一個 Github 開源項目，把華爾街投委會搬進了代碼里。

想做量化交易，但不會寫代碼、不懂技術指標、對接數(shù)據(jù)源就能折騰幾個月。

這是大多數(shù)普通人面對量化時的真實困境。

最近在 GitHub 上發(fā)現(xiàn)一個項目，把這件事變得特別簡單。

它不是單個 AI 在幫你分析股票，而是直接模擬了一個完整的投資委員會。

基本面分析師看財報，情緒分析師盯社交媒體，技術分析師畫 K 線，研究員搞多空辯論，交易員做決策，風控經(jīng)理把關風險。

就像把華爾街投行的投委會搬進了代碼里。

這個項目叫 TradingAgents，一個多智能體 LLM 金融交易框架。

01

它到底能干什么

TradingAgents 的核心思路很直接：

讓多個專業(yè) AI 智能體協(xié)作完成投資決策。

整個框架分四層：

第一層是分析師團隊。基本面分析師評估財務指標，情緒分析師監(jiān)控社交媒體輿論，新聞分析師追蹤全球宏觀事件，技術分析師用 MACD、RSI 這些指標檢測交易模式。

第二層是研究員團隊。看漲和看跌研究員會針對同一只股票進行結構化辯論，強制從正反兩面審視投資機會。這個設計避免了單一視角的盲區(qū)。

第三層是交易員。綜合各方報告，做出最終的買賣決策。

第四層是風險管理。評估投資組合風險，批準或拒絕交易提案。

說白了，它不是讓一個 AI 瞎忙活，而是讓一整個專業(yè)團隊協(xié)作。

每個智能體各司其職，互相配合，就像真實的投資委員會一樣。

02

幾個挺頂?shù)奶攸c

① 結構化辯論機制

這是我覺得最有意思的設計。

看漲研究員挖掘上漲邏輯，看跌研究員揭示下跌風險，兩邊對著干。

你不再是聽一家之言，而是能看到完整的正反觀點。

決策更平衡，盲區(qū)更少。

② 10+ LLM 提供商支持

OpenAI、Claude、Gemini、DeepSeek、Qwen、智譜 GLM、xAI、Azure OpenAI、Ollama 本地模型全都支持。

你想用哪個模型、想省錢還是追求效果，自己選。

③ 持久化與斷點恢復

決策日志自動保存，支持檢查點恢復。

跑了一半的任務可以接著跑，不會因為中斷丟失上下文。

這個功能對于跑長時間回測特別有用。

④ 極低上手門檻

一行命令安裝，一行代碼調(diào)用。

不需要自己搭架構、不需要對接數(shù)據(jù)源、不需要寫策略模板。

03

怎么用

如果你是量化入門者，想學習多智能體協(xié)作框架；或者你是 AI 研究者，想研究 LLM 在金融領域的應用；又或者你就是想做量化但不會寫代碼——這個項目值得試一試。

它解決的問題很具體：

把專業(yè)量化團隊的能力，封裝成一行命令就能調(diào)用的工具。

當然，投資有風險，工具只是輔助決策，不是替你做決策。

但至少，它讓普通人也能用上機構級別的分析能力了。