lukiIabs/
trading-agents
TradingAgents LLM multi-agent finance trading stocks crypto fintech quantitative algo trading sentiment analysis OpenAI JavaScript Node.js research OSS
250216 forksPython· 分析于 2mo ago
一句话定位
判断
实用在合适的场景下值得直接采用，但不是普适必装。
30 秒上手
基于语言推断的标准命令$ pip install trading-agents标准 PyPI 包名，必要时按 README 调整
最适合的 3 个场景
- 1用LLM分析财经新闻/社交媒体情感来做交易决策辅助
- 2多智能体协作完成股票/加密货币的量化策略回测研究
- 3作为多智能体系统的学习参考代码
同类对比
vsFreqtrade
vsbacktrader
vsvectorbt
vsjesse-ai
完整对比报告（含矩阵评分）即将上线，订阅后第一时间收到。
值得追的健康信号
每周 LLM 自动巡检总 Star
250→
Forks
216→
语言
Python→
分析时间
2mo ago→
x
作者短评
符合「能用就用、不能用就放着」的标准。先收藏，等你下次遇到对应场景再 deep dive 不迟。
— xaikey · 基于 LLM 分析 + 个人判断
Topics
agentsalgorithmic-tradingcryptofinancefintechjavascriptllmmachine-learningmulti-agentnlpnodejsopen-sourceopenaiquantitative-tradingresearchsentiment-analysisstockstradingtrading-bots
其他 Python 趋势仓库
本页 LLM 分析由 MiniMax-M2.7 / Claude Haiku 4.5 等模型生成 · 不构成生产环境技术选型建议