TradingAgents 中文增强版-基于多智能体LLM的中文金融交易框架

TradingAgents 中文增强版是一套基于多智能体大语言模型的金融交易决策框架，特别为中文用户优化，覆盖 A股 / 港股 / 美股的智能化分析与研究场景。

🚀 最新版本 cn-0.1.13-preview 原生支持 OpenAI 并全面集成 Google AI！ •新增自定义 OpenAI 端点配置•集成 9 个 Google AI 最新模型•优化 LLM 适配器架构

🎯 核心功能

•原生 OpenAI 接入•Google AI 全面支持•自定义端点配置•智能化模型选择机制•多 LLM 提供商统一适配•模型选择持久化存储•Docker 容器化部署方案•专业级投资报告导出•完整 A 股市场支持•全面中文本地化体验

🙏 致敬

特别感谢 Tauric Research 团队[1]，他们创造了革命性的多智能体交易框架 TradingAgents，为本项目奠定了坚实基础。

🎯 我们的使命

为中国用户打造完整的中文化金融 AI 体验：

•覆盖 A股 / 港股市场•集成国产大模型•推动 AI 金融技术在中文社区的普及与应用

🤖 原生 OpenAI 端点支持

•自定义端点：可配置任意 OpenAI 兼容 API•灵活模型调用：不限于官方模型，兼容多种格式•原生适配器：新增 OpenAI 专用适配器，兼容性与性能更优•配置管理：统一管理端点与模型参数

🧠 Google AI 全面集成

•三大官方包支持：、、•集成 9 个最新验证模型：包括 gemini-2.5-pro、gemini-2.5-flash、gemini-2.0-flash 等•专用调用处理器：支持 Google 工具生态•智能降级机制：当高级功能失败时，自动回退至基础模式

🔧 LLM 适配器架构优化

•新增 GoogleOpenAIAdapter，实现 OpenAI 兼容•统一接口：不同 LLM 提供商调用方式一致•错误处理增强：更智能的异常捕获与自动重试•性能监控：新增调用性能统计

🎨 Web 界面优化

•智能模型选择：自动选择最佳可用模型•问题修复：彻底解决 KeyError 报错•UI 响应优化：切换模型更流畅，体验更佳•友好提示：改进错误提示与解决方案

🧠 智能新闻分析模块

•基于 AI 的 新闻相关性与质量评估•三层过滤机制：基础 / 增强 / 集成•自动剔除低质量、重复或无关新闻•整合多数据源，提供统一接口

🔧 技术优化与修复

•修复 DashScope 适配器兼容问题•修复 DeepSeek 无限循环 Bug•提升 LLM 工具调用稳定性•优化新闻检索器性能

📚 测试与文档完善

•新增 15+ 测试文件，覆盖新增功能•新增 8 篇技术报告与修复文档•增补用户指南与最佳实践•提供完整演示脚本

🗂️ 项目结构优化

•文档分类整理至 •示例代码统一至 •根目录保持简洁专业

🤖 多智能体协作架构

•分析师分工：基本面、技术面、新闻、社交媒体•结构化辩论：看涨 / 看跌研究员深度讨论•智能交易员：综合信息生成最终投资建议•风险管理：多层级风控机制

基于 Streamlit 构建的现代化响应式应用

主页 – 分析配置

实时分析进展

分析结果呈现

🎯 核心功能亮点

📋 智能分析配置

•🌍 多市场覆盖：一站式支持美股、A股与港股•🎯 五级研究深度：从 2 分钟速览到 25 分钟全面研究•🤖 多维智能体：涵盖技术面、基本面、新闻与社交媒体分析•📅 灵活回溯：可对任意历史时间点进行分析

🚀 实时进度跟踪

•📊 进度可视化：实时展示分析进展与剩余时间•🔄 智能步骤识别：自动定位当前分析阶段•⏱️ 精准时间预估：基于历史数据计算完成时长•💾 状态保持：刷新页面也不会丢失进度

📈 专业结果展示

•🎯 投资建议：清晰的买入 / 持有 / 卖出结论•📊 多维度评估：综合技术面、基本面与新闻情绪•🔢 量化指标：包含置信度、风险评分与目标价位•📄 多格式导出：支持 Markdown / Word / PDF 报告生成

🤖 多 LLM 模型管理

•🌐 四大提供商：DashScope、DeepSeek、Google AI、OpenRouter•🎯 60+ 模型库：覆盖从经济型到旗舰级的多类模型•💾 配置持久化：URL 参数保存模型选择与配置•⚡ 快速切换：常用模型一键切换，高效便捷

🚀 快速上手

1.启动应用：或 2.打开浏览器访问：http://localhost:85013.选择模型：在侧边栏配置 LLM 提供商与模型4.输入股票代码：如、、5.设定研究深度：选择 1-5 级分析6.点击 “🚀 开始分析”7.查看进度与分析结果8.一键导出 Markdown / Word / PDF 报告

📊 支持的股票代码

•🇺🇸 美股：AAPL, TSLA, MSFT, NVDA, GOOGL•🇨🇳 A股：000001, , , 002415•🇭🇰 港股：0700.HK, 9988.HK, 3690.HK, 1810.HK

🎯 研究深度分级

•1级 (2-4 分钟)：快速概览，基础技术指标•2级 (4-6 分钟)：技术 + 基本面，标准分析•3级 (6-10 分钟)：加入新闻情绪，推荐默认 ⭐•4级 (10-15 分钟)：全面分析，多智能体辩论•5级 (15-25 分钟)：最深度研究，千问 Qwen 教程生成完整报告

💡 使用技巧

•🔄 页面可刷新，进度保持不丢失•📱 兼容移动端与平板•🎨 深色模式自动适配•⌨️ Enter 键快速提交分析•📋 自动保存最近的配置记录

🚀 智能新闻分析（v0.1.12 升级）

🎨 CLI 用户体验（v0.1.9 优化）

🧠 LLM 模型支持（v0.1.13 升级）

📊 数据源与市场

🤖 智能体团队

🐳 Docker部署 (推荐)

💻 本地部署

🔎 操作流程

1.选择模型：支持 DeepSeek V3 / 通义千问 / Gemini2.输入股票代码：如•A股：000001•美股：AAPL•港股：0700.HK3.启动分析：点击 “🚀 开始分析” 按钮4.实时跟踪：观察分析进度与步骤提示5.查看报告：点击 “📊 查看分析报告” 按钮6.导出结果：支持 Word / PDF / Markdown 多格式输出

🎯 核心优势

•🧠 智能新闻分析：v0.1.12 新增 AI 驱动的新闻过滤与质量评估•🔧 多层次过滤：基础 / 增强 / 集成三级过滤机制•📰 统一新闻工具：整合多源新闻，提供统一检索接口•🆕 多 LLM 集成：v0.1.11 接入 4 大服务商，支持 60+ 模型•💾 配置持久化：URL 参数保存模型选择，刷新配置不丢失•🎯 快速切换：5 个热门模型一键切换•🆕 实时进度：v0.1.10 引入异步跟踪，避免“黑盒等待”•💾 智能会话：状态持久化，支持跨页面恢复•🇨🇳 中国优化：内置 A股 / 港股数据，支持国产 LLM 与中文界面•🐳 容器化支持：Docker 一键部署，环境隔离、快速扩展•📄 专业报告：自动生成投资建议，多格式导出•🛡️ 稳定可靠：多层数据源，支持智能降级与错误恢复

🔧 技术架构

📚 文档与支持

•📖 完整文档[2]：安装指南、使用教程、API 文档•🚨 故障排除[3]：常见问题解决方案•🔄 更新日志[4]：版本更新与优化记录•🚀 快速开始[5]：5 分钟上手指南

🆚 中文增强特色

相比原版，增强版新增：

•智能新闻分析 & 多层过滤•新闻质量评估与统一工具接口•多 LLM 提供商接入，支持 60+ 模型•模型选择持久化与快速切换•异步进度显示与智能会话管理•中文界面 & A股/港股数据支持•国产 LLM 接入与优化•Docker 一键部署•专业报告导出 & 日志统一管理•Web 配置界面与成本优化

Docker 部署（推荐）

默认包含以下服务：

•🌐 Web 应用：TradingAgents-CN 主程序•🗄️ MongoDB：数据持久化存储•⚡ Redis：高速缓存•📊 MongoDB Express：数据库可视化管理界面•🎛️ Redis Commander：缓存管理工具

本地部署

适用场景：开发调试、自定义配置、离线使用

环境要求

•Python 3.10+（推荐 3.11）•内存 4GB+（推荐 8GB+）•稳定的网络连接

安装步骤

配置API密钥

🇨🇳 推荐：使用阿里百炼（国产大模型）

📋 部署模式配置说明

本地部署模式：

Docker部署模式：

📦 部署模式说明

•本地部署：需要手动启动 MongoDB 和 Redis 服务•Docker 部署：数据库服务由自动启动，无需额外配置•端口冲突：如果本地已运行数据库，可在中修改端口映射

🌍 可选：使用国外模型

若需要接入国外模型，请确保具备 科学上网环境，并在文件中配置以下密钥：

⚡ 高性能存储支持

本项目提供 MongoDB 与 Redis 双数据库支持，具备以下能力：

•📊 股票数据缓存：减少 API 调用，提升响应速度•🔄 智能降级机制：数据读取优先级为 MongoDB → API → 本地缓存•⚡ 高性能缓存：Redis 缓存热点数据，实现毫秒级响应•🛡️ 数据持久化：MongoDB 保存历史数据，支持离线分析

🐳 数据库部署方式

1. Docker 部署（推荐）

如果使用 Docker，数据库服务会自动随启动，无需手动配置：

2. 本地部署

方式一：仅启动数据库服务

方式二：完全本地安装

⚠️ 使用说明 •🐳 Docker 部署：数据库随容器启动，推荐生产环境使用•💻 本地部署：可选择仅运行数据库或完全独立安装•📋 推荐：使用 Docker 部署以获得最佳体验和一致性

🔧 数据库配置选项

1. 环境变量配置（推荐）

在 .env 文件中可设置：

2. 配置文件方式

也可在 config/database_config.py 中直接修改：

📚 MongoDB 功能

•✅ 股票基础信息存储•✅ 历史价格数据缓存•✅ 分析结果持久化保存•✅ 用户配置管理•✅ 自动数据同步

⚡ Redis 功能

•⚡ 实时价格数据缓存•⚡ API 响应结果缓存•⚡ 会话状态管理•⚡ 热点数据预加载•⚡ 分布式锁支持

系统内置多层数据源降级策略，保证高可用性：

📊 数据获取流程

1.🔍 优先检查 Redis 缓存（毫秒级）2.📚 查询 MongoDB 存储（秒级）3.🌐 调用 通达信 API（秒级）4.💾 使用 本地文件缓存（备用）5.❌ 若全部失败，返回错误信息

⚙️ 配置降级策略

在文件中设置：

性能优化建议

生产环境配置：

数据库管理工具

🚨 故障排除

1. 🪟 Windows 10 ChromaDB 兼容性问题

问题现象：Windows 10 出现错误，而 Windows 11 正常。

解决方案：

📖 更多细节请参考 Windows 10 兼容性指南[6]

2. MongoDB连接失败

Docker部署：

本地部署：

3. Redis连接超时

4. 💾 缓存问题排查

•即使不配置数据库，系统仍可正常运行，会自动降级为 API 直连模式•数据库配置为 可选项，主要用于性能优化与数据持久化

📚 更多细节请参考：数据库架构文档

系统现已支持将股票分析结果导出为多种专业格式：

•📄 Markdown (.md)：适合技术用户与版本控制•📝 Word (.docx)：适合商务报告与二次编辑•📊 PDF (.pdf)：适合正式分享与打印

•🎯 投资决策摘要：买入 / 持有 / 卖出建议，置信度与风险评分•📊 详细分析报告：技术面、基本面、市场情绪、新闻事件•⚠️ 风险提示：投资风险声明与免责条款•📋 配置信息：分析参数、模型信息、生成时间

1.完成股票分析后，在结果页面底部找到 “📤 导出报告”2.选择需要的格式（Markdown / Word / PDF）3.点击导出按钮，系统自动生成并下载

📚 更多信息请参考：导出功能使用指南

🚀 启动应用

🐳 Docker启动（推荐）

如果您使用Docker部署，应用已经自动启动：

💻 本地启动

如果您使用本地部署：

然后在浏览器中访问

•🇺🇸 美股分析：支持 AAPL、TSLA、NVDA 等代码•🇨🇳 A股分析：支持 000001、、等代码•📊 实时数据：接入通达信 API 提供 A 股实时行情•🤖 智能体组合：可按需求选择技术、基本面、新闻、社交媒体分析师•📤 报告导出：一键导出 Markdown / Word / PDF 专业报告•🎯 五级研究深度：从 2–4 分钟快速分析到 15–25 分钟全面研究•🔄 进度可视化：实时显示步骤，缓解“黑盒”等待•📈 结构化结果：输出投资建议、目标价、置信度与风险评估•🇨🇳 完全中文化：界面与分析结果全中文呈现

💻 代码调用（适合开发者）

⚡ 快速启动脚本

📁 数据目录配置 新功能：灵活设置数据存储路径，支持 CLI、环境变量与代码方式。

环境变量配置:

程序化配置:

配置优先级: 程序设置 > 环境变量 > 配置文件 > 默认值

详细说明请参考: 📁 数据目录配置指南[7]

交互式分析

💡 提示：我们的目录包含超过 50,000 字 的详细中文文档，这是相较原版最大的优势！

🌟 相比原版，我们构建了业内最完整的 中文金融 AI 框架文档体系：

•📄 超过 50,000+ 字 详细技术文档•📑 20+ 专业文档文件•💻 100+ 代码示例

🎯 为什么选择我们的文档？

🚀 新手入门路径（推荐从这里开始）

•📋 项目概述[12]：了解项目背景与核心价值•⚙️ 详细安装[13]：多平台安装指南•🚀 快速开始[14]：10 分钟上手•📚 基础示例[15]：8 个实用入门示例

🏗️ 架构理解路径（深入理解系统设计）

•🏛️ 系统架构[16]：整体设计•🤖 智能体架构[17]：多智能体协作机制•📊 数据流架构[18]：数据处理全流程•🔄 图结构设计[19]：LangGraph 工作流

🤖 智能体深度解析

•📈 分析师团队[20]：四类专业分析师详解•🔬 研究员团队[21]：看涨 / 看跌辩论机制•💼 交易员智能体[22]：交易决策制定•🛡️ 风险管理[23]：多层次风险评估•👔 管理层智能体[24]：协调与决策管理

📊 数据处理专题

•🔌 数据源集成[25]：多 API 对接•⚙️ 数据处理流程[26]：清洗与转换•💾 缓存策略[27]：多层缓存优化

⚙️ 配置与优化

•📝 配置指南[28]：完整配置选项说明•🧠 LLM 配置[29]：大语言模型优化

💡 高级应用

•📚 基础示例[30]：实用案例•🚀 高级示例[31]：复杂场景与扩展开发

❓ 问题解决

•🆘 常见问题[32]：FAQ 与解决方案

📊 文档统计数据

•📄 文档文件数：20+•📝 总字数：50,000+•💻 代码示例：100+•📈 架构图表：10+•🎯 覆盖范围：从入门到专家的完整学习路径

🎨 文档特色

•🇨🇳 完全中文化：表达方式为中文用户优化•📊 图文并茂：架构图与流程图直观展示•💻 代码丰富：每个概念均有对应示例•🔍 深度剖析：不仅讲“怎么做”，还讲“为什么”•🛠️ 实用导向：面向真实业务场景

🔥 最受欢迎的文档

•📋 项目概述[33] ⭐⭐⭐⭐⭐ 5 分钟快速了解项目的核心价值与技术特色•🏛️ 系统架构[34] ⭐⭐⭐⭐⭐ 深入解析多智能体协作机制，附详细架构图•📚 基础示例[35] ⭐⭐⭐⭐⭐ 提供 8 个实用示例，涵盖从股票分析到投资组合优化

🚀 技术深度文档

•🤖 智能体架构[36] 详解多智能体设计模式与协作机制•📊 数据流架构[37] 数据获取、处理与缓存的完整流程•🔬 研究员团队[38] 创新的看涨 / 看跌研究员辩论机制

💼 实用工具文档

•🌐 Web 界面指南[39] ⭐⭐⭐⭐⭐ 全面介绍 Web 界面操作，包括五级研究深度的详细说明•💰 投资分析指南[40] 从入门到高级的完整投资分析教学•🧠 LLM 配置[41] 多 LLM 模型的配置方法与成本优化策略•💾 缓存策略[42] 多层缓存设计，显著降低 API 调用成本•🆘 常见问题[43] 完整 FAQ 与常见错误排查方案

📊 典型使用成本

•经济模式：0.01–0.05 / 次分析（使用 gpt-4o-mini）•标准模式：0.05–0.15 / 次分析（使用 gpt-4o）•高精度模式：

⚡ 成本优化示例

References

Tauric Research 团队:https://github.com/TauricResearch 完整文档:docs/ 故障排除:troubleshooting/ 更新日志:CHANGELOG.md 快速开始:QUICKSTART.md Windows 10 兼容性指南:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/troubleshooting/windows10-chromadb-fix.md 数据目录配置指南:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/configuration/data-directory-configuration.md 快速开始:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/overview/quick-start.md 系统架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/system-architecture.md 基础示例:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/examples/basic-examples.md 常见问题:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/faq/faq.md 项目概述:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/overview/project-overview.md 详细安装:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/overview/installation.md 快速开始:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/overview/quick-start.md 基础示例:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/examples/basic-examples.md 系统架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/system-architecture.md 智能体架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/agent-architecture.md 数据流架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/data-flow-architecture.md 图结构设计:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/graph-structure.md 分析师团队:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/analysts.md 研究员团队:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/researchers.md 交易员智能体:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/trader.md 风险管理:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/risk-management.md 管理层智能体:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/managers.md 数据源集成:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/data/data-sources.md 数据处理流程:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/data/data-processing.md 缓存策略:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/data/caching.md 配置指南:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/configuration/config-guide.md LLM 配置:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/configuration/llm-config.md 基础示例:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/examples/basic-examples.md 高级示例:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/examples/advanced-examples.md 常见问题:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/faq/faq.md 项目概述:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/overview/project-overview.md 系统架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/system-architecture.md 基础示例:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/examples/basic-examples.md 智能体架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/agent-architecture.md 数据流架构:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/architecture/data-flow-architecture.md 研究员团队:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/agents/researchers.md Web 界面指南:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/usage/web-interface-guide.md 投资分析指南:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/usage/investment_analysis_guide.md LLM 配置:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/configuration/llm-config.md 缓存策略:https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/data/caching.md 常见问题: https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/faq/faq.md

发布者：Ai探索者，转载请注明出处：https://javaforall.net/278492.html原文链接：https://javaforall.net