[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-75784":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":22,"archived":23,"fork":23,"defaultBranch":24,"hasWiki":25,"hasPages":23,"topics":26,"createdAt":10,"pushedAt":10,"updatedAt":27,"readmeContent":28,"aiSummary":29,"trendingCount":16,"starSnapshotCount":16,"syncStatus":30,"lastSyncTime":31,"discoverSource":32},75784,"TradingAgents-astock","simonlin1212\u002FTradingAgents-astock","simonlin1212","A股多Agent投研框架 — 适配A股数据源(龙虎榜\u002F游资\u002F解禁等)，7位分析师基于A股规则的辩论决策，基于TradingAgents深度改造，适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull\u002Fbear debate, risk assessment。","https:\u002F\u002Farxiv.org\u002Fpdf\u002F2412.20138",null,"Python",1126,336,7,17,0,15,150,979,95,20.58,"Apache License 2.0",false,"main",true,[],"2026-06-12 02:03:36","\u003Ch1 align=\"center\">TradingAgents-Astock\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  基于 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents\">TauricResearch\u002FTradingAgents\u003C\u002Fa>（65K ⭐）的 A 股深度特化 fork\u003Cbr>\n  全 Apache 2.0 开源 · pip install 即跑 · 零外部服务依赖\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cb>⚠️ 免责声明：本项目仅供学习研究与技术演示，不构成任何投资建议。投资决策请咨询持牌专业机构。\u003C\u002Fb>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fsimonlin1212\u002Ftradingagents-astock\u002Fstargazers\">\u003Cimg alt=\"Stars\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fsimonlin1212\u002Ftradingagents-astock?style=social\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fsimonlin1212\u002Ftradingagents-astock\u002Fnetwork\u002Fmembers\">\u003Cimg alt=\"Forks\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fsimonlin1212\u002Ftradingagents-astock?style=social\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2412.20138\">\u003Cimg alt=\"论文\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F论文-arXiv_2412.20138-B31B1B?logo=arxiv\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\".\u002FLICENSE\">\u003Cimg alt=\"License\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-Apache_2.0-blue\"\u002F>\u003C\u002Fa>\n  \u003Ca href=\".\u002FCHANGES_FROM_UPSTREAM.md\">\u003Cimg alt=\"改动记录\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F改动记录-CHANGES-orange\"\u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n---\n\n## 目录\n\n- [为什么做这个 Fork](#为什么做这个-fork)\n- [与上游对比](#与上游对比)\n- [架构概览](#架构概览)\n- [7 个 Analyst 角色](#7-个-analyst-角色)\n- [数据源](#数据源)\n- [快速开始](#快速开始)\n- [Web UI](#web-ui)\n- [配置说明](#配置说明)\n- [项目结构](#项目结构)\n- [致谢](#致谢)\n- [Donate](#donate)\n- [许可证](#许可证)\n\n---\n\n## 为什么做这个 Fork\n\n原版 TradingAgents 是一个出色的多 Agent 投研框架，但它针对美股设计：数据走 Yahoo Finance \u002F Alpha Vantage，分析师不懂 A 股制度，辩论和决策完全面向美股市场。\n\n**本 Fork 的目标**：把 TradingAgents 的多 Agent 辩论架构真正落地到 A 股，不是简单翻译，而是从数据层、Agent 角色、交易规则三个维度做深度特化。\n\n### 核心改造\n\n| 维度 | 原版 | 本 Fork |\n|------|------|---------|\n| **数据源** | Yahoo Finance \u002F Alpha Vantage | mootdx + 东财 + 新浪 + 同花顺（全免费直连） |\n| **Analyst 角色** | 4 个（市场\u002F情绪\u002F新闻\u002F基本面） | **7 个**（+政策分析师\u002F游资追踪\u002F解禁监控） |\n| **交易规则** | 美股（T+0、无涨跌停） | A 股（T+1、涨跌停、最小手数、交易时段） |\n| **输出语言** | 英文 | 中文报告（内部辩论保持英文以保证推理质量） |\n| **Alpha 基准** | SPY | 沪深 300（CSI 300） |\n\n---\n\n## 与上游对比\n\n| 特性 | 原版 TradingAgents | **本 Fork** |\n|------|-------------------|-------------|\n| 许可证 | Apache 2.0 | **全 Apache 2.0** |\n| 部署依赖 | pip install | **开箱即用** |\n| A 股数据 | ❌ | **mootdx + 东财 + 新浪 + 同花顺（直连 HTTP）** |\n| A 股特化角色 | ❌ | **政策\u002F游资\u002F解禁 3 个深度角色** |\n| A 股交易约束 | ❌ | **T+1\u002F涨跌停\u002F手数\u002FST 全覆盖** |\n\n---\n\n## 架构概览\n\n```\n┌─────────────────────────────────────────────────────────┐\n│                    7 Analyst 研报生成                      │\n│  Market → Social → News → Fundamentals                   │\n│  → Policy → Hot Money → Lockup                           │\n│         （每个 Analyst 带工具循环）                          │\n├─────────────────────────────────────────────────────────┤\n│               Bull vs Bear 投研辩论                       │\n│         Bull Researcher ←→ Bear Researcher               │\n│               （最多 N 轮辩论）                             │\n├─────────────────────────────────────────────────────────┤\n│              Research Manager 综合研判                     │\n│         （深度思考 LLM，输出投资计划）                       │\n├─────────────────────────────────────────────────────────┤\n│                  Trader 交易方案                          │\n│         （A 股约束：T+1\u002F涨跌停\u002F手数）                       │\n├─────────────────────────────────────────────────────────┤\n│        Aggressive ←→ Conservative ←→ Neutral             │\n│               三方风险辩论                                 │\n├─────────────────────────────────────────────────────────┤\n│            Portfolio Manager 最终决策                      │\n│     （深度思考 LLM，输出 Buy\u002FHold\u002FSell + 仓位）             │\n└─────────────────────────────────────────────────────────┘\n```\n\n**双 LLM 设计**：\n- `quick_think_llm`：所有 Analyst、Researcher、Trader、Risk Debater\n- `deep_think_llm`：Research Manager 和 Portfolio Manager（需要综合全局信息做决策）\n\n---\n\n## 7 个 Analyst 角色\n\n### 原版 4 角色（A 股适配）\n\n| 角色 | 职责 | 数据工具 |\n|------|------|---------|\n| 🏪 市场分析师 | K 线形态、技术指标、量价分析 | `get_stock_data`, `get_indicators` |\n| 💬 舆情分析师 | 社交媒体情绪、散户讨论热度 | `get_news` |\n| 📰 新闻分析师 | 行业新闻、公告、宏观事件 | `get_news`, `get_global_news`, `get_insider_transactions` |\n| 📊 基本面分析师 | 财报三表、盈利能力、估值 | `get_fundamentals`, `get_balance_sheet`, `get_cashflow`, `get_income_statement` |\n\n### A 股特化 3 角色（新增）\n\n| 角色 | 职责 | 数据工具 | 为什么需要 |\n|------|------|---------|-----------|\n| 🏛️ 政策分析师 | 监管政策、产业政策、窗口指导 | `get_news`, `get_global_news` | A 股是政策市，政策变化直接影响板块轮动 |\n| 🔥 游资追踪师 | 龙虎榜、大单流向、主力资金动态 | `get_stock_data`, `get_news`, `get_insider_transactions` | 游资是 A 股短线定价的核心力量 |\n| 🔓 解禁监控师 | 限售股解禁、大股东减持、股权质押 | `get_insider_transactions`, `get_news`, `get_fundamentals` | 解禁是 A 股特有的重大供给冲击因素 |\n\n所有 7 个 Analyst 的报告会流入后续的 Bull\u002FBear 辩论和三方风险辩论，确保 A 股特色因素贯穿整条决策链。\n\n---\n\n## 数据源\n\n全部免费，无需 API Key，无积分墙：\n\n| 来源 | 协议 | 提供内容 |\n|------|------|---------|\n| **mootdx** | TCP 7709 | OHLCV K 线、财务快照、F10 文本 |\n| **腾讯财经** | HTTP (`qt.gtimg.cn`) | PE \u002F PB \u002F 市值 \u002F 换手率（实时） |\n| **东方财富** | HTTP (datacenter \u002F push2) | 龙虎榜、限售解禁、板块行情、个股信息 |\n| **新浪财经** | HTTP | K 线历史、财报三表 |\n| **同花顺** | HTTP (10jqka) | EPS 一致预期 |\n| **财联社** | HTTP (cls.cn) | 全球财经快讯 |\n| **百度股市通** | HTTP (finance.pae.baidu) | 概念板块分类、资金流向 |\n\n> 完全不依赖 Tushare（积分墙）、Alpha Vantage（海外 API）、Yahoo Finance（不支持 A 股）。\n\n---\n\n## 快速开始\n\n### 1. 环境准备\n\n```bash\n# Python >= 3.10\ngit clone https:\u002F\u002Fgithub.com\u002Fsimonlin1212\u002Ftradingagents-astock.git\ncd tradingagents-astock\npip install -e .\n\n# 如需使用 Google Gemini 模型（可选）：\npip install -e \".[google]\"\n```\n\n### 2. 配置 LLM\n\n> **必须使用 API Key**，不能用 Claude\u002FChatGPT 订阅版。每次分析需 30-50 次 LLM 调用，只有 API 模式支持。\n\n在项目根目录创建 `.env` 文件，按你选择的供应商配置：\n\n```bash\n# ── 方案 A：MiniMax（推荐，国内直连，性价比高）──────────\nMINIMAX_API_KEY=sk-xxx\n# 申请地址：https:\u002F\u002Fplatform.minimaxi.com\u002F\n\n# ── 方案 B：DeepSeek ─────────────────────────────────\nDEEPSEEK_API_KEY=sk-xxx\n# 申请地址：https:\u002F\u002Fplatform.deepseek.com\u002F\n\n# ── 方案 C：智谱 GLM ─────────────────────────────────\nZHIPU_API_KEY=xxx\n# 申请地址：https:\u002F\u002Fopen.bigmodel.cn\u002F\n\n# ── 方案 D：通义千问 Qwen ────────────────────────────\nDASHSCOPE_API_KEY=sk-xxx\n# 申请地址：https:\u002F\u002Fdashscope.console.aliyun.com\u002F\n\n# ── 方案 E：OpenAI ───────────────────────────────────\nOPENAI_API_KEY=sk-xxx\n\n# ── 方案 F：Anthropic ────────────────────────────────\nANTHROPIC_API_KEY=sk-ant-xxx\n\n# ── 方案 G：Kimi（Anthropic 兼容 API）────────────────\nANTHROPIC_AUTH_TOKEN=your-kimi-token\n```\n\n### 3. 运行分析\n\n根据你选择的供应商修改 config：\n\n```python\nfrom tradingagents.graph.trading_graph import TradingAgentsGraph\n\n# ── MiniMax 示例（推荐）─────────────────────────────\nconfig = {\n    \"llm_provider\": \"minimax\",\n    \"deep_think_llm\": \"MiniMax-M2.7\",\n    \"quick_think_llm\": \"MiniMax-M2.7-highspeed\",\n    \"output_language\": \"Chinese\",\n}\n\n# ── DeepSeek 示例 ───────────────────────────────────\n# config = {\n#     \"llm_provider\": \"deepseek\",\n#     \"deep_think_llm\": \"deepseek-chat\",\n#     \"quick_think_llm\": \"deepseek-chat\",\n#     \"output_language\": \"Chinese\",\n# }\n\n# ── Anthropic + Kimi 示例 ───────────────────────────\n# config = {\n#     \"llm_provider\": \"anthropic\",\n#     \"deep_think_llm\": \"claude-sonnet-4-6\",\n#     \"quick_think_llm\": \"claude-sonnet-4-6\",\n#     \"backend_url\": \"https:\u002F\u002Fapi.kimi.com\u002Fcoding\u002F\",\n#     \"output_language\": \"Chinese\",\n# }\n\nta = TradingAgentsGraph(debug=True, config=config)\nfinal_state, decision = ta.propagate(\"688017\", \"2026-05-12\")\nprint(decision)\n```\n\n### 4. CLI 方式\n\n```bash\ntradingagents            # 交互式 CLI\ntradingagents --help     # 查看所有选项\n```\n\n---\n\n## Web UI\n\n内置 Streamlit 可视化界面，支持在侧边栏选择 LLM 供应商和模型，输入股票代码即可一键分析，适合不写代码的用户。\n\n### 启动\n\n```bash\n# 方式一：命令行启动（推荐）\ntradingagents-web\n\n# 方式二：直接运行\nstreamlit run web\u002Fapp.py\n```\n\n打开浏览器访问 `http:\u002F\u002Flocalhost:8501`。\n\n### 功能\n\n- **模型自选**：侧边栏支持 9 个 LLM 供应商切换（MiniMax\u002FDeepSeek\u002FQwen\u002FGLM\u002FOpenAI\u002FAnthropic\u002FGoogle\u002FxAI\u002FOllama）\n- **一键分析**：输入 6 位 A 股代码 + 日期，点击「开始分析」\n- **实时进度**：12 阶段 pipeline 实时显示（7 分析师 → 质量门控 → 辩论 → 风控 → 决策），所有已完成阶段的报告均可展开查看\n- **完整报告**：信号卡片（Buy\u002FHold\u002FSell）、7 份分析师报告、多空辩论、风控评估\n- **PDF 导出**：一键下载完整 PDF 分析报告\n- **历史记录**：自动保存并展示所有历史分析\n\n### 截图\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"assets\u002Fweb-ui-welcome.png\" width=\"80%\" alt=\"Web UI 欢迎页\"\u002F>\n\u003C\u002Fp>\n\n---\n\n## 配置说明\n\n所有配置通过 `config` 字典传入，完整选项：\n\n| 参数 | 默认值 | 说明 |\n|------|--------|------|\n| `llm_provider` | `\"minimax\"` | LLM 提供商：`minimax` \u002F `deepseek` \u002F `qwen` \u002F `glm` \u002F `openai` \u002F `anthropic` \u002F `google` \u002F `xai` \u002F `ollama` |\n| `deep_think_llm` | `\"MiniMax-M2.7\"` | Research Manager + Portfolio Manager 用的模型 |\n| `quick_think_llm` | `\"MiniMax-M2.7-highspeed\"` | 所有 Analyst \u002F Researcher \u002F Trader 用的模型 |\n| `backend_url` | `None` | 自定义 API 端点（Kimi、deepseek 等兼容 API） |\n| `output_language` | `\"Chinese\"` | 报告输出语言（内部辩论始终英文） |\n| `max_debate_rounds` | `1` | Bull vs Bear 辩论轮数 |\n| `max_risk_discuss_rounds` | `1` | 风险三方辩论轮数 |\n| `data_vendors` | 全部 `\"a_stock\"` | 数据供应商路由 |\n| `checkpoint_enabled` | `False` | 启用 SQLite 断点续跑 |\n| `memory_log_max_entries` | `None` | 交易记忆最大条目数 |\n\n---\n\n## 项目结构\n\n```\nTradingAgents-Astock\u002F\n├── tradingagents\u002F\n│   ├── agents\u002F\n│   │   ├── analysts\u002F          # 7 个分析师\n│   │   │   ├── market_analyst.py\n│   │   │   ├── social_media_analyst.py\n│   │   │   ├── news_analyst.py\n│   │   │   ├── fundamentals_analyst.py\n│   │   │   ├── policy_analyst.py        # A 股特化\n│   │   │   ├── hot_money_tracker.py     # A 股特化\n│   │   │   └── lockup_watcher.py        # A 股特化\n│   │   ├── researchers\u002F       # Bull \u002F Bear 研究员\n│   │   ├── risk_mgmt\u002F         # 激进 \u002F 保守 \u002F 中立 辩手\n│   │   ├── managers\u002F          # Research Manager + Portfolio Manager\n│   │   ├── trader\u002F            # Trader（A 股交易约束）\n│   │   └── utils\u002F             # 状态定义、工具函数\n│   ├── dataflows\u002F\n│   │   ├── a_stock.py         # A 股数据 vendor（直连 HTTP API，零第三方库）\n│   │   ├── interface.py       # 数据接口抽象层\n│   │   └── ...\n│   └── graph\u002F\n│       ├── trading_graph.py   # 主入口：TradingAgentsGraph\n│       ├── setup.py           # LangGraph 拓扑定义\n│       ├── propagation.py     # 状态初始化与传播\n│       ├── reflection.py      # 交易反思（CSI 300 基准）\n│       └── conditional_logic.py\n├── web\u002F\n│   ├── app.py                 # Streamlit 主入口\n│   ├── runner.py              # 后台线程运行分析\n│   ├── progress.py            # 线程安全进度追踪\n│   ├── history.py             # 历史记录扫描\n│   ├── pdf_export.py          # PDF 报告生成\n│   ├── launch.py              # CLI 启动器\n│   └── components\u002F            # UI 组件\n│       ├── sidebar.py         # 侧边栏（输入 + 历史）\n│       ├── progress_panel.py  # 实时进度面板\n│       └── report_viewer.py   # 报告展示\n├── test_astock.py             # E2E 集成测试\n├── CHANGES_FROM_UPSTREAM.md   # 与上游的完整改动记录\n├── NOTICE                     # Apache 2.0 归属声明\n├── LICENSE                    # Apache 2.0 许可证\n└── pyproject.toml             # 包定义与依赖\n```\n\n---\n\n## 致谢\n\n本项目基于 [TauricResearch\u002FTradingAgents](https:\u002F\u002Fgithub.com\u002FTauricResearch\u002FTradingAgents) 开源项目进行 A 股特化改造。感谢原作者的出色工作和 Apache 2.0 开源精神。\n\n**原始论文**：[TradingAgents: Multi-Agents LLM Financial Trading Framework](https:\u002F\u002Farxiv.org\u002Fabs\u002F2412.20138)\n\n---\n\n## 许可证\n\n[Apache License 2.0](.\u002FLICENSE)\n\n本项目是 TauricResearch\u002FTradingAgents 的 fork，继承 Apache 2.0 许可证。详见 [NOTICE](.\u002FNOTICE)。\n\n## Donate\n\n如果这个工具帮到了你的投研工作流，欢迎请作者喝杯咖啡 ☕\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\".\u002Fassets\u002Fwechat-sponsor.jpg\" width=\"240\" alt=\"微信赞赏码\">\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fifdian.net\u002Fa\u002Fsimonlin\">爱发电\u003C\u002Fa> ·\n  \u003Ca href=\"https:\u002F\u002Fbuymeacoffee.com\u002Fsimonlin1212\">Buy Me a Coffee\u003C\u002Fa>\n\u003C\u002Fp>\n\n> 想要什么功能？欢迎开 [Issue](https:\u002F\u002Fgithub.com\u002Fsimonlin1212\u002Ftradingagents-astock\u002Fissues) 提需求，赞助者的 Issue 优先处理。\n\n---\n\n## 免责声明\n\n> **本项目仅供学习研究与技术演示，不构成任何投资建议。**\n>\n> - 本系统产出的所有分析报告和交易信号均由 AI 自动生成，可能存在错误或偏差\n> - 投资决策请咨询持有中国证监会颁发资质的专业机构\n> - 作者不对使用本工具产生的任何投资损失承担责任\n> - 股市有风险，投资需谨慎\n","TradingAgents-astock 是一个专为A股市场设计的多Agent投研框架，基于TauricResearch\u002FTradingAgents深度改造。该项目通过7位AI分析师进行牛熊辩论和风险评估，适配了A股特有的数据源（如龙虎榜、游资动向、解禁信息等）和交易规则（T+1、涨跌停、最小手数等）。其技术特点包括全中文报告输出（内部辩论保持英文以保证推理质量）、零外部服务依赖以及开箱即用的便捷部署方式。适用于需要深入研究A股市场的投资者或研究机构，提供了一个从数据获取到决策生成的一体化解决方案。请注意，本项目仅供学习研究与技术演示，并不构成投资建议。",2,"2026-06-11 03:53:21","CREATED_QUERY"]