# TradingAgentsX - 多代理交易分析系統
**基於 LangGraph 的智能股票交易分析平台，結合多個 AI 代理進行協作決策**
[](https://github.com/MarkLo127/TradingAgentsX)
[](https://www.python.org/)
[](https://nextjs.org/)
[](https://fastapi.tiangolo.com/)
[](LICENSE)
[](https://tradingagentsx.up.railway.app)
## 📖 簡介
**TradingAgentsX** 是一個先進的多代理 AI 交易分析系統，模擬真實世界的交易公司運作模式。透過 LangGraph 編排多個專業化的 AI 代理（分析師、研究員、交易員、風險管理者），系統能夠從不同角度分析股票市場，並通過結構化的辯論與協作流程產生高質量的交易決策。
> 💡 **致敬原作**: 本專案基於 [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents) 進行改進和擴展，加入了完整的 Web 前端介面、RESTful API、Docker 部署支援等功能。感謝原作者的卓越工作和開源貢獻！
### 🎯 核心特色
- 🤖 **多代理協作架構** - 專業化的 AI 代理團隊協同工作
- 🌐 **多模型靈活支援** - 支援 OpenAI、Anthropic、Gemini、Grok、DeepSeek、Qwen 等多家 LLM 提供商
- 🔧 **自訂端點配置** - 完整支援自訂 API 端點，可連接任何 OpenAI 兼容的服務
- 📊 **全方位市場分析** - 整合技術面、基本面、情緒面、新聞面分析
- 🔄 **結構化決策流程** - 透過看漲/看跌辯論機制減少偏見
- 🧠 **長期記憶系統** - 使用 ChromaDB 向量數據庫儲存歷史決策
- 🎨 **現代化 Web 介面** - 基於 Next.js 16 的響應式 UI
- 🔌 **RESTful API** - 完整的後端 API 支援
- 🐳 **一鍵部署** - 支援 Docker Compose 部署
- 🔑 **BYOK (Bring Your Own Key)** - 使用者自帶 API 金鑰，保障隱私與成本控制
- 💰 **JSON 轉 Toon 優化** - 將 JSON 數據轉換為 Toon 格式，大幅降低 API 調用開支 [TOON](https://github.com/toon-format/toon)
- ⬇️ **一鍵下載報告** - 支援將分析結果匯出為 JSON 檔案，方便保存與分享
---
## 🤖 LLM 模型支援
TradingAgentsX 支援業界領先的多家 LLM 提供商，並為每個模型配置**獨立的 API Key 和 Base URL**，實現最大靈活性。
### 📋 支援的 LLM 提供商矩陣
| 提供商 | 支援模型 | Base URL | 是否支援自訂端點 |
| ------------------ | ------------------------------------------------------------------------------------------------ | --------------------------------------------------------- | ---------------- |
| **OpenAI** | GPT-5.1, GPT-5 Mini/Nano, GPT-4.1 Mini/Nano, o4-mini | `https://api.openai.com/v1` | ✅ 是 |
| **Anthropic** | Claude Haiku 4.5, Claude Sonnet 4.5/4.0, Claude 3.5 Haiku, Claude 3 Haiku | `https://api.anthropic.com` | ✅ 是 |
| **Gemini** | Gemini 2.5 Pro, Gemini 2.5 Flash, Gemini 2.5 Flash Lite, Gemini 2.0 Flash, Gemini 2.0 Flash Lite | `https://generativelanguage.googleapis.com/v1beta/openai` | ✅ 是 |
| **Grok (xAI)** | Grok-4.1 Fast, Grok-4 Fast, Grok-4, Grok-3, Grok-3 Mini | `https://api.x.ai/v1` | ✅ 是 |
| **DeepSeek** | DeepSeek Reasoner, DeepSeek Chat | `https://api.deepseek.com/v1` | ✅ 是 |
| **Qwen (Alibaba)** | Qwen3-Max, Qwen-Plus, Qwen Flash | `https://dashscope-intl.aliyuncs.com/compatible-mode/v1` | ✅ 是 |
| **自訂端點** | 上述列表中的模型 | 使用者自訂 | ✅ 完全支援 |
### 🔧 三層獨立配置
系統支援**三個獨立的 LLM 配置點**，每個都可使用不同的提供商和 API Key：
#### 1️⃣ 快速思維模型 (Quick Thinking)
用於快速分析和即時回應（市場分析師、情緒分析師等）
#### 2️⃣ 深層思維模型 (Deep Thinking)
用於複雜推理和深度分析（研究團隊辯論、風險管理等）
#### 3️⃣ 嵌入模型 (Embedding)
用於向量記憶體系統（ChromaDB 嵌入生成）
**配置示例：**
```yaml
快速思維: OpenAI GPT-5 Mini @ api.openai.com
深層思維: Anthropic Claude Sonnet 4.5 @ api.anthropic.com/v1
嵌入模型: 自訂端點 @ your-custom-endpoint.com
```
### 🌍 自訂端點支援
**完整支援自訂 API 端點**，任何實現 OpenAI Chat Completions API 規範的服務都可以使用：
✅ **支援場景：**
- 私有化部署的 LLM 服務
- 第三方 OpenAI 兼容代理
**配置方式：**
1. 在前端表單的 Base URL 輸入框直接輸入自訂 URL
2. 填入對應的 API Key
3. 系統自動使用您的端點進行推理
---
## 🏗️ 系統架構
TradingAgentsX 採用前後端分離架構，後端使用 FastAPI 提供 RESTful API，前端使用 Next.js 打造現代化的使用者介面。
### 📂 專案結構概覽
```
TradingAgentsX/
├── backend/ # FastAPI 後端服務
│ ├── __main__.py # 後端應用入口
│ ├── requirements.txt # Python 依賴列表
│ └── app/
│ ├── main.py # FastAPI 應用主程式
│ ├── api/ # API 路由層
│ │ ├── routes.py # API 端點定義
│ │ └── dependencies.py # 依賴注入
│ ├── core/ # 核心配置
│ │ ├──config.py # 環境變數與設定
│ │ └── cors.py # CORS 中間件配置
│ ├── models/ # 資料模型
│ │ └── schemas.py # Pydantic 資料結構
│ └── services/ # 業務邏輯層
│ ├── trading_service.py # TradingAgentsX 核心整合
│ └── task_manager.py # 異步任務管理
├── frontend/ # Next.js 前端應用
│ ├── app/ # Next.js App Router
│ │ ├── layout.tsx # 根佈局組件
│ │ ├── page.tsx # 首頁
│ │ └── analysis/ # 分析功能模組
│ │ ├── page.tsx # 分析配置頁面
│ │ └── results/ # 分析結果展示頁面
│ ├── components/ # React 組件庫
│ │ ├── analysis/ # 分析相關組件
│ │ │ ├── AnalysisForm.tsx # 參數配置表單
│ │ │ ├── TradingDecision.tsx # 交易決策卡片
│ │ │ ├── AnalystReport.tsx # 分析師報告展示
│ │ │ └── PriceChart.tsx # 股價圖表組件
│ │ ├── layout/ # 佈局組件
│ │ │ ├── Header.tsx # 頂部導航欄
│ │ │ └── Footer.tsx # 頁腳
│ │ └── ui/ # shadcn/ui 基礎組件
│ ├── hooks/ # 自定義 React Hooks
│ │ ├── useAnalysis.ts # 分析請求管理
│ │ └── useConfig.ts # 配置資料獲取
│ └── lib/ # 工具函式庫
│ ├── api.ts # API 客戶端封裝
│ ├── types.ts # TypeScript 型別定義
│ └── utils.ts # 通用輔助函式
└── tradingagents/ # 核心 Python 套件
├── agents/ # AI 代理定義
├── dataflows/ # 資料流處理
├── graph/ # LangGraph 工作流
└── default_config.py # 預設配置
```
### 🔧 後端技術棧
| 技術 | 用途 | 版本 |
| ----------------- | ---------------------- | -------- |
| **FastAPI** | 現代化異步 Web 框架 | ≥0.104.0 |
| **Pydantic** | 資料驗證與序列化 | ≥2.9.0 |
| **LangGraph** | 多代理工作流編排引擎 | ≥0.4.8 |
| **LangChain** | LLM 應用開發框架 | Latest |
| **ChromaDB** | 向量資料庫（記憶系統） | ≥1.0.12 |
| **yfinance** | 股票市場資料獲取 | ≥0.2.63 |
| **Uvicorn** | ASGI 伺服器 | ≥0.24.0 |
| **python-dotenv** | 環境變數管理 | 1.0.0 |
| **Redis** | 任務隊列與緩存 | Latest |
#### 其他整合
- **stockstats**: 技術指標計算
- **feedparser**: RSS 新聞抓取
- **praw**: Reddit 社群情緒分析
- **finnhub-python**: 金融資料 API
- **beautifulsoup4**: 網頁內容解析
### 🎨 前端技術棧
| 技術 | 用途 | 版本 |
| ------------------- | -------------------------- | ------ |
| **Next.js** | React 全端框架 | 16.x |
| **TypeScript** | 靜態型別檢查 | Latest |
| **Tailwind CSS** | 實用優先的 CSS 框架 | Latest |
| **shadcn/ui** | 可高度客製化的 UI 組件庫 | Latest |
| **React Hook Form** | 高效能表單管理 | Latest |
| **Zod** | TypeScript 優先的結構驗證 | Latest |
| **Recharts** | 資料視覺化圖表庫 | Latest |
| **Axios** | Promise 基礎的 HTTP 客戶端 | Latest |
| **react-markdown** | Markdown 內容渲染 | Latest |
---
## 🚀 快速開始
### 📋 前置要求
在開始之前，請確保您的系統已安裝以下軟體：
- **Python** 3.10 或更高版本
- **Node.js** 18.x 或更高版本
- **pnpm** 最新版本（推薦）或 npm
- **Conda** (可選，但強烈推薦用於 Python 環境管理)
- **Git** 用於克隆專案
#### 必要的 API 金鑰
根據您選擇的 LLM 提供商，準備相應的 API 金鑰：
- **OpenAI API Key** - GPT 系列模型
- 申請網址: https://platform.openai.com/api-keys
- **Anthropic API Key** - Claude 系列模型
- 申請網址: https://console.anthropic.com
- **Grok API Key** - Grok 系列模型
- 申請網址: https://console.x.ai
- **DeepSeek API Key** - DeepSeek 系列模型
- 申請網址: https://platform.deepseek.com
- **Qwen API Key** - Qwen 系列模型
- 申請網址: https://www.alibabacloud.com
- **Alpha Vantage API Key** (必需) - 股票基本面資料
- 申請網址: https://www.alphavantage.co/support/#api-key
> 💡 **提示**: 本系統採用 BYOK (Bring Your Own Key) 模式，您可以在前端介面直接輸入 API 金鑰，無需設定環境變數（適合快速測試）。
### 📥 安裝步驟
#### 1️⃣ 克隆專案
```bash
git clone https://github.com/MarkLo127/TradingAgentsX.git
cd TradingAgentsX
```
#### 2️⃣ 後端設置
##### 2.1 創建 Python 虛擬環境
**使用 Conda (推薦)**
```bash
conda create -n tradingagents python=3.13
conda activate tradingagents
```
**或使用 venv**
```bash
python3 -m venv tradingagents
source tradingagents/bin/activate # macOS/Linux
# 或
tradingagents\Scripts\activate # Windows
```
##### 2.2 安裝 Python 依賴
```bash
# 安裝 TradingAgentsX 核心套件
pip install -e .
# 安裝後端 API 依賴
pip install -r backend/requirements.txt
```
##### 2.3 配置環境變數（可選）
複製範例環境變數檔案並編輯：
```bash
cp .env.example .env
```
編輯 `.env` 檔案，填入您的 API 金鑰：
```bash
# ============ LLM API 金鑰配置 ============
# OpenAI (可選 - 可在前端直接輸入)
OPENAI_API_KEY=sk-your-openai-api-key-here
# Anthropic Claude (可選)
ANTHROPIC_API_KEY=sk-ant-your-claude-key
# Grok / xAI (可選)
XAI_API_KEY=your-grok-key
# DeepSeek (可選)
DEEPSEEK_API_KEY=your-deepseek-key
# Qwen / Alibaba Cloud (可選)
DASHSCOPE_API_KEY=your-qwen-key
# Alpha Vantage (強烈建議 - 用於基本面數據)
ALPHA_VANTAGE_API_KEY=your-alpha-vantage-key
# ============ 後端服務配置 ============
BACKEND_HOST=0.0.0.0
BACKEND_PORT=8000
# ============ CORS 配置 ============
CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000
# ============ 資料儲存配置 ============
TRADINGAGENTS_RESULTS_DIR=./results
```
> 📝 **注意**: 環境變數中的 API Key 為可選配置。您可以在前端表單中直接輸入，系統會優先使用前端輸入的 Key。
##### 2.4 啟動後端服務
```bash
# 從專案根目錄執行
python -m backend
```
✅ 後端服務成功啟動後，您可以訪問：
- **應用根目錄**: http://localhost:8000
- **API 互動式文檔 (Swagger UI)**: http://localhost:8000/docs
- **API 文檔 (ReDoc)**: http://localhost:8000/redoc
- **健康檢查端點**: http://localhost:8000/api/health
#### 3️⃣ 前端設置
##### 3.1 安裝前端依賴
```bash
# 使用 pnpm (推薦)
pnpm -C frontend install
# 或使用 npm
npm --prefix frontend install
```
##### 3.2 配置前端環境變數 (可選)
如果您需要自訂 API 端點，可以建立 `frontend/.env.local`：
```bash
NEXT_PUBLIC_API_URL=http://localhost:8000
```
> 💡 預設情況下，前端會自動連接到 `http://localhost:8000`
##### 3.3 啟動前端開發伺服器
```bash
# 使用 pnpm (推薦)
pnpm -C frontend dev
# 或使用 npm
npm --prefix frontend run dev
```
✅ 前端應用成功啟動後，訪問：
- **應用首頁**: http://localhost:3000
---
## 🐳 部署方案
### Docker Compose 本地部署
最簡單的部署方式，一鍵啟動前後端服務：
**前置要求：**
- Docker Engine 20.10+
- Docker Compose V2
**部署步驟：**
```bash
# 1. 確保 .env 文件已配置（至少包含 Alpha Vantage API Key）
cp .env.example .env
# 編輯 .env，填入必要的 API 金鑰
# 2. 啟動所有服務（首次執行會自動構建映像）
docker compose up -d --build
# 3. 查看服務運行狀態
docker compose ps
# 4. 查看即時日誌
docker compose logs -f
# 5. 查看特定服務日誌
docker compose logs -f backend
docker compose logs -f frontend
# 停止服務
docker compose down
# 停止服務並清除資料卷
docker compose down -v
```
**Docker Compose 配置說明**：
- 後端服務運行於: `http://localhost:8000`
- 前端服務運行於: `http://localhost:3000`
- 分析結果會持久化儲存在 `./results` 目錄
- 環境變數從 `.env` 文件自動載入
---
## 📱 使用指南
### 基本工作流程
1. **訪問首頁**
- 開啟瀏覽器，訪問 http://localhost:3000
- 查看系統介紹與功能說明
2. **進入分析頁面**
- 點擊首頁的「開始分析」按鈕
- 或直接訪問 http://localhost:3000/analysis
3. **配置分析參數**
#### 📊 基本設定
- **選擇分析師團隊**: 勾選您需要的分析師類型
- ✅ 市場分析師 (Market Analyst) - 技術分析與價格走勢
- ✅ 情緒分析師 (Sentiment Analyst) - 社交媒體情緒評估
- ✅ 新聞分析師 (News Analyst) - 新聞事件影響分析
- ✅ 基本面分析師 (Fundamental Analyst) - 財務數據與估值分析
- **輸入股票代碼**: 例如 `NVDA`, `AAPL`, `TSLA`, `GOOGL`
- 支援美股股票代號
- **選擇分析日期**: 選擇要分析的特定日期
- 預設為當前日期
- **設定研究深度**:
- 🟢 **淺層 (Shallow)**: 快速分析，適合即時決策
- 🟡 **中等 (Medium)**: 平衡速度與深度
- 🔴 **深層 (Deep)**: 全面深入分析，耗時較長
#### 🤖 LLM 模型配置
系統提供**三個獨立的 LLM 配置選項**，每個都可使用不同的提供商：
**1. 快速思維模型配置**
- **模型選擇**: 從下拉選單選擇模型（OpenAI, Anthropic, Grok, DeepSeek, Qwen）
- **Base URL**: 直接輸入自訂端點 URL（例如：`https://api.your-custom-endpoint.com/v1`）
- **API Key**: 輸入對應的 API 金鑰
**2. 深層思維模型配置**
- **模型選擇**: 可選擇與快速思維不同的模型
- **Base URL**: 支援不同的端點
- **API Key**: 支援不同的金鑰
**3. 嵌入模型配置**
- **Base URL**: 下拉選擇 OpenAI 或自訂端點
- **API Key**: 若留空則使用環境變數 `OPENAI_API_KEY`
**配置示例：**
```
快速思維模型: gpt-5-mini-2025-08-07
快速思維 Base URL: https://api.openai.com/v1
快速思維 API Key: sk-your-openai-key
深層思維模型: claude-sonnet-4-5
深層思維 Base URL: https://api.anthropic.com
深層思維 API Key: sk-ant-your-claude-key
嵌入模型 Base URL: 自訂 → https://api.your-embedding-service.com/v1
嵌入模型 API Key: your-embedding-key
```
> 💡 **靈活性**: 您可以混合使用不同提供商的模型，例如用 OpenAI 做快速分析，用 Claude 做深度推理，用自訂端點做嵌入生成。
#### 🔑 API 金鑰配置
- **Alpha Vantage API Key** (必填): 用於獲取股票基本面數據
- 如未在環境變數中配置 LLM API Key，需在此填入
4. **執行分析**
- 檢查所有參數無誤後，點擊「執行分析」按鈕
- 系統會顯示載入動畫，處理時間依研究深度而定（1-5 分鐘）
5. **查看分析結果**
- 分析完成後自動跳轉至結果頁面
- 結果包含以下內容：
**📊 交易決策摘要**
- 最終決策: BUY / SELL / HOLD
- 建議倉位大小
- 風險等級評估
- 核心理由總結
**📈 股價走勢圖表**
- 互動式價格圖表（支援折線圖/K 線圖切換）
- 交易量變化
- 關鍵技術指標
**📄 各分析師詳細報告**
系統提供 **12 個專業代理** 的完整分析報告，分為四大團隊：
**分析師團隊 (4)**
- 市場分析師: 技術面分析與趨勢判斷
- 社群媒體分析師: 社群媒體情緒指標
- 新聞分析師: 最新新聞事件影響評估
- 基本面分析師: 財務健康度與估值分析
**研究團隊 (3)**
- 看漲研究員: 多頭觀點論證與上漲催化劑分析
- 看跌研究員: 空頭觀點論證與下跌風險警告
- 研究經理: 綜合看漲與看跌觀點的研究決策
**交易團隊 (1)**
- 交易員: 整合所有報告的交易執行計劃
**風險管理團隊 (4)**
- 激進分析師: 高風險高回報策略分析
- 保守分析師: 穩健保守策略與風險控制
- 中立分析師: 中立平衡策略評估
- 風險經理: 風險管理綜合決策與最終建議
### API 使用範例
如果您想要透過 API 整合 TradingAgentsX，可以參考以下範例：
#### 健康檢查
```bash
curl http://localhost:8000/api/health
```
#### 執行股票分析（使用自訂端點）
```bash
curl -X POST http://localhost:8000/api/analyze \
-H "Content-Type: application/json" \
-d '{
"ticker": "NVDA",
"analysis_date": "2024-01-15",
"research_depth": 2,
"deep_think_llm": "claude-sonnet-4-5",
"quick_think_llm": "gpt-5-mini-2025-08-07",
"analysts": ["market", "sentiment", "news", "fundamental"],
"quick_think_base_url": "https://api.openai.com/v1",
"deep_think_base_url": "https://api.anthropic.com",
"embedding_base_url": "https://api.openai.com/v1",
"quick_think_api_key": "sk-your-openai-key",
"deep_think_api_key": "sk-ant-your-claude-key",
"embedding_api_key": "sk-your-embedding-key",
"alpha_vantage_api_key": "your-alpha-vantage-key"
}'
```
#### 獲取股價資料
```bash
curl "http://localhost:8000/api/price-data/NVDA?start_date=2024-01-01&end_date=2024-01-31"
```
完整的 API 文檔請訪問: http://localhost:8000/docs
---
## 🧠 核心功能詳解
### 多代理協作系統
TradingAgentsX 模擬真實交易公司的組織架構，每個代理都有其專業職責：
| 代理角色 | 主要職責 | 輸出內容 |
| ---------------- | -------- | ----------------------------------------------------- |
| **市場分析師** | 技術分析 | 技術指標（RSI, MACD, 布林通道）、價格走勢、支撐阻力位 |
| **情緒分析師** | 情緒評估 | Reddit/Twitter 情緒指標、熱度趨勢、投資者信心指數 |
| **新聞分析師** | 新聞分析 | 最新新聞摘要、事件影響評估、市場反應預測 |
| **基本面分析師** | 財務分析 | 財報數據、估值指標（P/E, P/B）、盈利能力評估 |
| **看漲研究員** | 多頭論證 | 看漲理由、上漲催化劑、目標價位 |
| **看跌研究員** | 空頭論證 | 看跌理由、下跌風險、防守策略 |
| **交易員** | 決策整合 | 綜合所有報告，制定交易計劃 |
| **風險管理** | 風險控制 | 風險評估、倉位建議、止損止盈設定 |
| **投資組合經理** | 最終決策 | 最終交易決定（批准/拒絕），執行指令 |
### 工作流程圖
```
┌─────────────────┐
│ 使用者輸入參數 │
└────────┬────────┘
│
▼
┌─────────────────┐
│ 資料收集階段 │ ◄── yfinance, Reddit, RSS
└────────┬────────┘
│
▼
┌──────────────────────────────┐
│ 分析師團隊平行分析 │
│ ┌────┬────┬────┬────────┐ │
│ │市場│情緒│新聞│基本面│ │
│ └────┴────┴────┴────────┘ │
└────────┬─────────────────────┘
│
▼
┌─────────────────┐
│ 研究團隊辯論 │
│ 看漲 vs 看跌 │
└────────┬────────┘
│
▼
┌─────────────────┐
│ 交易員整合分析 │
└────────┬────────┘
│
▼
┌─────────────────┐
│ 風險管理評估 │
└────────┬────────┘
│
▼
┌─────────────────┐
│ 投資組合經理決策 │
└────────┬────────┘
│
▼
┌─────────────────┐
│ 輸出最終報告 │
└─────────────────┘
```
### 智能特性
#### 1. 動態研究深度調整
- **Shallow (1)**: 每個代理進行 1 輪分析，適合快速決策
- **Medium (2)**: 每個代理進行 2 輪分析，平衡深度與速度
- **Deep (3+)**: 每個代理進行 3+ 輪分析，全面深入研究
#### 2. 長期記憶系統
- 使用 ChromaDB 向量資料庫儲存歷史決策
- 代理可以參考過去類似情況的決策
- 持續學習與改進分析品質
#### 3. 結構化輸出
- 所有報告均採用 Markdown 格式
- 清晰的章節結構
- 支援表格、列表、程式碼區塊等豐富格式
#### 4. 實時資料整合
- yfinance: 即時股價與歷史資料
- Reddit API: 社群情緒分析
- RSS Feeds: 財經新聞抓取
- Alpha Vantage: 詳細財務資料（必需）
---
## 📸 應用截圖
### 首頁 - 系統介紹
展示 TradingAgentsX 的核心功能與多代理協作工作流程
---
### 分析配置頁面
直觀的表單介面，支援完整的 LLM 多模型配置與自訂端點設定
---
### 代理觀點選擇
**12 個專業代理標籤**，點擊可切換查看不同代理的分析報告：
- **分析師團隊 (4)**: 市場分析師、社群媒體分析師、新聞分析師、基本面分析師
- **研究團隊 (3)**: 看漲研究員、看跌研究員、研究經理
- **交易團隊 (1)**: 交易員
- **風險管理團隊 (4)**: 激進分析師、保守分析師、中立分析師、風險經理
---
### 股價走勢圖表 (K 線圖)
互動式價格走勢與成交量圖表(K 線圖)，清晰呈現股票歷史數據
---
### 股價走勢圖表 (折線圖)
互動式價格走勢與成交量圖表(折線圖)，清晰呈現股票歷史數據
---
### 市場分析師報告
技術面深度分析，包含技術指標、價格走勢、支撐阻力位評估
---
### 社群媒體分析師報告
社交媒體情緒指標與投資者信心評估
---
### 新聞分析師報告
最新財經新聞摘要與事件影響分析
---
### 基本面分析師報告
詳細的財務數據解析與價值評估
---
### 看漲研究員報告
多頭觀點論證、上漲催化劑分析與目標價位預測
---
### 看跌研究員報告
空頭觀點論證、下跌風險警告與防守策略建議
---
### 研究經理報告
綜合看漲與看跌觀點的研究團隊決策
---
### 交易員報告
整合所有分析師報告後的交易執行計劃與策略
---
### 激進分析師報告
高風險高回報策略的分析與評估
---
### 保守分析師報告
穩健保守策略的分析與風險控制建議
---
### 中立分析師報告
中立平衡策略的分析與風險評估
---
### 風險經理報告
風險管理團隊的綜合決策與最終交易建議
---
### 下載報告
---
## 🙏 致謝
### 特別感謝
本專案基於 [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents) 的原始專案進行改進和擴展。衷心感謝原作者創建了如此優秀的多代理交易分析框架，為我們提供了堅實的基礎。
### 使用的開源專案
本專案使用了以下優秀的開源專案：
- [LangChain](https://github.com/langchain-ai/langchain) - LLM 應用開發框架
- [LangGraph](https://github.com/langchain-ai/langgraph) - 多代理工作流編排
- [FastAPI](https://github.com/tiangolo/fastapi) - 現代化 Python Web 框架
- [Next.js](https://github.com/vercel/next.js) - React 全端框架
- [shadcn/ui](https://github.com/shadcn/ui) - 精美的 React 組件庫
- [ChromaDB](https://github.com/chroma-core/chroma) - AI 原生向量資料庫
- [yfinance](https://github.com/ranaroussi/yfinance) - Yahoo Finance 資料下載工具
---
## 📄 License
本專案採用 Apache 2.0 許可證 - 查看 [LICENSE](LICENSE) 文件了解詳情。
