输入股票代码和日期，基本面、技术面、新闻与情绪分析师分别提交报告，多空双方继续辩论，最后由交易员和风控团队给出决策。本文讲清 TradingAgents 的工作流程、安装方法、API Key，以及它为什么适合研究却不该被当成自动赚钱工具。
研究一只股票，不再只问 AI 一句话
把“茅台能买吗”扔给聊天机器人，常见结果是一篇四平八稳的分析：行业不错、风险也有、请理性投资。问题不在文笔，而在于一个模型同时兼顾财务、新闻、技术指标和风险，很容易每项都说一点，却没有真正形成判断。
TradingAgents 的做法，是把研究任务交给一支由大模型扮演的投资团队：不同角色分别取数、写报告、互相质疑，最后形成买入、持有或卖出的建议。
截至 2026 年 8 月 5 日，项目在 GitHub 已获得约 9.56 万 Star、1.85 万 Fork，采用 Apache-2.0 许可证。
它怎么“开会”研究一只股票？
第一组是分析师。基本面分析师查看公司财务与经营表现；技术分析师关注 MACD、RSI 等指标；新闻分析师整理宏观与公司消息；情绪分析师汇总新闻标题及社区讨论。
报告不会直接变成结论。看多研究员和看空研究员会进行结构化辩论，把利好和风险摆到一起。交易员据此提出方案，风险团队再从激进、中性和保守角度审查，最后由投资组合经理批准或否决。
这套流程的价值，不是让多个 AI 投票，而是强迫结论经过不同视角的交叉检查。它基于 LangGraph 编排，辩论轮数、分析深度和模型都能调整，也能作为 Python 包嵌入自己的研究程序。
不只是美股，也能分析 A 股和港股
项目使用 Yahoo Finance 可识别的股票代码。美股可以输入 AAPL、NVDA，港股腾讯使用 0700.HK，A 股贵州茅台使用 600519.SS，深市代码以 .SZ 结尾；此外还支持日股、印度股、加密货币等标的。
启动后是终端交互界面，可以选择代码、分析日期、模型供应商和研究深度，并实时查看各个 Agent 的进度与报告。
需要说清楚：**它目前不是浏览器 WebUI，也不会连接你的证券账户自动下单。**官方流程中的订单进入模拟交易所，项目定位是研究框架，输出会受模型、数据、日期和随机性影响。同一只股票运行两次，结论也可能不同。
最短安装方法
官方建议使用 Python 3.10 以上版本，README 示例使用 Python 3.12：
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
conda create -n tradingagents python=3.12
conda activate tradingagents
pip install .
cp .env.example .env
tradingagents
Windows 用户把复制配置文件一行换成：
Copy-Item .env.example .env
也可以使用 Docker，在 .env 中填好所选模型的配置后运行：
docker compose run --rm tradingagents
这不是常驻 Web 服务，因此 Docker 配置没有对外端口，命令会直接打开交互终端。
到底需要哪些 API Key？
至少选择一个大模型供应商，例如 OpenAI 的 OPENAI_API_KEY、Claude 的 ANTHROPIC_API_KEY、DeepSeek 的 DEEPSEEK_API_KEY，或通义千问国内接口的 DASHSCOPE_CN_API_KEY。项目也支持 Gemini、GLM、MiniMax、OpenRouter 等服务。
不想把研究内容发往云端，可以选择 Ollama，本地模型不需要 API Key：
docker compose --profile ollama run --rm tradingagents-ollama
首次使用还要提前拉取合适的 Ollama 模型。数据侧的 FRED_API_KEY 和 ALPHA_VANTAGE_API_KEY 对应额外数据源，按所选配置准备即可，不要把任何密钥提交到 Git 仓库。
一句话交给 Codex 或 Claude Code
打开 Codex 或 Claude Code，把下面这段提示词发给它：
请在当前目录安装并运行 TauricResearch/TradingAgents：先检查 Git、Python 3.10+、Conda 和 Docker 是否可用，按官方 README 选择最简单的 Conda 或 Docker 方式完成安装；不要修改无关文件；需要模型时优先让我在 Claude、DeepSeek、通义千问或本地 Ollama 中选择，只告诉我对应的环境变量名和官方申请入口，不要读取、输出或提交任何密钥；启动终端交互界面，用一个公开股票代码做最小验证，但不要擅自产生付费 API 调用；最后告诉我启动、停止、重新运行命令和生成的文件。这个项目不是 Web 服务，不要虚构访问地址或开放端口。
它比手动照抄命令更省事的地方，是编程助手能根据 Windows、macOS 或 Linux 环境处理 Conda、Docker 和路径差异。但 API Key 和可能产生的调用费用，仍要由你自己确认。
谁适合用，谁先别急着用？
如果你在学习量化研究、多智能体协作或 LangGraph，TradingAgents 是一个完整且容易观察的样本；如果你已经有数据源，也可以替换模型、调整角色和辩论轮数，做自己的研究流水线。
如果你只想得到一只股票的“确定答案”，它并不合适。多 Agent 意味着更多模型调用和更高成本，长报告也不等于更高收益。行情数据可能延迟，新闻与社区内容会变化，历史回测更不能代表未来表现。
把它当成一间可以拆解、修改的 AI 投研实验室很有意思；把输出直接当作买卖指令，就越过了它真实的能力边界。任何实际投资决定，都应再核对原始数据并自行承担风险。
