Tilde.run：让 AI Agent 安全运行在生产环境的沙盒平台
51天前
Gemini CLI：Google开源的免费AI编程助手，10万星项目使用教程
47天前Clawdmeter：实时监控你的 Claude Code API 消费，用桌面小部件和菜单栏一目了然
42天前
html-anything：AI Agent时代的HTML编辑器，75个技能模板一键生成网页
37天前
presenton：7000+星的开源AI PPT生成器，一句话做出专业演示文稿
33天前
Kestrel Sovereign AI Agent 框架开源，想做本地自主代理可以关注一下
52天前
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：
49天前
Needle：2600万参数的轻量模型，却有Gemini级别的工具调用能力
45天前
native-feel-skill：让AI Agent帮你设计原生感桌面应用，GitHub 1300+ Star
40天前
OrcaSlicer-bambulab：6400+星的3D打印开源切片工具，Bambu Lab用户的福音
35天前