TradingAgents-CN 專案詳細介紹

專案概覽

TradingAgents-CN 是一個基於多智能體大型語言模型（LLM）的中文金融交易決策框架。該專案基於知名的 TauricResearch/TradingAgents 專案開發，專為中文使用者提供完整的在地化支援與優化。

核心特色

• 🤖 多智能體協作：模擬真實交易公司的專業分工，透過多個AI智能體協作評估市場條件
• 🇨🇳 中文優化：完整的中文介面、文件體系與A股市場支援
• 🧠 國產LLM整合：深度整合阿里、Google AI等多種大型語言模型
• 🌐 Web介面：基於Streamlit的現代化Web管理介面
• 📊 資料庫支援：MongoDB + Redis 雙資料庫架構，提供智能快取與資料持久化

系統架構

智能體團隊結構

TradingAgents-CN 採用多智能體協作架構，包含以下專業團隊：

1. 分析師團隊

• 基本面分析師：分析公司財務狀況、產業趨勢、宏觀經濟因素
• 技術面分析師：分析價格走勢、技術指標、圖表模式
• 新聞分析師：分析財經新聞、公司公告、市場動態
• 社群媒體分析師：分析市場情緒、投資者情緒、社群媒體討論

2. 研究員團隊

• 看漲研究員：從樂觀角度分析投資機會
• 看跌研究員：從謹慎角度分析投資風險
• 結構化辯論：透過觀點碰撞提高決策品質

3. 交易決策層

• 交易員智能體：基於所有分析輸入做出最終交易決策
• 風險管理：多層次風險評估與管理機制
• 管理層：協調各團隊工作，確保決策品質

技術架構

核心技術棧

技術領域	使用技術	版本要求
🐍 核心語言	Python	3.10+
🧠 AI框架	LangChain, LangGraph	最新版
🌐 Web介面	Streamlit	1.28+
🗄️ 資料庫	MongoDB, Redis	4.4+, 6.0+
📊 資料處理	Pandas, NumPy	最新版
🔌 API整合	通達信API, FinnHub, Google News	-

資料流架構

1. 資料獲取：多源資料接入（A股、美股、新聞、社群媒體）
2. 智能快取：Redis毫秒級快取 + MongoDB持久化儲存
3. 多智能體處理：平行分析，協作決策
4. 結果輸出：結構化投資建議與風險評估

核心功能

1. 多市場支援

A股市場（🇨🇳）

• 即時行情：通達信API提供即時股價資料
• 歷史資料：支援歷史K線、技術指標計算
• 股票代碼：支援滬深股票代碼（如：000001, 600519, 300750）

美股市場（🇺🇸）

• 即時資料：FinnHub、Yahoo Finance提供美股資料
• 支援股票：AAPL, TSLA, NVDA, MSFT 等主流美股

2. 大型語言模型整合

國產LLM（推薦）

# 阿里百煉配置
config = {
    "llm_provider": "dashscope",
    "deep_think_llm": "qwen-plus",      # 深度分析
    "quick_think_llm": "qwen-turbo"     # 快速任務
}

國際LLM

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

3. 智能分析等級

系統提供5級研究深度：

級別	分析時間	適用場景	成本
1級	2-4分鐘	日常監控	低
2級	4-6分鐘	常規投資	中低
3級	6-10分鐘	重要決策（推薦）	中
4級	10-15分鐘	重大投資	中高
5級	15-25分鐘	最重要決策	高

4. Web管理介面

主要功能

• 🎛️ 配置管理：API金鑰管理、模型選擇、系統配置
• 💰 成本控制：即時Token使用統計與成本追蹤
• 📊 分析監控：即時顯示分析過程與進度
• 💾 快取管理：資料快取狀態監控與管理

介面特色

• 完全中文化：介面與分析結果全中文顯示
• 即時進度：視覺化分析過程，避免等待焦慮
• 結構化輸出：投資建議、目標價位、置信度、風險評估

安裝與部署

系統要求

• Python 3.10+
• 4GB+ RAM（推薦8GB+）
• 穩定的網路連線

快速安裝

# 1. 克隆專案
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. 建立虛擬環境
python -m venv env
source env/bin/activate  # Linux/macOS
# 或 env\Scripts\activate  # Windows

# 3. 安裝依賴
pip install -r requirements.txt

# 4. 配置環境變數
cp .env.example .env
# 編輯 .env 文件，配置API金鑰

環境配置

# 必需配置
DASHSCOPE_API_KEY=your_dashscope_api_key_here
FINNHUB_API_KEY=your_finnhub_api_key_here

# 可選配置
GOOGLE_API_KEY=your_google_api_key_here
OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key

# 資料庫配置（可選）
MONGODB_ENABLED=false
REDIS_ENABLED=false

啟動服務

# 啟動Web介面
streamlit run web/app.py

# 訪問地址：http://localhost:8501

使用範例

1. Web介面使用

1. 在瀏覽器中訪問 http://localhost:8501
2. 輸入股票代碼（如：AAPL 或 000001）
3. 選擇研究深度（推薦3級）
4. 點擊"開始分析"
5. 查看結構化分析結果

2. 程式化呼叫

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

# 配置系統
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "dashscope"
config["deep_think_llm"] = "qwen-plus"

# 建立交易智能體
ta = TradingAgentsGraph(debug=True, config=config)

# 分析股票
state, decision = ta.propagate("AAPL", "2024-01-15")

# 輸出結果
print(f"推薦動作: {decision['action']}")
print(f"置信度: {decision['confidence']:.1%}")
print(f"風險評分: {decision['risk_score']:.1%}")

3. 成本優化配置

# 低成本配置
cost_optimized_config = {
    "deep_think_llm": "qwen-turbo",     # 使用更便宜的模型
    "quick_think_llm": "qwen-turbo",
    "max_debate_rounds": 1,             # 減少辯論輪數
    "online_tools": False               # 使用快取資料
}

# 成本估算
# 經濟模式: $0.01-0.05/次分析
# 標準模式: $0.05-0.15/次分析
# 高精度模式: $0.10-0.30/次分析

資料庫整合

MongoDB + Redis 架構

# 使用Docker啟動資料庫
docker-compose up -d

# 檢查服務狀態
docker-compose ps

多層資料源策略

系統採用智能降級策略確保高可用性：

1. Redis快取（毫秒級）：熱點資料快速訪問
2. MongoDB儲存（秒級）：歷史資料持久化
3. 通達信API（秒級）：即時資料獲取
4. 本地快取（備用）：離線資料支援

文件體系

專案提供超過50,000字的詳細中文文件：

• 📋 專案概覽：快速了解專案核心價值
• 🏛️ 系統架構：深度解析多智能體協作機制
• 🤖 智能體詳解：各類智能體功能說明
• 📊 資料處理：資料源整合與處理流程
• 💡 範例教學：從基礎到進階的實戰教學
• 🆘 FAQ：常見問題與解決方案

貢獻指南

歡迎各種形式的貢獻：

1. Fork 專案
2. 建立特性分支：git checkout -b feature/AmazingFeature
3. 提交更改：git commit -m 'Add some AmazingFeature'
4. 推送到分支：git push origin feature/AmazingFeature
5. 建立 Pull Request

風險聲明

⚠️ 重要提醒：

• 本框架僅用於研究與教育目的
• 不構成投資建議
• AI模型預測存在不確定性
• 投資有風險，決策需謹慎
• 建議諮詢專業財務顧問

TradingAgents-CN 致力於為中文使用者提供世界一流的AI金融交易決策框架，推動AI技術在中國金融科技領域的創新應用。