1 源码分析

|400
  • 标准版：https://github.com/TauricResearch/TradingAgents，18.2K star（2 个月前更新）
    • 为简化内容，本文仅介绍标准版。
  • 中文加强版：https://github.com/hsliuping/TradingAgents-CN，4.7K star（一周前更新）
    • 针对 A 股信息源进行调整
    • 加强了新闻功能的使用
    • 加强了 Docker 部署部分
    • Streamlit界面
    • 基于国内模型优化

1.1 数据来源

用法见：获取金融数据_总览

1.2 模型

实验中使用 o1-preview 和 gpt-4o 分别作为深度思考与快速思考的大语言模型。但测试时建议使用 o4-mini 和 gpt-4.1-mini 以节省成本，框架会发起大量 API 调用。

1.3 代码

概览：该项目由 Python 语言编写，代码 3500+ 行，分为三个主要部分：

  1. agent：定义了每个组和组内各成员的功能及实现，请参见具体 Prompt。
  2. dataflow：实现各种工具功能，如新闻抓取、信息和数据采集，以及指标计算。
  3. graph：构建组与成员之间的关系框架，是系统的调用入口，包含以下组件：
    • ConditionalLogic：处理条件逻辑
    • GraphSetup：设置和配置图结构
    • Propagator：管理信息传播和状态
    • Reflector：负责反思机制和记忆更新
    • SignalProcessor：处理交易信号并生成最终决策
    • TradingAgentsGraph：核心功能入口
1
2
3
4
5
6
7
8
9
10
11
12
13
14
├── assets 资源数据
│   └── cli
├── cli 与用户界面交互，实时跟踪各个 agent 的状态和执行流
│   └── static
└── tradingagents（下面详述）
    ├── agents
    │   ├── analysts
    │   ├── managers
    │   ├── researchers
    │   ├── risk_mgmt
    │   ├── trader
    │   └── utils
    ├── dataflows
    └── graph
  • 使用的库接口都非常简便，极为用户友好，无需在细节上浪费过多时间，用起来轻松愉快。
  • 新闻来源包括：FinnHub、Google 新闻、Reddit，也尝试通过 OpenAI 获取新闻信息。处理方式是：将计算的指标和收集的信息提交给大模型，由其筛选出最重要的 topN 个指标并进行解释，最后提供建议。
  • 指标计算使用了 Python 的 StockStats 库。
  • 记忆存储使用 ChromaDB 管理，在思考过程中每个代理都会记录，并进行嵌入。
  • 接口大多与美股相关。尽管使用了 FinnHub 数据，但只是读取了之前下载的数据文件，没有真正从 FinnHub、SimFin 下载数据。调用 yfinance 库时频繁出现 429 错误，不过 GoogleNews_Utils 库依旧可用。实际使用时还需要修改。

2 依赖工具介绍

2.1 ChromaDB

ChromaDB （通常称为 Chroma ）是一个开源的向量数据库，专注于存储、索引和查询向量数据，主要用于自然语言处理（NLP）和计算机视觉等领域。它提供轻量化数据存储方案，支持多模态嵌入检索，并可与大型语言模型（如 Llama3 ）结合使用，实现精准文档查询。

基于 SQLite 数据库，无需复杂配置即可运行，适合中小型项目。

ChromaDB 支持这两种模式：

2.1.1 客户端 - 服务器模式（多客户端共享）

可以启动一个 ChromaDB 服务器，多个客户端连接：

# 启动 ChromaDB 服务器

1
chroma run --host localhost --port 8000

# 客户端连接到服务器

1
2
import chromadb
client = chromadb.HttpClient(host='localhost', port=8000)

2.1.2 嵌入式模式（单客户端，类似 SQLite）

就像当前代码中使用的方式，直接创建本地客户端：

当前代码使用的方式 - 嵌入式模式

1
client = chromadb.Client(Settings(allow_reset=True))

或者指定持久化路径

1
client = chromadb.PersistentClient(path="/path/to/chroma/data")

2.2 LangGraph

LangGraph 是一种基于 LangChain 构建的智能体编排框架，通过状态机驱动，将 Agent 系统设计为有向图流程图。