TradingAgents 是什么？
简单说，它是一个用一群 LLM 智能体模拟交易公司分工的开源框架。
这期本来想跳过它。一个"让 AI 替你炒股"的仓库，看着就像那类靠 demo 攒星的东西。翻完它今年二月到九月的版本日志，我改主意了。
它长什么样
分析师分四个方向：基本面、情绪、新闻、技术。技术那个用 MACD、RSI 这类常见指标找形态。情绪那个把 StockTwits 和 Reddit 上的讨论压成一个短期情绪判断。
再上面是研究员，分看多和看空两拨，结构化辩论一轮，把分析师的结论过一遍。再往上是交易员，定时机和仓位。最后风控算波动率和流动性，投资组合经理批或者拒。
点评：分工图很好看。拆开就是几段 prompt 串起来互相看输出。"看多和看空研究员辩论"，本质是让模型把正反两个方向各写一遍，再让第三个模型评。它的用处是逼模型把反面也写出来。
这不是华尔街。
版本日志里反复出现的一个词
前视偏差。
简单说：回测跑的是三月一日的分析，却读到了三月一日之后才公布的数据。结果全是假的，还假得特别好看。
这事谁都懂。难的是每个数据源单独修一遍。五月给情绪分析师做接地，七月加 Alpha Vantage 的前视过滤，八月回头修 FRED 宏观数据、社交情绪和决策日志记忆里的前视偏差。一个版本一个版本，一条一条。
所谓接地，就是把模型的每句价格断言拴到一份验证过的数据快照上。不让它跨两次运行给出不同的公司，或者编出来的价位。
点评：愿意花半年干这个的，和只想发个 demo 的，是两种人。
苹果 2008 年总资产的两种数字
v0.5.0 里有个细节，我看了两遍。
苹果 2008 年的总资产，最初申报是 396 亿美元。2010 年被重述为 362 亿。回测日期落在中间那几年，当时该读到的是 396 亿，不是后来那个修正过的数。
TradingAgents 专门按申报时点去 SEC EDGAR 取数。这个源不要账号也不要 key，但 SEC 要求调用方表明身份。项目默认带一个联系方式，也能换成你自己的。
点评：没有任何 demo 会展示这种东西。一个回测系统的诚实程度，基本等于它对"我当时知道什么"的较真程度。
同一个股票同一天，跑两次可能不一样
它自己写在文档里。原因是 LLM 采样的随机性，加上新闻、StockTwits、Reddit 这些数据实时在变。
给的解法是降 temperature。紧接着又补一句：现在主流模型以推理为主，大多忽略 temperature。想要严格复现，得换成非推理模型。
点评：这句坦白比整个架构图值钱。一个不能复现的回测，不太该叫策略。但你至少知道它不能，而不是被蒙着。
backtest 和那句免责
有个 run_backtest，在股票代码和日期的网格上跑同一套流程，算相对区域基准的 alpha，按评级分组。同一 run_id 重跑会跳过已跑过的格子。命令行是 tradingagents backtest，配上起止日期和间隔。
官方一句话说死：不保证跟任何已发布数字一致，把它当研究多智能体分析的脚手架，不是能复制的收益策略。
点评：这句该被截图。开源量化最缺的就是这句。
一份年初的技术报告
今年一月还有一份 Trading-R1。
这个我还没读，先放在这里。看懂了再补。
回到十万星
十万八千多星，两万多次 fork。
这些数字代表的不是代码质量，是需求。大家想要的是一台替我赚钱的机器。而这个仓库真正在做的事，跟这个需求关系不大。
一个项目越是被一个漂亮的形状描述，你越该去看它的版本日志。值得看的东西全在那条鸿沟里。
README 里明写了：仅用于研究，不构成投资建议。
想装来试试，conda 或 uv 建个 Python 3.12 环境，pip install . 就能跑，也可以走 docker compose，本地模型挂 Ollama。支持的提供商名单长得离谱，OpenAI、Anthropic、Google、DeepSeek、Qwen、GLM、Kimi、Groq、NVIDIA NIM 都在里面，vLLM、LM Studio、llama.cpp 这类 OpenAI 兼容端点也能接，把 llm_provider 设成 openai_compatible、backend_url 指过去就行。
本周就这些。
上面有任何一条你试过、或者觉得我讲错了，欢迎告诉我。
下周见。