TradingAgents 安裝教學：用 Claude 訂閱跑 AI 交易團隊分析台積電，兩次結論相反

懶人包

• TradingAgents 是 Tauric Research 開源的 Python 框架（Apache-2.0，2026-11-03 查 120,080 星，最新 v0.7.1），讓分析師、多空研究員、交易員、風控與投資組合經理等角色用 LangGraph 開會，最後給出五級評等。
• 安裝只要三步：git clone、Python 3.11 以上建虛擬環境、pip install .；我在 Windows 11 + Python 3.11.9 裝完，tradingagents.__version__ 回 0.7.1。
• 沒有 API key 也能跑：框架支援 openai_compatible 端點，我寫了 173 行的轉接程式把請求轉給 claude -p，扣的是 Claude 訂閱方案的用量。
• 台股直接用 Yahoo Finance 代號 2330.TW；一次分析約 3.5 到 4 分鐘、15 到 16 次 LLM 呼叫、約 13 到 15 萬輸入 token。
• 同一檔台積電跑兩次，結論從 Underweight（減碼）翻成 Overweight（加碼）：第一次基準日在過去，框架的防前視機制擋掉了所有財報；第二次拿到財報才翻多。
• 適合拿來學多代理人設計、讀多空論點；不適合照評等下單，論文的回測結果表只列 3 檔美股、約 3 個月。

Prism Research 在 IG 發了一篇 TradingAgents 的介紹（2026-10-29），封面寫著「GitHub 11 萬星的開源 AI 交易團隊」，要看安裝教學得先留言「分析」。我沒有留言，直接照 GitHub README 裝起來，接上自己的 Claude 訂閱，對台積電跑了兩次。

這篇是完整過程：怎麼裝、怎麼接模型、怎麼跑台股，以及兩次結論為什麼剛好相反。

TradingAgents 是什麼？

TradingAgents 是 Tauric Research 開源的多代理人交易分析框架，配套論文是 arXiv 2412.20138。它照交易公司的分工設計角色，每個角色是一個 LLM 呼叫，用 LangGraph 串成固定流程：

我在 2026-11-03 用 gh api 查到的 repo 狀態：120,080 星、22,969 fork、Apache-2.0，最新版本 v0.7.1（2026-10-27 發布）。IG 封面寫的 11 萬星是貼文當時的數字。

安裝前要準備什麼？

TradingAgents 怎麼安裝？

照 README 的 Installation 段落，我在 Windows 的 Git Bash 實際跑的指令如下。python 要是 3.11 以上；裝了多個版本時，Windows 可以用 py -3.11 -m venv .venv 指定：

git clone --depth 1 https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
python -m venv .venv
source .venv/Scripts/activate   # macOS / Linux 改成 source .venv/bin/activate
pip install .

2026-11-03 我在全新目錄重跑一次這組指令，clone 加 pip install 共 5 分 9 秒。裝完先確認版本：

python -c "import tradingagents; print(tradingagents.__version__)"

0.7.1

README 也提供 conda、uv 和 Docker 三種裝法：

# Docker：先把 API key 填進 .env
cp .env.example .env
docker compose run --rm tradingagents

要接哪個 LLM？四種方式比較

用 Claude 訂閱跑 TradingAgents：173 行轉接程式

TradingAgents 會對 backend_url 發 OpenAI 格式的 /v1/chat/completions 請求，其中分析師要呼叫工具抓股價、財報，所以請求會帶 function calling。我寫的 claude_relay.py 做三件事：

1. 把 OpenAI 的 messages 攤平成一段對話文字，工具定義塞進 system prompt。
2. 要求模型只回一個 JSON：要呼叫工具就回 {"tool_calls": [...]}，要回答就回 {"content": "..."}。
3. 把這個 JSON 轉回 OpenAI 的 tool_calls 或一般回應格式。

cmd = ["claude", "-p", "--model", MODEL, "--tools", "", "--strict-mcp-config",
       "--no-session-persistence", "--setting-sources", "", "--output-format", "json",
       "--system-prompt", system_text]
proc = subprocess.run(cmd, input=prompt_text, capture_output=True, text=True,
                      encoding="utf-8", env=env, timeout=CLAUDE_TIMEOUT_SEC)

解析 JSON 時要加 strict=False。第一次跑完，市場分析報告開頭殘留了 {"content": ...} 外殼，原因是模型在 JSON 字串裡輸出真的換行字元，json.loads 預設會拒絕，程式就退回把整段原文當答案。改成 json.loads(..., strict=False) 後，第二次跑的報告沒有殘留。

obj = json.loads(cleaned[start:end + 1], strict=False)

轉接程式起在本機，再讓 TradingAgents 指過去：

python claude_relay.py 8765 sonnet
# claude relay on http://127.0.0.1:8765/v1 model=sonnet

這個做法扣的是 Claude 訂閱方案的用量，不另外產生 API 帳單。代價是轉接程式不支援串流，每次呼叫都要等 claude -p 整段跑完。同樣的轉接思路我之前也用在 MemPalace 接 claude -p。

怎麼用 TradingAgents 分析台股？

README 寫的是「Yahoo Finance 支援的市場都能用，代號要帶交易所後綴」，列出的例子沒有台股，但台股在 Yahoo Finance 的格式就是 代號.TW（上市）。台積電是 2330.TW，我實測可以跑。

我用 Python 呼叫，選三位分析師，辯論各 1 輪，輸出繁體中文：

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

cfg = DEFAULT_CONFIG.copy()
cfg.update({
    "llm_provider": "openai_compatible",
    "backend_url": "http://127.0.0.1:8765/v1",
    "quick_think_llm": "claude-sonnet-via-relay",
    "deep_think_llm": "claude-sonnet-via-relay",
    "max_debate_rounds": 1,
    "max_risk_discuss_rounds": 1,
    "output_language": "Traditional Chinese",
    "results_dir": "./results",
})
ta = TradingAgentsGraph(selected_analysts=["market", "news", "fundamentals"], config=cfg)
state, decision = ta.propagate("2330.TW", "2026-11-03")
print(decision)
ta.save_reports(state, "2330.TW")

不想寫程式也可以用 CLI。README 的非互動範例是用旗標帶參數：

tradingagents --ticker NVDA --date 2026-09-23 --analysts market,news,fundamentals --save --no-show

save_reports() 會照階段輸出資料夾，另附一份 complete_report.html：

2330.TW_20261103_111143/
├── 1_analysts/   market.md  news.md  fundamentals.md
├── 2_research/   bull.md  bear.md  manager.md
├── 3_trading/    trader.md
├── 4_risk/       aggressive.md  conservative.md  neutral.md
├── 5_portfolio/  decision.md
├── complete_report.md
└── complete_report.html

實測：台積電跑兩次，結論為什麼相反？

兩次設定完全相同，只差分析基準日。數字來自執行 log 與轉接程式記下的每次呼叫紀錄：

技術面兩次都偏空：股價在 10 EMA 與 50 SMA 之下、MACD 柱狀圖為負。差別在基本面。

第 1 次的基本面分析師回報「五項基本面工具全部回傳資料被保留（withheld）」。原因在 tradingagents/dataflows/date_window.py 的防前視機制：當基準日是過去，Yahoo 這類只用報表期間標日期、沒有申報日的資料源，框架無法確定那天財報是否已經公開，所以整份不給。美股可以改走 SEC EDGAR 的實際申報版本；2330.TW 這次沒有走到這條路，五項工具全被擋。

第 2 次基準日是當天，財報照常讀到。投資組合經理的結論直接寫「基本面證據明顯勝出」，把評等翻成加碼。

這個機制本身是對的，它防止模型讀到「當時還不知道的數字」。但結果是：同一套框架、同一檔股票，評等可以只因為一類資料有沒有進來就整個翻面。只看最後那個字，會漏掉這件事；把五個資料夾的報告讀過一遍才看得出來。

兩份完整報告我做成了一個網頁：TradingAgents 台積電實測成果頁。

跑的時候會踩到哪些坑？資料缺口一覽

兩次執行都出現下面三個訊息，框架會換下一個資料源或略過，不會中斷：

TradingAgents 的建議能拿來下單嗎？

我的判斷是不行，原因有三個：

1. 論文的回測範圍小。論文的回測期間是 2024-01-01 到 2024-03-29，結果表列的是 AAPL、GOOGL、AMZN 三檔。AAPL 的 Sharpe ratio 8.21，作者在註腳自己寫「最高的 Sharpe ratio 超出我們預期的經驗範圍」。
2. 前視偏誤的疑慮。回測期間在 LLM 的訓練資料範圍內，模型可能早就「看過」那段行情。新版框架對資料做了防前視處理，但模型本身的知識擋不掉。
3. 我的實測就是反例。兩次相隔兩個交易日，評等從減碼翻到加碼，主因是資料有沒有進來，不是行情變了。

• 學多代理人設計：角色分工、多空辯論、風控辯論、結構化輸出，全部有原始碼和逐角色報告可對照。
• 當成論點檢查清單：多方、空方、保守派風控各自提出的論點整理得不錯，可以拿來檢查自己有沒有漏看什麼。

本文只分享工具安裝與實測過程，不構成任何投資建議。

延伸資源

• TradingAgents GitHub repo：README 的 Installation、Required APIs、CLI Usage 三段就是本文安裝步驟的來源。
• TradingAgents 論文（arXiv 2412.20138）：回測期間、結果表與 Sharpe ratio 註腳。
• TradingAgents 台積電實測成果頁：兩次分析的各角色報告原文。
• FRED API key 申請頁：補上總經資料用。

常見問題

TradingAgents 一定要付 API 費嗎？

不一定。它支援 ChatGPT Plus／Pro 訂閱登入、Ollama 本機模型，以及任何 OpenAI 相容端點。我用自寫的轉接程式接 claude -p，扣的是 Claude 訂閱方案的用量。

TradingAgents 可以分析台股嗎？

可以。代號用 Yahoo Finance 格式，上市股票加 .TW，例如台積電是 2330.TW。要注意基準日設在過去時，台股財報會被防前視機制擋掉，基本面報告會是空的。

跑一次 TradingAgents 要多久？

我的設定是三位分析師、辯論各 1 輪、全部角色用 Claude Sonnet，一次 203 到 233 秒，15 到 16 次 LLM 呼叫。分析師越多、辯論輪數越多，時間和 token 都會增加。

為什麼同一檔股票跑兩次結果不一樣？

我的兩次實測差在基本面資料：基準日在過去的那次財報全被擋，只能靠偏空的技術面，所以給減碼；拿到財報的那次翻成加碼。另外 LLM 輸出本來就有隨機性，就算資料完全相同，兩次的論點和評等也可能不同。