企业官网建设流程全解析

TradingAgents-CN 快速上手指南：3 条命令跑通多智能体股票分析平台

【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

TradingAgents-CN 是一个基于大语言模型的多智能体股票分析平台，让分析师、研究员、交易员、风控、经理等多个 AI 角色分工协作，对 A 股、港股、美股标的产出经过多空辩论和风控评审的分析报告。它适合想入门 AI 投研、又不想从零写代码的新手和量化爱好者——这篇指南的目标，就是让你尽快把界面跑起来、跑完第一次完整分析。

启动篇：三种部署方式怎么选

三种方式没有高下之分，只取决于你机器上有什么环境。先按下面的表选一条路，再往下走。

Docker 部署：三条命令跑起来

先把仓库拉下来，然后一条命令起所有容器：

git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN && docker-compose up -d

判断它起没起来很简单：浏览器打开 http://localhost:3000 能看到中文 Web 管理界面，说明前端就绪；http://localhost:8000 的 API 服务也能正常响应，就说明后端在线。界面里模型、数据源、分析设置的入口都已经配好了。

源码安装：给要做二次开发的人

适合要改代码、加数据源、调试分析流程的开发者。先建虚拟环境装依赖：

python -m venv env && pip install -r requirements.txt

装完后按 docs/QUICK_START.md 依次拉起后端、前端和 worker 三个进程即可，另外要自备 MongoDB 存数据、Redis 做缓存。跑起来后界面与 Docker 版完全一致，区别在于运行时每个智能体的执行日志都会落在 logs 目录里，方便你排查问题。

Windows 绿色版：不需要任何环境

如果你的 Windows 上既没有 Python 也没有 Docker，直接下载绿色版压缩包，解压到一个不含中文的路径里，双击启动程序就行。程序会自动打开本地 Web 界面，进去就是分析配置页，和 Docker 版看到的是同一套东西。

上图就是三种方式启动后你都会看到的界面：左侧是功能导航与模型配置，右侧是分析入口和使用指南。

实战篇：第一次完整分析怎么跑

界面跑起来之后，第一次分析按下面五步走。

第一步：选定标的、分析师与研究深度

进入「分析配置」页：选择市场（A股 / 港股 / 美股）、填股票代码和分析日期，拖动研究深度（1 级快速分析到 5 级全面分析），再勾选本次参与的分析师团队——市场、新闻、基本面这几位按需求勾。

第二步：等各个分析师依次产出

提交后页面会实时显示进度百分比、已用时间和当前任务。一次完整分析需要几分钟到十几分钟，耐心等它走完「生成报告」这一步。

第三步：查看各维度的分析报告

点进报告后，顶部有一排标签页，对应不同角色产出的内容：市场技术分析看价格趋势与支撑阻力，基本面分析看财报和估值，新闻事件分析看近期消息面。

第四步：看多空辩论与交易提案

最有价值的部分在这里。「研究团队决策」标签页下，看涨研究员和看跌研究员会就同一只股票逐轮交锋，页面完整展示双方的开宗明义与反驳过程；「交易团队计划」则把辩论结论翻译成一份具体提案——投资方向、目标价区间、置信度。

「风险管理团队」标签页里，激进、中性、保守三位风控会分别给出评审意见；最后的「最终交易决策」汇总所有输入，给出建议、置信度和目标价。

第五步：导出报告

整份报告可以导出为 Markdown、Word 或 PDF，方便存档、分享或二次加工。全文档从界面到内容都是中文，直接能用。

原理篇：这些智能体是怎么分工的

现在回头看原理就清楚了：TradingAgents-CN 不是让一个大模型直接答题，而是模拟一支投研团队的流水线作业。行情、社媒、新闻、基本面四类数据先喂给分析师团队；分析师的初判再交给研究员团队分两派辩论；交易员把辩论结论转成可执行的提案；风控团队用三种风险偏好做评审；最后由经理整合一切，输出最终决策。

整条链路在架构图里一目了然：

值得注意的一点：行情数据源带多层降级链，单个数据源失效时会自动切到下一个，所以某家源挂了不意味着分析跑不动。

配置篇：密钥、数据源与同步顺序

真正开始分析之前，配置上只有三件事必须做对，顺序别乱。

🔑第一，先配一个大模型密钥。OpenAI、DeepSeek、通义千问任选其一，全部在 Web 配置页完成，不用改代码。这是发起分析的前置条件，没密钥什么都跑不了。

📦第二，分析前先同步股票数据。先完成标的历史数据同步，再点分析。顺序反了的话，报告会基于残缺数据产出，行情和财务字段可能为空。

📡第三，数据源按类型理解和取舍。行情走 Tushare、AkShare、BaoStock 这类源，拿价格、成交量和技术指标；基本面看财报与 PE、PB 等估值指标；新闻和情绪来自 Finnhub 等新闻源加社交媒体。建议先用免费源把全流程跑通，确认链路没问题后再按需加付费源，并按每个源的使用频率设置优先级和缓存时长。

排障篇：常见问题速查

四个问题覆盖了绝大多数新手会遇到的情况。遇到别的报错，源码安装用户可以先翻 logs 目录里对应智能体的执行日志，定位到具体是哪一环挂了。

进阶篇：二次开发的几个入口

跑通之后想深入，这几个目录和文档值得先收藏：

• examples/crawlers/：自定义数据抓取示例，想接入私有或第三方数据源从这里起步
• tradingagents/agents/：所有智能体的提示词与行为定义，分析师、研究员、交易员、风控分放在各自子目录，改提示词就是改这里的文本
• docs/QUICK_START.md：完整教程，含测试股票示例
• docs/deployment/：生产部署的细节文档

收尾：你的三步行动清单

1. 用 Docker（或绿色版）把界面先跑起来，确认 3000 端口能打开
2. 配好一个大模型 API 密钥，同步数据后完成第一次完整分析
3. 对照同一份报告，切换不同的分析师组合和研究深度，看结论如何变化

最后照例说明：TradingAgents-CN 的定位是学习与研究工具，不提供实盘交易建议。投资有风险，决策请自行判断。

【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