From 269e4b770de0635a006d861e972fffb559e0e143 Mon Sep 17 00:00:00 2001 From: YE Date: Sun, 22 Mar 2026 17:37:56 +0900 Subject: [PATCH] docs: add Chinese translation for README --- README.md | 5 +- README.zh.md | 220 +++++++++++++++++++++++++++++++++++++++++++++++++++ 2 files changed, 223 insertions(+), 2 deletions(-) create mode 100644 README.zh.md diff --git a/README.md b/README.md index 8cf085e8..26b37cf4 100644 --- a/README.md +++ b/README.md @@ -13,14 +13,15 @@
+ English | + 简体中文 | Deutsch | Español | français | 日本語 | 한국어 | Português | - Русский | - 中文 + Русский
--- diff --git a/README.zh.md b/README.zh.md new file mode 100644 index 00000000..8e5e6bdf --- /dev/null +++ b/README.zh.md @@ -0,0 +1,220 @@ +

+ +

+ +
+ arXiv + Discord + WeChat + X 关注 +
+ 社区 +
+ +
+ English | + 简体中文 | + Deutsch | + Español | + français | + 日本語 | + 한국어 | + Português | + Русский +
+ +--- + +# TradingAgents: 基于大模型的金融交易多智能体框架 + +## 新闻 +- [2026-03] **TradingAgents v0.2.1** 发布，涵盖 GPT-5.4、Gemini 3.1、Claude 4.6 等最新模型，并提升了系统稳定性。 +- [2026-02] **TradingAgents v0.2.0** 发布，支持多 LLM 提供商（GPT-5.x, Gemini 3.x, Claude 4.x, Grok 4.x）并优化了系统架构。 +- [2026-01] **Trading-R1** [技术报告](https://arxiv.org/abs/2509.11420) 发布，[Terminal](https://github.com/TauricResearch/Trading-R1) 预计很快面世。 + +
+ + + + + TradingAgents Star 增长趋势 + + +
+ +> 🎉 **TradingAgents** 正式发布！我们收到了大量关于此项工作的咨询，衷心感谢社区的热情。 +> +> 因此，我们决定将该框架完全开源。期待与您共同构建具有影响力的项目！ + +
+ +🚀 [框架介绍](#tradingagents-框架) | ⚡ [安装与命令行](#安装与-cli) | 🎬 [视频演示](https://www.youtube.com/watch?v=90gr5lwjIho) | 📦 [软件包用法](#tradingagents-软件包用法) | 🤝 [参与贡献](#参与贡献) | 📄 [引用](#引用) + +
+ +## TradingAgents 框架 + +TradingAgents 是一个多智能体交易框架，它模拟了现实世界中交易公司的运作动态。通过部署专业化的 LLM 智能体：从基本面分析师、情绪专家、技术分析师到交易员及风控团队，该平台通过协作评估市场状况并辅助交易决策。此外，这些智能体还会进行动态讨论，以确定最优策略。 + +

+ +

+ +> TradingAgents 框架专为研究目的设计。交易表现可能因多种因素而异，包括所选的基座语言模型、模型采样温度、交易周期、数据质量以及其他非确定性因素。**本框架不旨在提供任何金融、投资或交易建议。** 详见 [免责声明](https://tauric.ai/disclaimer/)。 + +我们的框架将复杂的交易任务分解为多个专业角色。这确保了系统在市场分析和决策过程中具备稳健性和可扩展性。 + +### 分析师团队 (Analyst Team) +- **基本面分析师 (Fundamentals Analyst)**：评估公司财务状况和业绩指标，识别内在价值及潜在的预警信号（红旗）。 +- **情绪分析师 (Sentiment Analyst)**：使用情绪评分算法分析社交媒体和公众情绪，以衡量短期市场情绪。 +- **新闻分析师 (News Analyst)**：监测全球新闻和宏观经济指标，解读重大事件对市场状况的影响。 +- **技术分析师 (Technical Analyst)**：利用技术指标（如 MACD 和 RSI）检测交易模式并预测价格走势。 + +

+ +

+ +### 研究员团队 (Researcher Team) +- 由**看涨**和**看跌**研究员组成，他们对分析师团队提供的见解进行辩证评估。通过结构化辩论，平衡潜在收益与固有风险。 + +

+ +

+ +### 交易员智能体 (Trader Agent) +- 汇总分析师和研究员的报告，做出明智的交易决策。它根据全面的市场洞察确定交易的时机和规模。 + +

+ +

+ +### 风险管理与投资组合经理 (Risk Management & Portfolio Manager) +- **风险管理团队**：通过评估市场波动性、流动性和其他风险因素，持续评估投资组合风险。评估并调整交易策略，向投资组合经理提供评估报告以供最终决策。 +- **投资组合经理**：批准或拒绝交易提案。如果批准，订单将被发送到模拟交易所并执行。 + +

+ +

+ +## 安装与 CLI + +### 安装步骤 + +克隆 TradingAgents 仓库： +```bash +git clone https://github.com/TauricResearch/TradingAgents.git +cd TradingAgents +``` + +在您偏好的环境管理器中创建虚拟环境： +```bash +conda create -n tradingagents python=3.13 +conda activate tradingagents +``` + +安装依赖： +```bash +pip install -r requirements.txt +``` + +### 必需的 API 密钥 + +TradingAgents 支持多个 LLM 提供商。请为您选择的提供商设置 API 密钥： + +```bash +export OPENAI_API_KEY=... # OpenAI (GPT) +export GOOGLE_API_KEY=... # Google (Gemini) +export ANTHROPIC_API_KEY=... # Anthropic (Claude) +export XAI_API_KEY=... # xAI (Grok) +export OPENROUTER_API_KEY=... # OpenRouter +export ALPHA_VANTAGE_API_KEY=... # Alpha Vantage (金融数据) +``` + +对于本地模型，请在配置中设置 `llm_provider: "ollama"`。 + +或者，复制 `.env.example` 为 `.env` 并填写您的密钥： +```bash +cp .env.example .env +``` + +### CLI 使用方法 + +您可以直接运行以下命令体验命令行界面： +```bash +python -m cli.main +``` +您将看到一个交互界面，可以在其中选择感兴趣的股票代码、日期、LLM、研究深度等。 + +

+ +

+ +界面将随着结果加载实时更新，让您可以跟踪智能体在运行过程中的进度。 + +

+ +

+ +

+ +

+ +## TradingAgents 软件包用法 + +### 实现细节 + +我们使用 LangGraph 构建了 TradingAgents，以确保框架的灵活性和模块化。该框架支持多家 LLM 提供商：OpenAI, Google, Anthropic, xAI, OpenRouter 以及 Ollama。 + +### Python 代码调用 + +要在代码中使用 TradingAgents，您可以导入 `tradingagents` 模块并初始化 `TradingAgentsGraph()` 对象。调用 `.propagate()` 函数将返回一个决策。您可以直接运行 `main.py`，以下是一个快速示例： + +```python +from tradingagents.graph.trading_graph import TradingAgentsGraph +from tradingagents.default_config import DEFAULT_CONFIG + +ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy()) + +# 向前传播 +_, decision = ta.propagate("NVDA", "2026-01-15") +print(decision) +``` + +您还可以调整默认配置，以设置您选择的 LLM、辩论轮数等。 + +```python +from tradingagents.graph.trading_graph import TradingAgentsGraph +from tradingagents.default_config import DEFAULT_CONFIG + +config = DEFAULT_CONFIG.copy() +config["llm_provider"] = "openai" # 可选: openai, google, anthropic, xai, openrouter, ollama +config["deep_think_llm"] = "gpt-5.2" # 用于复杂推理的模型 +config["quick_think_llm"] = "gpt-5-mini" # 用于快速任务的模型 +config["max_debate_rounds"] = 2 + +ta = TradingAgentsGraph(debug=True, config=config) +_, decision = ta.propagate("NVDA", "2026-01-15") +print(decision) +``` + +查看 `tradingagents/default_config.py` 以了解所有配置选项。 + +## 参与贡献 + +我们欢迎社区的贡献！无论是修复 Bug、完善文档还是建议新功能，您的反馈都能让项目变得更好。如果您对该研究方向感兴趣，请考虑加入我们的开源金融 AI 研究社区 [Tauric Research](https://tauric.ai/)。 + +## 引用 + +如果 *TradingAgents* 对您的工作有所帮助，请引用我们的论文： + +``` +@misc{xiao2025tradingagentsmultiagentsllmfinancial, + title={TradingAgents: Multi-Agents LLM Financial Trading Framework}, + author={Yijia Xiao and Edward Sun and Di Luo and Wei Wang}, + year={2025}, + eprint={2412.20138}, + archivePrefix={arXiv}, + primaryClass={q-fin.TR}, + url={https://arxiv.org/abs/2412.20138}, +} +```