TradingAgents-Astock

这个 Agent 能做什么，适合哪些场景？

TradingAgents-Astock 是 TradingAgents 论文框架的 A 股工程实现与特化 fork，定位于研究和教学，不提供投资服务。它以 7 名分析师、Bull/Bear 研究辩论、交易方案和三方风险辩论组成 LangGraph 工作流，最终由 Portfolio Manager 给出评级与理由。框架通过 mootdx、腾讯财经、东方财富、新浪财经、同花顺、财联社和百度股市通等数据源获取行情、财务、新闻及 A 股特有信息。可作为 Python 库调用 TradingAgentsGraph，也提供交互式 CLI 和 Streamlit Web UI，并能导出 Markdown 或 PDF 报告。用户自行配置 LLM 凭据并在自己的机器上运行，仓库不托管分析服务或运行结果。

调用 TradingAgentsGraph.propagate("688017", "2026-05-12") 时，系统按 LangGraph 拓扑运行市场、舆情、新闻、基本面、政策、游资和解禁 7 个 Analyst。它们通过 get_stock_data、get_indicators、get_news、get_global_news、get_fundamentals、get_balance_sheet、get_cashflow、get_income_statement 与 get_insider_transactions 等数据工具生成报告；随后报告进入 Bull Researcher 与 Bear Researcher 的辩论、Research Manager 综合研判、Trader 交易方案，以及 Aggressive、Conservative、Neutral 三方风险讨论。Portfolio Manager 最终产出方向、评级和理由；框架明确不输出建仓价、止损位、仓位或目标价。Web UI 提供 12 阶段进度、报告查看、历史记录及 Markdown/PDF 下载，CLI 和 examples/run_cases.py 可将完整报告与 summary.json 写入磁盘。

1. 研究 A 股多智能体辩论行为的研究人员，需要把政策、游资和限售解禁因素纳入同一分析流程。
2. 熟悉 Python 的个人研究者，希望对单个 6 位 A 股代码运行可复现的多阶段研究流程。
3. 需要查看技术、财务、新闻和风险讨论分项报告的投研教学人员。
4. 希望在本机用 Streamlit 页面输入代码、日期和回溯区间后查看完整分析过程的非编程用户。
5. 需要用 examples/run_cases.py 批量运行标的，并保存 complete_report.md 与 summary.json 的使用者。

如何安装或部署这个 Agent？

需要 Python >= 3.10、网络访问和至少一个已配置的 LLM 提供商凭据。

git clone https://github.com/simonlin1212/tradingagents-astock.git
cd tradingagents-astock

pip install -e .

在项目根目录创建 .env，例如：

MINIMAX_API_KEY=sk-xxx

也可配置 DEEPSEEK_API_KEY、DASHSCOPE_API_KEY、ZHIPU_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY 或其他文档列出的提供商变量。可选的 Claude Agent SDK 模式使用：

pip install -e ".[agentsdk]"

如何使用这个 Agent？

Python 首次调用示例：

from tradingagents.graph.trading_graph import TradingAgentsGraph

config = {

"llm_provider": "minimax",
"deep_think_llm": "MiniMax-M2.7",
"quick_think_llm": "MiniMax-M2.7-highspeed",
"output_language": "Chinese",
}

ta = TradingAgentsGraph(debug=True, config=config)
final_state, decision = ta.propagate("688017", "2026-05-12")
print(decision)

交互式 CLI 使用 tradingagents；Web UI 使用 tradingagents-web，或运行 streamlit run web/app.py，然后访问 http://localhost:8501。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题