Agent 与自动化 / 全球
TauricResearch/TradingAgents
TradingAgents 将市场分析拆分为多个 LLM 角色，通过分析、辩论、风险评估与模拟执行组织研究流程，适合学习多智能体系统，而非把模型输出直接当成交易依据。
+2,461近 7 天 Star
114,799总 Star
用途与核心能力
TradingAgents 包含基本面、情绪、新闻和技术指标等分析角色，并让看多与看空研究者讨论分析结果。交易与风险管理角色进一步形成提案，组合管理者决定是否接受，再交给模拟交易环境。README 还介绍了历史日期可见数据约束、回测、持久化决策记录和报告导出，帮助研究者复查一次分析使用了什么信息、产生了怎样的结果。
适用场景与上手入口
开发者可从安装与命令行章节进入，配置受支持的模型和数据来源，再选择标的、分析日期及角色组合。项目允许不同模型层级使用不同提供方，也提供 Python 使用入口。适合研究角色分工、工具调用和数据时点问题的团队。仓库明确定位于研究用途，效果会受模型、数据质量、时期及其他非确定因素影响；模拟结果和代理之间形成共识，都不能证明真实交易能够获利。