最近整理了一个个人 AI 股市投研助手项目： PersonalTradingAgents

📌 一句话摘要

本文介绍了一个基于开源项目 TradingAgents 改造的 A 股本地化 AI 投研助手，聚焦数据适配、多 Agent 分析、板块观察与本地知识库沉淀，强调辅助分析而非自动交易。

📝 详细摘要

作者分享了自己基于 TradingAgents 改造的个人项目 PersonalTradingAgents，旨在为 A 股投资者提供一个本地化的 AI 投研助手。文章详细介绍了项目的五大核心功能：适配 A 股行情、公告、板块等数据源；保留多 Agent 分析框架，从市场、新闻、情绪等维度拆解信息；增加板块与方向观察功能；支持本地记录持仓、交易与复盘；以及通过本地 LLM Wiki 知识库沉淀分析过程与结论。作者强调该项目是辅助分析工具，非自动交易或荐股工具，并邀请对 AI 投研感兴趣的读者交流。

💡 主要观点

- 项目定位为本地 AI 投研助手，非自动交易或荐股工具。 作者明确区分了辅助分析与自动交易，强调项目用于信息整理、投研分析和复盘沉淀，避免被误解为量化交易或荐股系统。

核心改造是适配 A 股数据源，包括行情、公告、板块与资金流。 原版 TradingAgents 偏美股语境，作者针对 A 股的政策驱动、题材轮动和板块联动特点，集成了 A 股常用数据接口，使分析更贴合本土市场。

多 Agent 框架强调分析过程的结构化与视角拆分。 相比直接向大模型提问，多 Agent 方式从市场、新闻、基本面、情绪、风险等角度分别整理信息，再汇总成结构化结果，提升了分析的条理性和可追溯性。

本地 LLM Wiki 知识库是核心亮点，实现投研过程的持续沉淀。 系统将原始材料、Agent 分析过程、结论和复盘内容存入本地知识库，使 AI 能持续参与信息挖掘与知识积累，帮助用户逐步形成个人研究资料库和方法论。

💬 文章金句

- 项目不是自动交易工具，也不是荐股工具，更像是一个本地 AI 投研助手。

系统会把原始材料、Agent 分析过程、研究结论和复盘内容沉淀成本地 Wiki ，让 AI 不只是回答一次问题，而是持续参与信息挖掘、材料整理和知识沉淀。

📊 文章信息

AI 初评：78

来源：V2EX

作者：Viserys

分类：投资财经

语言：中文

阅读时间：3 分钟

字数：737

标签： AI 投研, A 股, 多 Agent, 个人理财, 开源项目

阅读完整文章

最近整理了一个个人 AI 股市投研助手项目： PersonalTradingAgents

🤖 問 AI