TradingAgents-CN 市场分析报告解读读懂 000001 技术分析报告的生成逻辑与实战应用【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN本文以 TradingAgents-CN 仓库中一份真实输出的市场分析报告——平安银行0000012025年7月21日至7月28日的技术分析报告data/analysis_results/detailed/000001/2025-07-28/reports/market_report.md为标本逐节拆解其价格趋势、技术指标、支撑阻力位、成交量与投资建议背后的分析框架并结合仓库源码说明该报告是如何由市场分析师Market Analyst智能体基于真实数据自动生成的。读者读完本文将掌握如何读懂并复现一份多智能体框架产出的 A 股技术分析报告、报告每个章节的数据来源与生成链路以及如何将仓库中的指标计算、数据工具与报告保存机制应用到自己的分析任务中。一、报告是什么一份由市场分析师智能体自动生成的技术分析文档这份报告位于data/analysis_results/detailed/000001/2025-07-28/reports/market_report.md文件名market_report.md对应多智能体框架中市场分析师节点的输出。在 TradingAgents-CN 的智能体状态中market_report是贯穿多个节点的核心字段例如在 docs/agents/v0.1.13/analysts.md 中将其定义为市场分析报告在 docs/agents/v0.1.13/managers.md、docs/agents/v0.1.13/researchers.md 与 docs/agents/v0.1.13/risk-management.md 中研究经理、风险经理等节点都会读取market_report作为后续决策输入。从报告目录结构可以推断同一次分析会话中还会并行产出fundamentals_report.md基本面、news_report.md新闻、investment_plan.md投资计划、trader_investment_plan.md交易员计划与final_trade_decision.md最终交易决策等报告见 data/analysis_results/detailed/000002/2025-07-29/reports/ 等目录市场分析报告是这条多智能体流水线中的第一层技术面输入。报告的保存机制可以在 app/services/simple_analysis_service.py 中确认系统将state中的market_report键以market_report.md文件名写入data/analysis_results/股票代码/分析日期/reports/目录标题规范为{stock_symbol} 股票技术分析报告。这也是为什么每个日期目录下都会出现reports/market_report.md。二、报告内容逐节解读技术分析的六层结构原报告采用六章结构价格趋势 → 技术指标 → 支撑阻力位 → 成交量 → 投资建议 → 总结。这是市场分析师提示词模板中明确要求的输出骨架下面逐节说明每一部分的分析要点。1. 价格趋势分析识别短期形态报告以 2025 年 7 月 22 日至 28 日共 5 个交易日的收盘价变化为主线日期收盘价涨跌幅7月22日12.49-0.95%7月23日12.530.32%7月24日12.35-1.44%7月25日12.350.00%7月28日12.460.89%趋势解读要点报告识别出下跌-反弹-横盘-回升的震荡格局7 月 28 日收盘价 12.46 站上 5 日均线约 12.40是短期企稳的关键信号但整体仍在 12.30-12.60 窄幅区间尚未形成方向突破。这种以均线位置判断短期强弱、以区间宽度判断突破条件的方法是技术分析中最基础的形态识别逻辑。2. 技术指标解读MA、MACD、RSI 的组合运用报告对三大类指标分别给出判断均线系统MAMA5 约 12.40MA10 估计在 12.45-12.50 附近。结论是短期均线支撑有效但中长期趋势不明朗需观察能否站稳 12.50 上方。这里的关键逻辑是价格与均线的位置关系站上 MA5 偏强以及短期均线是否形成金叉。MACD以 7 月 24 日为基准DIF 与 DEA 可能仍位于零轴下方但 7 月 28 日反弹使 DIF 向上收敛若绿柱缩短说明空头动能减弱市场可能进入震荡修复阶段。RSI14 日估算位于 45-55 区间既未进入超买70也未进入超卖30市场情绪中性。报告的结论是技术指标显示震荡调整阶段暂无强烈单边趋势信号。这三个指标的组合使用体现了趋势MA 动能MACD 强弱RSI互相印证的分析框架单一指标不构成决策依据。3. 支撑位与阻力位分析界定震荡区间支撑位12.30-12.357 月 24、25 日低点密集区跌破则下探 12.00 心理关口。阻力位12.50-12.607 月 22、23、28 日高点受阻区放量突破 12.60 后目标看 12.80-13.00。支撑阻力位的意义在于界定震荡区间的边界12.30-12.60 之间波动无方向意义突破方向才决定后续趋势。报告据此给出高抛低吸、等待突破的区间操作思路。4. 成交量分析量价配合是判断突破真伪的关键日期成交量万手成交额亿元量价特征7月22日193.524.08放量下跌空头占优7月24日195.924.26再次放量下跌抛压较大7月28日123.815.41缩量反弹观望情绪浓厚报告的核心量价结论有二其一下跌放量、反弹缩量说明市场信心不足短期警惕回调其二若后续突破 12.60 时伴随放量200 万手则可确认趋势反转。这是无量上涨是技术性反抽、放量突破才可信的经典量价配合逻辑。5. 投资建议区分短线与中线策略短线交易看涨条件为站稳 12.50 上方且成交量放大目标 12.80-13.00看跌条件为跌破 12.30 支撑可能下探 12.00短线止损或观望。中线投资等待 12.30-12.60 区间突破后再决策——突破 12.60 并站稳可分批建仓跌破 12.30 需警惕进一步回调。风险提示大盘走弱拖累、反弹无量仅技术性反抽、金融股监管政策风险。值得注意的细节是报告明确使用了高抛低吸等待突破信号等措辞但没有给出绝对化的买入/卖出指令。这与市场分析师的提示词约束一致见下文源码解读市场分析师只输出技术面意见最终交易建议须由交易员综合所有分析师基本面、新闻、情绪等的意见后给出。6. 总结最终结论凝练为四个维度短期趋势震荡调整、未破 12.60 阻力、技术指标MACD 空头动能减弱、RSI 中性、均线无趋势信号、关键价位支撑 12.30、阻力 12.60、操作建议短线高抛低吸、中线等待突破。三、报告背后的生成链路从数据工具到 LLM 的完整调用链这份报告并非人工撰写而是由 TradingAgents-CN 的市场分析师智能体节点自动产出。其生成链路分为三层工具层获取真实行情数据 → 指标层计算技术指标 → LLM 层组织分析文本。1. 节点入口market_analyst.py 的提示词工程市场分析师节点的核心实现在 tradingagents/agents/analysts/market_analyst.py即create_market_analyst(llm, toolkit)函数。节点的工作流程如下识别标的从 state 读取trade_date分析日期与company_of_interest股票代码并通过StockUtils.get_market_info(ticker)自动判断 A 股/港股/美股市场及计价货币。获取公司名称A 股走get_china_stock_info_unified统一接口港股走改进港股工具美股使用内置名称映射表如 AAPL→苹果公司失败时降级为股票代码格式见 tradingagents/agents/analysts/market_analyst.py。绑定单一工具节点只绑定get_stock_market_data_unified一个工具并在系统提示词中明确如果消息历史中没有工具结果立即调用一次该工具已有工具结果就不要再重复调用这是为了防止 LLM 陷入无限循环调用的工程化约束对应仓库中 docs/fixes/analyst_infinite_loop_fix.md 记录的修复。节点还维护market_tool_call_count计数器最大工具调用次数为 3。生成报告收到工具返回的真实行情后LLM 按照模板要求输出结构化报告。模板对输出格式做了强约束标题必须为# **{公司名称}{股票代码}技术分析报告**不得自创标题不鼓励使用 emoji价格用对应货币表示报告长度不少于 800 字必须包含具体技术指标数值、明确投资建议与风险提示且不要使用最终交易建议前缀因为最终决策需要综合所有分析师的意见。此外针对 Google 系列模型代码走GoogleToolCallHandler分支统一处理工具调用tradingagents/agents/utils/google_tool_handler.py这与仓库对多 LLM 提供商DeepSeek、OpenAI 兼容、DashScope 等的适配架构一致。2. 工具层统一市场数据工具 get_stock_market_data_unified市场分析师唯一使用的工具实现在 tradingagents/agents/utils/agent_utils.py。该工具的核心设计是统一入口、自动路由自动识别市场通过StockUtils.get_market_info(ticker)判断标的所属市场。A 股调用get_china_stock_data_unifiedtradingagents/dataflows/interface.py内部对接 AKShare 等中国数据源港股调用get_hk_stock_data_unified美股优先走 FINNHUB 数据源get_us_stock_data_cached见 tradingagents/dataflows/providers/us/optimized.py。日期自动扩展LLM 只需传入当前分析日期如2025-07-28工具会自动将范围回溯到配置的回溯天数通常 365 天确保 MA、MACD、RSI 等指标有足够的历史数据计算窗口——这正是报告能给出MA5 约 12.40RSI 14 日等数值的前提。工具最终返回一段拼接好的 Markdown 文本含股票类型、货币、分析期间及各市场数据块作为 LLM 撰写报告的真实数据依据。3. 指标层indicators.py 的技术指标计算实现报告中的 MA、MACD、RSI 数值对应 tradingagents/tools/analysis/indicators.py 中的纯 Python 实现。该模块支持ma/ema/macd/rsi/boll/atr/kdj七类指标见SUPPORTED集合关键实现细节如下MAclose.rolling(windown, min_periods1).mean()默认允许前期数据不足时也计算indicators.py。MACDdif ema(fast12) - ema(slow26)dea dif.ewm(span9)hist dif - deaindicators.py。RSI支持三种算法——国际标准emaWilder 方法、sma、以及同花顺/通达信风格的中国式china算法indicators.py。统一入口add_all_indicators()一次性为 DataFrame 添加ma5/ma10/ma20/ma60、rsi国际标准或rsi6/rsi12/rsi24中国风格、macd_dif/macd_dea/macd与布林带列indicators.py。其中 MACD 柱状图乘以 2 是为了与通达信/同花顺显示口径保持一致。报告提到若绿柱缩短MACD 可能仍处于零轴下方正是基于macd_hist与dif/dea符号的解读RSI 45-55 中性区间对应rsi()的 0-100 输出与 30/70 阈值判断。此外A 股数据源在返回行情时也会附加基于上述函数计算的技术指标列构成 LLM 直接可读的数值上下文。4. 报告中估算措辞的由来细心的读者会发现报告多处使用可能若参考前几日数据估算等措辞如 MA10可能在 12.45-12.50 附近、RSI可能在 45-55 区间。这是因为 LLM 在撰写时依据的是工具返回的行情快照与指标列对部分指标的精确数值会结合上下文进行合理推算同时报告模板要求基于工具返回的真实数据进行分析包含具体的技术指标数值。这提醒使用者这类报告是数据驱动 LLM 组织的产物关键价位支撑/阻力/止损/目标应结合原始行情数据二次核验这也是量化风控的应有流程。四、从报告到决策市场分析在多智能体流程中的位置市场分析报告不是终点而是多智能体协作图的一个节点输出。从 docs/agents/v0.1.13/analysts.md 的架构图可以推断研究者Bull/Bear Researcher产出多空研究报告 → 市场分析师、基本面分析师、新闻分析师分别产出技术面/基本面/消息面报告 → 研究经理汇总 → 风险经理评估风险 → 交易员综合所有输入给出最终交易决策对应trader_investment_plan.md与final_trade_decision.md。多份报告的并行存在见 data/analysis_results/detailed/000858/2025-07-28/reports/ 等目录印证了这一点。因此阅读market_report.md时应将其定位为技术面单一维度输入它的震荡结论支撑 12.30 / 阻力 12.60为短线操作提供了价格锚点但最终仓位与方向决策还需结合基本面与新闻情绪报告综合判断——这正是提示词中不要使用最终交易建议前缀约束的设计意图。五、如何复现与扩展动手生成你自己的市场分析报告如果你希望在自己的环境复现类似报告可参考仓库提供的多种入口命令行分析使用 cli/main.py 提供的 CLI 入口对指定股票代码发起分析系统会自动完成数据获取、指标计算与报告落盘。示例脚本examples/simple_analysis_demo.py、examples/batch_analysis.py 与 examples/custom_analysis_demo.py 演示了如何以代码方式调用分析流程并获取结果。批量分析examples/batch_analysis.py 支持对多只股票批量生成报告适合构建覆盖多个标的的日常巡检。数据准备examples/stock_data_model_usage.py 与 examples/tushare_unified_demo.py 展示了行情数据模型的用法可先行验证数据源连通性AKShare、Tushare、Baostock 等见 tradingagents/dataflows/providers/china/。生成后的报告统一写入data/analysis_results/代码/日期/reports/目录可用任意 Markdown 阅读器查看若希望继续深入指标层验证可直接调用 tradingagents/tools/analysis/indicators.py 的add_all_indicators()复算报告中的 MA/MACD/RSI 数值。六、总结一份震荡市报告的完整解读框架回到 000001 在 2025-07-28 的这份报告其完整逻辑链可以概括为看形态5 个交易日走出下跌-反弹-横盘-回升12.30-12.60 窄幅震荡看指标站上 MA5 略偏强但 MACD 零轴下方、RSI 中性无趋势信号看量能放量跌、缩量涨市场信心不足突破需放量确认看价位支撑 12.30、阻力 12.60突破方向决定后续走势定策略短线区间内高抛低吸中线等待突破信号并提示政策、大盘与量能三类风险。这份六章结构 量价配合 区间突破的框架正是 TradingAgents-CN 市场分析师在提示词与指标库双重约束下稳定产出的标准化产物。理解其生成链路market_analyst.py → agent_utils.py 统一数据工具 → indicators.py 指标库 → simple_analysis_service.py 报告落盘既能帮你准确解读每一份报告的结论边界也能为扩展自定义分析维度如加入 ATR 波动率、KDJ 超买超卖或布林带带宽提供清晰的代码落点。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 TradingAgents-CN 市场分析报告解读：读懂 000001 技术分析报告的生成逻辑与实战应用
TradingAgents-CN 市场分析报告解读读懂 000001 技术分析报告的生成逻辑与实战应用【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN本文以 TradingAgents-CN 仓库中一份真实输出的市场分析报告——平安银行0000012025年7月21日至7月28日的技术分析报告data/analysis_results/detailed/000001/2025-07-28/reports/market_report.md为标本逐节拆解其价格趋势、技术指标、支撑阻力位、成交量与投资建议背后的分析框架并结合仓库源码说明该报告是如何由市场分析师Market Analyst智能体基于真实数据自动生成的。读者读完本文将掌握如何读懂并复现一份多智能体框架产出的 A 股技术分析报告、报告每个章节的数据来源与生成链路以及如何将仓库中的指标计算、数据工具与报告保存机制应用到自己的分析任务中。一、报告是什么一份由市场分析师智能体自动生成的技术分析文档这份报告位于data/analysis_results/detailed/000001/2025-07-28/reports/market_report.md文件名market_report.md对应多智能体框架中市场分析师节点的输出。在 TradingAgents-CN 的智能体状态中market_report是贯穿多个节点的核心字段例如在 docs/agents/v0.1.13/analysts.md 中将其定义为市场分析报告在 docs/agents/v0.1.13/managers.md、docs/agents/v0.1.13/researchers.md 与 docs/agents/v0.1.13/risk-management.md 中研究经理、风险经理等节点都会读取market_report作为后续决策输入。从报告目录结构可以推断同一次分析会话中还会并行产出fundamentals_report.md基本面、news_report.md新闻、investment_plan.md投资计划、trader_investment_plan.md交易员计划与final_trade_decision.md最终交易决策等报告见 data/analysis_results/detailed/000002/2025-07-29/reports/ 等目录市场分析报告是这条多智能体流水线中的第一层技术面输入。报告的保存机制可以在 app/services/simple_analysis_service.py 中确认系统将state中的market_report键以market_report.md文件名写入data/analysis_results/股票代码/分析日期/reports/目录标题规范为{stock_symbol} 股票技术分析报告。这也是为什么每个日期目录下都会出现reports/market_report.md。二、报告内容逐节解读技术分析的六层结构原报告采用六章结构价格趋势 → 技术指标 → 支撑阻力位 → 成交量 → 投资建议 → 总结。这是市场分析师提示词模板中明确要求的输出骨架下面逐节说明每一部分的分析要点。1. 价格趋势分析识别短期形态报告以 2025 年 7 月 22 日至 28 日共 5 个交易日的收盘价变化为主线日期收盘价涨跌幅7月22日12.49-0.95%7月23日12.530.32%7月24日12.35-1.44%7月25日12.350.00%7月28日12.460.89%趋势解读要点报告识别出下跌-反弹-横盘-回升的震荡格局7 月 28 日收盘价 12.46 站上 5 日均线约 12.40是短期企稳的关键信号但整体仍在 12.30-12.60 窄幅区间尚未形成方向突破。这种以均线位置判断短期强弱、以区间宽度判断突破条件的方法是技术分析中最基础的形态识别逻辑。2. 技术指标解读MA、MACD、RSI 的组合运用报告对三大类指标分别给出判断均线系统MAMA5 约 12.40MA10 估计在 12.45-12.50 附近。结论是短期均线支撑有效但中长期趋势不明朗需观察能否站稳 12.50 上方。这里的关键逻辑是价格与均线的位置关系站上 MA5 偏强以及短期均线是否形成金叉。MACD以 7 月 24 日为基准DIF 与 DEA 可能仍位于零轴下方但 7 月 28 日反弹使 DIF 向上收敛若绿柱缩短说明空头动能减弱市场可能进入震荡修复阶段。RSI14 日估算位于 45-55 区间既未进入超买70也未进入超卖30市场情绪中性。报告的结论是技术指标显示震荡调整阶段暂无强烈单边趋势信号。这三个指标的组合使用体现了趋势MA 动能MACD 强弱RSI互相印证的分析框架单一指标不构成决策依据。3. 支撑位与阻力位分析界定震荡区间支撑位12.30-12.357 月 24、25 日低点密集区跌破则下探 12.00 心理关口。阻力位12.50-12.607 月 22、23、28 日高点受阻区放量突破 12.60 后目标看 12.80-13.00。支撑阻力位的意义在于界定震荡区间的边界12.30-12.60 之间波动无方向意义突破方向才决定后续趋势。报告据此给出高抛低吸、等待突破的区间操作思路。4. 成交量分析量价配合是判断突破真伪的关键日期成交量万手成交额亿元量价特征7月22日193.524.08放量下跌空头占优7月24日195.924.26再次放量下跌抛压较大7月28日123.815.41缩量反弹观望情绪浓厚报告的核心量价结论有二其一下跌放量、反弹缩量说明市场信心不足短期警惕回调其二若后续突破 12.60 时伴随放量200 万手则可确认趋势反转。这是无量上涨是技术性反抽、放量突破才可信的经典量价配合逻辑。5. 投资建议区分短线与中线策略短线交易看涨条件为站稳 12.50 上方且成交量放大目标 12.80-13.00看跌条件为跌破 12.30 支撑可能下探 12.00短线止损或观望。中线投资等待 12.30-12.60 区间突破后再决策——突破 12.60 并站稳可分批建仓跌破 12.30 需警惕进一步回调。风险提示大盘走弱拖累、反弹无量仅技术性反抽、金融股监管政策风险。值得注意的细节是报告明确使用了高抛低吸等待突破信号等措辞但没有给出绝对化的买入/卖出指令。这与市场分析师的提示词约束一致见下文源码解读市场分析师只输出技术面意见最终交易建议须由交易员综合所有分析师基本面、新闻、情绪等的意见后给出。6. 总结最终结论凝练为四个维度短期趋势震荡调整、未破 12.60 阻力、技术指标MACD 空头动能减弱、RSI 中性、均线无趋势信号、关键价位支撑 12.30、阻力 12.60、操作建议短线高抛低吸、中线等待突破。三、报告背后的生成链路从数据工具到 LLM 的完整调用链这份报告并非人工撰写而是由 TradingAgents-CN 的市场分析师智能体节点自动产出。其生成链路分为三层工具层获取真实行情数据 → 指标层计算技术指标 → LLM 层组织分析文本。1. 节点入口market_analyst.py 的提示词工程市场分析师节点的核心实现在 tradingagents/agents/analysts/market_analyst.py即create_market_analyst(llm, toolkit)函数。节点的工作流程如下识别标的从 state 读取trade_date分析日期与company_of_interest股票代码并通过StockUtils.get_market_info(ticker)自动判断 A 股/港股/美股市场及计价货币。获取公司名称A 股走get_china_stock_info_unified统一接口港股走改进港股工具美股使用内置名称映射表如 AAPL→苹果公司失败时降级为股票代码格式见 tradingagents/agents/analysts/market_analyst.py。绑定单一工具节点只绑定get_stock_market_data_unified一个工具并在系统提示词中明确如果消息历史中没有工具结果立即调用一次该工具已有工具结果就不要再重复调用这是为了防止 LLM 陷入无限循环调用的工程化约束对应仓库中 docs/fixes/analyst_infinite_loop_fix.md 记录的修复。节点还维护market_tool_call_count计数器最大工具调用次数为 3。生成报告收到工具返回的真实行情后LLM 按照模板要求输出结构化报告。模板对输出格式做了强约束标题必须为# **{公司名称}{股票代码}技术分析报告**不得自创标题不鼓励使用 emoji价格用对应货币表示报告长度不少于 800 字必须包含具体技术指标数值、明确投资建议与风险提示且不要使用最终交易建议前缀因为最终决策需要综合所有分析师的意见。此外针对 Google 系列模型代码走GoogleToolCallHandler分支统一处理工具调用tradingagents/agents/utils/google_tool_handler.py这与仓库对多 LLM 提供商DeepSeek、OpenAI 兼容、DashScope 等的适配架构一致。2. 工具层统一市场数据工具 get_stock_market_data_unified市场分析师唯一使用的工具实现在 tradingagents/agents/utils/agent_utils.py。该工具的核心设计是统一入口、自动路由自动识别市场通过StockUtils.get_market_info(ticker)判断标的所属市场。A 股调用get_china_stock_data_unifiedtradingagents/dataflows/interface.py内部对接 AKShare 等中国数据源港股调用get_hk_stock_data_unified美股优先走 FINNHUB 数据源get_us_stock_data_cached见 tradingagents/dataflows/providers/us/optimized.py。日期自动扩展LLM 只需传入当前分析日期如2025-07-28工具会自动将范围回溯到配置的回溯天数通常 365 天确保 MA、MACD、RSI 等指标有足够的历史数据计算窗口——这正是报告能给出MA5 约 12.40RSI 14 日等数值的前提。工具最终返回一段拼接好的 Markdown 文本含股票类型、货币、分析期间及各市场数据块作为 LLM 撰写报告的真实数据依据。3. 指标层indicators.py 的技术指标计算实现报告中的 MA、MACD、RSI 数值对应 tradingagents/tools/analysis/indicators.py 中的纯 Python 实现。该模块支持ma/ema/macd/rsi/boll/atr/kdj七类指标见SUPPORTED集合关键实现细节如下MAclose.rolling(windown, min_periods1).mean()默认允许前期数据不足时也计算indicators.py。MACDdif ema(fast12) - ema(slow26)dea dif.ewm(span9)hist dif - deaindicators.py。RSI支持三种算法——国际标准emaWilder 方法、sma、以及同花顺/通达信风格的中国式china算法indicators.py。统一入口add_all_indicators()一次性为 DataFrame 添加ma5/ma10/ma20/ma60、rsi国际标准或rsi6/rsi12/rsi24中国风格、macd_dif/macd_dea/macd与布林带列indicators.py。其中 MACD 柱状图乘以 2 是为了与通达信/同花顺显示口径保持一致。报告提到若绿柱缩短MACD 可能仍处于零轴下方正是基于macd_hist与dif/dea符号的解读RSI 45-55 中性区间对应rsi()的 0-100 输出与 30/70 阈值判断。此外A 股数据源在返回行情时也会附加基于上述函数计算的技术指标列构成 LLM 直接可读的数值上下文。4. 报告中估算措辞的由来细心的读者会发现报告多处使用可能若参考前几日数据估算等措辞如 MA10可能在 12.45-12.50 附近、RSI可能在 45-55 区间。这是因为 LLM 在撰写时依据的是工具返回的行情快照与指标列对部分指标的精确数值会结合上下文进行合理推算同时报告模板要求基于工具返回的真实数据进行分析包含具体的技术指标数值。这提醒使用者这类报告是数据驱动 LLM 组织的产物关键价位支撑/阻力/止损/目标应结合原始行情数据二次核验这也是量化风控的应有流程。四、从报告到决策市场分析在多智能体流程中的位置市场分析报告不是终点而是多智能体协作图的一个节点输出。从 docs/agents/v0.1.13/analysts.md 的架构图可以推断研究者Bull/Bear Researcher产出多空研究报告 → 市场分析师、基本面分析师、新闻分析师分别产出技术面/基本面/消息面报告 → 研究经理汇总 → 风险经理评估风险 → 交易员综合所有输入给出最终交易决策对应trader_investment_plan.md与final_trade_decision.md。多份报告的并行存在见 data/analysis_results/detailed/000858/2025-07-28/reports/ 等目录印证了这一点。因此阅读market_report.md时应将其定位为技术面单一维度输入它的震荡结论支撑 12.30 / 阻力 12.60为短线操作提供了价格锚点但最终仓位与方向决策还需结合基本面与新闻情绪报告综合判断——这正是提示词中不要使用最终交易建议前缀约束的设计意图。五、如何复现与扩展动手生成你自己的市场分析报告如果你希望在自己的环境复现类似报告可参考仓库提供的多种入口命令行分析使用 cli/main.py 提供的 CLI 入口对指定股票代码发起分析系统会自动完成数据获取、指标计算与报告落盘。示例脚本examples/simple_analysis_demo.py、examples/batch_analysis.py 与 examples/custom_analysis_demo.py 演示了如何以代码方式调用分析流程并获取结果。批量分析examples/batch_analysis.py 支持对多只股票批量生成报告适合构建覆盖多个标的的日常巡检。数据准备examples/stock_data_model_usage.py 与 examples/tushare_unified_demo.py 展示了行情数据模型的用法可先行验证数据源连通性AKShare、Tushare、Baostock 等见 tradingagents/dataflows/providers/china/。生成后的报告统一写入data/analysis_results/代码/日期/reports/目录可用任意 Markdown 阅读器查看若希望继续深入指标层验证可直接调用 tradingagents/tools/analysis/indicators.py 的add_all_indicators()复算报告中的 MA/MACD/RSI 数值。六、总结一份震荡市报告的完整解读框架回到 000001 在 2025-07-28 的这份报告其完整逻辑链可以概括为看形态5 个交易日走出下跌-反弹-横盘-回升12.30-12.60 窄幅震荡看指标站上 MA5 略偏强但 MACD 零轴下方、RSI 中性无趋势信号看量能放量跌、缩量涨市场信心不足突破需放量确认看价位支撑 12.30、阻力 12.60突破方向决定后续走势定策略短线区间内高抛低吸中线等待突破信号并提示政策、大盘与量能三类风险。这份六章结构 量价配合 区间突破的框架正是 TradingAgents-CN 市场分析师在提示词与指标库双重约束下稳定产出的标准化产物。理解其生成链路market_analyst.py → agent_utils.py 统一数据工具 → indicators.py 指标库 → simple_analysis_service.py 报告落盘既能帮你准确解读每一份报告的结论边界也能为扩展自定义分析维度如加入 ATR 波动率、KDJ 超买超卖或布林带带宽提供清晰的代码落点。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考