AI 前沿发现
GitHub 开源
TradingAgents：多智能体LLM金融交易框架，获94K星标
TradingAgents是一个基于多智能体与大语言模型的开源金融交易分析框架，通过市场分析师、风险控制员、执行交易员三类AI代理协作，实现对新闻、财报等数据的解读与交易决策。内置历史回测引擎与透明决策日志，支持OpenAI等主流LLM集成。适用于金融科技研究与教学场景。
查看原文 →内容为平台聚合整理，原文与最新动态以来源页面为准。
加老师微信 · 进学习群
报名咨询、课程答疑由老师 1 对 1 服务
扫码进学习交流群
加专属老师微信图文介绍
TradingAgents：多智能体LLM金融交易框架
项目定位
TradingAgents 是一个基于多智能体大语言模型（LLM）的金融交易分析框架，旨在通过协作式 AI 代理模拟专业交易团队的决策流程。项目将 LLM 的推理能力与多智能体协同机制结合，为量化交易、策略评估与市场模拟提供可扩展的辅助工具。
核心功能亮点
- 多角色智能体协作：框架内置三类智能体——市场分析师、风险控制员、执行交易员，各自承担信息解读、合规校验与订单优化任务，形成类似小型投研团队的协作流程。
- 模块化 LLM 集成：支持接入 OpenAI、Claude 等主流 LLM API，并通过统一的 prompt 接口定义各智能体行为，开发者可根据策略需求替换底层模型或自定义角色。
- 实时市场模拟与回测：提供可配置的历史数据回测引擎，允许用户导入行情数据，观察多智能体在不同市场环境下的决策演化，辅助策略验证。
- 透明化决策日志：每个交易决策均记录推理过程，含数据来源、风险评分与执行原因，便于合规审查与策略复盘。
适用场景
- 金融科技领域的研究人员与开发者，希望快速搭建 LLM 驱动的交易决策原型。
- 量化团队在进行策略开发时，需要结合 NLP 对新闻、财报等非结构化数据进行分析。
- 教育机构在开展 AI+金融课程时，用作多智能体系统教学案例。
上手提示
- 安装前确保 Python 3.9+ 环境，并安装依赖库（pip install -r requirements.txt）。
- 首次使用需在配置文件中填写 LLM API Key，建议使用 OpenAI GPT-4 或兼容接口以获得稳定性能。
- 框架内置示例数据集（美股每日价格），可直接运行 demo 脚本观察多智能体交易日志。
- 如需自定义策略，可修改 agents/ 目录下的角色设定 prompt 文件，注意保持输入输出格式与框架对接。
作者/来源：TauricResearch
常见问题
TradingAgents是什么？需要哪些运行环境？
TradingAgents是一个多智能体LLM金融交易框架，模拟专业交易团队决策流程。运行需要Python 3.9+，安装依赖库（pip install -r requirements.txt），并配置LLM API Key（如OpenAI GPT-4）。
TradingAgents如何集成LLM？支持哪些模型？
框架通过统一的prompt接口定义各智能体行为，支持接入OpenAI、Claude等主流LLM API。开发者可在配置文件中替换底层模型或自定义角色prompt。
TradingAgents有哪些智能体角色？各自职责是什么？
框架内置三类智能体：市场分析师负责信息解读与趋势分析，风险控制员负责合规校验与风险评分，执行交易员负责订单优化与执行。三者形成类似小型投研团队的协作流程。
如何进行策略自定义与回测？
用户可修改agents/目录下的角色设定prompt文件进行策略自定义。框架提供可配置的历史数据回测引擎，支持导入行情数据，观察多智能体在不同市场环境下的决策演化。
TradingAgents的决策日志有什么作用？
每个交易决策均记录推理过程，包含数据来源、风险评分与执行原因。日志有助于合规审查、策略复盘以及教育场景中的案例教学。