两个头部 AI 量化开源平台的架构与用法（star 数为采集时点）。因子研究方法见 量化因子研究模板-WorldQuantBRAIN，自建研报流水线见 AI加密研报流水线CoinLens。
TradingAgents（49.3K star，多智能体量化）
- 七个虚拟员工：基本面/情绪/新闻/技术四分析师 + 多空研究员辩论 + 交易员（买卖信号）+ 风险经理（按激进度辩论控仓位）；全部 ReAct 框架；
- 关键设计：角色间用结构化报告沟通（非自由聊天），全程留痕可追溯——出错可定位到哪个角色的判断偏差；
- 成本策略：简单任务轻量模型（gpt-4o-mini）、复杂推理重量级（o1-preview）分层调度；
- 可迁移结论：把”一个模型通吃”拆成分工流水线，是 LLM 长链条任务（查→析→决→控）的通用解法——与 CoinLens 的”四角色分析师+研究主管”互为印证。
微软 Qlib + RD-Agent（36K+ star）
- Qlib：AI 量化全流程（数据处理→训练→回测→实盘）；专用金融数据存储文称比 MySQL 快近 50 倍；回测严格剔除前视偏差（个人写回测最容易犯的错，见 量化因子研究模板-WorldQuantBRAIN 的验证纪律）；内置 LightGBM/CatBoost/LSTM/Transformer/RL，改配置即跑；
pip install pyqlib； - RD-Agent：LLM 自主进化 Agent——自动从数据/研报挖因子 → 自动写代码验证 → 效果差就自我优化迭代；
- 已知坑：官方一键数据集下载已下线，直接跑文档命令报错，需社区维护数据包或自备数据。
原始素材
- TradingAgents
- Qlib
相关页面
出处 · raw/articles/bookmarks/（浏览器收藏 2026-09-19，investment 文件夹）