别当韭菜了, 先看看这个股票分析神器

别当韭菜了, 先看看股票分析这个神器

还记得前几天发的《TradingAgents: Multi-Agents LLM Financial Trading Framework》论文解读吗?

这篇论文的核心，把“一个交易团队怎么协作做决策”这件事，用“看基本面、看新闻、看情绪、看技术面、做多空辩论、控风险、最后下单”的多个大模型代理串成一个组织化流程。

证明了 AI 多 Agent 组队分析决策股票交易, 这件事可行.

今天就带大家一起玩一玩这篇论文背后的开源项目 https://github.com/TauricResearch/TradingAgents

不过它不支持中文, 免费模型还是一两年前的，我使用 codex 改了一下, 支持所有免费模型以及中文. 新版本在 https://github.com/digoal/TradingAgents

顺带问一下有需要 codex 的盆友欢迎私信联系, 刚好盆友在卖官方账号(bussiness team, 非中转).

好, 我们继续, 假设你已满足如下环境:

访问国外网站  
macOS  
python 3.13  
openRouter AK  

1、安装并启动 TradingAgents

git clone --depth 1 https://github.com/digoal/TradingAgents  
cd TradingAgents  
pip install .  
export OPENROUTER_API_KEY=...      # OpenRouter  
  
# 启动 TradingAgents  
all_proxy=socks5h://127.0.0.1:1111 http_proxy=http://127.0.0.1:22222 https_proxy=http://127.0.0.1:22222 python -m cli.main  

2、分析配置

• 输入股票代码: 例如 GOOG
• 选择分析日期: 默认当日
• 选择分析师团队: 例如全选 market, social, news, fundamentals
• 选择分析深度: 有 3 档可选, 消耗的资源轮次可能不一样.
• 选择模型供应商: 我这里选择的是 openRouter , 因为有很多模型可以白嫖
• 选择快模型: [ Quick-Thinking LLM Engine ]: Step 3.5 Flash (free) - Fast reasoning with long context
• 选择思考模型: [ Deep-Thinking LLM Engine ]: NVIDIA Nemotron 3 Super 120B A12B (free) - Strongest current free choice for deep work
• 等待分析结果

pic

分析完成, 可以保存完整报告到本地

3、阅读报告

完整报告非常详细, 包含了分析师团(市场分析师、社交舆情分析师、新闻分析师、基本面分析师)、研究团(看多研究、看空研究员、研究经理)、交易团队(交易员)的详细推理报告, 最终会给出终极决策.

以 GOOG 为例, 下面仅截取报告的少部分, 完整报告见 complete_report

pic

pic

pic

pic

pic