395 lines
13 KiB
Markdown
395 lines
13 KiB
Markdown
# TradingAgents 核心架构与逻辑指南
|
||
|
||
## 📋 项目概述
|
||
|
||
TradingAgents是一个基于多代理大语言模型的金融交易分析框架，模拟真实交易公司的运作模式。通过多个专门的AI代理协作，从不同维度分析市场数据，最终形成综合的交易决策建议。
|
||
|
||
## 🏗️ 整体架构
|
||
|
||
### 核心设计理念
|
||
|
||
TradingAgents采用**多代理协作**的设计模式，每个代理都有明确的角色定位和职责分工：
|
||
|
||
```
|
||
┌─────────────────────────────────────────────────────────────┐
|
||
│ TradingAgents 架构图 │
|
||
├─────────────────────────────────────────────────────────────┤
|
||
│ 数据层 (Data Layer) │
|
||
│ ┌─────────┬─────────┬─────────┬─────────┬─────────┐ │
|
||
│ │Yahoo │FinnHub │Reddit │Google │技术指标 │ │
|
||
│ │Finance │数据 │数据 │News │计算 │ │
|
||
│ └─────────┴─────────┴─────────┴─────────┴─────────┘ │
|
||
├─────────────────────────────────────────────────────────────┤
|
||
│ 代理层 (Agent Layer) │
|
||
│ ┌─────────┬─────────┬─────────┬─────────┬─────────┐ │
|
||
│ │市场分析师│基本面分析师│新闻分析师│社交媒体分析师│风险管理 │ │
|
||
│ └─────────┴─────────┴─────────┴─────────┴─────────┘ │
|
||
│ ┌─────────┬─────────┬─────────┬─────────┬─────────┐ │
|
||
│ │看涨研究员│看跌研究员│研究经理 │交易员 │风险经理 │ │
|
||
│ └─────────┴─────────┴─────────┴─────────┴─────────┘ │
|
||
├─────────────────────────────────────────────────────────────┤
|
||
│ 协调层 (Coordination Layer) │
|
||
│ ┌─────────┬─────────┬─────────┬─────────┐ │
|
||
│ │图构建 │状态管理 │条件逻辑 │信号处理 │ │
|
||
│ └─────────┴─────────┴─────────┴─────────┘ │
|
||
├─────────────────────────────────────────────────────────────┤
|
||
│ 决策层 (Decision Layer) │
|
||
│ ┌─────────┬─────────┬─────────┐ │
|
||
│ │辩论机制 │风险评估 │最终决策 │ │
|
||
│ └─────────┴─────────┴─────────┘ │
|
||
└─────────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
## 🚀 代码入口与执行流程
|
||
|
||
### 1. 主要入口点
|
||
|
||
#### 入口1: 直接运行 (main.py)
|
||
```python
|
||
# 导入核心模块
|
||
from tradingagents.graph.trading_graph import TradingAgentsGraph
|
||
from tradingagents.default_config import DEFAULT_CONFIG
|
||
|
||
# 创建配置
|
||
config = DEFAULT_CONFIG.copy()
|
||
config["llm_provider"] = "qwen" # 使用国内免费模型
|
||
|
||
# 初始化交易代理图
|
||
ta = TradingAgentsGraph(debug=True, config=config)
|
||
|
||
# 运行分析
|
||
_, decision = ta.propagate("NVDA", "2024-05-10")
|
||
```
|
||
|
||
#### 入口2: 命令行界面 (cli/main.py)
|
||
```bash
|
||
python -m cli.main
|
||
```
|
||
|
||
### 2. 核心执行流程
|
||
|
||
```mermaid
|
||
graph TD
|
||
A[用户输入: 股票代码+日期] --> B[创建初始状态]
|
||
B --> C[市场分析师]
|
||
C --> D[基本面分析师]
|
||
D --> E[新闻分析师]
|
||
E --> F[社交媒体分析师]
|
||
F --> G[看涨研究员]
|
||
G --> H[看跌研究员]
|
||
H --> I[研究经理]
|
||
I --> J[交易员]
|
||
J --> K[风险分析师]
|
||
K --> L[风险经理]
|
||
L --> M[最终决策]
|
||
```
|
||
|
||
## 🔧 核心模块详解
|
||
|
||
### 1. 图系统 (tradingagents/graph/)
|
||
|
||
#### TradingAgentsGraph - 主协调器
|
||
**文件**: `tradingagents/graph/trading_graph.py`
|
||
|
||
**核心职责**:
|
||
- 初始化所有AI模型和代理
|
||
- 协调整个分析流程
|
||
- 管理状态传递和结果输出
|
||
|
||
**关键方法**:
|
||
```python
|
||
def __init__(self, selected_analysts, debug, config):
|
||
# 初始化AI模型
|
||
# 创建代理节点
|
||
# 设置图结构
|
||
|
||
def propagate(self, company_name, trade_date):
|
||
# 创建初始状态
|
||
# 执行图流程
|
||
# 返回最终决策
|
||
```
|
||
|
||
#### GraphSetup - 图构建器
|
||
**文件**: `tradingagents/graph/setup.py`
|
||
|
||
**核心职责**:
|
||
- 构建LangGraph工作流
|
||
- 定义代理之间的连接关系
|
||
- 设置条件分支逻辑
|
||
|
||
**关键组件**:
|
||
```python
|
||
def setup_graph(self, selected_analysts):
|
||
# 创建分析师节点
|
||
# 创建研究员节点
|
||
# 创建管理节点
|
||
# 定义边连接
|
||
# 设置条件逻辑
|
||
```
|
||
|
||
#### Propagator - 状态传播器
|
||
**文件**: `tradingagents/graph/propagation.py`
|
||
|
||
**核心职责**:
|
||
- 创建初始分析状态
|
||
- 管理状态在代理间的传递
|
||
- 控制递归限制
|
||
|
||
**关键方法**:
|
||
```python
|
||
def create_initial_state(self, company_name, trade_date):
|
||
# 初始化状态字典
|
||
# 设置公司信息和交易日期
|
||
# 创建辩论状态
|
||
|
||
def get_graph_args(self):
|
||
# 返回图执行参数
|
||
# 设置递归限制
|
||
```
|
||
|
||
#### ConditionalLogic - 条件逻辑控制器
|
||
**文件**: `tradingagents/graph/conditional_logic.py`
|
||
|
||
**核心职责**:
|
||
- 控制代理间的流程分支
|
||
- 决定是否需要工具调用
|
||
- 管理辩论轮数
|
||
|
||
**关键方法**:
|
||
```python
|
||
def should_continue_market(self, state):
|
||
# 判断市场分析是否需要工具调用
|
||
|
||
def should_continue_debate(self, state):
|
||
# 判断辩论是否继续
|
||
```
|
||
|
||
### 2. 代理系统 (tradingagents/agents/)
|
||
|
||
#### 分析师代理 (analysts/)
|
||
|
||
**市场分析师** (`market_analyst.py`)
|
||
- **职责**: 技术分析，计算技术指标
|
||
- **工具**: Yahoo Finance数据、技术指标计算
|
||
- **输出**: 市场趋势报告
|
||
|
||
**基本面分析师** (`fundamentals_analyst.py`)
|
||
- **职责**: 财务分析，评估公司价值
|
||
- **工具**: 财务报表数据、内部交易数据
|
||
- **输出**: 基本面分析报告
|
||
|
||
**新闻分析师** (`news_analyst.py`)
|
||
- **职责**: 新闻事件分析，宏观影响评估
|
||
- **工具**: Google News、FinnHub新闻
|
||
- **输出**: 新闻影响报告
|
||
|
||
**社交媒体分析师** (`social_media_analyst.py`)
|
||
- **职责**: 社交媒体情绪分析
|
||
- **工具**: Reddit数据、社交媒体API
|
||
- **输出**: 情绪分析报告
|
||
|
||
#### 研究员代理 (researchers/)
|
||
|
||
**看涨研究员** (`bull_researcher.py`)
|
||
- **职责**: 构建看涨论点，寻找投资机会
|
||
- **输入**: 所有分析师报告
|
||
- **输出**: 看涨分析报告
|
||
|
||
**看跌研究员** (`bear_researcher.py`)
|
||
- **职责**: 构建看跌论点，识别风险因素
|
||
- **输入**: 所有分析师报告
|
||
- **输出**: 看跌分析报告
|
||
|
||
#### 管理代理 (managers/)
|
||
|
||
**研究经理** (`research_manager.py`)
|
||
- **职责**: 综合看涨和看跌观点，形成投资计划
|
||
- **输入**: 看涨/看跌研究报告
|
||
- **输出**: 综合投资计划
|
||
|
||
**风险经理** (`risk_manager.py`)
|
||
- **职责**: 评估投资风险，调整交易策略
|
||
- **输入**: 交易建议、风险分析
|
||
- **输出**: 最终交易决策
|
||
|
||
#### 交易代理 (trader/)
|
||
|
||
**交易员** (`trader.py`)
|
||
- **职责**: 基于研究结果制定具体交易策略
|
||
- **输入**: 投资计划、市场分析
|
||
- **输出**: 交易建议
|
||
|
||
### 3. 数据流系统 (tradingagents/dataflows/)
|
||
|
||
#### 数据接口统一管理 (`interface.py`)
|
||
- **职责**: 提供统一的数据访问接口
|
||
- **功能**: 封装各种数据源的调用逻辑
|
||
|
||
#### 具体数据工具
|
||
- **`yfin_utils.py`**: Yahoo Finance数据获取
|
||
- **`finnhub_utils.py`**: FinnHub数据读取（本地缓存）
|
||
- **`reddit_utils.py`**: Reddit数据获取
|
||
- **`googlenews_utils.py`**: Google新闻搜索
|
||
- **`stockstats_utils.py`**: 技术指标计算
|
||
|
||
### 4. 状态管理系统
|
||
|
||
#### AgentState - 主状态
|
||
```python
|
||
class AgentState(MessagesState):
|
||
company_of_interest: str # 目标公司
|
||
trade_date: str # 交易日期
|
||
investment_debate_state: InvestDebateState # 投资辩论状态
|
||
risk_debate_state: RiskDebateState # 风险辩论状态
|
||
market_report: str # 市场分析报告
|
||
fundamentals_report: str # 基本面分析报告
|
||
sentiment_report: str # 情绪分析报告
|
||
news_report: str # 新闻分析报告
|
||
investment_plan: str # 投资计划
|
||
final_trade_decision: str # 最终交易决策
|
||
```
|
||
|
||
## 🔄 详细执行流程
|
||
|
||
### 阶段1: 初始化
|
||
1. **配置加载**: 读取默认配置，支持自定义配置
|
||
2. **模型初始化**: 根据配置初始化AI模型（支持国内外多种模型）
|
||
3. **代理创建**: 创建所有需要的代理节点
|
||
4. **图构建**: 使用LangGraph构建工作流图
|
||
|
||
### 阶段2: 数据分析
|
||
1. **市场分析师**:
|
||
- 获取股票价格数据
|
||
- 计算技术指标（RSI、MACD、布林带等）
|
||
- 生成技术分析报告
|
||
|
||
2. **基本面分析师**:
|
||
- 获取财务报表数据
|
||
- 分析内部交易情况
|
||
- 生成基本面分析报告
|
||
|
||
3. **新闻分析师**:
|
||
- 搜索相关新闻
|
||
- 分析宏观环境影响
|
||
- 生成新闻影响报告
|
||
|
||
4. **社交媒体分析师**:
|
||
- 获取社交媒体数据
|
||
- 进行情绪分析
|
||
- 生成情绪分析报告
|
||
|
||
### 阶段3: 研究辩论
|
||
1. **看涨研究员**:
|
||
- 基于所有分析报告
|
||
- 构建看涨论点
|
||
- 寻找投资机会
|
||
|
||
2. **看跌研究员**:
|
||
- 基于所有分析报告
|
||
- 构建看跌论点
|
||
- 识别风险因素
|
||
|
||
3. **研究经理**:
|
||
- 综合看涨和看跌观点
|
||
- 形成平衡的投资计划
|
||
- 制定投资策略
|
||
|
||
### 阶段4: 交易决策
|
||
1. **交易员**:
|
||
- 基于投资计划
|
||
- 制定具体交易策略
|
||
- 确定买卖时机和数量
|
||
|
||
2. **风险分析师**:
|
||
- 评估交易风险
|
||
- 进行压力测试
|
||
- 提供风险建议
|
||
|
||
3. **风险经理**:
|
||
- 综合所有信息
|
||
- 做出最终交易决策
|
||
- 输出最终建议
|
||
|
||
## 🛠️ 关键特性
|
||
|
||
### 1. 多模型支持
|
||
- **国外模型**: OpenAI GPT、Anthropic Claude、Google Gemini
|
||
- **国内模型**: 通义千问、文心一言、智谱AI、月之暗面Kimi
|
||
|
||
### 2. 灵活配置
|
||
- 可选择不同的分析师组合
|
||
- 可调整辩论轮数
|
||
- 支持在线/离线数据模式
|
||
|
||
### 3. 状态管理
|
||
- 完整的状态跟踪
|
||
- 支持调试模式
|
||
- 状态持久化
|
||
|
||
### 4. 工具集成
|
||
- 丰富的金融数据源
|
||
- 技术指标计算
|
||
- 新闻和社交媒体数据
|
||
|
||
## 📊 数据流图
|
||
|
||
```mermaid
|
||
graph LR
|
||
A[用户输入] --> B[TradingAgentsGraph]
|
||
B --> C[Propagator创建初始状态]
|
||
C --> D[GraphSetup构建工作流]
|
||
D --> E[分析师代理执行]
|
||
E --> F[研究员代理辩论]
|
||
F --> G[管理代理决策]
|
||
G --> H[最终输出]
|
||
|
||
E --> I[数据工具调用]
|
||
I --> J[Yahoo Finance]
|
||
I --> K[FinnHub数据]
|
||
I --> L[Reddit数据]
|
||
I --> M[Google News]
|
||
```
|
||
|
||
## 🔍 调试与监控
|
||
|
||
### 调试模式
|
||
```python
|
||
ta = TradingAgentsGraph(debug=True, config=config)
|
||
```
|
||
- 显示详细的执行过程
|
||
- 打印每个代理的输出
|
||
- 跟踪状态变化
|
||
|
||
### 状态日志
|
||
- 自动记录每次分析的状态
|
||
- 支持状态回放和分析
|
||
- 便于问题排查
|
||
|
||
## 🚨 注意事项
|
||
|
||
1. **API限制**: 注意各种API的调用限制和费用
|
||
2. **数据质量**: 确保数据源的可靠性和时效性
|
||
3. **模型选择**: 根据任务复杂度选择合适的模型
|
||
4. **风险控制**: 本框架仅用于研究，不构成投资建议
|
||
|
||
## 📈 扩展性
|
||
|
||
### 添加新的分析师
|
||
1. 在`tradingagents/agents/analysts/`中创建新文件
|
||
2. 实现分析师逻辑
|
||
3. 在`GraphSetup`中注册新节点
|
||
|
||
### 添加新的数据源
|
||
1. 在`tradingagents/dataflows/`中创建新工具
|
||
2. 在`interface.py`中注册新接口
|
||
3. 在代理中使用新工具
|
||
|
||
### 添加新的模型
|
||
1. 在`tradingagents/llm_adapters/`中创建适配器
|
||
2. 在`TradingAgentsGraph`中添加模型支持
|
||
3. 更新配置文件
|
||
|
||
---
|
||
|
||
这个指南提供了TradingAgents项目的完整架构和逻辑梳理，帮助开发者深入理解项目的设计思路和实现细节。
|