TauricResearch/TradingAgents（65K ⭐）
→ simonlin1212/tradingagents-astock（A 股特化）
→ joycoding2000/TradingAgents-astock（本项目，持续迭代）
全 Apache 2.0 开源 · pip install 即跑 · 零外部服务依赖
原版 TradingAgents 是一个出色的多 Agent 投研框架，但它针对美股设计：数据走 Yahoo Finance / Alpha Vantage，分析师不懂 A 股制度，辩论和决策完全面向美股市场。
本 Fork 的目标：把 TradingAgents 的多 Agent 辩论架构真正落地到 A 股，不是简单翻译，而是从数据层、Agent 角色、交易规则三个维度做深度特化。
| 维度 | 原版 | 本 Fork |
|---|---|---|
| 数据源 | Yahoo Finance / Alpha Vantage | mootdx + 东财 + 新浪 + 同花顺（全免费直连） |
| Analyst 角色 | 4 个（市场/情绪/新闻/基本面） | 7 个（+政策分析师/游资追踪/解禁监控） |
| 交易规则 | 美股（T+0、无涨跌停） | A 股（T+1、涨跌停、最小手数、交易时段） |
| 输出语言 | 英文 | 中文报告（内部辩论保持英文以保证推理质量） |
| Alpha 基准 | SPY | 沪深 300（CSI 300） |
| 特性 | 原版 TradingAgents | 本 Fork |
|---|---|---|
| 许可证 | Apache 2.0 | 全 Apache 2.0 |
| 部署依赖 | pip install | 开箱即用 |
| A 股数据 | ❌ | mootdx + 东财 + 新浪 + 同花顺（直连 HTTP） |
| A 股特化角色 | ❌ | 政策/游资/解禁 3 个深度角色 |
| A 股交易约束 | ❌ | T+1/涨跌停/手数/ST 全覆盖 |
┌──────────────────────────────────────────────┐
│ 7 Analyst 并行研报生成 │
│ Market Social News Fundamentals │
│ Policy HotMoney Lockup（并行，独立通道） │
├──────────────────────────────────────────────┤
│ 数据质量门控 │
│ （工具台账→分领域评级→结论约束注入下游） │
├──────────────────────────────────────────────┤
│ Bull vs Bear 辩论 │
│ → Research Manager 综合研判 │
├──────────────────────────────────────────────┤
│ Trader 交易方案 │
│ → 三方风险辩论 │
├──────────────────────────────────────────────┤
│ Portfolio Manager 最终决策 │
└──────────────────────────────────────────────┘
双 LLM 设计：
quick_think_llm：所有 Analyst、Researcher、Trader、Risk Debaterdeep_think_llm：Research Manager 和 Portfolio Manager（需要综合全局信息做决策）
| 角色 | 职责 | 数据工具 |
|---|---|---|
| 🏪 市场分析师 | K 线形态、技术指标、量价分析 | K 线数据 + 常用技术指标（均线/MACD/RSI/布林带） |
| 💬 舆情分析师 | 社交媒体情绪、散户讨论热度 | get_news |
| 📰 新闻分析师 | 行业新闻、公告、宏观事件 | get_news, get_global_news, get_insider_transactions |
| 📊 基本面分析师 | 财报三表、盈利能力、估值 | get_fundamentals, get_balance_sheet, get_cashflow, get_income_statement |
| 角色 | 职责 | 数据工具 | 为什么需要 |
|---|---|---|---|
| 🏛️ 政策分析师 | 监管政策、产业政策、窗口指导 | get_news, get_global_news |
A 股是政策市，政策变化直接影响板块轮动 |
| 🔥 游资追踪师 | 龙虎榜、大单流向、主力资金动态 | get_stock_data, get_news, get_insider_transactions |
游资是 A 股短线定价的核心力量 |
| 🔓 解禁监控师 | 限售股解禁、大股东减持、股权质押 | get_insider_transactions, get_news, get_fundamentals |
解禁是 A 股特有的重大供给冲击因素 |
所有 7 个 Analyst 的报告会流入后续的 Bull/Bear 辩论和三方风险辩论，确保 A 股特色因素贯穿整条决策链。
全部免费，无需 API Key，无积分墙：
| 来源 | 协议 | 提供内容 |
|---|---|---|
| mootdx | TCP 7709 | OHLCV K 线、财务快照、F10 文本 |
| 腾讯财经 | HTTP (qt.gtimg.cn) |
PE / PB / 市值 / 换手率（实时） |
| 东方财富 | HTTP (datacenter / push2) | 龙虎榜、限售解禁、板块行情、个股信息 |
| 新浪财经 | HTTP | K 线历史、财报三表 |
| 同花顺 | HTTP (10jqka) | EPS 一致预期 |
| 财联社 | HTTP (cls.cn) | 全球财经快讯 |
| 百度股市通 | HTTP (finance.pae.baidu) | 概念板块分类、资金流向 |
完全不依赖 Tushare（积分墙）、Alpha Vantage（海外 API）、Yahoo Finance（不支持 A 股）。
东财防封机制：所有东财请求统一走节流入口，串行限流（默认间隔 ≥1s + 随机抖动）+ 自动重试 + 动态代理轮换。多 Agent 并发不再触发封 IP。仅东财限流，其他数据源不受影响。
# Python >= 3.10
git clone https://github.com/joycoding2000/tradingagents-astock.git
cd tradingagents-astock
pip install -e .
# 如需使用 Google Gemini 模型（可选）：
pip install -e ".[google]"装完即可用，无需 Docker。 安装后直接跑
streamlit run web/app.py（Web UI）或tradingagents（CLI）即可，详见下方「Web UI」「CLI 方式」两节。Docker 仅是可选的部署方式，本地开发不需要。
必须使用 API Key，不能用 Claude/ChatGPT 订阅版。每次分析需 30-50 次 LLM 调用，只有 API 模式支持。
在项目根目录创建 .env 文件，按你选择的供应商配置：
# ── 方案 A：MiniMax（推荐，国内直连，性价比高）──────────
MINIMAX_API_KEY=sk-xxx
# 申请地址：https://platform.minimaxi.com/
# ── 方案 B：DeepSeek ─────────────────────────────────
DEEPSEEK_API_KEY=sk-xxx
# 申请地址：https://platform.deepseek.com/
# ── 方案 C：智谱 GLM ─────────────────────────────────
ZHIPU_API_KEY=xxx
# 申请地址：https://open.bigmodel.cn/
# ── 方案 D：通义千问 Qwen ────────────────────────────
DASHSCOPE_API_KEY=sk-xxx
# 申请地址：https://dashscope.console.aliyun.com/
# ── 方案 E：OpenAI ───────────────────────────────────
OPENAI_API_KEY=sk-xxx
# ── 方案 F：Anthropic ────────────────────────────────
ANTHROPIC_API_KEY=sk-ant-xxx
# ── 方案 G：Kimi（Anthropic 兼容 API）────────────────
ANTHROPIC_AUTH_TOKEN=your-kimi-token也可复制 config.yaml.example 为 config.yaml，调整辩论轮数、默认模型等参数（可选）。详见配置说明。
根据你选择的供应商，在 config.yaml 中设置 llm_provider 和模型，或直接在代码中覆盖：
from tradingagents.dataflows.config import get_config
from tradingagents.graph.trading_graph import TradingAgentsGraph
config = get_config()
config["llm_provider"] = "minimax"
config["deep_think_llm"] = "MiniMax-M2.7"
config["quick_think_llm"] = "MiniMax-M2.7-highspeed"
ta = TradingAgentsGraph(debug=True, config=config)
final_state, decision = ta.propagate("688017", "2026-05-12")
print(decision)各供应商的配置速查：
| 供应商 | llm_provider |
deep_think_llm |
quick_think_llm |
可选 backend_url |
|---|---|---|---|---|
| MiniMax（推荐） | minimax |
MiniMax-M2.7 |
MiniMax-M2.7-highspeed |
|
| DeepSeek | deepseek |
deepseek-chat |
deepseek-chat |
|
| OpenAI | openai |
gpt-5.4 |
gpt-5.4-mini |
|
| Anthropic | anthropic |
claude-sonnet-4-6 |
claude-sonnet-4-6 |
https://api.kimi.com/coding/（Kimi 中转） |
tradingagents # 交互式 CLI
tradingagents --help # 查看所有选项内置 Streamlit 可视化界面，支持在侧边栏选择 LLM 供应商和模型，输入股票代码即可一键分析，适合不写代码的用户。
# 方式一：命令行启动（推荐）
tradingagents-web
# 方式二：直接运行
streamlit run web/app.py打开浏览器访问 http://localhost:8501。
- 模型自选：侧边栏支持 9 个 LLM 供应商切换（MiniMax/DeepSeek/Qwen/GLM/OpenAI/Anthropic/Google/xAI/Ollama）
- 一键分析：支持 6 位代码、股票名称、拼音首字母输入，进入页面即自动聚焦输入框
- 分析模式：可选「完整分析」（7 角度）或「快速分析」（技术/新闻/基本面），均执行质量门控和完整风控链
- 实时进度：全流程阶段实时展示，所有已完成报告均可展开查看
- 通俗结论：优先展示最终决策，信号和术语全部转成通俗中文
- 报告导出：一键下载 Markdown（零依赖）或 PDF 完整分析报告
- 阶段耗时：展示各阶段耗时和模型调用次数
- 历史记录：自动保存并展示所有历史分析
配置采用三层优先级（高 → 低）：
环境变量 TRADINGAGENTS_* → 临时覆盖，适合服务器 / Docker 部署
config.yaml（项目根目录） → 持久化全局配置（参考 config.yaml.example）
tradingagents/default_config.py → 硬编码默认值
复制 config.yaml.example 为 config.yaml，每项参数均有中文注释说明取值范围和原理：
# 关键参数速览（完整注释见 config.yaml.example）
output_language: Chinese # 报告语言
analysis_mode: full # full / fast
max_debate_rounds: 2 # 辩论轮数（建议 2-3）
checkpoint_enabled: false # 断点续跑
llm_provider: openai # 默认 LLM 供应商
deep_think_llm: gpt-5.4 # 深度推理模型
quick_think_llm: gpt-5.4-mini # 快速推理模型无需 config.yaml，直接在 .env 或 shell 中设置：
export TRADINGAGENTS_DEBATE_ROUNDS=3
export TRADINGAGENTS_CHECKPOINT_ENABLED=true
export TRADINGAGENTS_LLM_PROVIDER=deepseek
export TRADINGAGENTS_DEEP_THINK_LLM=deepseek-chat
export TRADINGAGENTS_QUICK_THINK_LLM=deepseek-chat
# 完整清单见 config.yaml.example 或 default_config.pyfrom tradingagents.dataflows.config import get_config
config = get_config()
config["max_debate_rounds"] = 3
config["deep_think_llm"] = "deepseek-chat"
ta = TradingAgentsGraph(debug=True, config=config)
.env仅用于存放 API Key 和代理地址（EM_HTTP_PROXY等），不存放业务配置参数。
Q: 用 DeepSeek/通义/智谱，却报 OpenAIError: The api_key client option must be set ... OPENAI_API_KEY？
每个供应商用各自的环境变量，不是 OPENAI_API_KEY：DeepSeek=DEEPSEEK_API_KEY、通义=DASHSCOPE_API_KEY、智谱=ZHIPU_API_KEY、MiniMax=MINIMAX_API_KEY、xAI=XAI_API_KEY、OpenRouter=OPENROUTER_API_KEY。在项目根目录 .env 里设置对应变量后重启程序。（v0.2.12 起缺 key 会直接提示该用哪个变量名。）
Q: 导出 PDF 报 UnicodeEncodeError: 'latin-1' codec can't encode？
你的环境里装了旧版 fpdf（pyfpdf），它和本项目用的 fpdf2 都以 fpdf 名称导入、互相冲突。执行：pip uninstall -y fpdf && pip install "fpdf2>=2.8.6"。实在不行可改用「下载 Markdown」导出（零依赖，永远可用）。
Q: Docker 里导出 PDF 报「未找到中文字体」？
v0.2.12 起 Dockerfile 已内置 fonts-noto-cjk，重新 docker build 即可。旧镜像可临时 apt install fonts-noto-cjk，或改用 Markdown 导出。
Q: Docker 启动报 [Errno 13] Permission denied: /home/appuser/.tradingagents/cache？
旧版镜像里没预建数据目录，docker-compose 的命名卷挂上来时被 Docker 建成 root 属主，而容器内进程以 appuser 运行、写不进去。v0.2.14 起 Dockerfile 已预建 /home/appuser/.tradingagents（cache/logs/memory）并归属 appuser，命名卷会继承该属主。升级方式：git pull 后 docker compose build --no-cache 重建镜像；若想保留旧数据卷可先 docker run --rm -v tradingagents_data:/d alpine chown -R 1000:1000 /d 修正属主，否则 docker volume rm tradingagents_data 后重建即可。
Q: 部分分析师报告（情绪/新闻/基本面/政策/游资/解禁）空白不显示？ 这些报告由对应 Analyst 调用数据工具后生成，空报告会被自动跳过不显示。数据源本身是健康的（腾讯/mootdx/同花顺/东财实测出数）；报告为空通常是所选模型 tool-call 能力弱（如部分 deepseek/minimax 轻量模型不稳定地调用工具）。建议换用 tool-call 更稳的模型（deepseek-chat / 通义 / GLM-4 / Claude / GPT 等），或重试。
Q: 装 [google]（Gemini）后 pip 报 httpx 冲突：mootdx 要 httpx<0.26、google-genai 要 httpx>=0.28？
先澄清：litellm / mcp 不是本项目的依赖——报错里若提到它们，是你环境里其它包带来的，与 TradingAgents 无关。本项目核心安装（pip install -e .）不依赖 httpx≥0.28，默认不冲突；冲突只在装 [google] 用 Gemini 时出现（mootdx 与 google-genai 的 httpx 上下限互斥）。解法：① mootdx 取行情走 TCP 协议、运行时根本不调用 httpx，可让 httpx 升到满足 google-genai 的版本，pip 那条 incompatible 只是警告、不影响 mootdx 运行（实测 mootdx 0.11.7 在 httpx 0.28.1 下取数正常）；② 或把跑 Gemini 的环境与 mootdx 数据层分到不同 venv；③ 最省心是用 MiniMax / DeepSeek / 通义等国内直连模型，不装 [google] 就没这问题。
Q: 不进 CLI 交互，怎么批量跑多只标的、拿到和 CLI 一样的完整报告？
看 examples/run_cases.py：它复用 CLI 的 save_report_to_disk()，每只标的输出与 CLI 一致的 complete_report.md（分析师 / 研究 / 交易 / 风险 / 组合五个分区）+ 一份字段齐全的 summary.json。用法：uv run python examples/run_cases.py（跑全部）或 uv run python examples/run_cases.py 688017（单只）；改 build_config() 切换 provider/model。
TradingAgents-Astock/
├── tradingagents/
│ ├── agents/
│ │ ├── analysts/ # 7 个分析师
│ │ │ ├── market_analyst.py
│ │ │ ├── social_media_analyst.py
│ │ │ ├── news_analyst.py
│ │ │ ├── fundamentals_analyst.py
│ │ │ ├── policy_analyst.py # A 股特化
│ │ │ ├── hot_money_tracker.py # A 股特化
│ │ │ └── lockup_watcher.py # A 股特化
│ │ ├── researchers/ # Bull / Bear 研究员
│ │ ├── risk_mgmt/ # 激进 / 保守 / 中立 辩手
│ │ ├── managers/ # Research Manager + Portfolio Manager
│ │ ├── trader/ # Trader（A 股交易约束）
│ │ └── utils/ # 状态定义、工具函数
│ ├── dataflows/
│ │ ├── a_stock.py # A 股数据 vendor（直连 HTTP API，零第三方库）
│ │ ├── interface.py # 数据接口抽象层
│ │ └── ...
│ └── graph/
│ ├── trading_graph.py # 主入口：TradingAgentsGraph
│ ├── setup.py # LangGraph 拓扑定义
│ ├── propagation.py # 状态初始化与传播
│ ├── reflection.py # 交易反思（CSI 300 基准）
│ └── conditional_logic.py
├── web/
│ ├── app.py # Streamlit 主入口
│ ├── runner.py # 后台线程运行分析
│ ├── progress.py # 线程安全进度追踪
│ ├── history.py # 历史记录扫描
│ ├── pdf_export.py # PDF 报告生成
│ ├── launch.py # CLI 启动器
│ └── components/ # UI 组件
│ ├── sidebar.py # 侧边栏（输入 + 历史）
│ ├── progress_panel.py # 实时进度面板
│ └── report_viewer.py # 报告展示
├── config.yaml.example # 全局配置模板（复制为 config.yaml 使用）
├── test_astock.py # E2E 集成测试
├── CHANGES_FROM_UPSTREAM.md # 与上游的完整改动记录
├── NOTICE # Apache 2.0 归属声明
├── LICENSE # Apache 2.0 许可证
└── pyproject.toml # 包定义与依赖
本项目基于 TauricResearch/TradingAgents 开源项目，经由 simonlin1212/tradingagents-astock 的 A 股特化改造后进一步迭代。感谢两位作者的出色工作和 Apache 2.0 开源精神。
原始论文：TradingAgents: Multi-Agents LLM Financial Trading Framework
本项目是 TauricResearch/TradingAgents 的 fork，继承 Apache 2.0 许可证。详见 NOTICE。
如果这个工具帮到了你的投研工作流，欢迎请作者喝杯咖啡 ☕
想要什么功能？欢迎开 Issue 提需求，赞助者的 Issue 优先处理。
本项目仅供学习研究与技术演示，不构成任何投资建议。
- 本系统产出的所有分析报告和交易信号均由 AI 自动生成，可能存在错误或偏差
- 投资决策请咨询持有中国证监会颁发资质的专业机构
- 作者不对使用本工具产生的任何投资损失承担责任
- 股市有风险，投资需谨慎