AI股票分析工具推荐！TradingAgents VPS服务器部署使用教程

TradingAgents 是一个基于多智能体，也就是 Multi-Agent 技术开发的金融分析框架。

简单来说，它可以模拟一个专业的投资研究团队，让不同的 AI 智能体分别扮演技术分析师、基本面分析师、新闻分析师、研究员以及风险管理人员等角色。

这些 AI 智能体会各自收集和分析信息，再通过讨论、综合判断，最终生成一份股票投资研究报告。

我们可以用它来分析美股，比如英伟达、特斯拉、苹果，也可以研究比特币等其他支持的金融资产。

需要注意的是，它主要是一个 AI 投资研究和决策辅助系统，并不代表能够保证预测准确，也不等于安装后就可以自动进行真实交易。

这期视频，我会从零开始演示如何在 Hostinger VPS 服务器上安装 TradingAgents，配置 Python 运行环境、OpenAI API、中文分析报告，并最终成功启动程序。

整个过程不需要自己编写 Python 程序，只需要跟着教程复制相应的命令就可以了。

如果你还没有 VPS，可以通过下面的链接了解我这期视频使用的 Hostinger 服务器。

► Hostinger VPS：
➜ https://bit.ly/3BysRqP

一、安装前的准备工作

首先，我们需要准备三样东西。

第一，一台可以正常访问互联网的 Linux VPS 服务器。

第二，TradingAgents 的 GitHub 开源项目。

第三，一个可以使用的 OpenAI API Key，用来调用 AI 模型完成股票分析。

这期视频我使用的是 Hostinger 的 VPS 服务器，系统选择的是 Ubuntu。

我实际演示的环境如下：

• VPS：Hostinger
• 操作系统：Ubuntu 26.04.1 LTS
• 系统自带 Python：3.14.4
• TradingAgents 虚拟环境：Python 3.13
• TradingAgents：实测安装版本 v0.7.1
• AI 服务商：OpenAI

TradingAgents 官方要求 Python 3.11 或以上版本。虽然我的 Ubuntu 系统已经安装了 Python 3.14，但为了尽量避免第三方依赖的兼容性问题，我会单独创建一个 Python 3.13 虚拟环境。

这样既不会破坏服务器原来的 Python 环境，也方便以后管理和升级。

相关链接：

► Hostinger VPS
https://bit.ly/3BysRqP

► TradingAgents GitHub 官方项目
https://github.com/TauricResearch/TradingAgents

► OpenAI API 平台
https://platform.openai.com/

二、登录 Hostinger VPS 服务器

首先，登录你的 Hostinger 账户，进入 VPS 管理后台。

如果还没有购买 VPS，可以通过下面的链接进入 Hostinger，选择适合自己的服务器套餐。

► Hostinger VPS：
➜ https://bit.ly/3BysRqP

进入后台后，找到已经购买并完成初始化的 VPS 服务器，打开服务器管理页面。

接下来，进入 VPS 的浏览器终端，也就是 Browser Terminal。

如果你平时使用 SSH 客户端，比如 SecureCRT、PuTTY 或者其他 SSH 工具，也可以通过这些软件连接服务器。

我这里直接使用 Hostinger 提供的浏览器终端演示。

连接成功以后，我们就可以看到 Ubuntu 的命令行界面了。

这期视频使用的是 root 管理员账户，所以能够直接执行软件安装命令。

如果你使用的是普通用户，系统管理命令通常需要添加 sudo，并确保拥有相关权限。

1. 检查 Ubuntu 系统版本

首先输入：

cat /etc/os-release

这个命令可以查看当前服务器安装的 Ubuntu 系统版本。

2. 检查 Python 版本

接下来输入：

python3 --version

我这里最初显示的是：

Python 3.14.4

但是，我们不会直接使用这个版本来运行 TradingAgents，稍后会通过 uv 创建 Python 3.13 环境。

3. 安装必要的软件

继续执行：

apt-get update

这条命令会更新系统的软件包索引。

然后安装 Git、curl 和 CA 证书：

apt-get install -y git curl ca-certificates

Git 用来下载 GitHub 上的项目代码。

curl 用来下载后面需要使用的安装脚本。

CA 证书可以帮助系统安全地建立 HTTPS 连接。

安装完成后，我们可以检查 Git 版本：

git --version

只要能够正常显示版本号，就说明 Git 已经安装成功。

三、下载 TradingAgents 项目

接下来，我们正式安装 TradingAgents。

首先，检查服务器上是否已经存在 TradingAgents 安装目录。

输入：

test ! -e /opt/TradingAgents && echo INSTALL_PATH_FREE

如果显示：

INSTALL_PATH_FREE

说明 /opt/TradingAgents 这个目录还不存在，可以继续下载项目。

如果没有显示这段文字，就需要先检查是不是已经安装过 TradingAgents，不要直接覆盖已有项目。

接下来执行下面这条命令：

git clone --branch main --single-branch https://github.com/TauricResearch/TradingAgents.git /opt/TradingAgents

这条命令的作用，是从 GitHub 下载 TradingAgents 的主分支代码，并保存到服务器的 /opt/TradingAgents 目录。

其中：

git clone：表示克隆 GitHub 项目。

--branch main：表示下载 main 主分支。

--single-branch：表示只克隆指定分支。

/opt/TradingAgents：表示最终安装位置。

执行以后，终端会显示项目下载进度。

例如：

Cloning into '/opt/TradingAgents'...
Receiving objects: 100%
Resolving deltas: 100%

只要整个下载过程没有出现错误，最后返回命令行输入位置，就说明项目下载成功了。

这里需要特别说明，GitHub 项目下载成功，并不代表 TradingAgents 已经可以运行。

因为我们还需要配置 Python 环境，并安装项目依赖的软件包。

四、安装 uv Python 环境管理工具

接下来，我们要安装一个叫做 uv 的工具。

uv 是一个 Python 环境和软件包管理工具，可以帮助我们安装指定版本的 Python，以及管理项目的虚拟环境和依赖。

它的一个好处是，我们不必修改 Ubuntu 系统自带的 Python 版本。

1. 安装 uv

复制下面的命令：

curl -LsSf https://astral.sh/uv/install.sh | sh

这条命令会运行 uv 官方提供的安装脚本。

安装完成后，可以执行：

/root/.local/bin/uv --version

如果能够显示 uv 的版本号，就说明安装成功。

这里的 /root/.local/bin/uv 是本教程以 root 用户安装 uv 时使用的路径。如果采用普通用户安装，路径需要替换为对应用户的主目录。

uv 官方网站：

https://docs.astral.sh/uv/

五、创建 Python 3.13 虚拟环境

有了 uv 以后，我们就可以为 TradingAgents 创建独立的 Python 运行环境。

1. 进入 TradingAgents 安装目录

首先输入：

cd /opt/TradingAgents

这条命令表示进入刚刚下载的 TradingAgents 项目文件夹。

2. 创建虚拟环境

接下来输入：

/root/.local/bin/uv venv --python 3.13 .venv

这里的 --python 3.13 表示使用 Python 3.13。

.venv 表示将虚拟环境创建在当前项目目录下。

如果当前服务器没有 Python 3.13，uv 通常会自动下载所需版本。

3. 安装 TradingAgents 依赖

接着执行：

/root/.local/bin/uv pip install --python .venv/bin/python .

这条命令的作用，是按照 TradingAgents 项目的依赖配置，把运行需要的 Python 软件包安装到刚才创建的虚拟环境中。

需要注意，命令最后的英文句号 . 不能省略。

它表示安装当前目录中的项目。

这一步可能需要下载较多依赖，具体时间取决于服务器网络速度。

安装成功以后，终端会显示已经安装的软件包列表。

我这次安装成功后，其中就可以看到 TradingAgents v0.7.1。

4. 激活虚拟环境

接下来执行：

source .venv/bin/activate

激活成功后，命令行前面通常会出现：

(.venv)

这说明我们已经进入 TradingAgents 专用的 Python 环境。

5. 检查 Python 版本

继续输入：

python --version

我这里实际显示的是：

Python 3.13.18

这说明我们的 Python 虚拟环境已经创建成功。

六、检查 TradingAgents 是否安装成功

接下来我们可以先测试一下 TradingAgents 的命令行程序。

执行：

tradingagents --help

如果安装成功，终端会显示 TradingAgents 的命令行帮助信息。

例如：

Usage: tradingagents [OPTIONS] COMMAND [ARGS]...

同时还会看到程序的各种选项，例如股票代码、分析日期、分析师以及保存报告等参数。

这说明 TradingAgents 已经可以正常启动。

不过，现在还不能直接完成 AI 股票分析，因为我们还没有配置 OpenAI API。

接下来就进入整个教程非常重要的一步。

七、获取 OpenAI API Key

TradingAgents 需要调用 AI 大模型。

这期视频我们选择 OpenAI 作为 AI 模型服务商，所以需要准备 OpenAI API Key。

首先打开 OpenAI API 平台：

https://platform.openai.com/

登录自己的账户后，进入 API Keys 管理页面。

API Key 页面地址：

https://platform.openai.com/api-keys

在这里创建一个新的 API Key，并妥善保存。

需要特别注意，OpenAI API 与普通的 ChatGPT 网页版会员订阅是不同的计费方式。

即使你已经购买 ChatGPT Plus 或 Pro，也不代表你就拥有免费的 OpenAI API 调用额度。

本期教程采用 API Key 方式，实际分析时会按照 API 的调用情况产生费用。

另外，API Key 相当于访问凭证，一定不要公开。录制视频时，记得隐藏 API Key，避免被别人盗用。

八、创建 TradingAgents 配置文件

准备好 API Key 之后，我们回到 VPS 服务器。

首先输入：

cd /opt/TradingAgents

然后执行：

test -f .env || cp .env.example .env

这条命令的意思是：

如果 .env 配置文件不存在，就从官方提供的 .env.example 模板复制一份。

如果文件已经存在，就不会覆盖我们之前保存的配置。

接下来设置文件权限：

chmod 600 .env

这条命令表示只有文件所有者拥有读取和修改该文件的权限。

因为稍后我们要在这个文件里保存 API Key，所以设置权限是有必要的。

1. 打开配置文件

输入：

nano .env

这时会进入 GNU nano 文本编辑器。

在这个编辑器里，我们可以直接修改 TradingAgents 的各种设置。

2. 填写 OpenAI API Key

首先找到：

OPENAI_API_KEY=

然后在等号后面粘贴自己的 OpenAI API Key。

例如，配置格式应该是：

OPENAI_API_KEY=你自己的API密钥

上面的中文只是位置示意，不要直接照抄，必须替换为真实的 API Key。

如果你发现文件里还有其他 AI 服务商，比如 Google、Anthropic、DeepSeek 等提供商的 API Key 设置，这些不需要使用的选项可以暂时保持不变。

因为我们本次只使用 OpenAI。

九、设置 AI 模型和中文输出

填写好 API Key 以后，继续往下找到 TradingAgents 的模型配置区域。

这里可以控制 AI 服务商、使用哪种模型，以及最终报告的输出语言。

在官方配置模板中，可能会看到这样的内容：

#TRADINGAGENTS_LLM_PROVIDER=openai
#TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
#TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna
#TRADINGAGENTS_OUTPUT_LANGUAGE=English

这里特别提醒大家注意一个细节。

这些配置前面的 # 号一定要删除。

因为在 .env 配置文件中，# 表示这一行是注释。

也就是说，如果没有删除 #，这条配置就不会按照我们填写的值生效。

我们最终把这几项修改成下面这样：

TRADINGAGENTS_LLM_PROVIDER=openai
TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna
TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

下面简单解释一下这四个参数的作用。

第一个：TRADINGAGENTS_LLM_PROVIDER

它表示 AI 模型服务商。

这里填写 openai，代表我们使用 OpenAI。

第二个：TRADINGAGENTS_DEEP_THINK_LLM

这是深度思考模型。

主要负责相对复杂的研究、综合判断和管理决策任务。

我们这里按照项目当前版本的默认模型配置，填写 gpt-6-sol。

第三个：TRADINGAGENTS_QUICK_THINK_LLM

这是快速思考模型。

主要用于分析师、研究员等智能体的常规任务。

这里填写 gpt-6-luna。

以上两个模型名称来自 TradingAgents 当前版本的默认配置。实际使用时，仍然需要确认自己的 OpenAI API 账户是否具有相应模型的访问权限。

第四个：TRADINGAGENTS_OUTPUT_LANGUAGE

这是输出语言设置。

默认可能是 English，也就是英文。

我们把它修改成：

TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

这样就要求 TradingAgents 使用中文生成分析报告。

额外设置：减少研究轮数

如果第一次只是测试，为了减少 AI 模型调用费用，可以找到下面两个参数：

#TRADINGAGENTS_MAX_DEBATE_ROUNDS=1
#TRADINGAGENTS_MAX_RISK_ROUNDS=1

删除前面的 #，修改为：

TRADINGAGENTS_MAX_DEBATE_ROUNDS=1
TRADINGAGENTS_MAX_RISK_ROUNDS=1

其中，MAX_DEBATE_ROUNDS 是研究讨论轮数，MAX_RISK_ROUNDS 是风险讨论轮数。

第一次测试保留较低轮数就可以了，不需要一开始就把研究深度调得特别高。

需要说明的是，即使设置为一轮，运行过程中仍然可能发生多次 API 调用，并不代表只会收费一次。

十、保存 TradingAgents 配置

所有参数修改完成以后，就可以保存配置文件了。

因为我们使用的是 nano 编辑器，所以保存方法如下：

首先，按下：

Ctrl + O

这时编辑器会提示确认文件名称。

我们直接按：

Enter

接下来再按：

Ctrl + X

这样就可以退出编辑器，返回 VPS 的命令行界面。

到这里，TradingAgents 的 OpenAI API、模型和中文输出就已经配置完成了。

但是在正式运行前，我建议再做一次检查，确认没有漏掉配置。

十一、检查 API 和模型配置

首先进入 TradingAgents 目录：

cd /opt/TradingAgents

1. 检查 AI 模型与语言配置

复制下面这条命令：

grep -E '^TRADINGAGENTS_(LLM_PROVIDER|DEEP_THINK_LLM|QUICK_THINK_LLM|OUTPUT_LANGUAGE)=' .env

如果配置正确，就应该看到类似下面的信息：

TRADINGAGENTS_LLM_PROVIDER=openai
TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna
TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

其中，最重要的是每一行前面都不能有 #。

如果发现输出中没有语言设置，比如没有：

TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

就说明中文语言选项可能没有启用。

这时我们可以重新打开配置文件：

nano /opt/TradingAgents/.env

进入 nano 后，按下：

Ctrl + W

然后搜索：

TRADINGAGENTS_OUTPUT_LANGUAGE

找到对应的配置，将它修改为：

TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

注意只保留一条有效的同名配置，避免多次添加造成重复。

最后再按照刚才介绍的方法保存即可。

2. 检查 OpenAI API Key

接下来我们检查 API Key 是否已经填写。

为了防止密钥直接显示在屏幕上，这里使用一个简单的检查命令：

if grep -q '^OPENAI_API_KEY=.' .env; then
  echo "API_KEY_CONFIGURED"
else
  echo "API_KEY_MISSING"
fi

如果显示：

API_KEY_CONFIGURED

就说明配置文件中的 API Key 字段已经填写了内容。

如果显示：

API_KEY_MISSING

就需要返回 .env 文件，重新填写 API Key。

需要注意，这个命令只能检查 API Key 是否填写，并不能验证密钥是否真实有效，也不能检查 OpenAI API 账户是否还有余额。

真正的 API 连接是否正常，要在后面执行分析时才能验证。

十二、正式启动 TradingAgents

前面的安装和配置完成以后，现在就可以正式启动 TradingAgents 了。

首先输入：

cd /opt/TradingAgents

接着激活 Python 虚拟环境：

source .venv/bin/activate

最后执行：

tradingagents

如果一切正常，终端会显示 TradingAgents 的欢迎界面。

屏幕上可以看到 TradingAgents 的英文名称，以及整个 AI 金融研究团队的工作流程。

整个流程大致分为五个阶段。

第一阶段是分析师团队，负责技术面、基本面、市场情绪以及新闻分析。

第二阶段是研究团队，让不同观点的 AI 研究员进行讨论。

第三阶段是交易决策，由 AI 交易员综合前面的研究结果。

第四阶段是风险管理，评估交易风险。

最后由投资组合管理角色综合这些信息，形成最终研究结论。

这意味着 TradingAgents 不是简单地向一个 AI 模型提问，而是通过多个专业角色协同完成分析。

十三、使用 TradingAgents 分析第一只股票

成功启动以后，我们就可以正式进行股票分析了。

第一步：输入股票代码

程序首先会出现：

Step 1: Ticker Symbol

意思是让我们输入需要分析的股票代码。

例如：

Enter ticker symbol:

我们可以输入美股代码，例如：

• NVDA：英伟达
• TSLA：特斯拉
• AAPL：苹果
• MSFT：微软
• SPY：标普500 ETF
• BTC-USD：比特币美元价格

这次演示，我选择英伟达。

所以直接输入：

NVDA

然后按回车。

第二步：选择分析日期

接下来，程序会让我们输入分析日期。

日期需要按照下面的格式填写：

YYYY-MM-DD

也就是年、月、日。

例如，本次录制演示可以使用：

2026-11-06

这个日期是 2026 年 11 月 6 日，也就是当时最近一个美股交易日。

如果你是在其他时间观看这期教程，可以改成自己需要研究的日期。

这里需要特别注意，选择分析日期不代表程序就一定能获得当天全部最新行情、财报和新闻，最终还需要以数据源实际提供的内容为准。

第三步：选择分析师

接下来，我们可以根据程序提示选择需要参与研究的 AI 分析师。

TradingAgents 主要包含以下分析角色。

Technical Analyst：技术分析师

主要研究股票价格走势和技术指标，例如 MACD、RSI 等。

Fundamentals Analyst：基本面分析师

主要研究公司的财务数据、经营情况和估值等信息。

News Analyst：新闻分析师

主要分析公司新闻、宏观经济信息，以及可能影响股票价格的事件。

Sentiment Analyst：市场情绪分析师

主要分析市场讨论、社交媒体和投资者情绪。

第一次测试不一定要把所有分析师都选上。

如果只是想演示程序能不能正常运行，可以先选择技术分析师和新闻分析师，减少不必要的调用。

不同版本的菜单显示名称和选择方式可能略有变化，按照终端实际提示操作即可。

第四步：选择研究深度

TradingAgents 还可以让我们调整研究深度。

一般来说，研究轮数越高，AI 智能体讨论和处理的内容就可能越多。

但是相应的 API Token 消耗也可能增加。

所以第一次测试，建议选择较低的研究深度。

等整个流程能够顺利运行以后，再根据自己的研究需求逐步提高。

第五步：确认分析参数

在正式开始分析前，检查股票代码、分析日期、AI 模型以及研究设置是否正确。

确认后，程序就会调用 AI 模型和对应的数据源，开始执行股票研究任务。

这里需要注意，只有真正开始分析以后，才能进一步验证 OpenAI API 密钥、模型权限和行情数据调用是否正常。

我目前已经完成了程序安装、API 配置和交互式界面启动，正式分析是否能够完整生成报告，还需要继续实际测试，不能把尚未执行的结果当作已经成功。

十四、TradingAgents 的分析报告包含什么？

当一次完整分析成功以后，TradingAgents 会根据我们选择的分析师和研究设置，生成相应的研究结果。

例如，针对英伟达，技术分析师可能会研究股票的价格走势和技术指标。

基本面分析师可能会关注公司的盈利能力、财务状况与估值。

新闻分析师会研究相关新闻以及可能产生的市场影响。

随后，研究团队会综合这些信息，从不同角度讨论股票的机会和风险。

风险管理角色则会进一步评估研究结论中的风险因素。

最终，系统生成一份供投资者参考的分析报告或决策结论。

如果我们在前面已经配置：

TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

那么程序就会按照这个设置，尽量使用中文输出分析内容。

不过，部分股票代码、英文专业术语和数据源名称仍然可能保留英文。

TradingAgents 还支持将报告保存到本地文件，包括便于浏览的 HTML 报告。

如果程序提示是否保存报告，可以根据实际需要选择保存。

这些报告可以作为后续学习、复盘和研究的参考资料。

但是要强调，AI 生成的买卖建议不等于投资保证，真正进行交易之前，仍然应该核对数据、评估风险，并独立判断。

十五、以后如何重新启动 TradingAgents？

到这里，TradingAgents 的安装已经完成。

以后如果我们关闭浏览器，或者退出 VPS 终端，再想运行 TradingAgents，并不需要重新安装一次。

只需要重新登录 VPS，然后执行下面三条命令。

第一条，进入项目目录：

cd /opt/TradingAgents

第二条，激活 Python 虚拟环境：

source .venv/bin/activate

第三条，启动 TradingAgents：

tradingagents

这样就可以重新打开 TradingAgents 的命令行操作界面。

如果已经进入 .venv 虚拟环境，就不需要重复激活。

如果想结束当前的 Python 虚拟环境，可以执行：

deactivate

如果正在进行交互式分析，想要中止程序，可以尝试使用：

Ctrl + C

需要提醒大家的是，关闭浏览器终端通常也会断开相应的终端会话，因此不要以为 TradingAgents 会自动在服务器后台持续运行。

如果以后需要实现定时分析、自动生成报告或者自动发送消息，可以再研究后台任务和定时运行方案。

十六、安装过程中常见的问题

问题一：为什么系统自带 Python 3.14，还要安装 Python 3.13？

因为系统自带的 Python 版本比较新，而有些第三方 Python 依赖可能还没有完全适配。

使用 uv 创建单独的 Python 3.13 虚拟环境，可以降低兼容性问题，同时不会直接修改系统 Python。

问题二：为什么输入 tradingagents 提示找不到命令？

首先检查有没有激活虚拟环境。

执行：

cd /opt/TradingAgents
source .venv/bin/activate

然后再测试：

tradingagents --help

如果还是不能运行，就需要进一步检查依赖是否安装成功。

问题三：为什么设置中文以后，分析报告还是英文？

首先检查 .env 里面有没有正确启用：

TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

特别要注意，前面不能有 #。

另外，不要在配置文件里重复设置多条相同的有效参数。

问题四：为什么显示 API_KEY_CONFIGURED，程序还是不能分析？

因为 API_KEY_CONFIGURED 只是检查到配置文件中有内容，不代表密钥一定有效。

如果正式分析时报错，还需要检查 API 账户的余额、额度、模型访问权限，以及服务器能否连接对应的 API 服务。

问题五：为什么运行 TradingAgents 会产生费用？

因为 TradingAgents 需要调用 AI 模型完成研究。

一次完整的股票分析，可能由多个 AI 智能体分别执行任务，而且可能存在多轮讨论。

因此，实际发生的 API 调用次数和 Token 消耗可能比较多。

第一次测试建议先选择少量分析师、较低研究轮数，并在 OpenAI API 平台设置合理的预算和用量提醒。

问题六：TradingAgents 能不能一直运行在 VPS 上？

可以把 VPS 作为长期运行环境，但本期演示的是通过终端手动启动 TradingAgents。

如果需要每天自动分析股票、定时生成中文报告，或者将分析结果发送到 Telegram，还需要另外配置定时任务和后台执行流程。

这些功能并不是简单安装完成以后就会自动启用的。

十七、总结

好了，到这里，我们就完成了从零开始，在 Hostinger VPS 服务器上安装 TradingAgents 的整个过程。

回顾一下，我们首先准备了一台 Ubuntu VPS 服务器。

然后通过 Git 下载 TradingAgents 的官方项目。

接下来安装 uv，并为 TradingAgents 创建独立的 Python 3.13 虚拟环境。

再安装所需的 Python 依赖，确认 TradingAgents 命令行程序能够正常启动。

随后，我们创建 .env 配置文件，添加 OpenAI API Key，设置 AI 模型，并将输出语言修改成中文。

最后，成功进入 TradingAgents 的交互式操作界面，准备选择股票代码、分析日期和研究参数。

如果你平时也在研究美股、比特币或者 AI 交易工具，可以自己安装体验一下 TradingAgents。

它比较有意思的地方，就是能够让多个 AI 智能体从不同角度研究同一个金融资产，而不只是让一个聊天机器人直接给出买卖建议。

当然，AI 分析仍然可能出现信息不完整、数据延迟或者判断错误的情况，所以一定要把它当作辅助研究工具，而不是完全依赖它进行投资决策。

如果你也想在自己的服务器上搭建这样的 AI 股票分析系统，我这期演示使用的是 Hostinger VPS。

我已经把服务器的相关链接放在下面，感兴趣的朋友可以通过链接了解具体套餐，再根据自己的实际需要选择。

► Hostinger VPS：
➜ https://bit.ly/3BysRqP

以上就是本期 TradingAgents VPS 安装配置教程的全部内容。

如果这期视频对你有帮助，欢迎点赞、订阅频道。

我们下期视频再见！

视频中使用的相关链接

► Hostinger VPS：服务器购买与管理平台
➜ https://bit.ly/3BysRqP

► TradingAgents 官方 GitHub 项目
➜ https://github.com/TauricResearch/TradingAgents

► OpenAI API 平台
➜ https://platform.openai.com/

► OpenAI API Key 管理页面
➜ https://platform.openai.com/api-keys

► uv 官方文档
➜ https://docs.astral.sh/uv/

所有安装命令汇总（按执行顺序）

以下命令适用于本教程的全新 Ubuntu VPS、root 用户安装流程。已经完成安装的服务器不要重复执行克隆和创建环境步骤。

1. 检查环境

cat /etc/os-release
python3 --version

2. 安装基础软件

apt-get update
apt-get install -y git curl ca-certificates
git --version

3. 检查安装目录

test ! -e /opt/TradingAgents && echo INSTALL_PATH_FREE

4. 下载 TradingAgents

git clone --branch main --single-branch https://github.com/TauricResearch/TradingAgents.git /opt/TradingAgents

5. 安装 uv

curl -LsSf https://astral.sh/uv/install.sh | sh

6. 创建 Python 虚拟环境

cd /opt/TradingAgents
/root/.local/bin/uv venv --python 3.13 .venv

7. 安装 TradingAgents

/root/.local/bin/uv pip install --python .venv/bin/python .

8. 激活环境并检查安装

source .venv/bin/activate
python --version
tradingagents --help

9. 创建并打开配置文件

cd /opt/TradingAgents
test -f .env || cp .env.example .env
chmod 600 .env
nano .env

10. 修改 .env 文件

在文件中手动填写自己的 OPENAI_API_KEY，并设置下面四项参数：

TRADINGAGENTS_LLM_PROVIDER=openai
TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna
TRADINGAGENTS_OUTPUT_LANGUAGE=Chinese

11. 检查模型配置

grep -E '^TRADINGAGENTS_(LLM_PROVIDER|DEEP_THINK_LLM|QUICK_THINK_LLM|OUTPUT_LANGUAGE)=' .env

12. 检查 API Key 是否填写

if grep -q '^OPENAI_API_KEY=.' .env; then
  echo "API_KEY_CONFIGURED"
else
  echo "API_KEY_MISSING"
fi

13. 启动 TradingAgents

cd /opt/TradingAgents
source .venv/bin/activate
tradingagents

14. 输入股票代码示例

NVDA

15. 输入分析日期示例

2026-11-06

实际使用时，请根据需要修改分析日期。

16. 日后重新启动，只需要执行

cd /opt/TradingAgents
source .venv/bin/activate
tradingagents