Clippy:复古 90 年代桌面助手,给本地 LLM 套个怀旧壳
text-to-cad:用AI描述需求直接生成3D CAD模型的开源工具
Tilde.run:让 AI Agent 安全运行在生产环境的沙盒平台
Gemini CLI:Google开源的免费AI编程助手,10万星项目使用教程
Kestrel Sovereign AI Agent 框架开源,想做本地自主代理可以关注一下
项目简介
TradingAgents是一个开源的多Agent金融交易分析框架,核心思路是让多个AI Agent各司其职,协同完成金融市场的分析和交易决策。项目地址:GitHub - TauricResearch/TradingAgents
架构设计
TradingAgents的设计借鉴了真实金融交易团队的分工模式,将不同职责分配给不同的Agent:
- 分析师Agent:负责分析市场数据、财报、新闻等信息,产出分析报告。
- 研究员Agent:深入研究特定行业或公司,提供基本面分析。
- 交易员Agent:根据分析结果制定交易策略和执行计划。
- 风控Agent:评估交易风险,设置止损和仓位控制。
- 决策Agent:综合各方意见,做出最终交易决策。
这种多Agent协作的模式,模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型,甚至可以使用同一模型的不同温度参数来产生多样化的观点。
使用场景
学术研究
TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。
策略回测
框架支持接入历史市场数据,可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。
学习和教育
对于想了解AI在金融领域应用的开发者,TradingAgents是一个很好的学习项目。代码结构清晰,文档完善,适合上手研究。
安装和运行
# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
# 安装依赖
pip install -r requirements.txt
# 配置API密钥
cp .env.example .env
# 编辑 .env 文件,填入 OpenAI API key
重要风险提示
⚠️ 以下几点需要特别注意:
- 不要用真金白银:TradingAgents是一个研究和实验框架,不是成熟的交易系统。绝对不要用它来做实盘交易。
- AI不是万能的:金融市场受到无数因素影响,AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
- 回测不等于实盘:在历史数据上表现好的策略,在真实交易中可能完全失败(过拟合问题)。
- 合规风险:在某些司法管辖区,使用AI进行自动化交易可能受到监管限制。
同类项目参考
如果你对AI+金融感兴趣,还可以关注以下项目:
- FinRL:深度强化学习金融交易框架
- Qlib:微软开源的量化投资平台
- GPT-Financial-Analyst:基于GPT的财务分析工具
-枫选" class="lazyload fit-cover radius8">来源:
GitHub本周最火的项目之一,TradingAgents在短短时间内获得了超过7万星标,成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架,让”AI炒股”从概念走向了可实验的开源工具。
项目简介
TradingAgents是一个开源的多Agent金融交易分析框架,核心思路是让多个AI Agent各司其职,协同完成金融市场的分析和交易决策。项目地址:GitHub – TauricResearch/TradingAgents
架构设计
TradingAgents的设计借鉴了真实金融交易团队的分工模式,将不同职责分配给不同的Agent:
- 分析师Agent:负责分析市场数据、财报、新闻等信息,产出分析报告。
- 研究员Agent:深入研究特定行业或公司,提供基本面分析。
- 交易员Agent:根据分析结果制定交易策略和执行计划。
- 风控Agent:评估交易风险,设置止损和仓位控制。
- 决策Agent:综合各方意见,做出最终交易决策。
这种多Agent协作的模式,模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型,甚至可以使用同一模型的不同温度参数来产生多样化的观点。
使用场景
学术研究
TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。
策略回测
框架支持接入历史市场数据,可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。
学习和教育
对于想了解AI在金融领域应用的开发者,TradingAgents是一个很好的学习项目。代码结构清晰,文档完善,适合上手研究。
安装和运行
# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
# 安装依赖
pip install -r requirements.txt
# 配置API密钥
cp .env.example .env
# 编辑 .env 文件,填入 OpenAI API key
重要风险提示
⚠️ 以下几点需要特别注意:
- 不要用真金白银:TradingAgents是一个研究和实验框架,不是成熟的交易系统。绝对不要用它来做实盘交易。
- AI不是万能的:金融市场受到无数因素影响,AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
- 回测不等于实盘:在历史数据上表现好的策略,在真实交易中可能完全失败(过拟合问题)。
- 合规风险:在某些司法管辖区,使用AI进行自动化交易可能受到监管限制。
同类项目参考
如果你对AI+金融感兴趣,还可以关注以下项目:
- FinRL:深度强化学习金融交易框架
- Qlib:微软开源的量化投资平台
- GPT-Financial-Analyst:基于GPT的财务分析工具
来源:
# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
# 安装依赖
pip install -r requirements.txt
# 配置API密钥
cp .env.example .env
# 编辑 .env 文件,填入 OpenAI API key来源:








