumPy	أحدث إصدار
🔌 تكامل API	TongdaXing API, FinnHub, Google News	-

بنية تدفق البيانات

1. الحصول على البيانات: الوصول إلى بيانات من مصادر متعددة (الأسهم الصينية، الأسهم الأمريكية، الأخبار، وسائل التواصل الاجتماعي).
2. التخزين المؤقت الذكي: تخزين مؤقت Redis بمستوى المللي ثانية + تخزين دائم MongoDB.
3. معالجة متعددة الوكلاء: تحليل متوازي، اتخاذ قرارات تعاونية.
4. إخراج النتائج: توصيات استثمارية منظمة وتقييم للمخاطر.

الوظائف الأساسية

1. دعم أسواق متعددة

سوق الأسهم الصينية (🇨🇳)

• أسعار فورية: TongdaXing API يوفر بيانات أسعار الأسهم في الوقت الفعلي.
• بيانات تاريخية: يدعم بيانات الشموع التاريخية، وحساب المؤشرات الفنية.
• رموز الأسهم: يدعم رموز أسهم شنغهاي وشنتشن (مثل: 000001, 600519, 300750).

سوق الأسهم الأمريكية (🇺🇸)

• بيانات فورية: FinnHub، Yahoo Finance يوفران بيانات الأسهم الأمريكية.
• الأسهم المدعومة: AAPL, TSLA, NVDA, MSFT وغيرها من الأسهم الأمريكية الرئيسية.

2. تكامل نماذج اللغة الكبيرة

نماذج LLM المحلية (موصى بها)

# إعدادات Alibaba Dashscope
config = {
    "llm_provider": "dashscope",
    "deep_think_llm": "qwen-plus",      # تحليل عميق
    "quick_think_llm": "qwen-turbo"     # مهام سريعة
}

نماذج LLM الدولية

# إعدادات OpenAI
config = {
    "llm_provider": "openai",
    "deep_think_llm": "gpt-4o",
    "quick_think_llm": "gpt-4o-mini"
}

3. مستويات التحليل الذكي

يوفر النظام 5 مستويات من عمق البحث:

المستوى	وقت التحليل	سيناريو الاستخدام	التكلفة
1	2-4 دقائق	مراقبة يومية	منخفضة
2	4-6 دقائق	استثمار عادي	متوسطة-منخفضة
3	6-10 دقائق	قرار مهم (موصى به)	متوسطة
4	10-15 دقيقة	استثمار كبير	متوسطة-عالية
5	15-25 دقيقة	أهم قرار	عالية

4. واجهة إدارة الويب

الوظائف الرئيسية

• 🎛️ إدارة الإعدادات: إدارة مفاتيح API، اختيار النموذج، إعدادات النظام.
• 💰 التحكم في التكلفة: إحصائيات استخدام الرموز (Token) في الوقت الفعلي وتتبع التكلفة.
• 📊 مراقبة التحليل: عرض في الوقت الفعلي لعملية التحليل والتقدم.
• 💾 إدارة التخزين المؤقت: مراقبة وإدارة حالة التخزين المؤقت للبيانات.

ميزات الواجهة

• تعريب كامل: عرض الواجهة ونتائج التحليل باللغة الصينية بالكامل.
• تقدم في الوقت الفعلي: عملية تحليل مرئية لتجنب قلق الانتظار.
• إخراج منظم: توصيات استثمارية، أسعار مستهدفة، مستوى الثقة، تقييم المخاطر.

التثبيت والنشر

متطلبات النظام

• Python 3.10+
• 4 جيجابايت+ ذاكرة وصول عشوائي (RAM) (موصى به 8 جيجابايت+)
• اتصال شبكة مستقر

التثبيت السريع

# 1. استنساخ المشروع
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. إنشاء بيئة افتراضية
python -m venv env
source env/bin/activate  # Linux/macOS
# أو env\Scripts\activate  # Windows

# 3. تثبيت التبعيات
pip install -r requirements.txt

# 4. إعداد متغيرات البيئة
cp .env.example .env
# قم بتحرير ملف .env، وقم بتكوين مفاتيح API

إعداد البيئة

# إعدادات ضرورية
DASHSCOPE_API_KEY=your_dashscope_api_key_here
FINNHUB_API_KEY=your_finnhub_api_key_here

# إعدادات اختيارية
GOOGLE_API_KEY=your_google_api_key_here
OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key

# إعدادات قاعدة البيانات (اختياري)
MONGODB_ENABLED=false
REDIS_ENABLED=false

بدء الخدمة

# بدء واجهة الويب
streamlit run web/app.py

# عنوان الوصول: http://localhost:8501

أمثلة الاستخدام

1. استخدام واجهة الويب

1. في المتصفح، قم بزيارة http://localhost:8501
2. أدخل رمز السهم (مثل: AAPL أو 000001)
3. اختر عمق البحث (موصى به المستوى 3)
4. انقر على "بدء التحليل"
5. عرض نتائج التحليل المنظمة

2. الاستدعاء البرمجي

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# إعداد النظام
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "dashscope"
config["deep_think_llm"] = "qwen-plus"

# إنشاء وكيل التداول
ta = TradingAgentsGraph(debug=True, config=config)

# تحليل السهم
state, decision = ta.propagate("AAPL", "2024-01-15")

# إخراج النتائج
print(f"الإجراء الموصى به: {decision['action']}")
print(f"مستوى الثقة: {decision['confidence']:.1%}")
print(f"تقييم المخاطر: {decision['risk_score']:.1%}")

3. إعداد تحسين التكلفة

# إعدادات منخفضة التكلفة
cost_optimized_config = {
    "deep_think_llm": "qwen-turbo",     # استخدام نموذج أرخص
    "quick_think_llm": "qwen-turbo",
    "max_debate_rounds": 1,             # تقليل جولات النقاش
    "online_tools": False               # استخدام البيانات المخزنة مؤقتًا
}

# تقدير التكلفة
# الوضع الاقتصادي: 0.01-0.05 دولار/تحليل
# الوضع القياسي: 0.05-0.15 دولار/تحليل
# الوضع عالي الدقة: 0.10-0.30 دولار/تحليل

تكامل قاعدة البيانات

بنية MongoDB + Redis

# استخدام Docker لبدء تشغيل قاعدة البيانات
docker-compose up -d

# التحقق من حالة الخدمة
docker-compose ps

استراتيجية مصادر البيانات متعددة الطبقات

يعتمد النظام استراتيجية تراجع ذكية لضمان التوفر العالي:

1. تخزين Redis المؤقت (مستوى المللي ثانية): وصول سريع للبيانات الساخنة.
2. تخزين MongoDB (مستوى الثانية): استمرارية البيانات التاريخية.
3. TongdaXing API (مستوى الثانية): الحصول على البيانات في الوقت الفعلي.
4. التخزين المؤقت المحلي (احتياطي): دعم البيانات غير المتصلة بالإنترنت.

نظام الوثائق

يوفر المشروع أكثر من 50,000 كلمة من الوثائق الصينية المفصلة:

• 📋 نظرة عامة على المشروع: فهم سريع للقيمة الأساسية للمشروع.
• 🏛️ بنية النظام: تحليل عميق لآلية التعاون متعدد الوكلاء.
• 🤖 شرح الوكلاء: وصف وظائف أنواع الوكلاء المختلفة.
• 📊 معالجة البيانات: تكامل مصادر البيانات وعمليات المعالجة.
• 💡 دروس تعليمية وأمثلة: دروس عملية من الأساسيات إلى المستويات المتقدمة.
• 🆘 الأسئلة الشائعة: الأسئلة الشائعة والحلول.

دليل المساهمة

نرحب بجميع أشكال المساهمات:

1. Fork المشروع
2. إنشاء فرع للميزة: git checkout -b feature/AmazingFeature
3. إرسال التغييرات: git commit -m 'Add some AmazingFeature'
4. الدفع إلى الفرع: git push origin feature/AmazingFeature
5. إنشاء طلب سحب (Pull Request)

إخلاء مسؤولية المخاطر

⚠️ تذكير هام:

• هذا الإطار مخصص لأغراض البحث والتعليم فقط.
• لا يشكل نصيحة استثمارية.
• توقعات نماذج الذكاء الاصطناعي تنطوي على عدم يقين.
• الاستثمار ينطوي على مخاطر، ويجب اتخاذ القرارات بحذر.
• يُنصح بالتشاور مع مستشار مالي محترف.

يلتزم TradingAgents-CN بتزويد المستخدمين الصينيين بإطار عمل عالمي المستوى لاتخاذ قرارات التداول المالي بالذكاء الاصطناعي، ودفع الابتكار في تطبيقات تقنية الذكاء الاصطناعي في مجال التكنولوجيا المالية في الصين.