TradingAgents architecture

TradingAgents架构:从分析师协作到风险决策的完整流程

TradingAgents架构将基本面、情绪、新闻与技术分析拆分给不同 Agent,再经多空辩论、交易方案和风险审查形成研究结论。本文按角色、数据流、状态管理和源码依据解释其完整运行方式。

更新于 2026-08-06依据 TradingAgents 官方仓库与文档核验本文用于技术研究,不构成投资建议
TradingAgents 官方多智能体架构图
官方架构图,固定提交 a33fd4c。
TL;DR

TradingAgents架构是什么

TradingAgents 是一个多智能体金融交易研究框架:把完整的研究流程拆给不同角色的 Agent,先由分析师建立证据,再经多空辩论、交易方案与风险审查,最后交给组合经理形成研究记录。它面向「研究」而不是「实盘执行」。

适用范围

  • 需要多角度证据、可回看中间过程的股票研究
  • 愿意维护多 Agent 流程与多 Provider 配置的团队
  • 能接受输出为模型研究结论而非交易信号

不适用

  • 不是现成的实盘交易或下单系统
  • 不保证收益,也不能消除模型与数据的不确定性
  • 如果只需要完成单个具体研究任务,无需维护整套框架
图例:输入(标的、日期、数据源)→ 分析师建立材料 → 多空辩论 → 交易方案与风险审查 → 组合经理批准或拒绝 → 保存为可回看的研究记录。图见上方官方架构图(a33fd4c)。
Five layers

TradingAgents架构的五层组成

以下分层是本文对官方流程的整理方式,便于按上下游理解各角色;官方仓库并不使用「五层」这个说法。

01

数据与任务输入层

股票、市场、分析日期、研究问题与数据范围,明确一次研究的边界。

02

分析师层

基本面、情绪、新闻、技术四类分析师按各自信息源建立证据材料。

03

多空辩论层

看多与看空研究员交叉检查证据与反例,形成投资计划。

04

交易与风险审查层

交易员形成可评审方案,风险团队补充波动、流动性与数据缺口。

05

组合经理与结果记录层

组合经理批准或拒绝,保存分析、观点与风险限制,输出研究记录。

Analysts

分析师层:四类分析师先把证据拆开

四类分析师从不同信息源建立研究材料。每份材料都有自己的时间、覆盖范围和误差。

基本面分析师

阅读公司财务与经营指标,识别估值假设和可能的风险点。

情绪分析师

聚合 Yahoo Finance 新闻、StockTwits 与 Reddit 讨论,形成短期情绪读数。

新闻分析师

整理全球新闻与宏观指标,分析事件可能产生的影响。

技术分析师

基于价格与技术指标识别模式;指标具有滞后和假信号风险。

事实与解释:价格、财务字段和新闻标题属于输入证据;估值、情绪和趋势判断属于模型解释,不能混成同一层。
Input to output

一次任务在 TradingAgents 中如何流转

完整流程保留输入范围、不同角色的证据、反方观点和风险限制,而不是只留下最后一个标签。

输入

标的、时间、研究问题与数据范围。先明确一次研究的边界,再进入分析师层。

中间产物

四类分析材料、看多/看空论证、交易方案与风险意见,每一步都可回看。

输出

组合经理批准或拒绝及原因,连同风险限制保存为可回看的研究记录。

01

输入问题与范围

给出股票、市场、分析日期和要核验的问题,明确研究边界。

02

分析师整理证据

基本面、新闻、情绪和技术分析师分别提交带来源和时间的材料。

03

多空观点讨论

看多与看空研究员交叉检查证据、反例和双方共享的假设。

04

方案与风险审查

交易员形成可评审方案,风险团队补充波动、流动性和数据缺口。

05

形成最终研究记录

组合经理汇总或拒绝方案,保存分析、观点和风险限制;它仍是模型研究输出。

Agent table

各 Agent 的职责、输入与输出

下表按「输入 → 输出」列出主要角色,便于从一次研究复原完整链路。

角色职责输入输出
基本面分析师阅读财务与经营指标,识别估值假设与风险点财务与经营数据基本面分析报告
情绪分析师聚合新闻与社交讨论,形成情绪读数Yahoo Finance 新闻、StockTwits、Reddit情绪分析报告
新闻分析师整理新闻与宏观指标,评估事件影响全球新闻与宏观数据新闻影响分析
技术分析师基于价格与技术指标识别模式价格序列与指标库技术面分析
多头 / 空头研究员交叉检查证据与反例,论证各自观点分析师报告投资计划与正反论证
交易员把分析与辩论压缩成可评审的交易方案投资计划交易方案
风险团队围绕波动、流动性、敞口与偏好审查方案交易方案与风险偏好风险意见
组合经理读取全部材料后批准或拒绝,承担最终决策责任全部中间产物批准/拒绝与最终研究记录
Source map

架构与实现对应表

以下「官方依据」均为本页核验时使用的固定提交 a33fd4c 下的仓库路径,可直接打开核对;后续版本可能变化。

架构层页面说明输入输出官方依据
分析师团队按信息源拆分研究任务标的、日期、数据源分析报告agents/analysts/
研究辩论多空研究员交叉论证分析报告支持与反对理由agents/researchers/
风险审查校验交易方案中的风险与缺口交易方案、风险偏好风险意见agents/trader/ · agents/risk_mgmt/
状态管理记录决策日志与检查点任务状态日志、检查点utils/memory.py · graph/checkpointer.py
核验说明:本页依据 TradingAgents 官方仓库固定提交 a33fd4c(2026-07-18)核验;源码路径与行为以该提交为准,版本可能变化。
State

状态、记忆与检查点如何工作

TradingAgents 使用 LangGraph 组织流程,并提供决策日志与可选检查点恢复。

状态官方路径或行为用途边界
决策日志~/.tradingagents/memory/trading_memory.md每次完成后追加决策,并在后续同标的研究中形成反思。历史记忆仍来自模型和数据,不能证明策略有效。
检查点~/.tradingagents/cache/checkpoints/<TICKER>.db启用 --checkpoint 后从成功节点恢复。成功完成后自动清理;不是远程任务调度。
最终方案组合经理批准或拒绝保存研究链路的最终输出。批准后送往模拟交易所,不代表实盘执行。
可重复性边界:LLM 采样具有非确定性,新闻与社交数据随时间变化;即使固定股票与分析日期,实时文本来源仍可能不同,因此两次结果可能不同。
Limits

TradingAgents架构的限制

为什么同一任务两次结果可能不同?

LLM 采样本身具有非确定性;新闻与社交数据也会随时间变化。即使固定股票与分析日期,实时文本来源仍可能不同。

辩论次数越多越好吗?

更多轮次会增加成本和时延,不自动提高正确性。应根据研究目的、模型能力和可验证证据设置深度。

Agent 共识可以当作买卖信号吗?

不可以。共识只是模型流程的结果,应回看输入数据、反方观点、风险限制与数据时点。

研究记录等于交易建议吗?

不等于。最终方案是模型研究输出,批准后也只是送往模拟交易所,不代表实盘执行或收益保证。

Alternative

不维护完整 TradingAgents架构时,何时考虑 EasyClaw

EasyClaw 的独立研究路线:如果你需要的是完成一个具体股票研究任务,而不是维护整套多 Agent 框架,可以从行情、公告、财务、筛选或图表任务开始。

EasyClaw 不会复现 TradingAgents 的固定角色流,也不与该项目构成官方集成,更不宣称功能等价。

Sources

资料来源

本页依据:TradingAgents 官方 GitHub 仓库(TauricResearch/TradingAgents),固定提交 a33fd4c(2026-07-18)。页面更新于 2026-08-06,覆盖角色职责、五层组成、状态管理与源码对应。作者:EasyClaw 内容团队。本文用于技术研究,不构成投资建议。

选择下一步研究路线

继续查看 TradingAgents 首次运行,或直接下载 EasyClaw 从具体股票任务开始。