企业官网建设流程全解析

TradingAgents-CN：3分钟从零跑通的多智能体AI股票分析平台

【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN

装好 Docker，3 条命令之后，你的浏览器里就躺着一个会看盘、会写研报、还会做风险控制的 AI 分析团队。TradingAgents-CN是一个基于多智能体 LLM 的中文股票分析框架，把研究员、交易员、风控师组成一支虚拟投研小组。适合想上手量化研究的新手和想体验 AI 分析流程的个人投资者。

它到底是怎么工作的

你输入一个股票代码后，任务会走这样一条路：行情、社交媒体、新闻、基本面四类数据先进入分析师团队，产出看涨与看跌两方证据；两名研究员对立辩论，输出买入/卖出论点；交易员把证据变成一笔具体交易提案；激进、中性、保守三名风控员依次把关，最后由经理汇总全流程信息做出决策。

先跑起来

只给最短路径，Docker 一键启动：

# 克隆项目并进入目录 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN # 复制配置模板，填入至少一个 LLM API 密钥（如 DeepSeek） cp .env.example .env # 一键启动：后端、前端、MongoDB、Redis 全部拉起 docker-compose up -d

启动后你应该看到：

• 终端里Web running at http://localhost:3000且容器状态全部 healthy，浏览器打开即是 Web 管理界面
• http://localhost:8000/api/health 返回正常，说明后端 API 已就绪

其他部署方式一句话带过：源码安装需要 Python 3.8+ 并手动配置 MongoDB、Redis，步骤见 docs/QUICK_START.md；Windows 绿色版解压后双击即可运行，详见 docs/ 目录下部署相关文档。

跑通之后，先看这几个页面

按一次分析任务的实际阅读顺序看：先看四类分析师交出的"事实"，再看研究员怎么辩论，然后是交易员拍板，最后是风控的三道保险。

1. 四类分析师报告

市场、社交媒体、新闻、基本面四个分析师并列展示，每份报告都有"目标 + 关键点摘要"：RSI、均线等技术在第一列，社交情绪在第二列，宏观新闻影响在第三列，ROE、估值在第四列。你可以直接横向比对四方结论，不用自己翻原始数据。

2. 研究员的看多对看空辩论

左侧是看涨观点，右侧是看跌观点，中间是辩论过程。双方各自列出证据——增长潜力对照竞争挑战，最终判断基于哪方论据更扎实，而不是一边倒的叙事。

3. 交易员的决策卡

交易员拿到研究结论后给出明确决策：买入还是卖出、理由是什么、长期还是短期持有。比如"买入 Apple 股票：财务强劲、增长前景压过估值与流动性风险"。结论能不能自圆其说，一眼可见。

4. 风控的三道保险

激进、中性、保守三名风控员各出一份意见，再由经理汇总全流程信息输出最终建议。同一份交易提案过三道不同风险偏好的关卡，这一页最接近真实投研团队的评审会。

不想开浏览器也可以用 CLI，常用就两条：

# 交互式分析：按提示选择股票、分析师团队、LLM 提供商 python -m cli.main analyze # 查看 LLM 提供商与 API 密钥配置状态 python -m cli.main config

数据从哪来、怎么配

两条关键建议：

• 先用免费源跑通全流程：AkShare 免 key、DeepSeek 新用户有免费额度，别在数据源上卡住第一次分析
• 分析前先把股票数据同步完成，官方明确提示不同步直接分析会出现数据错误，同步入口在 Web 页面内，细节见 docs/configuration/quotes_ingestion_config.md

踩坑速查

浏览器打不开 localhost:3000→

1. 查端口占用：netstat -tuln | grep 3000
2. 被占用就改 docker-compose.yml 的端口映射（3000 改 3001），再docker-compose up -d

容器反复重启或起不来→

1. docker-compose ps -a看哪个服务 unhealthy
2. docker-compose logs -f backend看实时日志
3. 更多场景见 docs/troubleshooting/docker-troubleshooting.md

分析能跑但数据缺失或结果不对→

1. 先同步股票数据再发起分析
2. 检查 .env 中TUSHARE_TOKEN等数据源配置
3. 用法细节见 docs/guides/v1.0.1-user-manual.md

分析卡住、大模型无响应→

1. 确认 .env 里 DeepSeek/通义/OpenAI 至少填了一个密钥
2. 运行python -m cli.main config检查密钥识别状态

让它更贴合你的风格

• 改提示词：各角色系统提示词集中在 tradingagents/ 目录，调整分析视角、输出风格从这里入手，架构说明见 docs/
• 接私有数据源：参考 examples/crawlers/ 的爬虫示例和 docs/architecture/data-source/ 的接口规范，把自有行情或舆情数据接进来
• 调风险偏好：激进/中性/保守三个风控角色可以绑定不同模型，组合配置文档在 docs/configuration/

接下来做什么

1. 克隆仓库：git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN
2. 执行docker-compose up -d，等容器全部 healthy
3. 打开 http://localhost:3000，输入一个股票代码，完成第一次分析

所有输出均为 AI 研究参考，不构成投资建议。

【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN