132 lines
3.1 KiB
Markdown
132 lines
3.1 KiB
Markdown
---
|
||
description: 如何部署 TradingAgents 项目
|
||
---
|
||
|
||
# TradingAgents 部署工作流
|
||
|
||
本工作流描述如何从零开始部署 TradingAgents 多智能体交易框架。
|
||
|
||
## 前置条件
|
||
|
||
- 已安装 Conda
|
||
- 已安装 Git
|
||
- 有 OpenAI API 密钥
|
||
- 有 Alpha Vantage API 密钥（免费获取：https://www.alphavantage.co/support/#api-key）
|
||
|
||
## 部署步骤
|
||
|
||
### 1. 克隆项目（如果还未克隆）
|
||
|
||
```bash
|
||
git clone https://github.com/TauricResearch/TradingAgents.git
|
||
cd TradingAgents
|
||
```
|
||
|
||
### 2. 创建 Conda 虚拟环境
|
||
|
||
// turbo
|
||
```bash
|
||
conda create -n tradingagents python=3.13 -y
|
||
```
|
||
|
||
### 3. 激活环境并安装依赖
|
||
|
||
```bash
|
||
conda activate tradingagents
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
### 4. 配置 API 密钥
|
||
|
||
复制示例环境文件：
|
||
python -m cli.main
|
||
```
|
||
|
||
这将启动一个交互式界面，你可以选择：
|
||
- 股票代码（ticker）
|
||
- 日期
|
||
- LLM 模型
|
||
- 研究深度等参数
|
||
|
||
#### 方式 2: 使用 Python 代码
|
||
|
||
创建测试脚本或运行 `main.py`：
|
||
|
||
```python
|
||
from tradingagents.graph.trading_graph import TradingAgentsGraph
|
||
from tradingagents.default_config import DEFAULT_CONFIG
|
||
|
||
ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())
|
||
_, decision = ta.propagate("NVDA", "2024-05-10")
|
||
print(decision)
|
||
```
|
||
|
||
### 6. 自定义配置（可选）
|
||
|
||
你可以修改默认配置来使用不同的 LLM 模型或数据源：
|
||
|
||
```python
|
||
from tradingagents.default_config import DEFAULT_CONFIG
|
||
|
||
config = DEFAULT_CONFIG.copy()
|
||
config["deep_think_llm"] = "gpt-4o-mini" # 节省成本
|
||
config["quick_think_llm"] = "gpt-4o-mini"
|
||
config["max_debate_rounds"] = 1
|
||
|
||
# 配置数据供应商
|
||
config["data_vendors"] = {
|
||
"core_stock_apis": "yfinance",
|
||
"technical_indicators": "yfinance",
|
||
"fundamental_data": "alpha_vantage",
|
||
"news_data": "alpha_vantage",
|
||
}
|
||
|
||
ta = TradingAgentsGraph(debug=True, config=config)
|
||
```
|
||
|
||
## 重要提示
|
||
|
||
⚠️ **成本控制**: 该框架会进行大量 API 调用。测试时建议使用 `gpt-4o-mini` 等较便宜的模型。
|
||
|
||
⚠️ **免责声明**: TradingAgents 仅用于研究目的，不构成财务、投资或交易建议。
|
||
|
||
⚠️ **API 限制**: Alpha Vantage 免费版有速率限制。TradingAgents 用户可获得提升的限制（每分钟 60 次请求，无每日限制）。
|
||
|
||
## 验证部署
|
||
|
||
运行以下命令验证环境配置正确：
|
||
|
||
// turbo
|
||
```bash
|
||
python test.py
|
||
```
|
||
|
||
或者运行一个简单的测试：
|
||
|
||
```bash
|
||
python -c "from tradingagents.graph.trading_graph import TradingAgentsGraph; print('部署成功！')"
|
||
```
|
||
|
||
## 故障排除
|
||
|
||
### 问题: 缺少 API 密钥
|
||
**解决方案**: 确保 `.env` 文件存在且包含有效的 API 密钥，或设置环境变量。
|
||
|
||
### 问题: 依赖安装失败
|
||
**解决方案**:
|
||
- 确保使用 Python 3.13
|
||
- 尝试升级 pip: `pip install --upgrade pip`
|
||
- 逐个安装依赖以识别问题包
|
||
|
||
### 问题: Alpha Vantage 速率限制
|
||
**解决方案**:
|
||
- 等待一分钟后重试
|
||
- 考虑升级到 Alpha Vantage Premium
|
||
- 或在配置中切换到其他数据源
|
||
|
||
## 下一步
|
||
|
||
- 查看 `tradingagents/default_config.py` 了解所有可配置选项
|
||
- 阅读项目文档了解多智能体架构
|
||
- 加入 Discord 社区: https://discord.com/invite/hk9PGKShPK
|