三个月前，TradingAgents在GitHub上拿了69K星。我花了整整一天配环境——Python版本报错、pip install缺包、API Key没配对——来回折腾了6个小时才跑通第一只美股。当时就想：有没有办法一句话搞定整个部署？

TradingAgent - Github下载资源https://github.com/TauricResearch/TradingAgents

后来用EasyClaw试了——把这个开源金融分析框架30秒跑完、从零到第一份A股分析报告。这篇文章包括部署/实战/踩坑/费用/A股适配五个模块，全部基于真实运行数据。
easyclawhttps://easyclaw.cn/?f=677

一、为什么TradingAgents不是又一个”AI荐股工具”

TradingAgents由UCLA和MIT的NLP实验室与哥伦比亚大学联合开发，目前GitHub 69K星。市面上绝大部分”AI炒股工具”是一个大模型回答所有问题——问什么答什么，你问”茅台能买吗”它说”能”或”不能”。

TradingAgents不做这件事。市面上绝大部分AI炒股工具是一个大模型回答所有问题——问什么答什么。但AI量化交易领域真正缺少的，是一个让不同Agent互相制衡、多空双方先辩论再出结论的框架。TradingAgents模拟的正是真实的证券研究所——七个AI Agent分角色协作：有人看基本面、有人算指标、有人扫新闻、有人唱多、有人唱空，最后多空辩论过了风控才出结论。

核心设计：双LLM架构

TradingAgents：

阶段	使用的LLM	做什么	为什么分两个
分析师阶段	Quick Think（轻量模型）	跑技术指标、拉财报、扫新闻——数据聚合	省token、省时间
辩论/决策阶段	Deep Think（深度模型）	多空研究员辩论、风控评估——需要复杂推理	质量>速度

一个任务分两个模型跑→成本降到只用深度模型的40%，同时决策质量不降。这笔账后面会算。

###支持的数据源和LLM

LLM	数据源
OpenAI / DeepSeek /通义千问 / Gemini / Claude	yFinance / Tushare / AKShare / Finnhub / Alpha Vantage

A股用户的痛点：原版只接yFinance（美股），中国用户需要手动替换数据源。用EasyClaw的话，部署时加一句"数据源用AKShare跑A股"，自动搞定。

二、手动部署的12个坑——及EasyClaw怎么避开

在实际机器上把TradingAgents跑起来之前，先列一遍你会遇到的坑。这些是我真实踩过的：

序号	报错	原因	EasyClaw怎么处理
1	ERROR: No matching distribution found	Python版本不对	自动选择Python3.11
2	ModuleNotFoundError: No module named 'langgraph'	依赖未安装	自动pip install所有依赖
3	openai.error.AuthenticationError	API Key没配	提示你填Key，自动写入.env
4	KeyError: 'FINNHUB_API_KEY'	数据源Key缺失	检测到缺失→提示注册链接
5	ConnectionError: HTTPSConnectionPool	网络问题	自动检测+提示切换镜像源
6	TypeError: expected str, got NoneType	配置字段为空	自动校验配置文件
7-12	…省略	…（完整12条见文末附录）	…

用时对比：

方式	环境安装	API配置	第一次跑通	总耗时
手动部署	~2小时	~30分钟	~30分钟	3小时
EasyClaw	0	0	30秒	30秒

---

三、EasyClaw零代码部署（→A股直跑）

打开EasyClaw，一句指令：

“帮我部署TradingAgents多智能体股票分析框架，Python3.11，接入DeepSeek作为底层模型，数据源用AKShare跑A股。部署完成后用茅台600519做一次完整分析。点击可以查看操作演示https://easyclaw.ijinshan.com/skills/tradingagents/

EasyClaw执行以下动作（自动，不弹窗）：

1.创建隔离Python3.11环境2.从GitHub拉取TradingAgents仓库3.安装全部依赖 +openbb-akshare扩展4.配置DeepSeek API Key写环境变量5.验证部署→跑示例脚本→确认分析方法

从你说完那句话到EasyClaw确认部署成功→30秒。不需要碰终端、不需要复制命令、不需要搜"为什么pip install报这个错"。

部署完成后，EasyClaw自动跑第一次分析：

这就是一份AI群策群力后的分析结果。不是一个大模型的独断专行。

四、A股适配：替换yFinance为AKShare

原版TradingAgents默认用yFinance获取美股数据。跑A股需要换成国内数据源。EasyClaw内置AKShare集成，自动完成以下四个映射：

原版（美股）	A股替换
provider="yfinance"	provider="akshare"
代码 AAPL / NVDA	代码 600519 / 000858
财报来源:yFinance	财报来源:AKShare(东方财富/同花顺/巨潮)
新闻源: Finnhub	新闻源:同花顺iFinD

手动替换需要找到每个Agent内部的provider参数改一遍。EasyClaw只需要在部署时多一句话：“数据源用AKShare”。全自动。

五、跑一次分析花多少钱？API费用实测

TradingAgents用了双LLM架构（快速模型+深度模型分开跑），费用比全用深度模型低很多。

跑一次完整分析（一只股票，不限真实资金背景），我用DeepSeek实测的结果：

阶段	LLM	消耗token	费用(DeepSeek)
基本面分析	Quick Think	~600	约¥0.0003
技术面分析	Quick Think	~400	约¥0.0002
新闻情绪分析	Quick Think	~500	约¥0.00025
多空辩论	Deep Think	~1200	约¥0.0012
交易方案生成	Deep Think	~800	约¥0.0008
风控审批	Quick Think	~400	约¥0.0002
一次完整分析合计		~3900 token	大约¥0.003

DeepSeek的输入价格是$0.07/百万token，输出$0.27/百万token。换成OpenAI GPT-4o会增加约一倍的费用。

用EasyClaw跑完之后，它会自动显示本次消耗的token数和估算费用。

六、你不能只看AI的建议——看它的辩论

TradingAgents最终输出一页报告。你在决策时关心的事不是"它建议增持还是减持"，而是多头和空头研究员的分歧在哪里。

判断项	多头认为	空头认为	你需要人工判断的
估值	PE28<行业32→低估	估值低是因为增长确定性不及五年前→合理	行业增长的天花板
业绩	半年报超预期	增速高点→基数效应	超预期的持续性
风险	估值修复预期强	白酒行业内卷	消费意愿回暖节奏

AI做了它能做的最好一件事——在你想买入的时候，找一个人告诉你"为什么不该买"。

EasyClaw还支持多模型交叉验证：对同一只茅台，用DeepSeek跑一次TradingAgents分析，再用通义千问跑一次。如果两个模型都给增持→置信度上升。如果两个模型给出了相反的结论，EasyClaw会并列展示它们的分歧点——“DeepSeek认为估值偏低、通义千问认为白酒板块整体处于下行通道”——这时候结论由你做判断，不盲从任何一个模型。

七.把TradingAgents改造成你自己的工具

自定义Agent提示词

每个Agent内部的系统提示词定义了它的分析框架。如果你想让基本面分析师更关注现金流而非营收增速，可以在EasyClaw里说：

“修改TradingAgents基本面分析师的提示词，让它重点关注自由现金流、经营现金流增速，而非单纯的营收增长。”

EasyClaw打开配置文件→按你的要求替换→重新验证修改后的效果。

添加你的私有数据

如果你有自选的股票池、历史交易记录、内部研报，可以告诉EasyClaw：

“在TradingAgents的数据源中增加我的自选股列表和最近三个月交易记录，在风控阶段加入’是否重复交易同一板块’的检查。”

TradingAgents本身不是魔法。它在做的事情是所有交易员都会的——不要让情绪驾驶视线。它用七个AI强行在你想买入的时候唱空，在你恐慌时提醒你看基本面。

现在不用自己动手配环境了。打开EasyClaw，说一句"部署TradingAgents并分析茅台600519"，剩下的事交给它。

**延伸阅读：**如果你还需要获取金融数据来做分析，搭配OpenBB开源金融数据平台一起使用——一个负责数据获取，一个负责AI决策分析。

---

附录：完整12个踩坑记录

#	现象	原因	解决方法
1	ERROR: No matching distribution found	Python版本不兼容	使用Python3.11（不用3.12/3.13）
2	ModuleNotFoundError: langgraph	依赖未装全	pip install -r requirements.txt
3	AuthenticationError	API Key未配置	复制.env.example→.env→填入Key
4	KeyError: FINNHUB_API_KEY	数据源Key缺失	注册Finnhub（免费）或跳过该provider
5	ConnectionError	网络不可达	换镜像源或开代理
6	TypeError: expected str	配置文件有空字段	检查.env每个字段都有值
7	JSONDecodeError	LLM返回非JSON输出	换模型或降低temperature
8	MemoryError	数据量过大	缩减分析时间范围
9	RateLimitError	API调用频率超限	降低辩论轮数
10	ValueError: invalid ticker	股票代码格式错误	A股:代码+市场后缀(600519.SH)
11	Timeout	数据源响应超时	切换备选数据源
12	Docker: port already in use	端口冲突	更换映射端口

TradingAgents为开源研究框架，文章中的分析输出不构成投资建议。