当前位置：首页 > news >正文

门户网站宣传方案做一个网站如何赚钱

news 2025/10/14 15:07:14

门户网站宣传方案,做一个网站如何赚钱,网站推广软件,网站设计与网页制作TradingAgents 是一个由加州大学洛杉矶分校和麻省理工学院联合开发的多智能体金融交易框架 ，旨在通过大型语言模型 （LLM）驱动的多个专业化智能体协作完成金融交易决策。 TradingAgents-CN 是它的中文加强版，接入了国内的股…

TradingAgents 是一个由加州大学洛杉矶分校和麻省理工学院联合开发的多智能体金融交易框架，旨在通过大型语言模型（LLM）驱动的多个专业化智能体协作完成金融交易决策。

TradingAgents-CN 是它的中文加强版，接入了国内的股票信息获取新闻等接口，以及国内大模型，并且开发了基于Web的图形界面，亲测比原始版本更好用。

1 源码地址

https://github.com/hsliuping/TradingAgents-CN

2 代码分析

TradingAgents-CN 基于 TradingAgents 项目扩展。代码量迅速增长，Python 代码已扩展至 6 万多行（原始项目代码量 3000+），其中近一半为测试和示例。其核心模块 tradingagents 目前也已达到 1.5 万行，主要改进在于接入外部数据。

项目的工程化做得非常出色，无论是开发速度还是代码结构技巧，即便在 AI 编程时代，仍然是非常出彩。几乎所有代码均出自单一开发者 hsliuping 之手，与原始项目 TradingAgents 的主要贡献者并非同一人。感觉未来的发展趋势逐渐向强者倾斜，中间层面临生存压力。

3 安装

git clone https://github.com/hsliuping/TradingAgents-CNcp .env.example .env# 主要是需要设置 api-key，我试用时只设了deepseekdocker-compose up -d

启动了四个 Docker 容器：包括两个 Redis、一个 MongoDB 和一个主服务（包含前后端）。在第一次安装时，会触发 Docker build 过程，虽然相对较慢，但整体速度尚可，大约用了几十分钟就完成。

4 试用体验

以图是对“长江电力”的分析过程截图：

4.1 功能概述

以下是我对各子功能的使用感受：

技术分析：功能齐全。
基本面分析：全面覆盖，还提供了与均值比较，简洁明了。
情绪分析：可用，默认关闭，请注意勾选。
新闻分析：涵盖重要事件，默认关闭，请注意勾选。
报告展示：网页上仅呈现结论，但整体分析在报告中展示，尤其是讨论的部分，被惊艳到了。

4.2 使用成本

分析长江电力，共调用 deepseek 15 次，费用 0.09 元，未包含情绪和新闻分析。
分析阿里巴巴，共调用 deepseek 19 次，费用 0.15 元，包含情绪和新闻分析。

总的来看，最后的报告生成过程消耗较多 token，把我关注的所有股票都过一遍，用不了一根冰棍钱。

4.3 优点

系统性能：
- 安装过程快速流畅。
- 前后端均由 Python 实现，Docker 占用内存也不大。
- 日志保存得当。
- “智能构建”便捷。
界面设计：
- Streamlit 界面好用。
- 首页的 Logo 设计和展示良好。
- 使用指南位置合理。
- Token 统计展示了用户最关心的部分。
亮点：
- 基本面报告简洁明了。
- 投资建议部分具有显著价值。
- 情绪指数的乐观/悲观分析及其总结十分有用。
- 内在价值指标很好用。
- Researcher 功能超出预期，开始以为只是鸡肋，但阅读报告后发现其价值，提供了多角度思考方式。
- 报告支持导出为 Word/PDF 格式，内容比界面更为丰富。