- GitHub 仓库
- TauricResearch/TradingAgents
- 总 Stars
- ★ 114,604
- 今日新增
- +381
- 主要语言
- Python
结论先说
TradingAgents 不是给散户的“跟单神器”，而是一个把交易决策拆开辩论的研究框架：分析师、研究员、交易员、风控四个角色的 LLM 智能体先各自表态、互相质疑，最后才形成交易信号。GitHub 总 star 11.4 万（2026-10-26 核验，Python、Apache-2.0，最近更新 2026-10-16），今日榜单新增 381 star。
是什么
它把一次交易决策做成多智能体协作流程：基本面、技术面、新闻情绪各有智能体负责，交易员综合各方意见下单，风控智能体专门负责挑刺和刹车。框架本身不预测涨跌，只负责把“凭什么买、凭什么卖”写清楚。
能干嘛
- 复现论文里的多智能体交易流程，拿历史数据跑回测
- 改角色分工和辩论轮次，对比不同策略的决策质量
- 把辩论记录当作可审计的决策日志，而不是黑箱信号
适合谁
- 研究量化与 LLM 结合的学生和研究者
- 想理解多智能体协作怎么落地，而不是只看概念的人
- 对回测框架有经验、知道怎么防过拟合的开发者
注意点
回测好看不等于实盘赚钱，论文数据与真实盘口、滑点、手续费之间隔着好几层。我写这篇的立场很明确：把它当研究工具可以，当跟单信号不行，实盘前先在模拟盘跑完整流程。
问：TradingAgents 能直接用来实盘赚钱吗？
不能直接用。它输出的是研究用的交易信号与辩论记录，不是经过监管审批的投顾服务；实盘还涉及券商接口、资金管理与合规问题。框架的价值在方法论复现，不在收益率承诺。
站长点评
我选它是因为“先辩论再决策”这个结构比单模型直接给买卖点诚实得多——至少你能看到反对意见长什么样。但我也要提醒一句：star 数这么高，里面一定有不少围观者，真正跑通过完整回测的人是少数，别被数字带偏。