框架架构
TradingAgents采用复杂的多智能体架构，模拟专业交易公司的组织结构。该框架使用LangGraph构建，确保灵活性和模块化。
系统概述
TradingAgents框架由四个主要组件组成，它们以协调的方式协同工作：
┌─────────────────────────────────────────────────────────────┐
│ TradingAgents框架 │
├─────────────────┬─────────────────┬─────────────────────────┤
│ 分析师团队 │ 研究团队 │ 交易与风险管理 │
│ │ │ │
├─────────────────┼─────────────────┼─────────────────────────┤
│ • 基本面分析师 │ • 多头研究员 │ • 交易智能体 │
│ • 情绪分析师 │ • 空头研究员 │ • 风险管理 │
│ • 新闻分析师 │ │ • 投资组合经理 │
│ • 技术分析师 │ │ │
└─────────────────┴─────────────────┴─────────────────────────┘
组件详情
1. 分析师团队
分析师团队由四个专业化智能体组成：
- 基本面分析师：评估公司财务和业绩指标
- 情绪分析师：使用情绪评分分析社交媒体和公众情绪
- 新闻分析师：监控全球新闻和宏观经济指标
- 技术分析师：利用技术指标（MACD、RSI）检测模式
2. 研究团队
研究团队通过结构化辩论提供批判性分析：
- 多头研究员：倡导积极的市场头寸
- 空头研究员：提供反向分析和风险评估
- 辩论机制：促进研究员之间的结构化讨论
3. 交易智能体
交易智能体综合所有来源的信息：
- 汇总分析师和研究员的综合报告
- 基于集体洞察做出明智的交易决策
- 确定最佳交易时机和规模
4. 风险管理与投资组合经理
最终决策层：
- 风险管理：持续评估投资组合风险和市场波动性
- 投资组合经理：对交易提案做出最终批准/拒绝决策
技术实现
LangGraph架构
TradingAgents基于LangGraph构建，提供：
- 模块化：每个智能体都是独立、可替换的模块
- 灵活性：易于修改智能体行为和交互
- 可扩展性：支持添加新智能体或修改现有智能体
LLM集成
框架支持多种LLM配置：
- 深度思考模型：o1-preview用于复杂分析
- 快速思考模型：gpt-4o用于快速响应
- 成本效益选项：gpt-4o-mini和o1-mini用于测试
数据流架构
市场数据 → 分析师 → 研究员 → 交易员 → 风险管理 → 决策
↑ ↓ ↓ ↓ ↓ ↓
API数据源 分析 辩论 策略 风险评估 执行
配置系统
框架使用综合配置系统，允许定制：
- LLM模型：为不同智能体类型选择不同模型
- 辩论轮数：控制研究员讨论的深度
- 数据源：在在线工具和缓存数据之间切换
- 风险参数：调整风险容忍度和投资组合约束
可扩展性考虑
模块化设计实现：
- 水平扩展：添加更多专业化分析师
- 垂直扩展：增强个别智能体能力
- 自定义实现：用领域特定版本替换智能体