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

它是基于开源项目 TradingAgents fork 改造的。原项目是一个多 Agent 投研框架，我这边主要做了面向 A 股市场 的适配，希望它更适合个人平时做信息整理、投研分析和复盘沉淀。

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。

目前主要做了几块：

1. A 股数据适配

原版更偏美股语境，我这边适配了一些 A 股常用数据来源，用来获取行情、K 线、公告、新闻、研报、概念板块、行业板块、资金流、市场热度等信息。

这些数据会作为 Agent 分析的基础材料，让分析更贴近 A 股里的政策驱动、题材轮动、板块联动和公告催化。

2. 多 Agent 分析

保留了 TradingAgents 的多 Agent 思路，让不同 Agent 从市场、新闻、基本面、情绪、风险、催化等角度整理信息，再形成结构化分析结果。

相比直接问大模型“某只股票怎么看”，这种方式更强调材料整理、视角拆分和分析过程。

3. 板块和方向观察

A 股很多时候需要结合板块、题材和资金方向看。

所以项目里也做了板块发现和方向观察，用来辅助整理近期值得继续跟踪的行业、概念和事件线索。

4. 持仓、交易和复盘记录

支持本地记录持仓、交易和复盘内容。

主要是为了把当时的分析材料、判断依据和后续变化留存下来，方便后面回看和总结。

5. 本地 LLM Wiki 知识库

这是我觉得比较核心的一块。

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。

长期使用下来，希望能逐步形成一套自己的研究资料库和方法论，也能从历史信息里重新捕捉线索。

整体来说，PersonalTradingAgents 是我基于 TradingAgents 做的一个 A 股本地化尝试：适配 A 股数据，用 Agent 辅助分析，再通过本地知识库沉淀自己的投研过程。

目前还在继续完善，发出来主要是和大家交流。如果你也对 AI 投研、多 Agent 、A 股数据适配或者知识库式投研工具感兴趣，欢迎一起讨论。

Github： https://github.com/Hi-Zgc/PersonalTradingAgents.git