TradingAgents-AShare

15个AI Agent组团辩论，一键生成A股投研报告

开源 🏷️定价信息待确认 ⚠️ 链接可跳转，访问体验不确定行业应用 🍴 复刻 244 🐛 待处理 29 👀 关注 7

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 887

维护状态活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

TradingAgents-AShare 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类行业应用

开发团队KylinMountain

官网地址https://app.510168.xyz

GitHubhttps://github.com/KylinMountain/TradingAgents-AShare

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态⚠️ 链接可跳转，访问体验不确定

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型agents,ai,finance,llm,openclaw,openclaw-skills,skills,stock

GitHub 星标★ 887

上线时间2026-03-02 00:00:00

代码更新2026-10-30

仓库体积10.3 MB

本站数据更新2026-11-03

维护状态活跃

收录时间2026-09-16

浏览次数3

项目介绍

TradingAgents-AShare 是一个面向 A 股市场的多智能体智能投研系统，基于 TradingAgents 架构改造而来。它把机构投研流程拆解成 15 个 AI Agent 角色，包括基本面分析、技术面分析、新闻舆情、资金流向、多空辩论等，让不同 Agent 围绕同一只股票独立给出观点并进行实时辩论对抗，最终汇总成一份可追溯的投研报告。项目解决的是个人投资者缺少机构级研究团队、信息分散、单一模型容易偏颇的问题。核心能力包括：多 Agent 协作与对抗式推理、全流程可视化展示每个 Agent 的思考链路、支持 OpenClaw / Claude Code 等工具集成、Docker 一键部署降低使用门槛。整体定位是把大模型的分析能力组织成一套可复用的 A 股投研工作流，适合做研究辅助而非直接交易信号。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 887

技术标签

agents ai finance llm openclaw

使用教程

难度：进阶约 40 分钟部署方式：Docker 4 步

环境要求

Python 3.11+ 与 uv
Node 18+
行情数据源凭据

安装与启动步骤

1装 uv 并克隆

后端用 uv 管理，前端 npm，两者都要装。

pip install uv
git clone https://github.com/KylinMountain/TradingAgents-AShare.git

2起后端

uvicorn 监听 8000，负责多智能体编排与数据获取。
```
uv run python -m uvicorn api.main:app --port 8000
```
3起前端

npm run dev 起界面，接后端地址。
```
npm install && npm run dev
```
4配数据与模型

行情数据源与模型 key 都要配，缺一个跑不起来。