入口可用
tradingagents 或模块命令能进入交互流程。
TradingAgents first-run tutorial
TradingAgents 首次运行教程
用股票、日期、模型和数据来源验证完整链路；只想先研究一个问题时，也可以选择 EasyClaw 的独立任务入口。
Success standard
什么才算真的跑通？
只打开 CLI 或启动容器不算完成；需要验证一条带标的、日期、数据和输出的完整研究链路。
模型有响应
模型 ID、端点、凭据和额度都通过验证。
数据有效
股票代码、市场、日期和数据源返回符合预期。
结果可回看
得到带来源、时间和风险说明的研究记录。
想先验证研究问题，而不是先验证整套环境？
下载 EasyClaw 后可从一个只读研究问题开始，再按任务核对行情、公告、财务或图表来源；它不会自动生成 TradingAgents 的多 Agent 输出。
Start
先完成四项运行前检查
命令入口
tradingagents 或 python -m cli.main 能打开。
模型响应
所选模型 ID、端点与凭据已独立验证。
代码格式
代码属于预期市场，并使用正确的交易所后缀。
研究日期
选择有数据的日期，并记录运行开始时间。
CLI 入口tradingagents
# 或
python -m cli.main
# Docker
docker compose run --rm tradingagentsInputs
交互式 CLI 会要求你做什么选择
官方界面会引导选择股票、分析日期、LLM 提供商、模型和研究深度。
输入标的代码
例如 AAPL、0700.HK、600519.SS。不要只用公司中文名猜测市场。
选择分析日期
价格与指标窗口可以固定，但新闻和社交输入仍可能反映查询时点。
选择模型提供商
确认 deep/quick 模型属于当前账户可访问的模型 ID。
选择研究深度
更多辩论轮次会增加成本与时延，不自动提高结果准确性。
Observe
运行时观察五个阶段
重点不是等待最后一个标签，而是检查每阶段是否取得了可追溯证据。
数据加载
标的身份、价格窗口和文本来源是否正确。
分析师报告
财务、情绪、新闻和技术材料是否各自完整。
多空辩论
双方是否引用前序证据，而不是重复观点。
风险审查
是否出现数据缺口、波动和流动性限制。
最终记录
组合经理结果是否写入决策日志。
Outputs
在哪里找到运行状态与输出
| 内容 | 位置或提示 | 验证方法 |
|---|---|---|
| 终端进度 | CLI 中实时显示 Agent 执行阶段 | 检查是否有提供商错误、空数据或重试耗尽。 |
| 决策日志 | ~/.tradingagents/memory/trading_memory.md | 确认同一标的的新记录包含分析日期和最终输出。 |
| 检查点 | ~/.tradingagents/cache/checkpoints/<TICKER>.db | 仅在启用 --checkpoint 时出现，成功后自动清理。 |
| 恢复提示 | Resuming from step N... | 确认确实从上次成功节点继续，而不是重复整条流程。 |
输出结构示意：本站对“分析、辩论、风险、最终决策”的展示用于解释结构，不包含虚构股票价格、收益或实盘订单。
Errors
第一次运行最常见的四类错误
模型或端点错误
核对提供商、模型 ID、Base URL、区域 Key 和配额；不要轮流加入更多 Key 掩盖根因。
代码或市场错误
先确认交易所后缀与标的身份，避免把同名公司或错误市场带入后续分析。
数据为空或超时
记录提供商、接口、查询时间和失败状态；不要用模型常识填补缺失值。
中途退出
需要恢复时启用 --checkpoint；需要重置时使用 --clear-checkpoints。
Interpretation
如何避免误读第一次输出
第一次成功运行能证明策略有效吗？
不能。它只能证明当前环境、模型与数据链路完成了一次任务。回测、样本外验证和实盘表现是不同层级。
为什么同一股票和日期的两次结果仍可能不同？
价格窗口可以固定，但 LLM 采样本身具有非确定性；新闻、StockTwits 和 Reddit 等文本服务也可能返回当前查询时点的内容。因此同一股票和分析日期仍可能出现不同文本、观点和最终判断。
最终决策是否应该直接执行？
不应该。它是研究框架中的模型输出，应回看输入、反方观点、风险报告和数据时间，并作为研究材料处理。