TradingAgents新手教程：121K Star多智能体AI股票分析框架，一条命令安装，让AI分析师团队帮你研判行情（附下载）
TradingAgents新手教程：121K Star多智能体AI股票分析框架，一条命令安装，让AI分析师团队帮你研判行情（附下载）
一、你是不是也想让AI帮你看盘？
说到看盘，你是不是也经历过这些：财报几十页根本看不完，技术指标一堆懒得算，新闻到底算利好还是利空全靠猜。自己研究吧没时间，看大V吧又怕被带节奏。
其实现在 AI 已经能干更复杂的事了——不是丢给它一个聊天框问”XX股票能买吗”，而是让一整个”AI 交易公司”分工协作：有人专门看财报，有人专门盯技术面，有人专门收集市场情绪，然后多空两派吵架辩论，最后由交易员和风控团队拍板。
今天要介绍的 TradingAgents，就是干这件事的开源框架。GitHub 上已经攒了 121K Star（本文写作时实测），还挂着 arXiv 论文（2412.20138），是本周 GitHub Trending 周榜常客。关键是：完全免费开源，协议 Apache-2.0，数据和报告全在自己手里。
这篇教程面向零基础新手，跟着做，10 分钟就能让 AI 分析师团队在你电脑上跑起来。
二、TradingAgents 到底是什么？
一句话：TradingAgents 是一个多智能体（多个AI分角色协作）的交易分析框架，装在你自己的电脑上，输入一个股票代码，它会自动跑完”分析→辩论→决策→风控”全流程，最后生成一份完整的分析报告。
几个大白话解释：
- 多智能体：不是单个 AI 在自言自语，而是好几个 AI 各扮演一个角色，互相配合、互相抬杠；
- LLM 驱动：底层接大模型（GPT、Claude、DeepSeek、通义、本地 Ollama 都支持），你可以用自己手上已有的 API Key；
- 框架：它是”半成品骨架”，你按自己的需求配置后运行，产出的是分析报告，不是自动下单炒美股（官方明确说：仅供研究，不构成投资建议）。
三、它怎么工作？像一家真实的交易公司
传统玩法是”一个 AI 包打天下”，TradingAgents 的思路是把交易公司的组织架构整个搬进来，每个环节一个专业角色：
| 团队 | 角色 | 干什么活 |
|---|---|---|
| 分析师团队 | 基本面分析师 | 扒财报、看财务指标，找内在价值和雷点 |
| 情绪分析师 | 聚合新闻标题、StockTwits、Reddit 讨论，判断市场情绪 | |
| 新闻分析师 | 盯全球新闻和宏观指标，解读事件影响 | |
| 技术分析师 | 用 MACD、RSI 等技术指标找买卖信号 | |
| 研究员团队 | 多头研究员 vs 空头研究员 | 结构化辩论，多空双方互相挑刺，平衡收益和风险 |
| 交易员 | Trader | 综合所有报告，决定买卖时机和仓位 |
| 风控与决策 | 风控团队 + 组合经理 | 评估波动率、流动性，批准或驳回交易提案 |
几个分析师是同时开工的，报告全部交齐后，多空研究员才开始辩论，最后交易员拍板、风控把关。这套流程跑完，你会得到一份带完整推理过程的 HTML 报告。
上面这张就是它的命令行交互界面——别被”命令行”三个字吓到，你只需要回答几个问题（股票代码、日期、用哪家模型），剩下的它自己跑。
项目在 GitHub 上的真容（上图）：121K Star、23K Fork、Apache-2.0 协议，516 次提交，更新非常勤快。
四、下载安装：5 步搞定
第 1 步：准备 Python 环境。TradingAgents 要求 Python 3.11 及以上。终端敲一句验证：
python3 --version # 或 Windows 下 python --version
版本不够就去 python.org 装新版。推荐顺手装个 uv（超快的 Python 包管理工具，一条命令装好），或者用经典的 venv：
python3 -m venv ta
source ta/bin/activate # Windows: ta\Scripts\activate
第 2 步：获取源码。两种方式任选：
# 方式A：能访问 GitHub 的话直接克隆
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
# 方式B：下载源码 ZIP 解压后进入目录（下载地址见文末）
cd TradingAgents-main
第 3 步：安装。在项目目录里执行：
pip install .
依赖会自动装好。看到 Successfully installed tradingagents-... 就成功了。国内网络慢的话加清华源：pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple。
第 4 步：配置 API Key（关键！）。复制配置模板：
cp .env.example .env
然后用记事本打开 .env，填你自己的大模型 Key。国内用户最省事的选择：
| 服务商 | 环境变量 | 说明 |
|---|---|---|
| DeepSeek（推荐，便宜） | DEEPSEEK_API_KEY |
官网注册即送额度，填 Key 就行 |
| 通义千问 | DASHSCOPE_API_KEY |
阿里云百炼申请 |
| 智谱 GLM | ZAI_API_KEY |
open.bigmodel.cn 申请 |
| Kimi | MOONSHOT_API_KEY |
月之暗面官网 |
| 本地 Ollama | 无需 Key | 选 ollama 提供商，完全离线 |
不想改文件的话，也可以直接在终端 export DEEPSEEK_API_KEY=*** Key。
第 5 步：启动。
tradingagents
（没装成命令的话用 python main.py 启动。）
五、第一次运行：让 AI 分析师团队跑起来
启动后进入交互式向导，一路回答问题即可（上次的答案会变成默认值，直接回车就行）：
① 选股票代码（Ticker）。支持的市场非常广：
- 美股：
AAPL、NVDA、指数SPY； - A股：上海
.SS、深圳.SZ，比如茅台就是600519.SS； - 港股
0700.HK、加密货币BTC-USD，以及日、英、印、加、澳等市场。
② 选分析日期。默认今天。想复盘历史行情就改成过去某天——框架有"时点完整性"保护，分析时只用当天已公开的数据，不会偷看后市（防止"穿越"作弊）。
③ 选模型提供商。菜单里挑你填过 Key 的那家（OpenAI / DeepSeek / 通义 / 本地 Ollama 都有）。
④ 选研究深度。新手先用默认的浅一点的深度，跑得快、Token 消耗少。
确认后就开跑，界面会实时显示每个分析师的进度。跑完会问你是否保存报告，选择保存后生成一个文件夹，里面有 complete_report.html——双击用浏览器打开，就是一份带目录、带完整推理过程的完整分析报告，手机上也能看。
# 也支持免交互模式，适合定时任务
tradingagents --ticker 600519.SS --date 2026-11-06
六、进阶玩法速览
- Docker 一条命令跑：项目自带
docker-compose.yml，把 Key 填进.env后docker compose run --rm tradingagents即可，不用操心 Python 环境； - 用 ChatGPT 订阅跑：v0.7.0 起支持直接登录你的 ChatGPT Plus/Pro 账号（
tradingagents login chatgpt），不额外花 API 钱； - 回测：给一个日期区间，看这套多智能体策略历史上表现如何；
- 分层用不同模型：让高管用贵模型、分析师用便宜模型，省钱；
- 报告转 HTML 单页：默认生成
complete_report.html，方便归档和分享。
七、新手常见问题
Q1：跑一次要花多少钱？取决于模型和研究深度。用 DeepSeek 这类低价模型 + 默认深度，单次通常几毛到几块钱人民币。建议新手先浅深度试跑。
Q2：能自动帮我下单交易吗？不能，也不建议。它是研究框架，产出的是分析报告。官方免责声明写得很清楚：不构成任何投资建议，交易有风险。
Q3：数据准不准？行情和指标来自 Yahoo Finance，财报来自 SEC EDGAR，新闻抓各大媒体。数据源挂了它会换备用源，但依然可能有延迟，报告结论仅供参考。
Q4：必须会编程吗？装好之后基本是"回答几个问题"的操作，不会写代码也能用。卡住了就把报错丢给 AI 助手，一般都能解决。
八、软件下载
夸克网盘分享链接暂时无法生成（网盘登录凭证过期，需扫码重新登录后恢复），本期先提供官方 GitHub 直链（实测国内可直连下载）：
源码包 ZIP（推荐）：
https://codeload.github.com/TauricResearch/TradingAgents/zip/refs/heads/main
安装包 whl（pip install 直接装，v0.7.1）：
https://github.com/TauricResearch/TradingAgents/releases/download/v0.7.1/tradingagents-0.7.1-py3-none-any.whl
源码 tar.gz（v0.7.1）：
https://github.com/TauricResearch/TradingAgents/releases/download/v0.7.1/tradingagents-0.7.1.tar.gz
项目主页：https://github.com/TauricResearch/TradingAgents
写在最后
说实话，现在开源的 AI 项目多到看不过来，但像 TradingAgents 这种"把一家交易公司的分工完整复刻"、还带着正经论文的框架真不多见。12 万 Star 不是刷出来的，社区每周都在更新版本。用它来学习多智能体怎么协作、练手大模型应用，比单纯问 AI "明天涨不涨" 有意思多了。
⚠️ 最后再啰嗦一句：本项目仅供技术研究与学习，所有输出不构成投资建议，据此操作风险自负。
关注公众号：「实用软技」，在公众号窗口里回复关键字"软件"即可免费获取
