71.4K星开源项目掀翻金融圈：三个人的团队，如何用多智能体复刻华尔街投研流水线

2024年12月28日，一个名为TradingAgents的项目悄然上线GitHub，彼时其背后的团队Tauric Research仅有三个公开仓库、社交账号粉丝刚过一千。谁也没有想到，这个没有任何发布会、没有融资通稿、没有大V站台的项目，会在半年后席卷开源社区——截至2026年5月初，TradingAgents累计斩获超过71,400颗Star、13,800多次Fork，一举冲上GitHub Python趋势榜榜首。其中仅2026年2月发布的v0.2.0版本引入多提供商支持后，增长曲线陡然陡峭，4月底至5月初一周之内暴涨超过11,000颗Star，24小时内的涨幅更是达到3,315颗——这个增速在开源社区历史上极为罕见。

TradingAgents的核心逻辑，是将华尔街对冲基金的组织运转机制“翻译”为AI代码。它将整个交易决策链路拆解为四层架构，每层对应一个职能团队：第一层是分析师团队，四人各司其职——基本面分析师负责评估公司财务表现与利润率；第二层引入多空双方辩论机制，让Agent之间互相“抬杠”；第三层由交易台根据讨论结果执行策略；第四层由风控团队在最后一步把关。这种环环相扣的流程设计，本质上是为了应对金融决策极低的容错率——一次失误可能意味着数百万乃至上千万的损失。

一个仅三个公开仓库的小团队，靠一篇挂在arXiv上的学术论文（编号2412.20138）和一个刚建好的代码仓库，就能让一个项目横扫GitHub、引爆金融圈，这件事本身就构成了一种信号：多智能体架构在垂直领域的落地路径正在被快速验证。完全开源、一行代码可运行的低门槛，让任何人都能亲手复刻这套华尔街投研体系——这既是技术民主化的体现，也意味着相关领域的竞争门槛可能正在被重新定义。