TradingAgents

Architecture

系统架构

从上到下依次是用户入口、业务逻辑与数据底座。

1. 1

   Web 工作台

   配置持仓、发起批次研究、查看进度与阅读归档结果的界面层。

2. 2

   编排层

   管理多角色（研究员、讨论、交易员）的执行顺序与消息流转。

3. 3

   多角色研究引擎

   各角色基于同一批数据独立分析再交叉讨论，形成更完整的视角。

4. 4

   数据与工具适配层

   对接行情、资讯等外部数据源，屏蔽不同 API 的差异。

5. 5

   归档存储

   每个批次生成独立目录，保存原始输入、中间过程与面向阅读的总结。

Overview

项目定位

TradingAgents 是一个把「研究」变成「流程」的本地交易工作台。它不追求预测准确率，而是把每一次研究拆成有输入、有过程、有归档的可追溯批次。

我为什么做

投资研究真正的难点不是「跑一次分析」，而是：

• 每次分析的依据是什么？
• 中间过程是否可以回看？
• 结论有没有延续到后续行情？
• 本机部署能否稳定、自动地运转？

我用「批次」回答这些问题：一次研究就是一批可追溯的记录。

系统架构

系统分五层，核心思想是「角色分工 + 批次归档」。

1. Web 工作台：我配置持仓、发起研究、阅读结果的地方。
2. 编排层：控制多个角色的执行顺序和信息流，保证过程可控。
3. 多角色研究引擎：不同角色基于同一份数据独立分析，再交叉讨论收敛结论。
4. 数据与工具适配层：对接行情和资讯数据源，工具栈可以替换而不影响上层。
5. 归档存储：每个批次一个目录，原始数据、中间分析和总结文档分层保存。

核心设计

• 多角色研究：分析师、研究员、交易员视角互相校验，减少单一视角的盲区。
• 批次化归档：每次运行生成独立的批次目录，方便按时间线复盘。
• 工具栈可替换：数据源和底层工具适配成接口，保留切换与回退路径。
• 面向阅读的结果：除了原始 JSON，还生成人类可直接阅读的总结文档。

目前状态

系统已稳定运行，支持真实持仓的批次研究与归档。整个系统为私有部署，暂不开放公开访问。

我的边界

• 研究结论不构成投资建议。
• 工具输出需要与个人投资纪律区分开。
• 持仓、账户与批次数据严格保持私有。

Highlights

• 批次化归档：每次运行生成独立批次，包含输入、中间分析和最终判断。
• 多数据源适配：可以在不同数据与工具栈之间切换。
• 面向真实持仓的持续研究：不是随机股票，而是围绕持仓做研究。
• 结果阅读友好：原始数据之外提供可直接阅读的总结文档。

该系统为私有部署，公开页面只展示设计思路与成果摘要。