TradingAgents-Astock：专为A股改了什么？
这套开源多 Agent 投研框架接入了 A 股数据，并新增政策、游资和解禁三类角色。文章只讨论工具和研究方法，不构成任何投资建议。
美股投研框架直接搬到 A 股，经常卡在数据和规则上：股票代码格式不同，政策和龙虎榜缺席，T+1 、涨跌停、限售解禁也没有进入分析过程。
TradingAgents-Astock 针对这些问题改了数据层、分析角色和决策提示。代码里能找到完整实现，界面汉化只是其中一小部分。不过，它仍是一套 AI 研究辅助工具，数据和结论都需要人工复核。
风险提示：仅供学习研究与技术演示，不构成任何投资建议。 AI 报告可能包含错误、遗漏或幻觉，请以交易所公告、上市公司披露和持牌机构信息为准。
第一处改动：A 股数据直接接进来
项目新增了一套 a_stock 数据层，当前会从多个公开接口读取数据：
- mootdx：日 K 、财务快照和 F10；
- 腾讯财经：价格、 PE 、 PB 、市值和换手率；
- 东方财富：龙虎榜、解禁、资金流、板块和个股新闻；
- 新浪财经：K 线补充和财报三表；
- 同花顺：EPS 一致预期、强势股题材和北向资金快照；
- 财联社与百度股市通：财经快讯和概念归属。
这些数据端点当前不要求申请 Tushare 一类的数据 API Key，也不用单独部署行情数据库。这里的“免 Key”只针对数据层。使用 DeepSeek 、 MiniMax 、通义、 Claude 、 OpenAI 等云端模型时，仍要配置对应 API Key，每次完整分析还会产生多轮模型调用成本。
公开网页接口也没有商业数据服务的稳定性承诺。网站改版、反爬、地区网络、字段变化都可能让某个工具暂时失效。项目已经给东方财富请求加了串行节流和随机抖动，批量跑多只股票时仍要控制频率。
第二处改动：4 个分析师扩成 7 个
上游 TradingAgents 有市场、情绪、新闻和基本面四类 Analyst 。这个 fork 保留四类角色，并把提示词和工具换成 A 股语境，又新增了三类角色：
- 政策分析师：从公司新闻和宏观快讯中整理监管、产业与宏观政策影响；
- 游资追踪师：读取龙虎榜营业部席位、个股资金流、强势股题材和板块数据；
- 解禁监控师：读取限售解禁日历，结合 F10 、基本面和新闻评估潜在供给压力。
三份新增报告会继续进入多头、空头研究，随后交给 Trader 和激进、保守、中性三方风险辩论。政策、游资和解禁并非单独摆在界面里，它们确实接入了后续决策图。
政策角色目前依赖通用新闻源，没有一套专门的政策数据库。游资角色可以看到营业部名称和买卖额，但项目没有维护“知名游资身份库”，无法据此精准断言某位游资正在建仓。解禁数据有专门接口，减持与股权质押更多依赖新闻和 F10 推理。
第三处改动：把 A 股规则写进决策过程
市场分析、交易方案和风险辩论的提示词里加入了 T+1 、涨跌停、 ST 风险、交易时段等约束，行情源也会返回当日涨停价和跌停价。模型生成方案时会被要求考虑这些因素。
当前实现没有交易所规则引擎，也不连接券商下单。系统不会检查持仓买入日期、可卖数量、停牌状态或订单能否成交。部分提示词对板块和最小申报数量的概括也不完整，北交所、新股特殊期等规则没有全面覆盖。
因此，这部分适合用来提醒模型关注 A 股交易约束，不能替代券商风控和交易所规则校验。
用 Web 版跑一次完整的 7 Agent 分析
项目要求 Python 3.10 以上。建议单独创建虚拟环境：
git clone https://github.com/simonlin1212/tradingagents-astock.git
cd tradingagents-astock
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
cp .env.example .env
打开 .env，只填写准备使用的模型密钥，例如：
DEEPSEEK_API_KEY=你的密钥
随后启动 Web 界面：
tradingagents-web
浏览器访问：
http://localhost:8501
在侧边栏选择模型，输入 6 位股票代码和分析日期，再启动任务。 Web 默认会运行 7 位分析师，过程中可以展开各阶段报告，并导出 Markdown 或 PDF 。
当前 v0.2.18 的交互式 CLI 只提供市场、情绪、新闻和基本面四个选项。想体验政策、游资、解禁三类 A 股角色，优先使用 Web，或在 Python 代码里采用默认 7 角色配置。
报告应该怎么读
一份输出里会出现行情、基本面、新闻、政策、游资和解禁等多条线索，后面还有多空辩论及风险意见。阅读时可以按三个步骤处理：
- 先检查每份报告有没有成功调用数据工具，空白报告和抓取失败不能进入结论；
- 再核对关键数字，尤其是价格、财报、龙虎榜、解禁日期和资金流；
- 最后把多头与空头依据分开，确认结论是否只是在重复同一条新闻。
多 Agent 增加了视角数量，但多个角色可能使用同一个模型和同一批数据。角色越多不代表证据越独立，辩论过程也不能自动消除幻觉。
它不适合当回测或实盘系统
界面允许选择历史日期，但当前部分工具仍会读取最新估值、最新一致预期、当前资金流、当前概念板块或最新快讯。日期参数主要用于生成某个交易日视角的研究报告，还不具备严格的 point-in-time 数据隔离。
项目也没有完整的撮合、手续费、滑点、停牌、复权、组合净值和订单回报流程，更没有券商下单接口。 Trader 输出的是文字方案与信号，不会执行交易。
本地还会保存报告、工具日志、历史决策和可选 SQLite 检查点。使用云端模型时，股票代码、分析日期和上下文会发送给模型供应商；把 Web 服务放到公网前，需要另外配置 TLS 、身份认证和访问控制。
适合拿来做什么
它比较适合两类用途：
- 学习 LangGraph 、多 Agent 辩论、工具调用和结构化输出；
- 为 A 股研究建立一份可复核的提纲，把行情、政策、龙虎榜和解禁线索放进同一份报告。
需要交易所授权实时行情、严格历史回测、审计级数据或自动实盘的场景，仍应使用专业系统。
再次提醒：工具输出不构成任何投资建议。任何买卖决定都应回到公告、财报、交易所数据和个人风险承受能力上。
如果只保留一个 A 股专属角色，你更看重政策、龙虎榜，还是限售解禁？