Tauric 的 TradingAgents 开源了整个交易部门

TradingAgents是一个开源框架，将交易决策分解为反映真实交易组织的专业LLM智能体：基本面分析师、情绪分析师、新闻分析师和技术分析师收集证据；看涨和看跌研究员进行结构化辩论；交易员起草提案；风险团队审查敞口；投资组合经理在订单到达模拟交易所之前批准、拒绝或调整。基于LangGraph构建，支持包括OpenAI、Anthropic、Google、DeepSeek、Qwen、GLM、Groq、Azure和Bedrock在内的十多个LLM提供商，维护一个反思过去已实现回报的决策日志，并从检查点恢复中断的运行。配套的Trading-R1项目将同一团队应用于专门的金融LLM。

交易公司的整个工作流程——分析师、多空辩论、交易员、风险台、投资组合经理——应该属于开源，开发者可以端到端运行。

Tauric Research是一家专注于智能金融交易的AI研究公司。创始人Yijia Xiao在清华大学师从智谱联合创始人唐杰学习计算机科学，然后在UCLA攻读博士，导师包括Edward Sun、Di Luo和Wei Wang。团队于2024年12月28日在GitHub上发布了TradingAgents，附有研究论文（arXiv 2412.20138），没有发布活动；仓库显示，在收到许多询问后，团队决定完全开源该框架。

这个安静的仓库在2025年初主要作为研究产物存在。2026年2月，v0.2.0增加了多提供商LLM支持，项目开始攀升；当团队在2026年3月宣布完全开源时，它迅速走红，36kr在月底报道了39000多颗星和7200多个复刻。到2026年5月初，TradingAgents在GitHub的Python趋势榜上排名第一，拥有71400多颗星和13800多个复刻，一周内获得超过11000颗星，TMTPost将其视为垂直工作流程取代通用编排框架在开发者关注度上的证据。春季版本增加了决策记忆、检查点恢复、结构化输出和基于事实的情绪分析师；2026年8月的v0.4.0增加了前瞻性修复和决策日志记忆。

截至2026年9月5日，TradingAgents仍然活跃并持续增长——TechTarget的9月初每周列表再次将其列入增长最快的20个仓库之一——8月发布了v0.4.0。它仍然是一个研究框架，并明确声明不构成投资建议，收益因模型、数据和设置而异；Tauric Research没有公布收入或资金数据。病毒式传播的开源工作流能否转化为商业产品，以及它的决策能否经得起真实资本的考验，仍是未解之谜。

当单个模型同时担任分析师、魔鬼代言人、交易员和风险管理师时，会产生黑盒；分离的智能体通过结构化辩论让每一步都有可审计的负责人。

垂直、经过验证的工作流回答了“我今天运行什么”而不是“我如何编排我的智能体”，这就是TradingAgents在Python趋势榜上取代通用框架的原因。

完全开源是一种刻意的信任策略：金融开发者不会将封闭系统接入他们的研究，但他们会给透明的、可检查和扩展的仓库加星和复刻。

仅限研究的免责声明设定了诚实的期望——该项目的价值是作为研究多智能体分析的支架，而不是声称它能印钞。

开发者支持的是完整可审计的工作流，而不是一个巧妙的模型——有价值的赌注是把公司的整个决策过程打包成可运行的开源。

TradingAgents从安静的研究仓库变成2026年GitHub增长最快的项目之一：3月底39000多颗星，5月初71400多颗星，并在v0.4.0后的9月初进入每周前20。Tauric Research仍然很小——三个公开仓库——除了框架和Trading-R1研究线外，没有披露收入或资金。社区采用能否转化为付费用户，以及一个明确不打算作为投资建议的研究工具能否保持受众，仍是未解之谜。