用途：当需要分析股票、获取交易信号或进行量化投资决策时使用，基于 TradingAgents 多智能体交易框架，模拟真实交易公司的团队决策流程。
主要能力：分析团队包含基本面分析师（评估公司财务与内在价值）、情绪分析师（社交媒体情绪评分）、新闻分析师（全球新闻与宏观指标）、技术分析师（MACD、RSI 等指标）；研究团队由牛市与熊市研究员进行结构化多空辩论；交易团队包含 Trader、Risk Manager 与 Portfolio Manager，最终输出买入/卖出/持有建议及目标价、止损、风险等级等。
支持的 LLM 提供商：OpenAI、Google、Anthropic、xAI、OpenRouter、Ollama（本地模型）。数据源：yfinance（默认，无需 API key）、Alpha Vantage（需要 API key）。
使用方式：初始化 TradingAgentsGraph 并调用 propagate，例如： from tradingagents.graph.trading_graph import TradingAgentsGraph from tradingagents.default_config import DEFAULT_CONFIG ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy()) _, decision = ta.propagate("NVDA", "2024-05-10") 可通过 config 设置 llm_provider、deep_think_llm、quick_think_llm、max_debate_rounds 及 data_vendors。API Key 可通过环境变量（如 OPENAI_API_KEY、ALPHA_VANTAGE_API_KEY）或 .env 文件配置。
本地运行：signals engine 无需 API key，执行 pip install -r requirements.txt 后运行 python init.py NVDA --engine signals；LLM engine 需先 pip install tradingagents 并配置 API key，再运行 python init.py NVDA --engine llm。
适用场景：股票基本面分析、技术面分析、情绪与新闻分析、风险评估及交易信号生成。
限制：本框架仅供研究使用，不构成投资建议；交易表现受模型、温度、数据质量等多种因素影响，请勿用于真实交易决策，除非完全理解风险。依赖包括 langgraph、langchain、openai、google-generativeai、anthropic、yfinance、alpha-vantage、pandas、numpy、python-dotenv 等。