TradingAgents
✨ 多智能体LLM金融交易框架,模拟分析师团队协作研判行情
🧭 AI 判断
值得关注多智能体LLM交易框架,社区热度极高,但依赖LLM API且需自行评估实盘价值
多智能体LLM模拟交易团队协作决策,适合研究Agent驱动的金融分析流程
- 近2天热度 +1.3k,当日热度在涨
- 7天热度 +3.2k,处于持续上升期
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-08-29(上限 30 天)+4.5k(现 106,143 · 断点=当日未采集)
📖 工具介绍
一个基于多智能体 LLM 的金融交易框架，将分析师、研究员、交易员、风控等角色建模为协作的 AI Agent,模拟真实投研流程来辅助交易决策。适合量化研究者与开发者学习、复现多 Agent 金融系统，或将其作为 LLM 应用于投研的实验基础。
`Python` `LLM` - Multi-agent financial research framework combining fundamental, technical, news, and sentiment analysis with structured investment debates and risk assessment.
📚 延伸阅读
站外优质教程,按从入门到进阶排列。内容版权归原作者所有,以下为本站人工摘要,点击标题前往原文阅读。
- 用 TradingAgents 跑了一个月实盘，说句大实话
作者用真实资金实盘运行并记录胜率、盈亏比、延迟与调用成本，并给出多智能体框架适合与不适合的用法。
- 量化交易是否快走到尽头了？
作者完整复现 TradingAgents 的一次分析任务，拆解各层智能体职责、运行开销与产物目录，并附上中文提示词示例。
⚖️ 同类对比
| 维度 | TradingAgents | Vibe-Trading | Algo-Trading-Skills | qwen3.5-9b_precision_agentic_trading |
|---|---|---|---|---|
| 结论 | 值得关注 | 推荐 | 仅供研究 | 仅供研究 |
| 热度 | 106.1k | 33.5k | 43 | 133 |
| 7日增长 | +3.2k | +462 | +41 | −265 |
| 适合人群 | 开发者 | 专业量化 | 开发者 | 开发者 |
| 主要用途 | 策略研究 / AI Agent | 策略研究 / AI Agent | AI Agent / 策略研究 | AI Agent / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 高 | 高 | 低 | 低 |
🧩 更多同类工具
一款由 HKUDS 开源的 AI 量化交易 Agent 项目，定位为“个人交易智能体”。它基于 LLM 驱动，可辅助用户进行市场分析、策略研究与交易决策流程的自动化。适合对量化交易和 LLM/Agent 应用感兴趣的开发者与研究者参考使用。
LLM/Agent 研报 · GitHub 43★
基于 Qwen3.5 架构的 9B 参数多模态模型,支持 image-text-to-text 输入,面向量化交易场景微调。模型集成 MCP 与 tool-use 能力,可通过 transformers 加载,提供 safetensors 格式权重。适合需要构建 agentic trading 流程、让 LLM 调用外部工具进行研报分析的开发者和量化研究人员使用。
一款基于 Llama3-8B 架构并针对金融领域微调的文本生成模型，支持 transformers 和 safetensors 格式，专注于金融相关文本的理解与生成任务。适合从事金融研究、量化分析或需要处理英文金融文本的开发者和研究人员使用。
一款基于 Llama 架构的 130 亿参数金融领域大语言模型，提供 GGUF 格式权重。模型针对金融文本进行训练，可用于金融相关的文本生成任务，支持在本地通过 llama.cpp 等工具运行。适合需要在本地部署金融领域 LLM 的研究者和开发者使用。
基于 GPT-2 架构、由 DialoGPT 微调而来的金融对话模型，托管于 Hugging Face,支持 transformers 与 safetensors 格式。它能围绕金融市场话题进行对话式交互，并辅助分析市场情绪。适合对金融 NLP 感兴趣的开发者和研究者进行测试、二次开发或搭建对话式交易辅助工具。