多智能体LLM量化交易框架开源

量化交易的多智能体方案之前多是闭源或学术原型，这个框架把角色分工（Research Manager/Trader/Portfolio Manager）用LangGraph做成了可编排的工作流，且支持checkpoint恢复和持久化决策日志，解决了回测时"黑盒决策"的痛点。

相比微软的AutoGen或CrewAI这类通用多智能体框架，TradingAgents的优势是内置了金融领域的特定agent角色和sentiment分析模块，不需要从零设计协作拓扑。但也要注意其"非美国市场alpha基准"的披露，说明策略在A股/港股等市场的有效性仍在验证期。

如果你在探索LLM Agent从demo走向生产环境，这个项目的Docker部署和Ollama本地支持降低了试错成本，值得重点看其decision log的设计——这是很多金融合规场景刚需但开源社区长期缺失的部分。