多智能体AI交易框架：15个Agent协作盯盘

发布时间：2026-05-02 14:18来源：微信阅读：8

— 一点黑子，落入AI新篇 —

腾讯十年程序员

核心看点：TradingAgents今天日增2112颗星，总星数已突破6万。它把一家真实交易公司的组织架构搬进系统：15个Agent分工协作，覆盖研究员、分析师、交易员、风控等完整环节。

昨天刷GitHub Trending时，我被一个Python项目直接“定住”——TauricResearch/TradingAgents，累计6万星，日增也在2000以上。点进去一看，这不就是我一直在找的方案吗。

一、TradingAgents到底是什么？

一句话概括：它用多智能体架构去复刻一家公司级别的交易流程。你不必自己写策略，也不用天天盯盘；在系统里，15个Agent各自处理任务：

核心角色分工

🔹研究员Agent— 负责收集新闻、财报、研报 🔹分析师Agent— 做技术面与基本面分析 🔹交易员Agent— 根据判断执行交易动作 🔹风控师Agent— 管理仓位，并设置止损止盈 🔹辩论Agent— 围绕多空展开讨论，减少认知偏差 🔹投研主管Agent— 统筹各方信息，最终给出结论

我最在意的是"结构化辩论"这个环节：多个分析师围绕同一只股票从多头与空头角度展开辩驳，最后由投研主管把各方意见整合成交易判断。相比单模型直接给结果，这种方式更不容易“一边倒”。

二、为什么涨这么猛？

在腾讯干了10年，AI金融项目我见过不少。很多方案要么是"情绪判断+买卖信号"的简单拼接，要么就是套壳调用接口。但TradingAgents给我的感觉完全不同：

我觉得最不一样的三点

1. 真正的多Agent协同并不是叫一次LLM就完事。多个Agent像真实团队一样分工、交流、辩论、再收敛到决策，每个Agent都有自己的prompt、记忆与上下文。

2. 辩论驱动决策这块设计我觉得很有意思。Agent之间会围绕多空互相挑战观点，最后把分歧压缩成交易建议；整体流程跟人类交易团队的决策逻辑很像。

3. A股方向已经有人在做开源社区里有TradingAgents-CN（中文增强版）和TradingAgents-AShare（A股专属版）。它们接入了A股行情、新闻与情绪数据，整体体验接近开箱即用。

从GitHub的数据来看，中文版fork已经超过11000，A股版也在快速增长。AI+金融正在从概念阶段走向更可落地的应用。

三、实测：怎么跑起来

我花了一个下午把原版和中文版都走了一遍，整理几个关键点：

快速启动

# 克隆项目 git clone https://github.com/TauricResearch/TradingAgents.git cd TradingAgents # 安装依赖 pip install -r requirements.txt # 配置LLM API Key export OPENAI_API_KEY="your-key" # 运行回测 python run.py --ticker AAPL --start 2024-01-01 --end 2024-12-31

如果你想做A股，直接用中文增强版即可：

# 中文增强版（A股支持） git clone https://github.com/hsliuping/TradingAgents-CN.git cd TradingAgents-CN pip install -r requirements.txt # Docker一键启动（推荐） docker-compose up -d

跑完一轮大约3-5分钟，取决于LLM与股票数量。我这次用DeepSeek V4来跑，单只股票完成完整分析的成本大概$0.05，确实比较低。

四、适合什么人

👨‍💻

程序员

练多智能体架构的实战项目

📈

量化交易

把它当决策辅助更合适，别当“保证赚钱”的工具

🏢

研究团队

这种Agent协作模式也能迁移到更多领域

五、我的看法

优点

• 架构思路很专业，模拟交易公司的组织方式是对的 • 辩论机制有助于降低单一模型带来的偏差 • 开源免费且社区活跃，中文生态做得不错 • 接入DeepSeek等国产模型后成本更低 • Agent协作模式具备复用价值，可搬到其他场景

缺点

• 实盘结果还缺少充分验证，回测和实盘不能等同 • Agent数量多，单次分析耗时大概3-5分钟 • 数据来源依赖第三方API，稳定性需要关注 • 重要提醒：AI交易不代表稳赚，别直接就上实盘

说两句实在话

我觉得TradingAgents最有价值的点，不在于"替你赚钱"，而在于它展示了一种多Agent协作的实现路径。辩论驱动决策、角色分工协作、结构化输出——这些思路完全可以迁移到代码Review、需求分析、技术评审等工作场景。

项目地址

🔗 原版：github.com/TauricResearch/TradingAgents 🔗 中文增强版：github.com/hsliuping/TradingAgents-CN 🔗 A股专属版：github.com/LCehoennardo/TradingAgents-AShare

今天的话题：你觉得AI交易Agent靠谱吗？欢迎在评论区聊聊

AI工具、多智能体、量化交易、TradingAgents、程序员、AIAgent