4.7 KiB

Raw Blame History

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

语言规则

用中文回答用户的问题

项目概述

TradingAgents 是一个基于 LangGraph 的多智能体 LLM 金融交易框架，模拟真实交易公司的运作模式。通过部署专业化的 LLM 智能体（基本面分析师、情绪分析师、技术分析师、交易员、风险管理团队）协作评估市场状况并做出交易决策。

常用命令

# 激活环境
source env312/bin/activate

# CLI 交互模式（推荐）
python -m cli.main

# 单股分析（编程方式）
python -c "from tradingagents.graph.trading_graph import TradingAgentsGraph; ta = TradingAgentsGraph(debug=True); _, decision = ta.propagate('NVDA', '2026-01-15'); print(decision)"

# 运行测试
python -m pytest orchestrator/tests/

# Orchestrator 回测模式
QUANT_BACKTEST_PATH=/path/to/quant_backtest python orchestrator/examples/run_backtest.py

# Orchestrator 实时模式
QUANT_BACKTEST_PATH=/path/to/quant_backtest python orchestrator/examples/run_live.py

核心架构

工作流程

分析师团队 → 研究员辩论 → 交易员 → 风险管理辩论 → 组合经理

关键组件

tradingagents/ - 核心多智能体框架

agents/ - LLM智能体实现 (分析师、研究员、交易员、风控)
dataflows/ - 数据源集成，通过 interface.py 路由到 yfinance/alpha_vantage/china_data
graph/ - LangGraph 工作流编排，trading_graph.py 是主协调器
llm_clients/ - 多Provider LLM支持 (OpenAI, Anthropic, Google, xAI, OpenRouter, Ollama)
default_config.py - 默认配置（LLM provider、模型选择、数据源路由、辩论轮数）

orchestrator/ - 量化+LLM信号融合层

orchestrator.py - 主协调器，融合 quant 和 LLM 信号
quant_runner.py - 量化信号获取
llm_runner.py - LLM 信号获取（调用 TradingAgentsGraph）
signals.py - 信号合并逻辑
backtest_mode.py / live_mode.py - 回测/实时运行模式
contracts/ - 配置和结果契约定义

cli/ - 交互式命令行界面

main.py - Typer CLI 入口，实时显示智能体状态和报告

配置系统

TradingAgents 配置 (`tradingagents/default_config.py`)

运行时可覆盖的关键配置：

llm_provider: "openai" | "google" | "anthropic" | "xai" | "openrouter" | "ollama"
deep_think_llm: 复杂推理模型（本地默认 MiniMax-M2.7-highspeed）
quick_think_llm: 快速任务模型（本地默认 MiniMax-M2.7-highspeed）
backend_url: LLM API endpoint
data_vendors: 按类别配置数据源 (core_stock_apis, technical_indicators, fundamental_data, news_data)
tool_vendors: 按工具覆盖数据源（优先级高于 data_vendors）
max_debate_rounds: 研究员辩论轮数
max_risk_discuss_rounds: 风险管理辩论轮数
output_language: 输出语言（"English" | "中文"）

Orchestrator 配置 (`orchestrator/config.py`)

quant_backtest_path: 量化回测输出目录（必须设置才能使用 quant 信号）
trading_agents_config: 传递给 TradingAgentsGraph 的配置
quant_weight_cap / llm_weight_cap: 信号置信度上限
llm_batch_days: LLM 运行间隔天数
cache_dir: LLM 信号缓存目录
llm_solo_penalty / quant_solo_penalty: 单轨运行时的置信度折扣

A股特定配置

数据源: yfinance (akshare 财务 API 已损坏)
股票代码格式: 300750.SZ (深圳), 603259.SS (上海), 688256.SS (科创板)
MiniMax API: Anthropic 兼容，Base URL: https://api.minimaxi.com/anthropic
本地默认模型: MiniMax-M2.7-highspeed

数据流向

1. 工具调用 (agents/utils/*_tools.py)
   ↓
2. 路由层 (dataflows/interface.py)
   - 根据 config["data_vendors"] 和 config["tool_vendors"] 路由
   ↓
3. 数据供应商实现
   - yfinance: y_finance.py, yfinance_news.py
   - alpha_vantage: alpha_vantage*.py
   - china_data: china_data.py (需要 akshare，当前不可用)
   ↓
4. 返回数据给智能体

重要实现细节

LLM 客户端

llm_clients/base_client.py - 统一接口
llm_clients/model_catalog.py - 模型目录和验证
支持 provider-specific thinking 配置 (google_thinking_level, openai_reasoning_effort, anthropic_effort)

信号融合 (Orchestrator)

双轨制：quant 信号 + LLM 信号
降级策略：单轨失败时使用另一轨，应用 solo_penalty
缓存机制：LLM 信号缓存到 cache_dir，避免重复 API 调用
契约化：使用 contracts/ 定义的结构化输出

测试

orchestrator/tests/ - Orchestrator 单元测试
tests/ - TradingAgents 核心测试
使用 pytest 运行：python -m pytest orchestrator/tests/

4.7 KiB Raw Blame History Unescape Escape