传统量化交易系统依赖人工编写的规则和统计模型：技术指标交叉、均线策略、布林带突破……这些方法的共同问题是无法理解非结构化信息（新闻、财报、社交媒体情绪），更无法像人类分析师那样综合多维度信息进行推理判断。
TradingAgents 的答案是：用多个专业化 LLM Agent 模拟一个真实的交易分析团队。
架构总览
TradingAgents 采用 分层 + 管道 的混合架构，核心编排引擎是 LangGraph：
2026/5/9...大约 6 分钟
TradingAgents 模拟了一个完整的交易团队，包含 12 个独立 AI Agent，分布在四个层级。每个 Agent 都有专属的 system prompt、工具集和决策逻辑。
角色全景图
┌──────────────────────────────────────────────────────────────┐
│ 📊 分析师层 (Analyst Layer) │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ Market │ │ Social │ │ News │ │ Fundamentals │ │
│ │ Analyst │ │ Analyst │ │ Analyst │ │ Analyst │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └──────┬───────┘ │
│ │ │ │ │ │
│ 技术指标/走势 社交媒体情绪 财经新闻分析 财报/基本面数据 │
├──────────────────────────────────────────────────────────────┤
│ 🔬 研究员层 (Researcher Layer) │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Bull │ │ Bear │ │
│ │ Researcher │←→│ Researcher │ 多轮辩论 │
│ └──────┬───────┘ └──────┬───────┘ │
│ └────────┬───────┘ │
│ 👤 Research Manager (裁决) │
├──────────────────────────────────────────────────────────────┤
│ 💰 交易层 (Trading Layer) │
│ ┌──────────────┐ │
│ │ Trader │ 制定交易计划 │
│ └──────────────┘ │
├──────────────────────────────────────────────────────────────┤
│ ⚠️ 风控层 (Risk Management Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐ │
│ │ Aggressive │ │ Neutral │ │ Conservative │ │
│ │ Analyst │←→│ Analyst │←→│ Analyst │ │
│ └──────┬───────┘ └──────┬───────┘ └──────────┬───────────┘ │
│ └─────────────────┼─────────────────────┘ │
│ 👤 Portfolio Manager (最终决策) │
└──────────────────────────────────────────────────────────────┘2026/5/9...大约 7 分钟