[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-hsliuping--TradingAgents-CN":3,"tool-hsliuping--TradingAgents-CN":62},[4,18,28,37,45,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",161147,"2026-04-19T23:31:47",[14,13,36],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":59,"last_commit_at":60,"category_tags":61,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,27],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":74,"owner_website":74,"owner_url":76,"languages":77,"stars":114,"forks":115,"last_commit_at":116,"license":117,"difficulty_score":118,"env_os":119,"env_gpu":120,"env_ram":121,"env_deps":122,"category_tags":133,"github_topics":74,"view_count":24,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":134,"updated_at":135,"faqs":136,"releases":177},8984,"hsliuping\u002FTradingAgents-CN","TradingAgents-CN","基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版","TradingAgents-CN 是一个专为中文用户打造的多智能体大模型股票分析与学习平台。它基于先进的多智能体协作框架，模拟专业投研团队的工作流程，通过多个具备不同专长的 AI 智能体（如市场分析师、基本面专家等）协同合作，对 A 股、港股及美股进行深度研究与策略实验。\n\n该工具主要解决了个人投资者和研究者难以系统化利用 AI 大模型进行合规、深度金融分析的痛点。它不提供实盘交易指令，而是专注于提供一个安全的学习与研究环境，帮助用户理解多智能体在金融领域的应用原理，验证投资策略，并生成专业的分析报告。\n\nTradingAgents-CN 特别适合金融研究人员、量化交易爱好者、AI 开发者以及希望系统学习\"AI+ 金融”知识的学生使用。对于开发者而言，其企业级架构极具吸引力：后端从 Streamlit 升级为 FastAPI，前端重构为 Vue 3，并采用 MongoDB 加 Redis 的双数据库架构，性能显著提升。此外，它还支持 Docker 多架构一键部署、动态管理多家大模型供应商、提供多级数据源兜底机制，并能导出多种格式的专业研报，是探索 AI 金融技术的理想开源项目。","# TradingAgents 中文增强版\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache%202.0-blue.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FApache-2.0)\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.10%2B-blue.svg)](https:\u002F\u002Fwww.python.org\u002F)\n[![Version](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FVersion-v1.0.1-green.svg)](.\u002FVERSION)\n[![Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-中文文档-green.svg)](.\u002Fdocs\u002F)\n[![Original](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F基于-TauricResearch\u002FTradingAgents-orange.svg)](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)\n\n---\n\n## ⚠️ 重要版权声明与授权说明\n\n### 🚨 版权侵权警告\n\n**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。**\n\n**⚠️ 重要提醒**：\n- ❌ **我们项目组目前没有给任何组织或个人进行过商业授权**\n- ❌ **该网站未经授权使用我们的代码，属于侵权行为**\n- ⚠️ **请大家注意识别，避免上当受骗**\n\n**✅ 官方唯一渠道**：\n- 📦 GitHub 仓库：https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\n- 📧 官方邮箱：hsliup@163.com\n- 📱 微信公众号：TradingAgents-CN\n\n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。\n\n### 📋 版本授权说明\n\n#### v1.0.1（当前稳定版本）\n- ✅ **个人使用**：完全开源，可自由使用\n- ❌ **商业使用**：**必须获得商业授权**，未经授权禁止商业使用\n- 📧 **授权联系**：[hsliup@163.com](mailto:hsliup@163.com)\n\n#### v2.0.0（开发中）\n- 🔄 **开发状态**：已完成两轮内测，接近完工上线阶段\n- ⚠️ **开源计划**：**因存在盗版问题，v2.0 版本暂时不进行开源**\n- 📢 **发布方式**：将通过官方渠道发布，敬请关注\n\n### 📄 许可证详情\n\n本项目采用**混合许可证**模式：\n- 🔓 **开源部分**（Apache 2.0）：除 `app\u002F` 和 `frontend\u002F` 外的所有文件\n- 🔒 **专有部分**（需商业授权）：`app\u002F`（FastAPI后端）和 `frontend\u002F`（Vue前端）目录\n\n详细说明请查看：[版权声明](.\u002FCOPYRIGHT.md) | [许可证文件](.\u002FLICENSE)\n\n---\n\n>\n> 🎓 **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\n> 🎯 **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\n\n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。\n\n## 🙏 致敬源项目\n\n感谢 [Tauric Research](https:\u002F\u002Fgithub.com\u002FTauricResearch) 团队创造的革命性多智能体交易框架 [TradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)！\n\n**🎯 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\u002F港股\u002F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。\n\n## 🎉 v1.0.1 版本说明 - 配置体验与同步稳定性增强\n\n> 🚀 **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。\n\n### ✨ 核心特性\n\n#### 🏗️ **全新技术架构**\n- **后端升级**: 从 Streamlit 迁移到 FastAPI，提供更强大的 RESTful API\n- **前端重构**: 采用 Vue 3 + Element Plus，打造现代化的单页应用\n- **数据库优化**: MongoDB + Redis 双数据库架构，性能提升 10 倍\n- **容器化部署**: 完整的 Docker 多架构支持（amd64 + arm64）\n\n#### 🚀 **v1.0.1 重点增强**\n- **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\n- **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\n- **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\n- **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\n- **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\n- **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\n- **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\n\n#### 🎯 **企业级功能**\n- **用户权限管理**: 完整的用户认证、角色管理、操作日志系统\n- **配置管理中心**: 可视化的大模型配置、数据源管理、系统设置\n- **缓存管理系统**: 智能缓存策略，支持 MongoDB\u002FRedis\u002F文件多级缓存\n- **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\n- **批量分析功能**: 支持多只股票同时分析，提升工作效率\n- **智能股票筛选**: 基于多维度指标的股票筛选和排序系统\n- **自选股管理**: 个人自选股收藏、分组管理和跟踪功能\n- **个股详情页**: 完整的个股信息展示和历史分析记录\n- **模拟交易系统**: 虚拟交易环境，验证投资策略效果\n\n#### 🤖 **智能分析增强**\n- **动态供应商管理**: 支持动态添加和配置 LLM 供应商\n- **模型能力管理**: 智能模型选择，根据任务自动匹配最佳模型\n- **多数据源同步**: 统一的数据源管理，支持 Tushare、AkShare、BaoStock\n- **报告导出功能**: 支持 Markdown\u002FWord\u002FPDF 多格式专业报告导出\n\n#### 🔧 **重大Bug修复**\n- **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\n- **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\n- **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\n- **数据一致性优化**: 确保所有分析师使用统一、准确的数据源\n\n#### 🐳 **Docker 多架构支持**\n- **跨平台部署**: 支持 x86_64 和 ARM64 架构（Apple Silicon、树莓派、AWS Graviton）\n- **GitHub Actions**: 自动化构建和发布 Docker 镜像\n- **一键部署**: 完整的 Docker Compose 配置，5 分钟快速启动\n\n### 📊 技术栈升级\n\n| 组件 | v0.1.x | v1.0.1 |\n|------|--------|----------------|\n| **后端框架** | Streamlit | FastAPI + Uvicorn |\n| **前端框架** | Streamlit | Vue 3 + Vite + Element Plus |\n| **数据库** | 可选 MongoDB | MongoDB + Redis |\n| **API 架构** | 单体应用 | RESTful API + WebSocket |\n| **部署方式** | 本地\u002FDocker | Docker 多架构 + GitHub Actions |\n\n\n\n#### 📥 安装部署\n\n**两种部署方式，任选其一**：\n\n| 部署方式 | 适用场景 | 难度 | 文档链接 |\n|---------|---------|------|---------|\n| 🐳 **Docker版** | 生产环境、跨平台 | ⭐⭐ 中等 | [Docker 部署指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FJkA0cOu8xJnoY_3LC5oXNw) |\n| 💻 **本地代码版** | 开发者、定制需求 | ⭐⭐⭐ 较难 | [本地安装指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcqUGf-sAzcBV19gdI4sYfA) |\n\n⚠️ **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。\n\n\n\n#### 📚 使用指南\n\n在使用前，建议先阅读详细的使用指南：\n- **[v1.0.1 发布说明](.\u002Fdocs\u002Freleases\u002Fv1.0.1-release-notes.md)**\n- **[v1.0.1 使用手册](.\u002Fdocs\u002Fguides\u002Fv1.0.1-user-manual.md)**\n- **[v1.0.1 升级指南](.\u002Fdocs\u002Freleases\u002Fupgrade-guide.md)**\n- **[完整更新日志](.\u002Fdocs\u002Freleases\u002FCHANGELOG.md)**\n- **[0、📘 TradingAgents-CN v1.0.0-preview 快速入门视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1i2CeBwEP7\u002F?vd_source=5d790a5b8d2f46d2c10fd4e770be1594)**\n\n- **[1、📘 TradingAgents-CN v1.0.0-preview 使用指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FppsYiBncynxlsfKFG8uEbw)**\n- **[2、📘 使用 Docker Compose 部署TradingAgents-CN v1.0.0-preview（完全版）](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FJkA0cOu8xJnoY_3LC5oXNw)**\n- **[3、📘 从 Docker Hub 更新 TradingAgents‑CN 镜像](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FWKYhW8J80Watpg8K6E_dSQ)**\n- **[4、📘 TradingAgents-CN v1.0.0-preview绿色版安装和升级指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Feoo_HeIGxaQZVT76LBbRJQ)**\n- **[5、📘 TradingAgents-CN v1.0.0-preview绿色版端口配置说明](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fo5QdNuh2-iKkIHzJXCj7vQ)**\n- **[6、📘 TradingAgents v1.0.0-preview 源码版安装手册（修订版）](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcqUGf-sAzcBV19gdI4sYfA)**\n- **[7、📘 TradingAgents v1.0.0-preview 源码安装视频教程](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1FxCtBHEte\u002F?vd_source=5d790a5b8d2f46d2c10fd4e770be1594)**\n\n\n使用指南包含：\n- ✅ 完整的功能介绍和操作演示\n- ✅ 详细的配置说明和最佳实践\n- ✅ 常见问题解答和故障排除\n- ✅ 实际使用案例和效果展示\n\n### 数据库运维补充\n\n- 数据库版本隔离、共享库保护、迁移脚本与 provider 规范化说明：\n  - [数据库版本隔离与 Provider 规范化](.\u002Fdocs\u002Fdeployment\u002Fdatabase\u002FDB_VERSION_ISOLATION_AND_PROVIDER_NORMALIZATION.md)\n\n### 上游吸收补充\n\n- 当前项目采用人工选择性吸收上游更新：\n  - [上游同步策略](.\u002Fdocs\u002Fmaintenance\u002Fupstream-sync.md)\n  - [人工上游吸收清单](.\u002Fdocs\u002Fmaintenance\u002Fmanual-upstream-absorption-checklist.md)\n\n- `v1.0.1` 已明确同步到当前版本的上游能力包括：\n  - `llm_clients` 抽象层主链路\n  - 共享模型目录与轻量校验\n  - provider canonical key 规范化\n  - `trading_graph.py` 主要 provider 初始化路径收口\n  - `fundamentals_analyst.py` 中 qwen fresh llm 重建逻辑\n  - 图层参数透传、工厂别名兼容、风控引用修复\n  - provider 默认 URL \u002F 环境变量映射统一\n  - MongoDB 默认库名、版本隔离命名与迁移脚本增强\n\n#### 关注公众号\n\n1. **关注公众号**: 微信搜索 **\"TradingAgents-CN\"** 并关注\n2. 公众号每天推送项目最新进展和使用教程\n\n\n- **微信公众号**: TradingAgents-CN（推荐）\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_87c50a71b976.png\" alt=\"微信公众号\" width=\"200\"\u002F>\n\n\n## 🆚 中文增强特色\n\n**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\n\n\n\n## 🤝 贡献指南\n\n我们欢迎各种形式的贡献：\n\n### 贡献类型\n\n- 🐛 **Bug修复** - 发现并修复问题\n- ✨ **新功能** - 添加新的功能特性\n- 📚 **文档改进** - 完善文档和教程\n- 🌐 **本地化** - 翻译和本地化工作\n- 🎨 **代码优化** - 性能优化和代码重构\n\n### 贡献流程\n\n1. Fork 本仓库\n2. 创建特性分支 (`git checkout -b feature\u002FAmazingFeature`)\n3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature\u002FAmazingFeature`)\n5. 创建 Pull Request\n\n### 📋 查看贡献者\n\n查看所有贡献者和详细贡献内容：**[🤝 贡献者名单](CONTRIBUTORS.md)**\n\n## 📄 许可证详情\n\n本项目采用**混合许可证**模式，详见 [LICENSE](LICENSE) 文件：\n\n### 🔓 开源部分（Apache 2.0）\n- **适用范围**：除 `app\u002F` 和 `frontend\u002F` 外的所有文件\n- **权限**：商业使用 ✅ | 修改分发 ✅ | 私人使用 ✅ | 专利使用 ✅\n- **条件**：保留版权声明 ❗ | 包含许可证副本 ❗\n\n### 🔒 专有部分（需商业授权）\n- **适用范围**：`app\u002F`（FastAPI后端）和 `frontend\u002F`（Vue前端）目录\n- **商业使用**：需要单独许可协议\n- **联系授权**：[hsliup@163.com](mailto:hsliup@163.com)\n\n### 📋 许可证选择建议\n- **个人学习\u002F研究**：可自由使用全部功能\n- **商业应用**：请联系获取专有组件授权\n- **定制开发**：欢迎咨询商业合作方案\n\n### 📚 相关文档\n\n- [版权声明](.\u002FCOPYRIGHT.md) - 详细的版权信息和使用条款\n- [主许可证](.\u002FLICENSE) - Apache 2.0 许可证\n- [后端专有许可证](.\u002Fapp\u002FLICENSE) - 后端专有组件许可证\n- [前端专有许可证](.\u002Ffrontend\u002FLICENSE) - 前端专有组件许可证\n\n## 🙏 致谢与感恩\n\n### 🌟 向源项目开发者致敬\n\n我们向 [Tauric Research](https:\u002F\u002Fgithub.com\u002FTauricResearch) 团队表达最深的敬意和感谢：\n\n- **🎯 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\n- **💎 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\n- **🏗️ 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\n- **💡 技术先驱**: 感谢您们将前沿AI技术与金融实务完美结合\n- **🔄 持续贡献**: 感谢您们持续的维护、更新和改进工作\n\n### 🤝 社区贡献者致谢\n\n感谢所有为TradingAgents-CN项目做出贡献的开发者和用户！\n\n详细的贡献者名单和贡献内容请查看：**[📋 贡献者名单](CONTRIBUTORS.md)**\n\n包括但不限于：\n\n- 🐳 **Docker容器化** - 部署方案优化\n- 📄 **报告导出功能** - 多格式输出支持\n- 🐛 **Bug修复** - 系统稳定性提升\n- 🔧 **代码优化** - 用户体验改进\n- 📝 **文档完善** - 使用指南和教程\n- 🌍 **社区建设** - 问题反馈和推广\n- **🌍 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\n- **📚 知识分享**: 感谢您们提供的详细文档和最佳实践指导\n\n**特别感谢**：[TradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents) 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。\n\n### 🇨🇳 推广使命的初心\n\n创建这个中文增强版本，我们怀着以下初心：\n\n- **🌉 技术传播**: 让优秀的TradingAgents技术在中国得到更广泛的应用\n- **🎓 教育普及**: 为中国的AI金融教育提供更好的工具和资源\n- **🤝 文化桥梁**: 在中西方技术社区之间搭建交流合作的桥梁\n- **🚀 创新推动**: 推动中国金融科技领域的AI技术创新和应用\n\n### 🌍 开源社区\n\n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。\n\n### 🤝 合作共赢\n\n我们承诺：\n\n- **尊重原创**: 始终尊重源项目的知识产权和开源协议\n- **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\n- **持续改进**: 不断完善中文增强版本，提供更好的用户体验\n- **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\n\n## [感谢AIHubmix赞助，推荐llm模型使用AIHubmix](https:\u002F\u002Faihubmix.com\u002F?aff=2rIi)\n\n\u003Ca href=\"https:\u002F\u002Faihubmix.com\u002F?aff=2rIi\" target=\"_blank\" rel=\"noopener noreferrer\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_9ccbae4f3f09.png\" alt=\"AIHubMix\" width=\"220\"\u002F>\n\u003C\u002Fa>\n\n## 📈 版本历史\n\n- **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**\n- **v1.0.0-preview** (2025-10-10): 🏗️ FastAPI + Vue 3 新架构预览版\n- **v0.1.13** (2025-08-02): 🤖 原生OpenAI支持与Google AI生态系统全面集成\n- **v0.1.12** (2025-07-29): 🧠 智能新闻分析模块与项目结构优化\n- **v0.1.11** (2025-07-27): 🤖 多LLM提供商集成与模型选择持久化\n- **v0.1.10** (2025-07-18): 🚀 Web界面实时进度显示与智能会话管理\n- **v0.1.9** (2025-07-16): 🎯 CLI用户体验重大优化与统一日志管理\n- **v0.1.8** (2025-07-15): 🎨 Web界面全面优化与用户体验提升\n- **v0.1.7** (2025-07-13): 🐳 容器化部署与专业报告导出\n- **v0.1.6** (2025-07-11): 🔧 阿里百炼修复与数据源升级\n- **v0.1.5** (2025-07-08): 📊 添加Deepseek模型支持\n- **v0.1.4** (2025-07-05): 🏗️ 架构优化与配置管理重构\n- **v0.1.3** (2025-06-28): 🇨🇳 A股市场完整支持\n- **v0.1.2** (2025-06-15): 🌐 Web界面和配置管理\n- **v0.1.1** (2025-06-01): 🧠 国产LLM集成\n\n📋 **详细更新日志**: [CHANGELOG.md](.\u002Fdocs\u002Freleases\u002FCHANGELOG.md)\n\n## 📞 联系方式\n\n- **GitHub Issues**: [提交问题和建议](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues)\n- **邮箱**: hsliup@163.com\n- 项目ＱＱ群：1091917201\n- 项目微信公众号：TradingAgents-CN\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_87c50a71b976.png\" alt=\"微信公众号\" width=\"200\"\u002F>\n\n- **原项目**: [TauricResearch\u002FTradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)\n- **文档**: [完整文档目录](docs\u002F)\n\n## ⚠️ 风险提示\n\n**重要声明**: 本框架仅用于研究和教育目的，不构成投资建议。\n\n- 📊 交易表现可能因多种因素而异\n- 🤖 AI模型的预测存在不确定性\n- 💰 投资有风险，决策需谨慎\n- 👨‍💼 建议咨询专业财务顾问\n\n---\n\n\u003Cdiv align=\"center\">\n\n**🌟 如果这个项目对您有帮助，请给我们一个 Star！**\n\n[⭐ Star this repo](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN) | [🍴 Fork this repo](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Ffork) | [📖 Read the docs](.\u002Fdocs\u002F)\n\n\u003C\u002Fdiv>\n","# TradingAgents 中文增强版\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache%202.0-blue.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FApache-2.0)\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.10%2B-blue.svg)](https:\u002F\u002Fwww.python.org\u002F)\n[![Version](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FVersion-v1.0.1-green.svg)](.\u002FVERSION)\n[![Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-中文文档-green.svg)](.\u002Fdocs\u002F)\n[![Original](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F基于-TauricResearch\u002FTradingAgents-orange.svg)](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)\n\n---\n\n## ⚠️ 重要版权声明与授权说明\n\n### 🚨 版权侵权警告\n\n**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。**\n\n**⚠️ 重要提醒**：\n- ❌ **我们项目组目前没有给任何组织或个人进行过商业授权**\n- ❌ **该网站未经授权使用我们的代码，属于侵权行为**\n- ⚠️ **请大家注意识别，避免上当受骗**\n\n**✅ 官方唯一渠道**：\n- 📦 GitHub 仓库：https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\n- 📧 官方邮箱：hsliup@163.com\n- 📱 微信公众号：TradingAgents-CN\n\n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。\n\n### 📋 版本授权说明\n\n#### v1.0.1（当前稳定版本）\n- ✅ **个人使用**：完全开源，可自由使用\n- ❌ **商业使用**：**必须获得商业授权**，未经授权禁止商业使用\n- 📧 **授权联系**：[hsliup@163.com](mailto:hsliup@163.com)\n\n#### v2.0.0（开发中）\n- 🔄 **开发状态**：已完成两轮内测，接近完工上线阶段\n- ⚠️ **开源计划**：**因存在盗版问题，v2.0 版本暂时不进行开源**\n- 📢 **发布方式**：将通过官方渠道发布，敬请关注\n\n### 📄 许可证详情\n\n本项目采用**混合许可证**模式：\n- 🔓 **开源部分**（Apache 2.0）：除 `app\u002F` 和 `frontend\u002F` 外的所有文件\n- 🔒 **专有部分**（需商业授权）：`app\u002F`（FastAPI后端）和 `frontend\u002F`（Vue前端）目录\n\n详细说明请查看：[版权声明](.\u002FCOPYRIGHT.md) | [许可证文件](.\u002FLICENSE)\n\n---\n\n>\n> 🎓 **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\n> 🎯 **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\n\n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。\n\n## 🙏 致敬源项目\n\n感谢 [Tauric Research](https:\u002F\u002Fgithub.com\u002FTauricResearch) 团队创造的革命性多智能体交易框架 [TradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)！\n\n**🎯 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\u002F港股\u002F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。\n\n## 🎉 v1.0.1 版本说明 - 配置体验与同步稳定性增强\n\n> 🚀 **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。\n\n### ✨ 核心特性\n\n#### 🏗️ **全新技术架构**\n- **后端升级**: 从 Streamlit 迁移到 FastAPI，提供更强大的 RESTful API\n- **前端重构**: 采用 Vue 3 + Element Plus，打造现代化的单页应用\n- **数据库优化**: MongoDB + Redis 双数据库架构，性能提升 10 倍\n- **容器化部署**: 完整的 Docker 多架构支持（amd64 + arm64）\n\n#### 🚀 **v1.0.1 重点增强**\n- **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\n- **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\n- **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\n- **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\n- **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\n- **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\n- **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\n\n#### 🎯 **企业级功能**\n- **用户权限管理**: 完整的用户认证、角色管理、操作日志系统\n- **配置管理中心**: 可视化的大模型配置、数据源管理、系统设置\n- **缓存管理系统**: 智能缓存策略，支持 MongoDB\u002FRedis\u002F文件多级缓存\n- **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\n- **批量分析功能**: 支持多只股票同时分析，提升工作效率\n- **智能股票筛选**: 基于多维度指标的股票筛选和排序系统\n- **自选股管理**: 个人自选股收藏、分组管理和跟踪功能\n- **个股详情页**: 完整的个股信息展示和历史分析记录\n- **模拟交易系统**: 虚拟交易环境，验证投资策略效果\n\n#### 🤖 **智能分析增强**\n- **动态供应商管理**: 支持动态添加和配置 LLM 供应商\n- **模型能力管理**: 智能模型选择，根据任务自动匹配最佳模型\n- **多数据源同步**: 统一的数据源管理，支持 Tushare、AkShare、BaoStock\n- **报告导出功能**: 支持 Markdown\u002FWord\u002FPDF 多格式专业报告导出\n\n#### 🔧 **重大Bug修复**\n- **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\n- **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\n- **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\n- **数据一致性优化**: 确保所有分析师使用统一、准确的数据源\n\n#### 🐳 **Docker 多架构支持**\n- **跨平台部署**: 支持 x86_64 和 ARM64 架构（Apple Silicon、树莓派、AWS Graviton）\n- **GitHub Actions**: 自动化构建和发布 Docker 镜像\n- **一键部署**: 完整的 Docker Compose 配置，5 分钟快速启动\n\n### 📊 技术栈升级\n\n| 组件 | v0.1.x | v1.0.1 |\n|------|--------|----------------|\n| **后端框架** | Streamlit | FastAPI + Uvicorn |\n| **前端框架** | Streamlit | Vue 3 + Vite + Element Plus |\n| **数据库** | 可选 MongoDB | MongoDB + Redis |\n| **API 架构** | 单体应用 | RESTful API + WebSocket |\n| **部署方式** | 本地\u002FDocker | Docker 多架构 + GitHub Actions |\n\n\n\n#### 📥 安装部署\n\n**两种部署方式，任选其一**：\n\n| 部署方式 | 适用场景 | 难度 | 文档链接 |\n|---------|---------|------|---------|\n| 🐳 **Docker版** | 生产环境、跨平台 | ⭐⭐ 中等 | [Docker 部署指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FJkA0cOu8xJnoY_3LC5oXNw) |\n| 💻 **本地代码版** | 开发者、定制需求 | ⭐⭐⭐ 较难 | [本地安装指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcqUGf-sAzcBV19gdI4sYfA) |\n\n⚠️ **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。\n\n\n\n#### 📚 使用指南\n\n在使用前，建议先阅读详细的使用指南：\n- **[v1.0.1 发布说明](.\u002Fdocs\u002Freleases\u002Fv1.0.1-release-notes.md)**\n- **[v1.0.1 使用手册](.\u002Fdocs\u002Fguides\u002Fv1.0.1-user-manual.md)**\n- **[v1.0.1 升级指南](.\u002Fdocs\u002Freleases\u002Fupgrade-guide.md)**\n- **[完整更新日志](.\u002Fdocs\u002Freleases\u002FCHANGELOG.md)**\n- **[0、📘 TradingAgents-CN v1.0.0-preview 快速入门视频](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1i2CeBwEP7\u002F?vd_source=5d790a5b8d2f46d2c10fd4e770be1594)**\n\n- **[1、📘 TradingAgents-CN v1.0.0-preview 使用指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FppsYiBncynxlsfKFG8uEbw)**\n- **[2、📘 使用 Docker Compose 部署TradingAgents-CN v1.0.0-preview（完全版）](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FJkA0cOu8xJnoY_3LC5oXNw)**\n- **[3、📘 从 Docker Hub 更新 TradingAgents‑CN 镜像](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FWKYhW8J80Watpg8K6E_dSQ)**\n- **[4、📘 TradingAgents-CN v1.0.0-preview绿色版安装和升级指南](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Feoo_HeIGxaQZVT76LBbRJQ)**\n- **[5、📘 TradingAgents-CN v1.0.0-preview绿色版端口配置说明](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002Fo5QdNuh2-iKkIHzJXCj7vQ)**\n- **[6、📘 TradingAgents v1.0.0-preview 源码版安装手册（修订版）](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FcqUGf-sAzcBV19gdI4sYfA)**\n- **[7、📘 TradingAgents v1.0.0-preview 源码安装视频教程](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV1FxCtBHEte\u002F?vd_source=5d790a5b8d2f46d2c10fd4e770be1594)**\n\n\n使用指南包含：\n- ✅ 完整的功能介绍和操作演示\n- ✅ 详细的配置说明和最佳实践\n- ✅ 常见问题解答和故障排除\n- ✅ 实际使用案例和效果展示\n\n### 数据库运维补充\n\n- 数据库版本隔离、共享库保护、迁移脚本与 provider 规范化说明：\n  - [数据库版本隔离与 Provider 规范化](.\u002Fdocs\u002Fdeployment\u002Fdatabase\u002FDB_VERSION_ISOLATION_AND_PROVIDER_NORMALIZATION.md)\n\n### 上游吸收补充\n\n- 当前项目采用人工选择性吸收上游更新：\n  - [上游同步策略](.\u002Fdocs\u002Fmaintenance\u002Fupstream-sync.md)\n  - [人工上游吸收清单](.\u002Fdocs\u002Fmaintenance\u002Fmanual-upstream-absorption-checklist.md)\n\n- `v1.0.1` 已明确同步到当前版本的上游能力包括：\n  - `llm_clients` 抽象层主链路\n  - 共享模型目录与轻量校验\n  - provider canonical key 规范化\n  - `trading_graph.py` 主要 provider 初始化路径收口\n  - `fundamentals_analyst.py` 中 qwen fresh llm 重建逻辑\n  - 图层参数透传、工厂别名兼容、风控引用修复\n  - provider 默认 URL \u002F 环境变量映射统一\n  - MongoDB 默认库名、版本隔离命名与迁移脚本增强\n\n#### 关注公众号\n\n1. **关注公众号**: 微信搜索 **\"TradingAgents-CN\"** 并关注\n2. 公众号每天推送项目最新进展和使用教程\n\n\n- **微信公众号**: TradingAgents-CN（推荐）\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_87c50a71b976.png\" alt=\"微信公众号\" width=\"200\"\u002F>\n\n\n## 🆚 中文增强特色\n\n**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\n\n\n\n## 🤝 贡献指南\n\n我们欢迎各种形式的贡献：\n\n### 贡献类型\n\n- 🐛 **Bug修复** - 发现并修复问题\n- ✨ **新功能** - 添加新的功能特性\n- 📚 **文档改进** - 完善文档和教程\n- 🌐 **本地化** - 翻译和本地化工作\n- 🎨 **代码优化** - 性能优化和代码重构\n\n### 贡献流程\n\n1. Fork 本仓库\n2. 创建特性分支 (`git checkout -b feature\u002FAmazingFeature`)\n3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)\n4. 推送到分支 (`git push origin feature\u002FAmazingFeature`)\n5. 创建 Pull Request\n\n### 📋 查看贡献者\n\n查看所有贡献者和详细贡献内容：**[🤝 贡献者名单](CONTRIBUTORS.md)**\n\n## 📄 许可证详情\n\n本项目采用**混合许可证**模式，详见 [LICENSE](LICENSE) 文件：\n\n### 🔓 开源部分（Apache 2.0）\n- **适用范围**：除 `app\u002F` 和 `frontend\u002F` 外的所有文件\n- **权限**：商业使用 ✅ | 修改分发 ✅ | 私人使用 ✅ | 专利使用 ✅\n- **条件**：保留版权声明 ❗ | 包含许可证副本 ❗\n\n### 🔒 专有部分（需商业授权）\n- **适用范围**：`app\u002F`（FastAPI后端）和 `frontend\u002F`（Vue前端）目录\n- **商业使用**：需要单独许可协议\n- **联系授权**：[hsliup@163.com](mailto:hsliup@163.com)\n\n### 📋 许可证选择建议\n- **个人学习\u002F研究**：可自由使用全部功能\n- **商业应用**：请联系获取专有组件授权\n- **定制开发**：欢迎咨询商业合作方案\n\n### 📚 相关文档\n\n- [版权声明](.\u002FCOPYRIGHT.md) - 详细的版权信息和使用条款\n- [主许可证](.\u002FLICENSE) - Apache 2.0 许可证\n- [后端专有许可证](.\u002Fapp\u002FLICENSE) - 后端专有组件许可证\n- [前端专有许可证](.\u002Ffrontend\u002FLICENSE) - 前端专有组件许可证\n\n## 🙏 致谢与感恩\n\n### 🌟 向源项目开发者致敬\n\n我们向 [Tauric Research](https:\u002F\u002Fgithub.com\u002FTauricResearch) 团队表达最深的敬意和感谢：\n\n- **🎯 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\n- **💎 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\n- **🏗️ 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\n- **💡 技术先驱**: 感谢您们将前沿AI技术与金融实务完美结合\n- **🔄 持续贡献**: 感谢您们持续的维护、更新和改进工作\n\n### 🤝 社区贡献者致谢\n\n感谢所有为TradingAgents-CN项目做出贡献的开发者和用户！\n\n详细的贡献者名单和贡献内容请查看：**[📋 贡献者名单](CONTRIBUTORS.md)**\n\n包括但不限于：\n\n- 🐳 **Docker容器化** - 部署方案优化\n- 📄 **报告导出功能** - 多格式输出支持\n- 🐛 **Bug修复** - 系统稳定性提升\n- 🔧 **代码优化** - 用户体验改进\n- 📝 **文档完善** - 使用指南和教程\n- 🌍 **社区建设** - 问题反馈和推广\n- **🌍 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\n- **📚 知识分享**: 感谢您们提供的详细文档和最佳实践指导\n\n**特别感谢**：[TradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents) 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。\n\n### 🇨🇳 推广使命的初心\n\n创建这个中文增强版本，我们怀着以下初心：\n\n- **🌉 技术传播**: 让优秀的TradingAgents技术在中国得到更广泛的应用\n- **🎓 教育普及**: 为中国的AI金融教育提供更好的工具和资源\n- **🤝 文化桥梁**: 在中西方技术社区之间搭建交流合作的桥梁\n- **🚀 创新推动**: 推动中国金融科技领域的AI技术创新和应用\n\n### 🌍 开源社区\n\n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。\n\n### 🤝 合作共赢\n\n我们承诺：\n\n- **尊重原创**: 始终尊重源项目的知识产权和开源协议\n- **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\n- **持续改进**: 不断完善中文增强版本，提供更好的用户体验\n- **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\n\n## [感谢AIHubmix赞助，推荐llm模型使用AIHubmix](https:\u002F\u002Faihubmix.com\u002F?aff=2rIi)\n\n\u003Ca href=\"https:\u002F\u002Faihubmix.com\u002F?aff=2rIi\" target=\"_blank\" rel=\"noopener noreferrer\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_9ccbae4f3f09.png\" alt=\"AIHubMix\" width=\"220\"\u002F>\n\u003C\u002Fa>\n\n## 📈 版本历史\n\n- **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**\n- **v1.0.0-preview** (2025-10-10): 🏗️ FastAPI + Vue 3 新架构预览版\n- **v0.1.13** (2025-08-02): 🤖 原生OpenAI支持与Google AI生态系统全面集成\n- **v0.1.12** (2025-07-29): 🧠 智能新闻分析模块与项目结构优化\n- **v0.1.11** (2025-07-27): 🤖 多LLM提供商集成与模型选择持久化\n- **v0.1.10** (2025-07-18): 🚀 Web界面实时进度显示与智能会话管理\n- **v0.1.9** (2025-07-16): 🎯 CLI用户体验重大优化与统一日志管理\n- **v0.1.8** (2025-07-15): 🎨 Web界面全面优化与用户体验提升\n- **v0.1.7** (2025-07-13): 🐳 容器化部署与专业报告导出\n- **v0.1.6** (2025-07-11): 🔧 阿里百炼修复与数据源升级\n- **v0.1.5** (2025-07-08): 📊 添加Deepseek模型支持\n- **v0.1.4** (2025-07-05): 🏗️ 架构优化与配置管理重构\n- **v0.1.3** (2025-06-28): 🇨🇳 A股市场完整支持\n- **v0.1.2** (2025-06-15): 🌐 Web界面和配置管理\n- **v0.1.1** (2025-06-01): 🧠 国产LLM集成\n\n📋 **详细更新日志**: [CHANGELOG.md](.\u002Fdocs\u002Freleases\u002FCHANGELOG.md)\n\n## 📞 联系方式\n\n- **GitHub Issues**: [提交问题和建议](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues)\n- **邮箱**: hsliup@163.com\n- 项目ＱＱ群：1091917201\n- 项目微信公众号：TradingAgents-CN\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_readme_87c50a71b976.png\" alt=\"微信公众号\" width=\"200\"\u002F>\n\n- **原项目**: [TauricResearch\u002FTradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents)\n- **文档**: [完整文档目录](docs\u002F)\n\n## ⚠️ 风险提示\n\n**重要声明**: 本框架仅用于研究和教育目的，不构成投资建议。\n\n- 📊 交易表现可能因多种因素而异\n- 🤖 AI模型的预测存在不确定性\n- 💰 投资有风险，决策需谨慎\n- 👨‍💼 建议咨询专业财务顾问\n\n---\n\n\u003Cdiv align=\"center\">\n\n**🌟 如果这个项目对您有帮助，请给我们一个 Star！**\n\n[⭐ Star this repo](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN) | [🍴 Fork this repo](https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Ffork) | [📖 Read the docs](.\u002Fdocs\u002F)\n\n\u003C\u002Fdiv>","# TradingAgents-CN 快速上手指南\n\nTradingAgents-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\u002F港股\u002F美股的合规研究与策略实验。\n\n> **⚠️ 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。\n\n## 1. 环境准备\n\n### 系统要求\n- **操作系统**：Linux \u002F macOS \u002F Windows (WSL2 推荐)\n- **CPU 架构**：x86_64 或 ARM64 (Apple Silicon, 树莓派等)\n- **内存**：建议 8GB 以上（运行大模型时建议 16GB+）\n- **磁盘空间**：至少 10GB 可用空间\n\n### 前置依赖\n请选择以下**任意一种**部署方式：\n\n#### 方案 A：Docker 部署（推荐，适合生产环境与快速启动）\n- Docker Engine 20.10+\n- Docker Compose v2.0+\n\n#### 方案 B：本地源码部署（适合开发者定制）\n- Python 3.10+\n- Node.js 18+ (用于前端构建)\n- MongoDB 6.0+\n- Redis 7.0+\n- Git\n\n---\n\n## 2. 安装步骤\n\n### 方式一：Docker 一键部署（推荐）\n\n这是最简便的部署方式，自动处理所有依赖和环境配置。\n\n```bash\n# 1. 克隆项目仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN.git\ncd TradingAgents-CN\n\n# 2. 复制环境变量配置文件\ncp .env.example .env\n\n# 3. 编辑 .env 文件，配置你的 LLM API Key (如 OpenAI, Azure, AIHubMix 等)\n# vim .env 或使用文本编辑器修改\n\n# 4. 启动服务 (后台运行)\ndocker compose up -d\n\n# 5. 查看日志确认启动状态\ndocker compose logs -f\n```\n\n启动成功后，访问 `http:\u002F\u002Flocalhost:8080` (默认端口，具体见 `.env` 配置) 即可使用。\n\n### 方式二：本地源码部署\n\n适合需要修改代码或调试的开发者。\n\n```bash\n# 1. 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN.git\ncd TradingAgents-CN\n\n# 2. 创建并激活 Python 虚拟环境\npython -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows: venv\\Scripts\\activate\n\n# 3. 安装后端依赖\npip install -r requirements.txt\n\n# 4. 安装前端依赖并构建 (需先安装 Node.js)\ncd frontend\nnpm install\nnpm run build\ncd ..\n\n# 5. 配置环境变量\ncp .env.example .env\n# 请手动编辑 .env 文件，填入 MongoDB\u002FRedis 连接信息及 LLM API Keys\n\n# 6. 初始化数据库 (确保 MongoDB 和 Redis 已运行)\n# 执行必要的迁移脚本 (参考 docs\u002Fdeployment 目录)\n\n# 7. 启动后端服务\nuvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n\n# 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\n# 若使用 Nginx 托管 frontend\u002Fdist 目录，请配置反向代理到后端 8000 端口\n```\n\n---\n\n## 3. 基本使用\n\n### 第一步：配置大模型与数据源\n1. 登录 Web 界面。\n2. 进入 **“配置中心”** (Configuration)。\n3. **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。\n   - *推荐*：使用聚合厂商 `AiHubMix` 可简化配置。\n4. **数据源配置**：确保已启用 `AkShare` 或 `Tushare` 以获取 A 股\u002F美股行情数据。\n   - ⚠️ **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。\n\n### 第二步：创建分析任务\n1. 在首页点击 **“新建分析”** 或进入 **“个股详情”** 页。\n2. 输入股票代码（支持 A 股如 `600519`，美股如 `AAPL`）。\n3. 选择分析模式：\n   - **快速分析**：单智能体快速扫描。\n   - **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。\n4. 点击 **“开始分析”**。\n\n### 第三步：查看结果与导出\n- **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。\n- **报告预览**：分析完成后，可在详情页查看结构化的 Markdown 报告。\n- **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。\n\n### 第四步：模拟交易与自选股管理（可选）\n- 将关注的股票加入 **“自选股”** 进行分组跟踪。\n- 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）。\n\n---\n\n> **📢 获取更多帮助**：\n> - 详细操作手册请参阅项目 `docs\u002Fguides` 目录。\n> - 关注微信公众号 **TradingAgents-CN** 获取最新教程视频与更新通知。\n> - 遇到问题请提交 GitHub Issue 或加入项目 QQ 群：1091917201。","某个人投资者兼量化爱好者希望深入分析 A 股某只热门科技股的走势，但受限于单一视角和繁杂的数据源，难以形成全面且逻辑严密的投资研判。\n\n### 没有 TradingAgents-CN 时\n- **数据收集碎片化**：需要手动在多个网站切换查询行情、财务指标和新闻资讯，耗时耗力且容易遗漏关键信息。\n- **分析视角单一**：仅凭个人经验或单一技术指标判断，缺乏基本面、技术面与市场情绪的多维度交叉验证，极易陷入主观偏见。\n- **报告产出低效**：整理分析结论需手动撰写文档，格式混乱且难以复用，无法快速生成标准化的专业研报供复盘参考。\n- **策略验证困难**：缺乏模拟交易环境，提出的投资策略只能“纸上谈兵”，无法在虚拟环境中低成本验证其历史表现。\n\n### 使用 TradingAgents-CN 后\n- **多源数据自动聚合**：通过内置的 AkShare、Tushare 等多级降级链，自动同步实时行情与财务数据，一键获取完整信息图谱。\n- **多智能体协同研判**：调用基本面、技术面及市场情绪等多个 AI 智能体角色进行辩论与分析，输出客观、多维度的综合评估结论。\n- **专业报告一键导出**：系统自动生成结构清晰、数据详实的 Markdown 或 PDF 专业分析报告，大幅缩短从分析到文档的转化时间。\n- **闭环策略模拟验证**：利用内置的模拟交易系统，在虚拟环境中回测投资策略效果，直观查看收益曲线与风险指标，辅助决策优化。\n\nTradingAgents-CN 将原本分散、主观且低效的个人研究过程，升级为自动化、多维度且可验证的智能化投研工作流。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhsliuping_TradingAgents-CN_6222c298.png","hsliuping",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fhsliuping_12822366.png","https:\u002F\u002Fgithub.com\u002Fhsliuping",[78,82,86,90,94,98,102,105,109,111],{"name":79,"color":80,"percentage":81},"Python","#3572A5",82.1,{"name":83,"color":84,"percentage":85},"Vue","#41b883",10,{"name":87,"color":88,"percentage":89},"PowerShell","#012456",4.1,{"name":91,"color":92,"percentage":93},"TypeScript","#3178c6",1.9,{"name":95,"color":96,"percentage":97},"Shell","#89e051",1.2,{"name":99,"color":100,"percentage":101},"Batchfile","#C1F12E",0.2,{"name":103,"color":104,"percentage":101},"SCSS","#c6538c",{"name":106,"color":107,"percentage":108},"JavaScript","#f1e05a",0.1,{"name":110,"color":74,"percentage":108},"NSIS",{"name":112,"color":113,"percentage":108},"HTML","#e34c26",24205,5091,"2026-04-18T03:12:48","NOASSERTION",4,"Linux, macOS, Windows","未说明（支持 CPU 运行，依赖外部 LLM API 服务）","未说明（建议 8GB+，运行 Docker 容器及数据库服务）",{"notes":123,"python":124,"dependencies":125},"项目采用前后端分离架构，推荐使用 Docker 多架构部署（支持 amd64 和 arm64）。核心功能依赖外部大模型 API（如 OpenAI、Google AI、AiHubMix 等），无需本地部署大型模型。需预先配置 MongoDB 和 Redis 数据库。商业使用需获得授权，个人学习研究可免费使用。使用前需同步股票数据以避免分析错误。","3.10+",[126,127,128,129,130,131,132],"FastAPI","Uvicorn","Vue 3","MongoDB","Redis","Docker","Docker Compose",[36,13],"2026-03-27T02:49:30.150509","2026-04-20T16:24:25.270648",[137,142,147,152,157,162,167,172],{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},40318,"Docker 部署时遇到 'No module named streamlit' 或镜像拉取失败怎么办？","旧版本已不再维护，建议直接使用新版镜像。如果必须修复旧版 Dockerfile，需注意两点：1. 将 requirements 引用修改为 requirements-lock.txt（包括 COPY 和 pip install 两处）；2. 在 requirements-lock.txt 中删除 'pywin' 相关行（因为 Ubuntu 环境下不需要）。此外，建议将 pip 源更换为清华源以加快下载速度。对于 M3\u002FM4 芯片的 Mac 用户，请确保应用了上述修改。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F394",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},40319,"更新版本后点击分析股票，页面几秒后自动刷新且无法正常使用如何解决？","该问题是由于 Streamlit 的 session 管理机制导致的，已在最新版本中修复。解决方法是重新拉取最新代码并重新打包构建（如果是 Docker 部署）。新版本已经优化了状态保存逻辑，即使没有配置 Redis 也可以正常运行。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F130",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},40320,"使用默认用户名和密码登录 v1.0.0 版本提示错误，且后端健康检查失败怎么办？","不要尝试自行构建镜像，请直接使用官方提供的最新现成版本。如果已经执行了 `import_config_and_create_user.py` 脚本但仍然无法登录，通常是因为版本不匹配或构建环境问题。维护者建议直接拉取并使用当前发布的稳定版镜像，避免自行构建带来的兼容性问题。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F414",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},40321,"自定义 OpenAI 端点（base_url 和模型）后，分析时仍然跳转默认模型或报错怎么办？","此问题出现在旧版代码中，旧版本已停止技术支持。请切换到新版代码库。在新版中，自定义 LLM 端点和模型的配置逻辑已被重构，能够正确识别用户配置的 base_url 和模型名称，不再强制跳转至默认的 gpt-4o。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F231",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},40322,"分析完成后点击“查看分析报告”没有任何反应是怎么回事？","这是旧版本的已知缺陷，旧版代码已不再进行技术维护和 Bug 修复。出现此情况请直接升级到新版项目。新版对报告生成和前端交互进行了重构，解决了分析完成后无法查看结果的问题。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F321",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},40323,"运行分析时报错 'dictionary update sequence element #0 has length 7; 2 is required' 如何解决？","该错误通常发生在代码版本不一致或使用了过时的本地安装文件时。建议不要使用当时拉取的旧代码，而是同步到最新的 dev 分支或发布版本。维护者发布了针对 Windows 的新版安装包，其中修复了图传播（graph propagate）过程中的状态更新逻辑错误。请重新拉取最新代码或下载最新的 Windows 包重试。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F405",{"id":168,"question_zh":169,"answer_zh":170,"source_url":171},40324,"A 股财务数据分析结果全是固定值（如资产负债率恒为 45%），是否代码写死了？","这通常是因为数据接口调用失败或积分不足导致回退到了默认模拟数据。虽然作者曾尝试修复数据接口逻辑，但该功能高度依赖 Tushare 等数据源的实时稳定性。如果遇到问题，建议检查 API Token 权限，或者暂时接受基于行业估值的估算结果。部分用户反馈即使切换数据源（如 akshare）也可能存在类似问题，需自行调试数据获取模块。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F162",{"id":173,"question_zh":174,"answer_zh":175,"source_url":176},40325,"Docker 部署分析进度卡在中间步骤，最终没有输出结果怎么办？","首先确认所有必要的 API Key（Tushare, DeepSeek, DashScope, Finnhub 等）均已正确配置。如果配置无误但仍无结果，极有可能是使用了已停止维护的旧版镜像。维护者明确指出旧版不再提供支持，请务必拉取最新的 Docker 镜像或源码进行部署，新版已解决了多处流程阻塞和结果回调丢失的问题。","https:\u002F\u002Fgithub.com\u002Fhsliuping\u002FTradingAgents-CN\u002Fissues\u002F91",[]]