TradingAgents-CN 的项目扩展与二次开发
2025-07-03 01:39:32作者:羿妍玫Ivan
1、项目的基础介绍
TradingAgents-CN 是一个基于多智能体大语言模型的中文金融交易决策框架。该项目基于 TauricResearch/TradingAgents 开发,专为中文用户提供完整的文档体系和本地化支持。项目旨在帮助中文用户无障碍使用 TradingAgents,集成国产大模型,适应国内网络环境,并支持A股、港股等中国金融市场。
2、项目的核心功能
- 多智能体协作架构: 模拟真实交易公司的专业分工和协作决策流程,包括基本面、技术面、新闻面、社交媒体四大专业分析师,看涨/看跌研究员进行结构化辩论,交易员智能体基于所有输入做出最终交易决策,以及多层次风险评估和管理机制。
- 多LLM模型支持: 支持OpenAI、Anthropic、Google AI等LLM模型,并计划集成国产LLM如阿里百炼、文心一言、DeepSeek等。
- 全面数据集成: 整合美股数据(如FinnHub、Yahoo Finance)、A股数据(如通达信API)、新闻数据(如Google News、财经新闻、实时新闻API)以及社交数据(如Reddit、Twitter情绪分析)。
- 高性能特性: 支持并行处理、智能缓存、实时分析和灵活配置等。
3、项目使用了哪些框架或库?
项目使用了 Streamlit 用于构建Web界面,以及 Python 3.10+(推荐 3.11)作为开发语言。此外,项目还集成了通达信API、FinnHub、Yahoo Finance、Google News、Reddit、Twitter等多个数据源和API。
4、项目的代码目录及介绍
cli:包含项目命令行界面相关的代码。docs:存放项目文档。examples:包含示例代码和项目分析。scripts:存放项目脚本文件。tests:存放项目测试代码。tradingagents:核心代码,包括多智能体协作架构、LLM模型支持、数据集成和性能特性等。web:存放Web界面相关的代码。README.md:项目说明文件。
5、对项目进行扩展或者二次开发的方向
- 集成更多国产LLM模型: 将更多国产大模型集成到项目中,以满足国内用户的需求。
- 扩展数据源: 整合更多A股、港股、新三板等中国金融市场数据源,以及更多的新闻和社交媒体数据源。
- 开发更多智能体: 根据用户需求,开发更多种类的智能体,以丰富项目的功能。
- 优化用户界面: 提升Web界面的用户体验,使其更加直观、易用。
- 强化风险管理: 开发更完善的风险评估和管理机制,以降低交易风险。
- 支持私有化部署: 提供私有化部署方案,以满足企业级用户的数据安全和合规需求。
通过以上扩展和二次开发,可以使 TradingAgents-CN 项目更加完善,更好地服务于广大中文用户。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322