多A

图片

你平时怎么做股票研究？

翻财报、刷新闻、看技术指标、查政策消息……一套流程走下来，大半天没了。

而且散户和机构之间，信息差是巨大的。机构有团队分工，有分析师专门盯政策、有专人看游资龙虎榜；散户只能靠一双手、一个屏幕。

今天介绍一个刚上榜GitHub趋势的开源项目——TradingAgents-astock，它把机构研报流程做成了一个本地跑的多AI Agent系统，pip install就能用，数据全免费。

先看全貌

| 维度

|

说明

项目名

|

TradingAgents-astock（Fork from TradingAgents ⭐65K）

| |

GitHub

|

simonlin1212/tradingagents-astock · ⭐785

| |

许可证

|

Apache 2.0（全开源）

| |

数据源

|

mootdx + 东方财富 + 新浪 + 同花顺（免费直连）

| |

核心特色

|

7个分析师Agent + 多空辩论 + A股约束（T+1/涨跌停）

| |

安装方式

|

pip install（零配置依赖）

|

一、为什么做这个Fork

原版TradingAgents是个出色的多Agent投研框架，但它针对美股设计——数据走Yahoo Finance，分析师不懂A股制度，辩论和决策完全面向美股市场。

你以前要在美股框架里强行套A股数据，体验就是——跑出来的研报满是美股术语，政策分析师、游资追踪、解禁监控这些A股特色角色一个都没有。

这个Fork从三个维度做了深度特化：

| 维度

|

原版（美股）

|

本Fork（A股）

数据源

|

Yahoo Finance / Alpha Vantage

|

mootdx + 东财 + 新浪 + 同花顺

| |

分析师角色

|

4个（市场/情绪/新闻/基本面）

|

7个（+政策/游资/解禁）

| |

A股交易约束

|

无

|

T+1 / 涨跌停 / 最小手数 / ST

|

二、系统架构：一条完整的研报流水线

整个系统分成4层，像一条工厂流水线：

第一层：7个分析师同时工作

每个分析师只干一件事，专注度拉满：

  • 🏪 市场分析师：K线形态、技术指标、量价分析

  • 💬 舆情分析师：社交媒体情绪、散户讨论热度

  • 📰 新闻分析师：行业新闻、公告、宏观事件

  • 📊 基本面分析师：财报三表、盈利能力、估值

  • 🏛️ 政策分析师：监管政策、产业政策、窗口指导（A股专属）

  • 🔥 游资追踪师：龙虎榜、大单流向、主力资金动态（A股专属）

  • 🔓 解禁监控师：限售股解禁、大股东减持、股权质押（A股专属）

这7个分析师会并行工作，每个带着自己的数据工具，最后输出一份结构化研报。

第二层：多空辩论

7份研报汇总之后，进入Bull vs Bear辩论环节——一个看多Agent和一个看空Agent正面交锋，最多N轮辩论，把分歧点彻底暴露出来。

第三层：综合研判

辩论结果交给Research Manager综合研判，用深度思考LLM输出投资计划。这里的关键点是：多空双方的理由都被充分考虑，不会偏向任何一方。

第四层：风控+最终决策

投资计划还要过Trader这一关——把A股特有的T+1、涨跌停、手数限制代入，检验策略是否可执行。然后三方风险辩论（激进/保守/中性）再过一遍，最后Portfolio Manager给出最终Buy/Hold/Sell+仓位建议。

整个流程完全是自动化的，你输入一个股票代码，它给你出一份完整研报。

三、安装实测：pip install之后就能跑

安装只要一条命令：

<span leaf="">pip install tradingagents-astock</span>

实测版本是0.2.18，依赖包括：

  • langgraph（多Agent状态机）

  • mootdx 0.11.7（A股数据，TCP 7709直连）

  • langchain（LLM调用）

  • streamlit（Web UI）

数据源全部免费——腾讯财经、东方财富、新浪财经、同花顺、财联社、百度股市通，不需要任何API Key。

Web界面也提供了，streamlit一键启动：

<span leaf="">streamlit run ~/.tradingagents/web_app.py</span>

⚠️ 注意：使用前需要配置LLM API Key（支持OpenAI/Anthropic/Google等），默认配置使用OpenAI GPT-5.4。

四、和传统研报相比差在哪

| 对比维度

|

传统人工研报

|

TradingAgents-astock

时效性

|

一份研报产出周期1-3天

|

分钟级覆盖所有数据源

| |

分析师数量

|

普通散户：1人（还得看盘）

|

7个专职分析师并行

| |

政策分析

|

散户基本不看政策

|

政策分析师专项覆盖

| |

游资追踪

|

没有工具，数据获取困难

|

龙虎榜+大单流向自动追踪

| |

成本

|

券商研报年费数千到数万不等

|

完全免费（本地运行）

|

五、适用场景：谁适合用

适合用的人：

  • 有自己交易系统、想用AI做研报辅助的个人投资者

  • 对多Agent协作架构感兴趣、想看实战的AI开发者

  • 量化策略研究者，需要系统化的研报流水线

不太适合的场景：

  • 完全不懂股票的小白——系统输出需要自己判断，不能直接跟单

  • 需要实时盯盘的日内交易者——批量研报生成是它的强项，不是短线交易

六、几个需要注意的地方

说几个我实测下来的真实感受：

**1. LLM调用成本不低。**整个流程会跑多个Agent、多轮辩论，如果你用GPT-5.4做deep think，一份完整研报的成本大概在几美元。不是不能接受，但不适合每天无差别批量跑。

**2. 数据质量依赖 mootdx。**mootdx 直连的是通达信数据源，数据稳定性受制于网络环境和服务器状态，有时候 TCP 7709 端口可能连不上。

**3. 输出是参考，不是建议。**项目 README 里专门加了免责声明，强调不构成投资建议。AI 研报再完整，也是辅助决策，人工判断这一步省不了。

**4. 配置需要改 default_config.py。**开箱默认用的是 GPT-5.4，如果你用 Claude 或者 Gemini，需要手动改 backend_url 和 provider，改完才能跑。

小结

TradingAgents-astock 是一个把机构研报流程做成本地开源工具的尝试，7个分析师并行+多空辩论的架构本身很有意思，尤其是A股特化的政策分析师、游资追踪师、解禁监控师这三个角色，是原版完全没有的。

你以前要手动翻东财、看龙虎榜、查政策文件，一套流程走下来大半天。现在一个pip install+配置API Key，股票代码一输入，研报就出来了。

当然，它不是万能的——LLM成本、数据稳定性、人工判断缺一不可。但对于想用AI辅助做研究、又想了解多Agent系统实际架构的朋友，这个项目值得 clone 下来跑一跑。

最简单方法：你将这一篇文章链接发给你的AI就行！