当前位置：

社区首页

金融服务

投资理财

基金证券

AIGC文章详情

TradingAgents不是自动赚钱工具，而是把专业投研流程标准化的开源框架

源自93位全网作者

05-16 14:35

精选参考来源

AI智能体调度师是2026年随着多智能体系统普及而兴起的新兴职业，其核心工作是将多个专业AI智能体组建为一个高效、可控的“数字智能团队”，担任总指挥官和流程架构师，通过精准的任务拆解、动态调度编排、工具集成管理以及全链路监控治理，让多Agent系统稳定完成复杂业务目标。具体来说，首先将模糊业务需求转化为结构化的任务树，明确依赖关系、优先级、终止条件和回滚机制；其次是最核心的智能体调度环节，动态决定任务路由、并行策略、冲突仲裁、重试降级及角色切换；接着严格管理工具调用、API对接和外部系统集成，确保安全合规与审计；最后通过实时观测系统监控性能、成本与风险，并基于数据持续迭代优化调度策略。典型工作场景包括企业智能客服全流程自动化、营销报告自动生成以及跨系统业务闭环等。该岗位与提示词工程师相比更强调系统级运营与动态协调，需要从业者具备结构化思维、多智能体框架熟练度和业务理解力，目前多以AI应用架构师或多智能体开发工程师名义招聘，已成为企业智能体化转型的关键角色之一，前景广阔。#新媒沈阳聊ai#

AgentRun Sandbox SDK 正式开源！集成 LangChain 等主流框架，一键开启智能体沙箱新体验

全部
来源

内容由AI生成

1. AI智能体调度师是2026年随着多智能体系统普及而兴起的新兴职业，其核心工作是将多个专业AI智能体组建为一个高效、可控的“数字智能团队”，担任总指挥官和流程架构师，通过精准的任务拆解、动态调度编排、工具集成管理以及全链路监控治理，让多Agent系统稳定完成复杂业务目标。具体来说，首先将模糊业务需求转化为结构化的任务树，明确依赖关系、优先级、终止条件和回滚机制；其次是最核心的智能体调度环节，动态决定任务路由、并行策略、冲突仲裁、重试降级及角色切换；接着严格管理工具调用、API对接和外部系统集成，确保安全合规与审计；最后通过实时观测系统监控性能、成本与风险，并基于数据持续迭代优化调度策略。典型工作场景包括企业智能客服全流程自动化、营销报告自动生成以及跨系统业务闭环等。该岗位与提示词工程师相比更强调系统级运营与动态协调，需要从业者具备结构化思维、多智能体框架熟练度和业务理解力，目前多以AI应用架构师或多智能体开发工程师名义招聘，已成为企业智能体化转型的关键角色之一，前景广阔。#新媒沈阳聊ai#

2. AgentRun Sandbox SDK 正式开源！集成 LangChain 等主流框架，一键开启智能体沙箱新体验

3. Agent 2.0时代来了，首批「工业级智能体」正在核心位置上岗

4. OpenClaw 搭团队太折腾？这个 Skill 一键搞定多智能体协作

5. 基于 HiClaw 的运维场景多智能体协同实践

6. 聊着天把虾队管了：用 HiClaw 正确打开多智能体协作方式【限时领 PPT】

7. 打通智能体孤岛：用 AgentRun 构建生产级 A2A 多 Agent 管理协作系统

8. 盘点一周AI大事(5月3日)｜Google上线AI口语陪练 Google IO即将发布Gemini 4和Veo 4 Gemini上线原生文件生成 Google推出AI衣柜 Google翻译上线AI口语陪练 Claude 接入50多款创作软件，能直接操作Photoshop修图、做海报，接管Blender建模，用Ableton创作音乐英伟达开源全模态模型Nemotron 3 Nano Omni 研究员训练出复古大模型talkie KAIKAKU发布食品大模型Epicure 研究员开源突破性智能体协作框架Recursive MAS Moonlake上线Blender智能体Moonlake 3D Agent #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

9. 【最近一周GitHub金融科技领域增长最快的开源项目清单】我们正处于量化交易与大模型深度融合的奇点。当金融数据被重新定义为语言，当投资决策演变为智能体之间的博弈，这些工具正在重塑个人投资者的武器库。 1. Kronos (shiyu-coder/Kronos) 这是首个针对金融K线的开源基座模型，已获AAAI 2026接收。它将OHLCV（开高低收量）数据视为Token，像GPT预测文本一样预测价格走势。 2. AI Hedge Fund (virattt/ai-hedge-fund) 一个模拟顶级投资大亨的AI智能体团队。巴菲特、芒格、阿克曼、木头姐等Agent各司其职，运行独立策略，最后由PM智能体做最终决策。 3. TradingAgents (TauricResearch/TradingAgents) 由UCLA和MIT研究员开发的多智能体LLM交易框架。支持GPT-5.x、Gemini 3.x和Claude 4.x。涵盖基本面分析、情绪分析、技术面分析和风控管理。 4. Daily Stock Analysis (ZhuLinsen/daily_stock_analysis) 零成本、零服务器的个人投研助理。利用GitHub Actions自动生成美股、A股、港股的每日决策看板，并推送到微信或Telegram。 5. TradingAgents-CN (hsliuping/TradingAgents-CN) TradingAgents的中文分支，针对A股市场进行了深度本土化适配，支持国内主流大模型与数据源。 6. OpenBB (OpenBB-finance/OpenBB) 开源版的彭博终端。它不仅是一个平台，更通过MCP协议与AI智能体深度集成，让AI能直接调用庞大的金融数据库。 7. Freqtrade (freqtrade/freqtrade) 老牌开源加密货币交易机器人。2026.3版本刚刚发布，支持全流程回测、策略优化以及Telegram远程控制。 8. FinGPT (AI4Finance-Foundation/FinGPT) 专注于金融领域的开源大模型。基于新闻、公告、研报等真实市场数据训练，擅长情感分析与智能投顾。 9. Hyperswitch (juspay/hyperswitch) 用Rust编写的高性能支付路由。通过单一API连接全球50多个支付供应商，旨在解决金融级规模的支付连接效率。 10. Qlib (microsoft/qlib) 微软出品的AI量化投资平台。覆盖了从Alpha搜索、回测到实盘交易的全生命周期，是目前量化社区的基石级项目。特别补充：Fincept Terminal (Fincept-Corporation/FinceptTerminal) 这是一个追求极致性能的现代化金融终端。采用C++20和Qt6开发，内置37个AI智能体和100多个数据接口，提供CFA级别的深度分析工具。它证明了在AI时代，原生应用的性能依然是专业投资者的刚需。 x.com/gusik4ever/status/2045469263255724233

10. TradingAgents：用多智能体架构模拟一家量化基金（只做Agent研究使用！！！）金融 AI 通常的套路是：一个模型，做所有分析，给出交易信号。TradingAgents 走了一条不同的路——用多个专职 agent 分工协作，结构上更像一家真实的交易公司。这个项目来自 UCLA + MIT，最近在 GitHub Trending 上走热，已有 6.5 万 Star。 1. 角色分工框架里有七种 agent，各司其职： 1）基本面分析师：读财报，挖公司内在价值和风险信号 2）情绪分析师：扫社交媒体，量化短期市场情绪 3）新闻分析师：追踪宏观新闻，判断事件影响 4）技术分析师：看图形、指标、价格结构 5）研究员：汇总四路分析，进行多空辩论（Bull vs Bear 研究员对抗机制） 6）风险管理团队：在下单前对决策做独立评估 7）交易员 + 基金经理：整合意见，最终下单 2. 关键设计框架支持 OpenAI、Claude、DeepSeek、Qwen 等主流模型替换，同一套逻辑，可以跑不同 backbone。4月新版本加入了 LangGraph checkpoint resume，支持中断恢复，架构完整性在提升。 3. 实验结论论文里比较了多个 baseline，TradingAgents 在累计收益、夏普比率、最大回撤上都有明显改善。当然，论文结论≠实盘稳定，项目本身也写明了"不构成投资建议"。项目：github.com/TauricResearch/TradingAgents #how i ai##程序员#

11. 一车即乾崑！896线激光雷达+出行智能体，启境GT7

12. 多智能体（multi-agent system）完整入门学习资料分享

13. 我们在山东跑通了AI电力交易

14. 构建专业智能体：从通用 AI 到企业级应用的工程化实践

15. Dify 官方上架 Nacos A2A 插件，补全双向多智能体协作能力

16. 吴恩达DeepLearning AI 新课程：Design, Develop, and Deploy Multi-Agent Systems with CrewAI可以浏览器装一个沉浸式翻译插件，实时英文字幕转中文。主要介绍了如何设计、开发与部署多智能体（multi-agent）系统，重点在于掌握代理式 AI 工作流（agentic AI workflows）的思维方式与工程方法。将学会如何把复杂任务分解成由多个专门智能体协作完成的子任务，从而高效构建复杂的 AI 应用。1. 掌握构建多智能体系统的基本概念：agent、task、crew、flow、state 等。2. 理解智能体的核心组成：记忆（memory）、工具（tools）、模型上下文协议（MCP）、执行钩子（execution hooks）与防护机制（guardrails）。3. 学会通过 CrewAI 框架将这些要素组合，构建具有可观测性、可控性与可扩展性的系统。4. 了解如何通过指标（metrics）与人类反馈（human feedback）对智能体进行评估与持续改进。访问：learn.deeplearning.ai/courses/design-develop-and-deploy-multi-agent-systems-with-crewai

17. CHORUS：面向专业翻译的多智能体协同框架

18. AI智能体开发太散乱？这本书从理论到实战，给你一条“直通”路径

19. 智能体，正在决定企业的生死？ #大有学问 #红衣聊AI #智能体 #AI工具

20. 今天 GitHub 的 Trending 被 Agent 类项目集体占领了，星标涨得最猛的五个项目全部跟 AI Agent 相关。逐个拆解一下。涨得最凶的是 NousResearch 的 hermes-agent，24 小时新增 8800 星。它要解决的是 Agent 领域一个老大难问题：没有记忆。传统 Agent 每次对话都是从零开始，上一轮聊过什么全忘了。hermes-agent 做了一套动态 patch 机制，让 Agent 能够持续积累对你的了解，用得越久越懂你的习惯和偏好。相当于给 Agent 装了一个可以自我进化的长期记忆系统。项目地址：http://t.cn/AXVpXePA 第二个是 TauricResearch 的 TradingAgents，24 小时新增 3900 星。思路很有意思，它用多个 Agent 模拟了一家完整的交易公司。有专门负责挖数据的研究员 Agent，有负责风控的 Agent，还有最终拍板的决策者 Agent。这些 Agent 之间会互相质疑、辩论，充分博弈之后才会下单。比起单个 Agent 拍脑袋做决策，这种多角色对抗的方式能有效降低冲动交易的风险。项目地址：http://t.cn/A6exS2vB 第三个是 SakanaAI 的 AI-Scientist-v2，24 小时新增 2000 星。这个项目更硬核，做的是全自动科研 Agent。基于 agentic tree search 驱动，能自己提出假设、设计实验、跑实验、分析结果，最后还能把论文写出来。一套流程走下来，一个 Agent 能顶一个小型实验室的产出。对科研效率的冲击是实实在在的。项目地址：http://t.cn/A6r9nT3h 第四个是微软官方出的 agent-framework，24 小时新增 1800 星。这是一个 Agent 编排框架，同时支持 Python 和 .NET，可以快速搭建和部署多 Agent 工作流。以前要实现类似的功能，很多人得靠 LangChain 加上一堆胶水代码硬拼，现在微软直接给了一套标准化的解决方案，从搭建到生产部署都覆盖了。项目地址：http://t.cn/AX7Y6Qr3 第五个是 Block 公司的 goose，24 小时新增 1500 星。它是一个开源的可扩展 AI Agent，定位比代码补全工具更进一步。它能自主完成安装依赖、执行脚本、编辑文件、运行测试这些完整的开发流程，基本上你给它一个任务描述，它自己跑完全程。项目地址：http://t.cn/A638oT2O 整体来看，这五个项目覆盖了 Agent 发展的几个关键方向：记忆与自我进化、多 Agent 协作与博弈、自动化科研、标准化编排框架、以及端到端的任务执行。Agent 正在从单点工具向系统化能力演进，这个趋势在今天的 GitHub 榜单上体现得非常明显。 #How I AI##科技先锋官#

21. 对话李笛：异构多智能体，让 AI 学会真正的「群体思考」

22. AI 交易员“面试”集体翻车：交易过频、策略混乱……算法模型仍难看懂市场

23. 如何利用 RocketMQ for AI 构建高效、可靠、可扩展的多智能体系统？

24. MiniMax M2.7+OpenClaw实战！AI到底能接管多少工作？

25. 构建自主AI：深入A2A协议的智能体开发——让智能体真正“互联”起来

26. AI智能体的崛起——re: Invent 2025解读AI从工具到数字员工的转型

27. 本周金融科技领域正在经历一场深刻的范式转移：AI从简单的辅助工具，进化为能够模拟复杂决策链路的“数字交易团队”。通过对GitHub增长最快的金融仓库进行深度复盘，我们不仅看到了工具的更迭，更看到了量化投资门槛的彻底瓦解。以下是本周最值得关注的10个开源项目及其深度思考：1. 决策大脑：TradingAgents (UCLA/MIT出品)这是一个多智能体LLM交易框架，它不仅是代码，更是一个数字投委会。系统内置了基本面、情绪、技术面和风险管理四个维度的智能体。支持DeepSeek V4思维模式，模拟人类专家在复杂行情下的博弈过程。项目地址：github.com/UCLA-SGG/TradingAgents2. 终端革命：FinceptTerminal被誉为开源版的Bloomberg替代方案。它基于C++20构建，集成了37个模仿巴菲特、林奇等大师风格的AI智能体。支持16家券商实时交易，内置MCP协议，将大师的思考逻辑直接转化为量化标签。项目地址：github.com/Fincept/FinceptTerminal3. 落地标杆：daily_stock_analysis覆盖美、A、港三大市场，自动生成包含入场和出场点位的决策仪表盘，并通过多渠道推送。在多智能体还在“吵架”时，这种专注执行与过滤的工具反而展现了极高的实战留存率。项目地址：github.com/mshumer/daily-stock-analysis4. 极简主义：Vibe-Trading个人交易智能体，主打“自然语言即策略”。通过简单的pip安装，即可实现从想法到回测，再到导出至TradingView的闭环。极大地缩短了从灵感到执行的路径，让AI交易台触手可及。项目地址：github.com/vibe-trading/vibe5. 隐私优先：QuantDinger自托管的AI量化操作系统。支持加密货币、股票（IBKR）和外汇（MT5）。Docker一键部署，数据和策略完全本地化，解决了量化交易者最核心的隐私顾虑。项目地址：github.com/Dingerquant/QuantDinger6. 本地化先锋：TradingAgents-CNTradingAgents的中文分支，针对A股数据源和国产大模型进行了深度适配。让多智能体框架真正听懂中文研报，理解A股独特的市场逻辑。项目地址：github.com/UCLA-SGG/TradingAgents-CN7. 外部感知：last30days-skill专门研究过去30天全网热度话题的智能体技能，涵盖Reddit、Polymarket等。为交易智能体提供了“社会化情绪”的感知接口，捕捉传统数据之外的Alpha。项目地址：github.com/last30days/last30days-skill8. 严肃基建：qlib (微软出品)目前最成熟的端到端AI量化投资平台，覆盖从数据处理到投资组合执行的全流程。它是开源世界里最严肃、最学术化的量化基础设施，适合构建长期生产环境。项目地址：github.com/microsoft/qlib9. 跨界赋能：scientific-agent-skills提供用于科学研究和金融分析的即用型智能体技能。打破学科壁垒，将生物信息、化学信息等分析能力引入金融研究，拓宽了投研的边界。项目地址：github.com/scientific-agents/scientific-agent-skills10. 数据聚合：OpenBB开源金融数据平台的领军者，在一个平台上集成股票、加密货币、衍生品等全品类数据。它是所有AI智能体的底层养料，为量化研究提供了统一的数据接口。项目地址：github.com/OpenBB-finance/OpenBBTerminalx.com/billtheinvestor/status/2050640973974380784

28. 传统交易需要盯盘分析、切换多个App查行情、下单管理仓位，还要监控市场新闻，操作繁琐效率低下。AI-Trader 把AI智能交易全流程整合到一起，提供100%全自动的Agent原生交易平台。不仅支持AI代理秒级接入、集体智能讨论交易策略，还提供一键复制交易、跨平台信号同步、实时市场数据接入，甚至覆盖股票、加密货币、外汇、期权期货全市场。GitHub：github.com/HKUDS/AI-Trader主要功能：- AI代理即时接入，只需发送一条消息即可注册并自动上线；- 集体智能交易，代理间协作辩论自动生成最佳交易信号；- 一键复制交易，实时跟随顶级表现者镜像持仓；- 跨平台信号同步，支持Binance、Coinbase、Interactive Brokers等经纪商；- 全市场覆盖：股票、加密货币、外汇、期权、期货 + Polymarket纸上交易；- 积分奖励系统，发布信号获粉丝即可赚取积分；- 10万美元模拟资金纸上交易，新手零风险起步；- 实时仪表盘，监控交易洞察、金融事件和盈亏历史。支持AI代理（OpenClaw、Claude Code等）和人类交易者，Python+TypeScript开发，通过pnpm安装即可本地运行，适合量化交易者和AI开发者。#AI交易##量化交易##人工智能#

29. 很多人让我比较AI和互联网谁的机会更大，别急，看完这条视频，咱们一起聊聊。#大咖观察 #红衣聊AI #智能体 #互联网

30. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

31. TradingAgents-CN 多智能体AI股票分析系统 Windows 环境安装与使用教程详解

32. 62K Star！TradingAgents：用LLM多Agent模拟一整个交易公司

33. 如果你在研究 LLM + 金融的应用，或者想探索 AI Agent 在金融决策里能干什么——TradingAgents 是最直接的选择

34. 输入股票代码，5分钟输出投研报告：TradingAgents完整实操手册

35. TradingAgents：当大模型遇上量化交易

36. 一个人就是一家证券公司？基于 LLM 的多智能体金融交易框架 TradingAgents 来了！

37. TradingAgents 爆到 5 万星，不是因为它会炒股，而是它把“交易机构”拆成了开源流程

38. 71.4K Star的AI交易团队：多智能体架构如何“炒”出一个华尔街

39. TradingAgents：多代理金融交易实验框架

40. 多智能体大语言模型金融交易框架

41. AI 交易框架 TradingAgents 火了，真能赚钱吗？

42. 金融 AI 革命：TradingAgents 用多智能体重新定义量化交易

43. TradingAgents：多智能体金融交易框架

44. 用LangGraph打造一个AI交易团队：TradingAgents框架深度拆解

45. 一个对冲基金里的AI员工：TradingAgents如何让多个模型互相否决

46. 我深读 TradingAgents 源码后，看到的不是“AI 炒股神器”，而是一家被拆开的投研公司

47. 【今日推荐TradingAgents】：多智能体LLM金融交

48. TradingAgents 为什么突然爆了？真正的引爆点不是多 Agent，而是成本塌了

49. 狂揽44.6K Star！GitHub爆火的多智能体量化交易框架TradingAgents：一个分析师、研究员、交易员、风控师齐上阵的“AI投资公司”

50. 基于多智能体协作的量化交易决策框架研究与实践

51. TradingAgents 保姆级实战：多智能体交易框架与论文拆解

52. 华人团队开源AI量化公司：52k星多Agent协作，模拟真实交易架构

53. TradingAgents 爆火：当 AI 不再炒股，而是组建了一支虚拟投研团队 - 哔哩哔哩

54. AI替你盯盘炒股，量化交易门槛正在消失？

55. AI投研迈入L3阶段，多智能体框架在量化场景落地生根

56. TradingAgents：用多个 LLM Agent 组成真实交易公司，开源金融交易框架

57. TradingAgents: AI交易。#trading #ai #agent #langchain #llm 系统中各团队的具体分工与协作流程如下： 1. 分析师团队 (Analyst Team) 该团队负责基础数据的采集与初加工。成员包括市场分析师（技术面）、社交媒体分析师（情绪面）、新闻分析师（宏观面）和基本面分析师。他们利用工具获取历史价格、财报、新闻和社交帖子，独立生成结构化的分析报告，作为后续决策的客观依据。 2. 研究员团队 (Researcher Team) 该团队负责策略的辩证评估。看多 (Bull) 和看空 (Bear) 研究员基于分析师报告，分别挖掘潜在的投资机会与下行风险，并展开多轮自然语言辩论。研究经理 (Research Manager) 作为主持人，评估双方论据的力度，综合形成平衡的市场观点和初步投资计划。 3. 风控团队 (Risk Management Team) 该团队是最终决策的守门人。在交易员提出具体交易计划后，团队中的激进 (Aggressive)、中立 (Neutral) 和保守 (Conservative) 分析师会从不同风险偏好角度审查该计划并进行辩论。最终由风控经理 (Risk Manager) 汇总辩论结果，决定是否批准交易或修正仓位，以确保在追求收益的同时有效控制风险。

58. 62.5K+ star 的开源 TradingAgents：用 LLM 代理接管投资决策

59. 65K Stars炸裂！TradingAgents开源华尔街级AI交易团队炒股

60. TradingAgents：Multi-Agent 金融交易框架的专业化角色编排

61. Python 量化交易新篇章：TradingAgents 如何用多代理 LLM 颠覆传统策略

62. TradingAgents：用大模型Agent模拟一整支交易团队，分析师+研究员+风控全自动协作 | 开源项目深度解读

63. 从0到1：5分钟跑通TradingAgents多智能体量化交易框架（附代码）

64. TradingAgents 是什么？

65. 我试了一个投资 Agent，感觉有点东西

66. 躺赚新思路！AI 量化炒股副业，这款开源 LLM 交易神器太强了

67. TradingAgents：开源多智能体LLM金融交易框架深度解析

68. TradingAgents源码解析：多智能体协作的底层实现

69. 告别盯盘焦虑！我用 TradingAgents 组建了 AI 虚拟交易团队，全天候自动打工

70. TradingAgents: AI 驱动交易公司 #ai #agent #trading #quant #交易 TradingAgents 的开源金融交易框架，其核心是利用大语言模型（LLM）构建的多智能体协作系统。该系统通过模拟专业的分析、研究、交易、风险管理及组合决策五大团队工作流，对特定股票进行全方位的深度评估。技术架构上，它采用了 LangGraph 进行任务编排，并支持包括 OpenAI、Google Gemini 和 Anthropic 在内的多种主流模型后端。框架集成了 yfinance 和 Alpha Vantage 等数据源，能够自动调取财务报表、技术指标及全球新闻。此外，该工具还包含一个功能丰富的命令行界面（CLI），可实时展示各智能体的运行状态、对话记录及最终生成的结构化投资报告。通过内置的 BM25 相似度检索记忆机制，系统还能从历史案例中学习，不断优化交易逻辑。

71. 3 大 AI 智能体如何像一个真实交易团队一样分析股市？

72. TradingAgents：60KStar的多智能体交易框架，年化收益30%?

73. 2026年Q1量化交易4大开源框架重大更新，TradingAgents新增GPT-5.4！

74. 多智能体LLM金融交易框架TradingAgents

75. 多智能体协作在股票分析中的应用：TradingAgents深度解析

76. TradingAgents: 开源的多智能体 LLM 金融交易框架

77. 用 AI agent 模拟交易团队做决策

78. AI 炒股真的靠谱吗？5.6 万人用多 Agent 框架

79. [开源] AI驱动的多智能体金融交易决策平台——TradingAgentsWeb

80. 一图搞清楚：多智能体Multi-Agent的架构

81. TradingAgents 火了！多智能体协作，正在颠覆金融 AI 研究

82. 多智能体股票分析系统开源！停止盲目选股，让大模型帮你赚钱！

83. TradingAgents 多智能体交易框架

84. 『基金行业金融科技获奖成果宣传活动』南方基金：基于多智能体协同的交易助理

85. 顶级量化AI智能体免费开源华尔街慌了！彻底颠覆！顶级开源项目TradingAgents火爆全网，利用多个AI智能体直接模拟了一整支对冲基金团队。 24小时不间断分析、零情绪波动，还能用“人话”解释交易逻辑！普通人也能用上华尔街大佬级别的策略了？散户逆袭的时代可能真要来了！快来看看AI是怎么降维打击的。 #AI #量化交易 #金融科技 #投资 #华尔街

86. AI算法大模型面试 | 多agent怎么协作

87. 回撤减半，夏普翻番：AI驱动的多智能体公募REITs投资框架实证

88. TradingAgents大模型A股智能分析工具这段视频介绍了开源项目TradingAgents在2026年3月的重要更新，并展示了如何将其用于A股分析。原系统通过多个大模型分别处理交易数据、社交媒体情绪、财经新闻和财务信息，再经过多空分析师、交易员、风控团队和基金经理的层层辩论与决策，最终生成投资建议。

89. AI交易Agent优缺点总结:Vibe-Trading、AI-Trader、TradingAgents

90. 主流AI股票分析系统综述

91. 别再只做报表了！风控分析师AI生存指南🚀

92. 上手实测开源AI金融交易框架——Trading Agents

93. TradingAgents-CN：打造你的第一个量化交易 AI 智能体团队