AI 替我虧錢？GitHub 爆紅 TradingAgents 傻瓜掛機測試指南

「賽博炒股」到底是什麼

「讓 AI 替我交易」聽起來像白撿錢。實際上，TradingAgents 是多智能體交易模擬：大型語言模型（LLM）扮演基金公司員工，產出投研敘事 + 模擬委託。你跑的是 LangGraph 工作流，不是把現金存進機器人。

新手仍愛它的原因：

• 戲劇性：看多研究員 vs 看空研究員 vs 風控官——日誌可讀性高
• 教育性：看專業人士如何分離分析、風控與執行
• 低風險：預設路徑用歷史/行情 API 與模擬成交——除非你自建經稽核的生產堆疊，否則輸出當同人小說

紅線：若某 fork 要你從非官方倉庫下載 .exe 或 .dmg 安裝包，立刻停手。只用 github.com/TauricResearch/TradingAgents。

虛擬交易台（簡化版）

Market data APIs ──► Analyst agents (fundamental, sentiment, technical, …)
                              │
                              ▼
                     Bull vs Bear debate (N rounds)
                              │
                              ▼
                     Trader agent (investment plan)
                              │
                              ▼
                     Risk committee debate
                              │
                              ▼
                     Portfolio manager ──► Simulated BUY/HOLD/SELL

典型執行：約 12 次 LLM 呼叫（辯論深度加大則更多）。牆鐘時間 5–25 分鐘，視模型與 API 延遲而定。本機 RAM 約 2–5 GB（Python + LangGraph）——若只用雲端 API，GPU 非必需。

外部深度閱讀：TradingAgents 論文 (arXiv)。

點 Run 之前的安全模式規則

八步新手 Runbook

步驟 1 — 克隆官方 monorepo

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

驗證 remote：

git remote -v
# origin  https://github.com/TauricResearch/TradingAgents.git

步驟 2 — Python 環境（3.11–3.13）

python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install --upgrade pip
pip install .

Conda 替代（來自上游 README）：

conda create -n tradingagents python=3.13 -y
conda activate tradingagents
pip install .

步驟 3 — API 金鑰寫入 .env（切勿貼到聊天）

cp .env.example .env

預設設定最低需求（依 CLI 選的資料商確認）：

# LLM — 選你已在使用的一家
OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=...
# DEEPSEEK_API_KEY=...

# 行情資料（範例常用 Alpha Vantage）
ALPHA_VANTAGE_API_KEY=your_key

載入環境變數：

set -a && source .env && set +a

步驟 4 — 啟動互動式 CLI

tradingagents
# 或: python -m cli.main

你應看到提示要求：

• 標的（從 AAPL 開始）
• 日期 / 時間跨度
• LLM 提供商（OpenAI、Anthropic、DeepSeek、Ollama 等）
• 研究深度（辯論輪次越少越便宜）

步驟 5 — 跑第一次「掛機」模擬

選擇：

• 深度：shallow（1–2 輪辯論）作為首次執行
• 模型：中階（如 GPT-4o-mini 級或 Claude Sonnet）——喜歡日誌前別用最貴旗艦

等待完成。輸出通常含辯論逐字稿與最終建議字串，如 FINAL TRANSACTION PROPOSAL: HOLD。

步驟 6 — 把日誌當故事讀，不是委託單

開啟執行目錄或主控台匯出。檢查：

1. 分析師是否引用真實標的資料，還是幻覺？
2. 風控智能體是否真的反對，還是橡皮圖章？
3. 最終動作是否符合你的直覺？

若看多論點引用荒謬指標，先修資料 API 金鑰，再怪模型。

步驟 7 — 可選：Ollama 零 API 推理

免 API 實驗（品質較低、較慢）：

ollama pull qwen2.5:14b
export OLLAMA_BASE_URL=http://127.0.0.1:11434/v1

在 CLI 選提供商 Ollama。14B 級模型在 Apple Silicon 上預算 16 GB RAM；見 M4 記憶體矩陣。

步驟 8 — 在常駐機器排程執行（可選）

筆電會休眠；長辯論會中斷 LangGraph。小型常駐 Mac（本地或遠端）可保持檢查點完整。SSH 進去，在 tmux 內執行，隔天拉日誌——與 OpenClaw 遠端 M4 部署 同一模式。

tmux new -s tradingagents
tradingagents
# 分離: Ctrl-b d

你會得到什麼：輸出形狀範例

成功執行後通常有：

這不是銀行對帳單。若想要統計，把 JSON 丟進自有回測 Notebook——TradingAgents 不能替代合規審查。

成本與「AI 會替我虧錢嗎？」

比較模型平台（非安裝）請讀 TradingAgents 對比 FinGPT 2026。社交層「若大家都做 X？」群體推演見 MiroFish 部署——互補，不可互換。

排錯

ModuleNotFoundError: tradingagents

修復：啟用 venv 並從倉庫根目錄重裝：

source .venv/bin/activate && pip install -e .

CLI 立刻退出 / 工具列表為空

修復：確認 .env 已載入；不洩露金鑰前提下檢查：

python -c "import os; print('OPENAI' in os.environ, 'ALPHA' in os.environ)"

「Risk committee」之後卡住

修復：提供商 rate limit。換模型、減少辯論輪次，或等 60 秒重試。查提供商狀態頁。

可疑 GitHub fork 含 Windows .exe

修復：刪除它。官方專案是 TauricResearch/TradingAgents 的純原始碼 Python。

推薦路徑

若 X → Y：若你還沒讀過一次多空日誌，不要連接實盤券商。

常見問題

TradingAgents 使用合法嗎？

框架為開源（Apache-2.0）。你的合規取決於司法管轄區、資料授權與是否用真實資金交易。本指南僅涵蓋研究模擬。

這和 Robinhood 或交易機器人有何不同？

券商 App 執行受監管訂單。TradingAgents 是 LLM 角色扮演編排器，產出投研敘事與模擬決策——更接近交易台會議模擬器，而非認證自動交易員。

一定要 Mac 嗎？

不必。Linux 或 Windows 均可。Mac 對 Python 資料棧方便，若已租用 遠端 M4 則與其他 KuzCloud 指南一致。

能用 Claude 取代 GPT 嗎？

可以。上游透過 .env 與 CLI 選擇支援多提供商。用你選定提供商的金鑰即可。

預設支援哪些標的？

流動性高的美股（如 AAPL、MSFT、SPY）最容易上手。加密貨幣變體在社群設定中——啟用前請讀 README。