TradingAgents：多智能体LLM交易框架开源
Multi-Agents LLM Financial Trading Framework
TauricResearch 开源了 TradingAgents，这是一个模拟真实交易公司运作的多智能体 LLM 金融交易框架。系统部署了基本面分析师、情绪专家、技术分析师、交易员及风控团队等多个专用智能体，通过动态讨论与结构化辩论来评估市场并制定交易决策。框架基于 LangGraph 构建，支持 OpenAI、Google、Anthropic、DeepSeek、Qwen 等主流 LLM 提供商，并具备决策日志记忆与断点续跑功能。该项目旨在作为研究工具，帮助开发者探索多智能体在复杂金融任务中的协作潜力，而非提供直接的投资建议。
TradingAgents 框架专为研究目的设计，其交易表现可能因所选骨干语言模型、模型温度、交易周期、数据质量及其他非确定性因素而异。
HN 评论区
81- zackmorris
25 年前我帮人做日内交易，4 个月赚了 40%，主要靠 AAPL，而且很容易。比起我为了养活我那倒闭的共享软件生意，傻乎乎地搬了两年家具才赚到这笔钱来说，这简直太轻松了。
不过我听说，现在高频交易会在发现市场机会的几毫秒内就将其吞噬殆尽，这让市场变得更加随机。但关键在于，人性并非随机，而是随机的（stochastic），所以交易中总会有钱可赚（否则交易公司也不会存在）。
我在考虑重新入场交易，因为 AI 代表着购买软件时代的终结，我们所有人很快都会失业，哪怕我们还在否认这一点。但我投入时间和精力做的每件事最后都成了垃圾。在某种意义上，只要我开始交易，从因果报应上讲，这就可能引发经济衰退、禁止我所尝试行为的市场监管改革，甚至货币体系的终结。我半开玩笑，半当真。
在我短暂又愚蠢的职业生涯中，我处理过很多极其困难的事情，身心基本已经耗尽了，至少目前是这样。量化交易有了 AI 变得很简单。我该试试吗？
- not_a_bot_4sho
股票预测一直是软件工程师接触机器学习训练时的必经玩笑。看来对于通用大模型（commodity LLMs）来说，情况也一样。
- _pdp_
如果这玩意儿真能行，它还会开源吗？
不管怎样，我一直在运行自己的交易实验，目前亏了一点钱。话说回来，我并没有尝试优化任何东西——就是让它随心所欲地做。亏损很小，也许今年晚些时候能回本。谁知道呢。
这个智能体在这里写博客记录它的进展：https://trades.chatbotkit.space/
我打算把所有的聊天记录也输出到 HF（Hugging Face）供研究使用。
你可以下载 CBK 平台并在本地运行自己的模型，从而按照自己的条件运行通过消息总线（message buss）进行通信的交易智能体。我也分享了我的交易蓝图，如果你想试试的话：https://chatbotkit.com/hub/blueprints/trader
- hacker_9
我在对冲基金干了十年，觉得这个项目有点跑偏。首先，我们经常奖励技能叠加（skillstacking），即技术人员后来成为交易员。一个人懂得越多越好。不过这类人很罕见，所以才会有那么多独立的职能岗位，让人可以专精。但如果是 AI 智能体呢？它们拥有同样的“大脑”，为什么要通过专业化来削弱它们的能力？
其次，浏览 Reddit 获取情绪并做技术分析，在交易界甚至算不上一个功能。在最基础的层面上，这些都是滞后指标。如果能涉及期权隐含波动率（IV）和溢价，那才更接近正解。
对冲基金就像是市场的维护人员，我们保持市场的高效和流动性。这个过程非常科学：你提出一个理论，然后用真实数据验证；或者从数据中推导出理论。
- dsl
我花了一个小时查看代码，发现了一些在用它处理真金白银之前必须修复的严重问题：
- Yahoo News 被引入了两次（情绪分析和新闻分析），导致权重翻倍
- 情绪分析的提示词（prompt）诱导模型对 Nvidia 持看涨态度
- 在自学习循环中，有一个复杂的解析 bug，当智能体返回截断的响应时，会导致产生幻觉记忆
- 你只需维持某个 subreddit 最近 5 条帖子中的多数，就能完全控制其情绪分析结果，无论任何质量指标如何
- 反思提示词要求智能体必须引用 alpha（超额收益），这导致在市场全面下跌时，它会错误地认为正确下注的看涨操作是亏损