TradingAgents-API-Konfiguration

Beginnen Sie mit einer versionierten Research-Frage

Setzen Sie kompatiblen Provider, benutzerdefinierte Backend-URL und zwei Modellrollen und testen Sie anschließend ein Unternehmen an einem definierten Research-Datum. TradingAgents organisiert Analysten, gegensätzliche Research-Argumente und Risikoprüfung. Eine nützliche erste Aufgabe besteht daher darin, zu untersuchen, wie diese Rollen dasselbe Quellenpaket erklären. Wählen Sie Unternehmen und Informationsstichtag vor dem Modellwechsel. Bewahren Sie zugrunde liegende Fakten und offene Punkte des ersten Laufs auf, damit spätere Modellvergleiche dieselbe Frage verwenden. Die folgenden Felder folgen der Service-Revision 9dee508c.

Konfigurieren Sie den kompatiblen Provider und beide Modellrollen

Die geprüfte default_config.py stellt llm_provider, backend_url, deep_think_llm und quick_think_llm bereit. Der kompatible Client verwendet den angegebenen Endpunkt; Authentifizierung ist eine separate Umgebungseinstellung. Beide Rollenplätze benötigen eine exakte Modellkennung, die der ausgewählte Endpunkt und der Projektclient akzeptieren. Das Beispiel passt diese Quellfelder an und erstellt nur Konfiguration. Setzen Sie RESEARCH_MODEL_ID und SUMMARY_MODEL_ID nach Prüfung der erforderlichen Fähigkeiten aus dem aktuellen Katalog. Diese Namen sind lokale Umgebungsplätze und keine Modell-IDs oder TradingAgents-Defaults. Halten Sie die Zugangsdaten in der Prozessumgebung und nicht im Skript.

import os
from copy import deepcopy
from tradingagents.default_config import DEFAULT_CONFIG

config = deepcopy(DEFAULT_CONFIG)
config.update({
    "llm_provider": "openai_compatible",
    "backend_url": "https://api.apisrouter.com/v1",
    "deep_think_llm": os.environ["RESEARCH_MODEL_ID"],
    "quick_think_llm": os.environ["SUMMARY_MODEL_ID"],
    "max_debate_rounds": 1,
    "max_risk_discuss_rounds": 1,
})
assert os.environ["OPENAI_COMPATIBLE_API_KEY"]
# Configuration only. This does not start a research run.

Halten Sie Modellroute und Finanzdaten getrennt

Konfigurieren Sie Finanzdatenanbieter unabhängig vom Modellendpunkt. Lösen Sie bei internationalen Aktien Emittent und börsenspezifisches Symbol vor der Sammlung auf. Bewahren Sie Handelswährung, Berichtswährung, Marktzeitzone und Benchmarkauswahl auf. Ein in den USA gelistetes Depositary Receipt und seine zugrunde liegende Stammaktie benötigen eine ausdrückliche Umrechnungsregel, bevor ihre Preisreihen verglichen werden können. Das Diagramm zeigt die Verbindung der Modelleinstellungen; Finanzdatentools behalten Zugangsdaten, Abdeckung und Quellenzeitstempel. Prüfen Sie diese Tools, bevor Sie eine fehlende Research-Eingabe als LLM-Fehler diagnostizieren.

Wählen Sie Rollen nach dem Aufgabenkontrakt

Testen Sie die Fähigkeiten, die jede Rolle tatsächlich verwendet. Eine Textantwort belegt weder Tool-Call-Parsing noch Long-Context-Verarbeitung oder strukturiertes Ausgabeformat. Ein Wechsel der Modellfamilie kann auch das Verhalten des Provideradapters ändern, selbst wenn der Endpunkt seine Kennung akzeptiert. Beginnen Sie mit der kleinsten sinnvollen Zahl von Rollen und fügen Sie Debatte erst hinzu, wenn sie unbelegte Aussagen oder nützliche Gegenbelege identifiziert. Bewerten Sie das finale Artefakt anhand desselben Quellenpakets und behandeln Sie längere Berichte nicht automatisch als besseres Research.

Verwenden Sie einen gestuften Abnahmetest für den ersten Lauf

Prüfen Sie zunächst die aufgelöste Konfiguration, ohne Schlüssel auszugeben. Führen Sie anschließend in einer autorisierten Umgebung den Projektclient mit dem ausgewählten Modell aus und bewahren Sie einen bereinigten Anfrage-Datensatz auf. Testen Sie danach eine erforderliche Tool-Interaktion und ihren Fehlerpfad. Führen Sie schließlich TradingAgentsGraph mit einer begrenzten Quellenmenge aus und prüfen Sie resultierenden Zustand, zitierte Fakten und finale Research-Ausgabe. Speichern Sie Repository-Revision, Abhängigkeitsversionen, Eingabe-Hashes und Rolleneinstellungen. Eine Antwort der Fabrik besteht nur die Clientstufe; ein vollständiger Bericht benötigt vor der Einstufung als nutzbares Research-Artefakt weiterhin Quellen- und numerische Prüfung.

import os
from research_config import config
from tradingagents.graph.trading_graph import TradingAgentsGraph

graph = TradingAgentsGraph(debug=False, config=config)
state, decision = graph.propagate(
    os.environ["RESEARCH_TICKER"],
    os.environ["RESEARCH_DATE"],
)
# Inspect state and decision against the source packet.
# Running this template makes model and data requests.

Schützen Sie historisches Research vor späteren Informationen

Ein angefordertes Analysedatum belegt nicht, dass jede Anbieterantwort zeitpunktbezogen ist. Prüfen Sie, ob Fundamentaldaten bis zum Stichtag tatsächlich verfügbar waren, ob Artikel später korrigiert wurden und ob gecachte Daten aus einem anderen Experiment stammen. Bewahren Sie ursprüngliche Veröffentlichungs- und Einspielzeit getrennt auf. Halten Sie Trainings- oder Reflexionsfeedback außerhalb eines zurückgehaltenen Evaluierungszeitraums. Historische Tickerlisten müssen relevante Delistings und Symboländerungen enthalten. Erfassen Sie Behandlung von Kapitalmaßnahmen und Vergleichsbenchmark neben jedem Experiment, damit ein Modellwechsel nicht mit einer Datenänderung verwechselt wird.

Budgetieren Sie Debatte, Wiederholungen und wiederholten Kontext

Ausgaben eines Finanzagenten entstehen durch jede Anfrage im Graph, einschließlich Zusammenfassungen, wiederholtem Kontext und abrechenbaren Wiederholungen. Verwenden Sie zur Planung den aktuellen Preisvertrag und gleichen Sie tatsächliche Nutzung anschließend ab. Begrenzen Sie Debattenrunden, Quellenvolumen, parallele Jobs und automatische Wiederholungen vor einem Durchlauf. Cachen Sie Quellenextraktion mit Dokumentversionen und unterscheiden Sie Anwendungswiederverwendung von Anbieter-Abrechnungsrabatten. Verfolgen Sie Datenabonnements und lokale Berechnung getrennt von LLM-Gebühren und vergleichen Sie Kosten pro akzeptiertem Research-Artefakt. Beginnen Sie mit dem begrenzten Lauf oben, bevor Sie Ticker- und Datumsuniversum erweitern.

Diagnostizieren Sie die fehlgeschlagene Stufe

Prüfen Sie bei Authentifizierungsfehlern, dass der Schlüssel des kompatiblen Providers denselben Prozess erreicht, der den Client erstellt. Vergleichen Sie bei fehlenden Modellen exakte Kennung und Kontozugriff mit dem aktuellen Katalog. Bewahren Sie bei fehlerhafter Toolausgabe Toolschema und bereinigte Antwort auf und nicht nur die letzte Ausnahme. Ein Stillstand kann durch Datenanbieteranfrage, wiederholte Toolschleife oder Modelltimeout entstehen; prüfen Sie Stufenzeitstempel, bevor Sie Limits erhöhen. Stoppen Sie, wenn Pflichtdaten fehlen. Bis Prosa erscheint zu wiederholen, kann den ursprünglichen Fehler verdecken und das gesamte Research-Budget verbrauchen.

Belege und Einschränkungen

Die Konfiguration wurde am 5. September 2026 in Revision 9dee508c quellengeprüft. Die Beispiele sind Leitfadenvorlagen; für diesen Leitfaden wurden weder eine APIsRouter-Clientanfrage noch ein vollständiger Graph oder ein Fall mit gemessenen Aufgabenkosten ausgeführt. Validieren Sie ausgewählte Modelle und Datentools in Ihrem eigenen begrenzten Lauf, bevor Sie den Workflow erweitern.

Häufige Fragen