项目实践 / 开源框架扩展
TradingAgents
面向 A 股公司研究的多 Agent 工作台
研究一家公司，需要把财务表现、业务变化、重要公告和市场定价放在一起判断。TradingAgents 将这些资料组织成一份研究记录：公司有哪些值得关注的变化，判断依据是什么，哪些解释仍需核查，以及下一步应该查什么。支持公司研究、催化因素分析与持仓假设复核。
24 秒项目演示
上游与个人扩展
把投研团队的分工写进 Agent 架构
架构起点：LangGraph 与多 Agent 协作
上游 TauricResearch/TradingAgents 参照投研与交易团队的分工设计 Agent：基本面、新闻、情绪和技术分析师分别使用各自的工具形成报告；看多与看空研究员围绕报告交叉辩论，由研究经理汇总，再交给交易员、风险讨论团队与组合经理。
LangGraph 将这些角色、工具和交接关系组织成有状态的工作流。Agent 与工具是流程节点，节点之间的连接决定信息如何流转：分析师可以分别执行，报告齐备后进入研究辩论；辩论按设定轮次交替进行，再交由管理角色汇总。共享状态按字段保存各类报告、讨论历史和阶段结果，后续角色据此继续工作。
上游协作主线
- 专业分析
- 多空辩论
- 研究经理
- 交易员
- 风险讨论
- 组合经理
我的扩展：围绕 A 股研究组织假设、挑战与核查
我在这一多 Agent 基础上，将 A 股研究组织为五类角色，重点解释判断如何形成、有哪些依据，以及什么条件会改变判断。
| Agent 角色 | 研究职责 |
|---|---|
| 经营 | 分析财务与经营资料，结合估值材料提出经营质量与估值定位的判断。 |
| 事件 | 研究公告和重要事件，提出潜在催化、兑现条件与失效条件。 |
| 市场 | 分析价格表现和量化风险背景，提供市场侧的观察与替代解释。 |
| 挑战 | 阅读专项提出的假设，寻找反证、证据缺口和其他可能的解释。 |
| 综合 | 结合专项、挑战与核查结果，形成分维度判断、关键依据、主要疑点和下一步查证方向。 |
三个专项 Agent 使用同一次研究中保存的对应材料，互不读取其他专项的草稿，先分别形成假设，再交给挑战角色审查。每项假设需要关联支持事实，并写明成立条件和失效条件。
程序承担资料准入、引用校验与可计算条件的核查。例如，校验数据所属公司、日期与单位，核对同期间利润和经营现金流的披露关系；Agent 负责解释这些材料支持什么判断，以及还有哪些替代解释需要研究。
本项目研究主线
- 资料校验与保存
- 经营／事件／市场专项
- 独立挑战
- 程序核查
- 综合判断
- 研究记录
当前 Web 的上述研究流程由专用 Python 运行器直接编排；经典 LangGraph 流程仍保留在项目中。
从“概念关联”追问到业务依据
视频中的历史样例研究了沃尔核材（002130.SZ）与 AI 产业链的业务关联，研究截点为 2026 年 10 月 6 日。保存的记录把一个宽泛的行业叙事拆成了三个可以继续核查的问题。
- 已有材料能说明什么？
- 合并财务数据、公告标题、行情与估值背景，可以支持总量和市场层面的观察。
- 还不能确认什么？
- 这些材料不足以确认 AI 相关业务的收入、客户或订单占比；材料不足也不能直接证明关联不存在。
- 下一步查什么？
- 查看产品与客户拆分、相关公告正文和项目资金用途，区分直接供货、间接受益与一般扩产。
在阅读界面中，可以从研究判断查看关联事实与保存来源，也可以回看各 Agent 的专项产物和挑战意见。研究记录将判断、依据和待查问题放在一起，为后续尽调提供入口。
部分 A 股数据适配参考 Simon Lin / a-stock-data。
项目仅用于研究，不构成投资建议。