A-Stock Trading：基于 AI 多 Agent 协同辩论的 A 股量化分析系统【不构成任何投资建议】

🚀 A-Stock Trading：基于 AI 多 Agent 协同辩论的 A 股量化分析系统

必读

思路是基于TradingAgents的，复现了一下，在A股试一试。感兴趣的可以看一下原论文。
后端数据来自开源数据，版权属于原来源
AI分析仅供学习交流，不构成任何投资建议

核心思路是 让 AI 专家团为你打工：从数据挖掘到多轮辩论，产出深度研究报告。

🌟 项目亮点

在量化投资领域，单一 AI 模型的分析往往存在"幻觉"或片面性。本项目深度复现并落地了经典的 TradingAgents 架构，其核心优势在于：

多专家协同（Multi-Agent）：系统内置技术派、资金流、基本面、舆情、行业对比、看多/看空等多个专业 Agent，每个 Agent 都有独立的视角与逻辑。
多轮交叉辩论机制 ：
- 独立思考：专家基于原始行情、资金、舆情数据进行 1-3 轮深度分析。
- 博弈辩论：专家之间互看报告，指出对方逻辑漏洞，在碰撞中挤掉泡沫。
- 资深裁判总结：由"资深操作员"汇总所有辩论记录，识别共识，输出最终研究报告。
零成本高质量数据：无需昂贵的 Tushare 积分或付费接口，系统深度整合多路互联网公开数据，实时获取行情、指标、资金流及股吧舆情。
多选一决策（基金分配模式） ：支持多只股票对比，模拟基金经理决策，强制 AI 在备选池中给出明确的买入优先级。

🛠️ 核心功能模块

1. 深度分析与辩论

全自动研报生成：从技术面（MA/MACD/KDJ等）、资金面（主力净流入/异动）、基本面（PE/ROE等）及舆情（股吧/新闻）全方位覆盖。
实时思考流展示：前端实时流式输出每个专家的思考过程，分析逻辑透明可见。

2. 策略引擎（强势股策略）

选股逻辑：内置"早盘涨停"策略，自动筛选前两个交易日早盘强势封板、当前仍有空间的标的。
扩展性：支持自定义选股公式，一键触发 AI 专家团对筛选结果进行深度复盘。

3. AI 集成中心

全模型兼容：支持 OpenAI, DeepSeek, SiliconFlow (硅基流动), 通义千问, Google Gemini 等。
强度可调 ：支持快速、均衡、深入三种分析模式，适应不同决策场景。

📖 快速上手教程

环境准备

Python: 3.10+
Node.js: 18.0+
数据库: SQLite (内置，无需配置)

第一步：后端部署

bash 复制代码

# 1. 克隆仓库
git clone https://github.com/DLWangSan/a-stock-trading.git
cd a-stock-trading

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动 API 服务
python api_server.py

后端默认运行在 http://localhost:5000

第二步：前端部署

bash 复制代码

# 1. 进入前端目录
cd stock_frontend

# 2. 安装依赖
npm install

# 3. 启动开发环境
npm run dev

前端默认运行在 http://localhost:5173

第三步：配置与使用

打开浏览器访问前端地址。
进入 设置 (Settings) 页面，配置你的 AI 服务商 API Key（推荐使用 DeepSeek 或硅基流动）。
在首页搜索股票代码或在 策略 (Strategy) 页筛选，点击"AI 分析"启动你的专家辩论任务。

📅 Todo List & 展望

已实现：多 Agent 辩论、实时舆情分析、量化指标库、多模型适配、异步任务管理。
计划中：引入 RAG 检索增强技术（实时研报库）、自动化预警通知、 Agent 进化机制。

⚖️ 风险声明

本项目仅用于学术研究与技术交流 ，系统生成的所有分析报告均不构成投资建议。严禁用于任何商业用途。股市有风险，入市需谨慎。

如果你觉得这个项目有趣，欢迎在 GitHub 给个 ⭐ Star！
项目地址：https://github.com/DLWangSan/a-stock-trading