TradingAgents 中文增强版

---

⚠️ 重要版权声明与授权说明

🚨 版权侵权警告

我们注意到 tradingagents-ai.com 网站未经授权使用了我们的专有代码，并声称是他们公司的产品。

⚠️ 重要提醒：

• ❌ 我们项目组目前没有给任何组织或个人进行过商业授权
• ❌ 该网站未经授权使用我们的代码，属于侵权行为
• ⚠️ 请大家注意识别，避免上当受骗

✅ 官方唯一渠道：

• 📦 GitHub 仓库：https://github.com/hsliuping/TradingAgents-CN
• 📧 官方邮箱：hsliup@163.com
• 📱 微信公众号：TradingAgents-CN

如发现任何未经授权的商业使用，请通过上述渠道联系我们。

📋 版本授权说明

v1.0.1（当前稳定版本）

• ✅ 个人使用：完全开源，可自由使用
• ❌ 商业使用：必须获得商业授权，未经授权禁止商业使用
• 📧 授权联系：hsliup@163.com

v2.0.0（开发中）

• 🔄 开发状态：已完成两轮内测，接近完工上线阶段
• ⚠️ 开源计划：因存在盗版问题，v2.0 版本暂时不进行开源
• 📢 发布方式：将通过官方渠道发布，敬请关注

📄 许可证详情

本项目采用混合许可证模式：

• 🔓 开源部分（Apache 2.0）：除 app/ 和 frontend/ 外的所有文件
• 🔒 专有部分（需商业授权）：app/（FastAPI后端）和 frontend/（Vue前端）目录

详细说明请查看：版权声明 | 许可证文件

---

🎓 学习中心: AI基础 | 提示词工程 | 模型选择 | 多智能体分析原理 | 风险与局限 | 源项目与论文 | 实战教程（部分为外链） | 常见问题 🎯 核心功能: 原生OpenAI支持 | Google AI全面集成 | 自定义端点配置 | 智能模型选择 | 多LLM提供商支持 | 模型选择持久化 | Docker容器化部署 | 专业报告导出 | 完整A股支持 | 中文本地化

面向中文用户的多智能体与大模型股票分析学习平台。帮助你系统化学习如何使用多智能体交易框架与 AI 大模型进行合规的股票研究与策略实验，不提供实盘交易指令，平台定位为学习与研究用途。

🙏 致敬源项目

感谢 Tauric Research 团队创造的革命性多智能体交易框架 TradingAgents！

🎯 我们的定位与使命: 专注学习与研究，提供中文化学习中心与工具，合规友好，支持 A股/港股/美股 的分析与教学，推动 AI 金融技术在中文社区的普及与正确使用。

🎉 v1.0.1 版本说明 - 配置体验与同步稳定性增强

🚀 当前推荐版本: v1.0.1 已正式可用，在 v1.0.0-preview 架构基础上，重点增强配置管理、聚合厂家、页面切换、单股同步和上游能力吸收。

✨ 核心特性

🏗️ 全新技术架构

• 后端升级: 从 Streamlit 迁移到 FastAPI，提供更强大的 RESTful API
• 前端重构: 采用 Vue 3 + Element Plus，打造现代化的单页应用
• 数据库优化: MongoDB + Redis 双数据库架构，性能提升 10 倍
• 容器化部署: 完整的 Docker 多架构支持（amd64 + arm64）

🚀 v1.0.1 重点增强

• 配置管理优化: 新增厂家、模型目录和大模型配置支持按最新添加顺序置顶显示
• 聚合厂家增强: 新增 AiHubMix 聚合 LLM 厂家，并支持聚合渠道初始化能力
• 模型选择统一排序: 配置页、对话框和分析页中的模型列表顺序保持一致
• 页面切换修复: 股票详情页和报告详情页切换后会自动刷新正确内容
• 单股同步增强: 同步结果支持展示主链路、回退链路、失败原因和 market_quotes 落库状态
• AKShare 兜底增强: 单股实时行情支持 stock_bid_ask_em -> stock_zh_a_spot -> stock_zh_a_spot_em -> stock_zh_a_hist 多级降级链
• 上游能力同步: 同步 llm_clients、共享模型目录、provider 规范键、图层初始化路径和数据库迁移增强等能力

🎯 企业级功能

• 用户权限管理: 完整的用户认证、角色管理、操作日志系统
• 配置管理中心: 可视化的大模型配置、数据源管理、系统设置
• 缓存管理系统: 智能缓存策略，支持 MongoDB/Redis/文件多级缓存
• 实时通知系统: SSE+WebSocket 双通道推送，实时跟踪分析进度和系统状态
• 批量分析功能: 支持多只股票同时分析，提升工作效率
• 智能股票筛选: 基于多维度指标的股票筛选和排序系统
• 自选股管理: 个人自选股收藏、分组管理和跟踪功能
• 个股详情页: 完整的个股信息展示和历史分析记录
• 模拟交易系统: 虚拟交易环境，验证投资策略效果

🤖 智能分析增强

• 动态供应商管理: 支持动态添加和配置 LLM 供应商
• 模型能力管理: 智能模型选择，根据任务自动匹配最佳模型
• 多数据源同步: 统一的数据源管理，支持 Tushare、AkShare、BaoStock
• 报告导出功能: 支持 Markdown/Word/PDF 多格式专业报告导出

🔧 重大Bug修复

• 技术指标计算修复: 彻底解决市场分析师技术指标计算不准确问题
• 基本面数据修复: 修复基本面分析师PE、PB等关键财务数据计算错误
• 死循环问题修复: 解决部分用户在分析过程中触发的无限循环问题
• 数据一致性优化: 确保所有分析师使用统一、准确的数据源

🐳 Docker 多架构支持

• 跨平台部署: 支持 x86_64 和 ARM64 架构（Apple Silicon、树莓派、AWS Graviton）
• GitHub Actions: 自动化构建和发布 Docker 镜像
• 一键部署: 完整的 Docker Compose 配置，5 分钟快速启动

📊 技术栈升级

组件	v0.1.x	v1.0.1
后端框架	Streamlit	FastAPI + Uvicorn
前端框架	Streamlit	Vue 3 + Vite + Element Plus
数据库	可选 MongoDB	MongoDB + Redis
API 架构	单体应用	RESTful API + WebSocket
部署方式	本地/Docker	Docker 多架构 + GitHub Actions

📥 安装部署

两种部署方式，任选其一：

部署方式	适用场景	难度	文档链接
🐳 Docker版	生产环境、跨平台	⭐⭐ 中等	Docker 部署指南
💻 本地代码版	开发者、定制需求	⭐⭐⭐ 较难	本地安装指南

⚠️ 重要提醒：在分析股票之前，请按相关文档要求，将股票数据同步完成，否则分析结果将会出现数据错误。

📚 使用指南

在使用前，建议先阅读详细的使用指南：

• v1.0.1 发布说明

• v1.0.1 使用手册

• v1.0.1 升级指南

• 完整更新日志

• 0、📘 TradingAgents-CN v1.0.0-preview 快速入门视频

• 1、📘 TradingAgents-CN v1.0.0-preview 使用指南

• 2、📘 使用 Docker Compose 部署TradingAgents-CN v1.0.0-preview（完全版）

• 3、📘 从 Docker Hub 更新 TradingAgents‑CN 镜像

• 4、📘 TradingAgents-CN v1.0.0-preview绿色版安装和升级指南

• 5、📘 TradingAgents-CN v1.0.0-preview绿色版端口配置说明

• 6、📘 TradingAgents v1.0.0-preview 源码版安装手册（修订版）

• 7、📘 TradingAgents v1.0.0-preview 源码安装视频教程

使用指南包含：

• ✅ 完整的功能介绍和操作演示
• ✅ 详细的配置说明和最佳实践
• ✅ 常见问题解答和故障排除
• ✅ 实际使用案例和效果展示

数据库运维补充

• 数据库版本隔离、共享库保护、迁移脚本与 provider 规范化说明：
  • 数据库版本隔离与 Provider 规范化

上游吸收补充

• 当前项目采用人工选择性吸收上游更新：

  • 上游同步策略
  • 人工上游吸收清单

• v1.0.1 已明确同步到当前版本的上游能力包括：

  • llm_clients 抽象层主链路
  • 共享模型目录与轻量校验
  • provider canonical key 规范化
  • trading_graph.py 主要 provider 初始化路径收口
  • fundamentals_analyst.py 中 qwen fresh llm 重建逻辑
  • 图层参数透传、工厂别名兼容、风控引用修复
  • provider 默认 URL / 环境变量映射统一
  • MongoDB 默认库名、版本隔离命名与迁移脚本增强

关注公众号

1. 关注公众号: 微信搜索 "TradingAgents-CN" 并关注
2. 公众号每天推送项目最新进展和使用教程

• 微信公众号: TradingAgents-CN（推荐）

  

🆚 中文增强特色

相比原版新增: 智能新闻分析 | 多层次新闻过滤 | 新闻质量评估 | 统一新闻工具 | 多LLM提供商集成 | 模型选择持久化 | 快速切换按钮 | | 实时进度显示 | 智能会话管理 | 中文界面 | A股数据 | 国产LLM | Docker部署 | 专业报告导出 | 统一日志管理 | Web配置界面 | 成本优化

🤝 贡献指南

我们欢迎各种形式的贡献：

贡献类型

• 🐛 Bug修复 - 发现并修复问题
• ✨ 新功能 - 添加新的功能特性
• 📚 文档改进 - 完善文档和教程
• 🌐 本地化 - 翻译和本地化工作
• 🎨 代码优化 - 性能优化和代码重构

贡献流程

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建 Pull Request

📋 查看贡献者

查看所有贡献者和详细贡献内容：🤝 贡献者名单

📄 许可证详情

本项目采用混合许可证模式，详见 LICENSE 文件：

🔓 开源部分（Apache 2.0）

• 适用范围：除 app/ 和 frontend/ 外的所有文件
• 权限：商业使用 ✅ | 修改分发 ✅ | 私人使用 ✅ | 专利使用 ✅
• 条件：保留版权声明 ❗ | 包含许可证副本 ❗

🔒 专有部分（需商业授权）

• 适用范围：app/（FastAPI后端）和 frontend/（Vue前端）目录
• 商业使用：需要单独许可协议
• 联系授权：hsliup@163.com

📋 许可证选择建议

• 个人学习/研究：可自由使用全部功能
• 商业应用：请联系获取专有组件授权
• 定制开发：欢迎咨询商业合作方案

📚 相关文档

• 版权声明 - 详细的版权信息和使用条款
• 主许可证 - Apache 2.0 许可证
• 后端专有许可证 - 后端专有组件许可证
• 前端专有许可证 - 前端专有组件许可证

🙏 致谢与感恩

🌟 向源项目开发者致敬

我们向 Tauric Research 团队表达最深的敬意和感谢：

• 🎯 愿景领导者: 感谢您们在AI金融领域的前瞻性思考和创新实践
• 💎 珍贵源码: 感谢您们开源的每一行代码，它们凝聚着无数的智慧和心血
• 🏗️ 架构大师: 感谢您们设计了如此优雅、可扩展的多智能体框架
• 💡 技术先驱: 感谢您们将前沿AI技术与金融实务完美结合
• 🔄 持续贡献: 感谢您们持续的维护、更新和改进工作

🤝 社区贡献者致谢

感谢所有为TradingAgents-CN项目做出贡献的开发者和用户！

详细的贡献者名单和贡献内容请查看：📋 贡献者名单

包括但不限于：

• 🐳 Docker容器化 - 部署方案优化
• 📄 报告导出功能 - 多格式输出支持
• 🐛 Bug修复 - 系统稳定性提升
• 🔧 代码优化 - 用户体验改进
• 📝 文档完善 - 使用指南和教程
• 🌍 社区建设 - 问题反馈和推广
• 🌍 开源贡献: 感谢您们选择Apache 2.0协议，给予开发者最大的自由
• 📚 知识分享: 感谢您们提供的详细文档和最佳实践指导

特别感谢：TradingAgents 项目为我们提供了坚实的技术基础。虽然Apache 2.0协议赋予了我们使用源码的权利，但我们深知每一行代码的珍贵价值，将永远铭记并感谢您们的无私贡献。

🇨🇳 推广使命的初心

创建这个中文增强版本，我们怀着以下初心：

• 🌉 技术传播: 让优秀的TradingAgents技术在中国得到更广泛的应用
• 🎓 教育普及: 为中国的AI金融教育提供更好的工具和资源
• 🤝 文化桥梁: 在中西方技术社区之间搭建交流合作的桥梁
• 🚀 创新推动: 推动中国金融科技领域的AI技术创新和应用

🌍 开源社区

感谢所有为本项目贡献代码、文档、建议和反馈的开发者和用户。正是因为有了大家的支持，我们才能更好地服务中文用户社区。

🤝 合作共赢

我们承诺：

• 尊重原创: 始终尊重源项目的知识产权和开源协议
• 反馈贡献: 将有价值的改进和创新反馈给源项目和开源社区
• 持续改进: 不断完善中文增强版本，提供更好的用户体验
• 开放合作: 欢迎与源项目团队和全球开发者进行技术交流与合作

感谢AIHubmix赞助，推荐llm模型使用AIHubmix

📈 版本历史

• v1.0.1 (2026-04-14): 🔧 配置管理优化、AiHubMix 聚合厂家、单股同步增强与上游能力吸收 ✨ 当前版本
• v1.0.0-preview (2025-10-10): 🏗️ FastAPI + Vue 3 新架构预览版
• v0.1.13 (2025-08-02): 🤖 原生OpenAI支持与Google AI生态系统全面集成
• v0.1.12 (2025-07-29): 🧠 智能新闻分析模块与项目结构优化
• v0.1.11 (2025-07-27): 🤖 多LLM提供商集成与模型选择持久化
• v0.1.10 (2025-07-18): 🚀 Web界面实时进度显示与智能会话管理
• v0.1.9 (2025-07-16): 🎯 CLI用户体验重大优化与统一日志管理
• v0.1.8 (2025-07-15): 🎨 Web界面全面优化与用户体验提升
• v0.1.7 (2025-07-13): 🐳 容器化部署与专业报告导出
• v0.1.6 (2025-07-11): 🔧 阿里百炼修复与数据源升级
• v0.1.5 (2025-07-08): 📊 添加Deepseek模型支持
• v0.1.4 (2025-07-05): 🏗️ 架构优化与配置管理重构
• v0.1.3 (2025-06-28): 🇨🇳 A股市场完整支持
• v0.1.2 (2025-06-15): 🌐 Web界面和配置管理
• v0.1.1 (2025-06-01): 🧠 国产LLM集成

📋 详细更新日志: CHANGELOG.md

📞 联系方式

• GitHub Issues: 提交问题和建议

• 邮箱: hsliup@163.com

• 项目ＱＱ群：1091917201

• 项目微信公众号：TradingAgents-CN

  

• 原项目: TauricResearch/TradingAgents

• 文档: 完整文档目录

⚠️ 风险提示

重要声明: 本框架仅用于研究和教育目的，不构成投资建议。

• 📊 交易表现可能因多种因素而异
• 🤖 AI模型的预测存在不确定性
• 💰 投资有风险，决策需谨慎
• 👨‍💼 建议咨询专业财务顾问

---

TradingAgents-CN 快速上手指南

TradingAgents-CN 是一个面向中文用户的多智能体与大模型股票分析学习平台。它基于 FastAPI + Vue 3 架构，支持 A 股/港股/美股的合规研究与策略实验。

⚠️ 重要提示：本项目定位为学习与研究用途，不提供实盘交易指令。在使用前请确保已同步股票数据，否则分析结果可能出现错误。

1. 环境准备

系统要求

• 操作系统：Linux / macOS / Windows (WSL2 推荐)
• CPU 架构：x86_64 或 ARM64 (Apple Silicon, 树莓派等)
• 内存：建议 8GB 以上（运行大模型时建议 16GB+）
• 磁盘空间：至少 10GB 可用空间

前置依赖

请选择以下任意一种部署方式：

方案 A：Docker 部署（推荐，适合生产环境与快速启动）

• Docker Engine 20.10+
• Docker Compose v2.0+

方案 B：本地源码部署（适合开发者定制）

• Python 3.10+
• Node.js 18+ (用于前端构建)
• MongoDB 6.0+
• Redis 7.0+
• Git

---

2. 安装步骤

方式一：Docker 一键部署（推荐）

这是最简便的部署方式，自动处理所有依赖和环境配置。

# 1. 克隆项目仓库
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. 复制环境变量配置文件
cp .env.example .env

# 3. 编辑 .env 文件，配置你的 LLM API Key (如 OpenAI, Azure, AIHubMix 等)
# vim .env 或使用文本编辑器修改

# 4. 启动服务 (后台运行)
docker compose up -d

# 5. 查看日志确认启动状态
docker compose logs -f

启动成功后，访问 http://localhost:8080 (默认端口，具体见 .env 配置) 即可使用。

方式二：本地源码部署

适合需要修改代码或调试的开发者。

# 1. 克隆项目
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. 创建并激活 Python 虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 3. 安装后端依赖
pip install -r requirements.txt

# 4. 安装前端依赖并构建 (需先安装 Node.js)
cd frontend
npm install
npm run build
cd ..

# 5. 配置环境变量
cp .env.example .env
# 请手动编辑 .env 文件，填入 MongoDB/Redis 连接信息及 LLM API Keys

# 6. 初始化数据库 (确保 MongoDB 和 Redis 已运行)
# 执行必要的迁移脚本 (参考 docs/deployment 目录)

# 7. 启动后端服务
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

# 8. (新终端) 启动前端开发服务器或直接访问构建后的静态文件
# 若使用 Nginx 托管 frontend/dist 目录，请配置反向代理到后端 8000 端口

---

3. 基本使用

第一步：配置大模型与数据源

1. 登录 Web 界面。
2. 进入 “配置中心” (Configuration)。
3. LLM 配置：添加你的大模型提供商（支持 OpenAI, Google AI, AIHubMix, 阿里百炼等），填入 API Key 和 Base URL。
   • 推荐：使用聚合厂商 AiHubMix 可简化配置。
4. 数据源配置：确保已启用 AkShare 或 Tushare 以获取 A 股/美股行情数据。
   • ⚠️ 关键：首次使用前，请在系统中触发一次全量或增量数据同步，确保本地数据库有最新的股票财务数据和行情数据。

第二步：创建分析任务

1. 在首页点击 “新建分析” 或进入 “个股详情” 页。
2. 输入股票代码（支持 A 股如 600519，美股如 AAPL）。
3. 选择分析模式：
   • 快速分析：单智能体快速扫描。
   • 深度研报：多智能体协作（市场分析师、基本面分析师、技术面分析师等），生成完整报告。
4. 点击 “开始分析”。

第三步：查看结果与导出

• 实时监控：通过 WebSocket 实时查看各智能体的思考过程、数据检索进度和分析结论。
• 报告预览：分析完成后，可在详情页查看结构化的 Markdown 报告。
• 导出报告：点击“导出”按钮，支持下载为 Markdown, Word (.docx), 或 PDF 格式的专业研报。

第四步：模拟交易与自选股管理（可选）

• 将关注的股票加入 “自选股” 进行分组跟踪。
• 在 “模拟交易” 模块中，根据 AI 生成的策略进行虚拟下单，验证策略历史表现（不构成真实投资建议）。

---

📢 获取更多帮助：

• 详细操作手册请参阅项目 docs/guides 目录。
• 关注微信公众号 TradingAgents-CN 获取最新教程视频与更新通知。
• 遇到问题请提交 GitHub Issue 或加入项目 QQ 群：1091917201。