TauricResearch/TradingAgents
用多个大模型智能体模拟一支投研团队：分析师收集信息、研究员互相辩论、交易员给出判断、风控环节复核，最终输出买卖结论。它面向想研究 LLM 在金融决策中表现的研究者和开发者，而不是给普通人的炒股工具。使用前要自备模型 API 和行情数据，输出不能当作投资建议。
这个项目是什么
一个用多个 LLM 智能体分工协作、模拟投研与交易决策流程的 Python 框架。
能用来做什么
- 研究多智能体协作在选股决策中的表现
- 搭建自动生成个股研究报告的原型
- 对比不同大模型给出的投资判断差异
- 作为教学案例讲解智能体分工与辩论
- 把智能体决策层接入自己的回测框架
上手条件
普通人
需要技术背景
图形界面
没有图形界面
部署
需要自己部署
API Key
需要
成本：框架本身遵循 Apache-2.0，可免费使用；主要成本来自 LLM API：多智能体多轮对话的 token 消耗明显高于单次问答，此外还需自备行情数据源，总花费取决于模型选型和调用频率。
能接入：以 Python 代码调用为主，可以包装成脚本、定时任务或内部服务；材料未提及 MCP、n8n、CLI 等现成集成方式，需要自行适配。
研究：验证多智能体投研流程是否优于单模型软件开发：为投顾类产品做决策模块原型内容创作：自动生成带论证过程的个股分析稿办公：批量产出组合复盘与观察名单报告
商业方向与限制
可以怎么变现：可做面向个人投资者的 LLM 投研工具原型、多智能体流程定制与评估服务，或围绕它开设智能体金融应用的教学内容；策略有效性需要自行验证后再谈交付。
限制：许可证为 Apache-2.0，商用需保留版权与声明；本次未获取到 README，安装方式、界面、支持的数据源均未确认；LLM 给出的交易判断有幻觉和过拟合风险，不可直接用于实盘；Star 数高不代表策略有效，需自行核对代码与维护状态。
多智能体LLM量化交易投研Python
Star 历史
3 个快照2026-10-182026-10-21
页面上的中文判断由模型基于仓库信息与 README 生成，会标注不确定性；Star 与许可证等事实来自 GitHub 官方 API。发现分析有误可以在后台重新分析该仓库。