# TradingAgents - 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** [![GitHub](https://img.shields.io/badge/GitHub-MarkLo127/TradingAgents-blue?logo=github)](https://github.com/MarkLo127/TradingAgents) [![Python](https://img.shields.io/badge/Python-3.10+-blue?logo=python)](https://www.python.org/) [![Next.js](https://img.shields.io/badge/Next.js-16-black?logo=next.js)](https://nextjs.org/) [![FastAPI](https://img.shields.io/badge/FastAPI-Latest-009688?logo=fastapi)](https://fastapi.tiangolo.com/) [![License](https://img.shields.io/badge/License-Apache%202.0-green.svg)](LICENSE)
## 📖 簡介 **TradingAgents** 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 - 📊 **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 和 Railway 部署 - 🔑 **BYOK (Bring Your Own Key)** - 使用者自帶 API 金鑰，保障隱私與成本控制 --- ## 🏗️ 系統架構 TradingAgents 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 ``` TradingAgents/ ├── 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 # TradingAgents 核心整合 │ └── price_service.py # 股價資料處理服務 │ ├── 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 │ │ ├── shared/ # 共用組件 │ │ └── ui/ # shadcn/ui 基礎組件 │ ├── context/ # React Context API │ │ └── AnalysisContext.tsx # 分析狀態管理 │ ├── 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 | #### 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 - **OpenAI API Key** (必需) - 用於驅動 AI 代理 - 申請網址: https://platform.openai.com/api-keys - **Alpha Vantage API Key** (可選) - 用於更詳細的股票資料 - 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/TradingAgents.git cd TradingAgents ``` #### 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 TradingAgents 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 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 # ============ API 金鑰配置 ============ # OpenAI API (必需) OPENAI_API_KEY=sk-your-openai-api-key-here OPENAI_BASE_URL=https://api.openai.com/v1 # Alpha Vantage API (可選) ALPHA_VANTAGE_API_KEY=your-alpha-vantage-key # 其他 LLM 提供商 (可選) CLAUDE_API_KEY=your-claude-api-key GEMINI_API_KEY=your-gemini-api-key OPENROUTER_API_KEY=your-openrouter-api-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 ``` ##### 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： ```bash # 啟動所有服務（首次執行會自動構建映像） docker compose up -d --build # 查看服務運行狀態 docker compose ps # 查看即時日誌 docker compose logs -f # 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 --- ## 📱 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** - **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 - **選擇 LLM 模型**: 系統提供兩種類型的模型配置： **快速思維模型** (用於快速分析和即時回應): - `gpt-5.1-2025-11-13` - GPT-5.1 (最新) - `gpt-5-mini-2025-08-07` - GPT-5 Mini - `gpt-5-nano-2025-08-07` - GPT-5 Nano - `gpt-4.1-mini` - GPT-4.1 Mini - `gpt-4.1-nano` - GPT-4.1 Nano - `gpt-4o` - GPT-4o (推薦預設) - `gpt-4o-mini` - GPT-4o Mini (預設) **深層思維模型** (用於複雜推理和深度分析): - `gpt-5.1-2025-11-13` - GPT-5.1 (最新) - `gpt-5-mini-2025-08-07` - GPT-5 Mini - `gpt-5-nano-2025-08-07` - GPT-5 Nano - `gpt-4.1-mini` - GPT-4.1 Mini - `gpt-4.1-nano` - GPT-4.1 Nano - `gpt-4o` - GPT-4o (推薦預設) - `gpt-4o-mini` - GPT-4o Mini > 💡 **提示**: 快速思維模型用於初步分析和資料收集，深層思維模型用於複雜決策和策略制定。您可以根據需求選擇不同的模型組合。 - **輸入 API 金鑰**: - 在表單中直接輸入您的 OpenAI API Key - 或使用環境變數預設值（如已配置） 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** - 市場分析師: 技術面分析與趨勢判斷 - 情緒分析師: 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 - 研究團隊辯論: 看漲與看跌觀點對比 - 交易員建議: 具體執行計畫 - 風險管理: 風險因子與對策 ### API 使用範例 如果您想要透過 API 整合 TradingAgents，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 ```bash curl -X POST http://localhost:8000/api/analyze \ -H "Content-Type: application/json" \ -d '{ "ticker": "NVDA", "analysis_date": "2024-01-15", "research_depth": "medium", "model": "gpt-4o", "selected_analysts": ["market", "sentiment", "news", "fundamental"], "api_key": "sk-your-openai-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 TradingAgents 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**: 每個代理進行 1 輪分析，適合快速決策 - **Medium**: 每個代理進行 2-3 輪分析，平衡深度與速度 - **Deep**: 每個代理進行 5+ 輪分析，全面深入研究 #### 2. 多模型支持 - 支援 OpenAI (GPT-4, GPT-4o, o1 系列) - 支援 Anthropic Claude - 支援 Google Gemini - 可透過 OpenRouter 存取更多模型 #### 3. 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 #### 4. 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 #### 5. 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（可選） --- ## 📸 應用截圖 ### 首頁 - 功能介紹 展示系統的核心功能與運作流程 ![首頁](web_screenshot/1.png) ### 分析配置頁面 直觀的表單介面，輕鬆配置所有分析參數 ![分析配置頁面](web_screenshot/2.png) ### 股價走勢與交易量（折線圖） 互動式圖表展示股價變化與交易量 ![股價走勢與交易量（折線圖）](web_screenshot/3.png) ### 股價走勢與交易量（K線圖） 專業的 K 線圖視覺化，適合技術分析 ![股價走勢與交易量（K線圖）](web_screenshot/4.png) ### 市場分析師報告 詳細的技術面分析與市場趨勢判斷 ![市場分析師報告](web_screenshot/5.png) ### 情緒分析師報告 社群媒體情緒指標與投資者信心評估 ![情緒分析師報告](web_screenshot/6.png) ### 新聞分析師報告 最新財經新聞摘要與事件影響分析 ![新聞分析師報告](web_screenshot/7.png) ### 基本面分析師報告 財務數據解析與價值評估 ![基本面分析師報告](web_screenshot/8.png) --- ## 🛠️ 開發指南 ### 專案開發 #### 後端開發 ```bash # 啟用虛擬環境 conda activate tradingagents # 以開發模式執行（自動重載） uvicorn backend.app.main:app --reload --host 0.0.0.0 --port 8000 # 執行測試 pytest backend/tests # 程式碼格式化 black backend/ ruff backend/ ``` #### 前端開發 ```bash # 開發模式（支援熱重載） pnpm -C frontend dev # 型別檢查 pnpm -C frontend type-check # Lint 檢查 pnpm -C frontend lint # 建構生產版本 pnpm -C frontend build # 預覽生產版本 pnpm -C frontend start ``` --- ## 🙏 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 ---