TradingAgents

GitHub 数据截至 2026-11-10。状态：活跃 = 最近 90 天有提交，放缓 = 最近一年有提交，停滞 = 更早，已归档 = 只读。

简介

TradingAgents 把一次交易决策拆给多个大语言模型智能体：分析师分别看基本面、新闻、情绪和技术面，多空研究员互相辩论，交易员给出仓位建议，再由风控团队审核。它调用商业或本地的大模型接口，每次决策都要消耗 token；作者把它定位为研究框架，不是投资建议。

适合谁: 研究大语言模型智能体怎么分析股票，适合研究和演示。

优点

• 每个决策都有可读的推理过程
• 智能体角色和所用模型可以替换
• 社区关注度极高

局限

• 很难做长周期回测：调用大模型又慢又贵，而且模型可能已经知道历史事件的结果
• 不同运行、不同模型的结果会有差异
• 不能替代可检验的系统化规则

我们自己的使用经验

未来函数的问题是真实存在的：用某个日期之前的数据训练的大模型，可能已经“知道”你回测期间发生了什么。任何大模型策略的结果，都需要在模型训练截止日期之后的区间里检验。

同类替代：AI 与机器学习