2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家
太长不看版
加州大学洛杉矶分校陶里克研究团队发布了 TradingAgents v0.2.4（2026年4月25日）——这是一个基于 LangGraph 的多智能体大语言模型框架，模拟了一家拥有5个层级和约12个智能体的真实交易公司。新版本增加了基于 Pydantic 类型的结构化输出、LangGraph 检查点恢复功能、持久化决策记忆文件、五级评级系统以及10种大语言模型提供商的集成。对苹果公司、谷歌母公司 Alphabet 和亚马逊股票的回测显示，累计回报率为23%-27%。
⚠️ 免责声明：仅限回测。不构成投资建议。在投入任何真实资金之前，请先进行模拟交易。
为何它不仅仅是“另一个交易机器人”而值得关注
大多数大语言模型交易机器人都是单个模型配合一个巨大的提示词。它们深受确认偏误之苦——一旦形成初步观点，就会挑选支持该观点的证据。
TradingAgents 通过5层基于明确角色的智能体相互辩论，从结构上 counter 这一问题：
[分析师团队 x4] -> [多头与空头辩论]
|
v
[交易员（三级）]
|
v
[风险管理：激进型 vs 保守型 vs 中性型]
|
v
[投资组合经理（五级）] -> 买入 / 增持 / 持有 / 减持 / 卖出
整个流程在带有明确交接机制的 LangGraph 状态图上运行。你可以替换任何节点，记录任何状态，并从任何检查点恢复。
面向开发者的 v0.2.4 版本亮点
1. 结构化输出决策智能体
研究经理、交易员和投资组合经理现在使用带有 Pydantic 模式的 llm.with_structured_output(Schema)。这适用于：
- OpenAI：
json_schema - Google Gemini：
response_schema - Anthropic Claude：
tool-use - 其他模型：函数调用回退机制
不再需要脆弱的文本解析来获取决策值。
2. LangGraph 检查点恢复
传递 --checkpoint 以启用每个节点的状态持久化：
~/.tradingagents/cache/checkpoints/<股票代码>.db
如果你的程序在多头/空头辩论之后但在风险管理之前崩溃，你可以从那里恢复，而无需再次支付整个流程的费用。大幅节省 API 成本。
3. 持久化决策记忆
~/.tradingagents/memory/trading_memory.md
每次运行都会追加一条决策记录。在下一次针对同一股票代码运行时，框架会自动注入：
- 之前的决策
- 实际实现回报率（原始回报率 + 相对于标准普尔500指数基金的超额收益）
- 一段回顾性总结
到投资组合经理的提示词中。这是自动化的“作为上下文的交易日志”——框架字面上从自己过去的错误中学习。
4. 五级评级系统
投资组合经理现在输出：
| 评级 | 含义 |
|---|---|
| 买入 | 强烈买入 |
| 增持 | 增加仓位 |
| 持有 | 维持现状 |
| 减持 | 减少仓位 |
| 卖出 | 退出 |
交易员仍使用三级评级（买入/持有/卖出）。只有最终的投资组合经理拥有更细的粒度。
5. 10种大语言模型提供商
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
