Konfiguracja API TradingAgents

Zacznij od wersjonowanego pytania badawczego

Ustaw zgodnego dostawcę, własny URL backendu i dwie role modelu, a następnie przetestuj jedną spółkę w określonym dniu badania. TradingAgents organizuje analityków, przeciwne argumenty badawcze i przegląd ryzyka, więc użytecznym pierwszym zadaniem jest sprawdzenie, jak te role wyjaśniają ten sam pakiet źródłowy. Wybierz spółkę i granicę informacyjną przed zmianą modeli. Zachowaj podstawowe fakty i nierozstrzygnięte kwestie z pierwszego uruchomienia, aby późniejsze porównania modeli dotyczyły tego samego pytania. Poniższe pola są zgodne z rewizją service 9dee508c.

Skonfiguruj zgodnego dostawcę i obie role modeli

Przejrzany default_config.py udostępnia llm_provider, backend_url, deep_think_llm i quick_think_llm. Zgodny klient używa podanego endpointu, a uwierzytelnianie jest osobnym ustawieniem środowiska. Oba sloty ról wymagają dokładnego identyfikatora modelu akceptowanego przez wybrany endpoint i klienta projektu. Przykład dostosowuje te pola źródłowe i tworzy wyłącznie konfigurację. Ustaw RESEARCH_MODEL_ID i SUMMARY_MODEL_ID z aktualnego katalogu po sprawdzeniu wymaganych możliwości. Te nazwy są lokalnymi slotami środowiska, a nie identyfikatorami modeli ani domyślnymi wartościami TradingAgents. Dane uwierzytelniające trzymaj w środowisku procesu, a nie w skrypcie.

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.

Oddziel trasę modelu od danych finansowych

Dostawców danych finansowych konfiguruj niezależnie od endpointu modelu. Dla akcji międzynarodowych przed zebraniem danych ustal emitenta i symbol właściwy dla giełdy. Zachowaj walutę obrotu, walutę raportowania, strefę czasową rynku i wybór benchmarku. Amerykański kwit depozytowy i jego bazowa akcja zwykła wymagają jawnej reguły konwersji, zanim będzie można porównać ich serie cenowe. Diagram pokazuje połączenie ustawień modelu; narzędzia danych finansowych zachowują własne dane uwierzytelniające, zakres i znaczniki czasu źródeł. Sprawdź te narzędzia, zanim brakujące dane badawcze zdiagnozujesz jako awarię LLM.

Wybieraj role według kontraktu zadania

Przetestuj możliwości, z których każda rola rzeczywiście korzysta. Odpowiedź tekstowa nie ustanawia obsługi parsowania wywołań narzędzi, długiego kontekstu ani ustrukturyzowanego wyniku. Zmiana rodziny modeli może także zmienić zachowanie adaptera dostawcy, nawet gdy endpoint przyjmuje jego identyfikator. Zacznij od najmniejszego użytecznego zestawu ról; debatę dodaj dopiero, gdy wskazuje niepoparte twierdzenia lub użyteczne dowody przeciwne. Końcowy artefakt oceniaj względem tego samego pakietu źródłowego, a nie uznając dłuższe raporty za lepsze badanie.

Użyj etapowego testu akceptacji pierwszego uruchomienia

Najpierw przeanalizuj rozwiązaną konfigurację bez wypisywania kluczy. Następnie w autoryzowanym środowisku wykonawczym uruchom klienta projektu z wybranym modelem i zachowaj zredagowany rekord żądania. Potem przetestuj wymagane wywołanie narzędzia oraz jego ścieżkę błędu. Na końcu uruchom TradingAgentsGraph z ograniczonym zbiorem źródeł i przejrzyj wynikowy stan, cytowane fakty i końcowy wynik badania. Zachowaj rewizję repozytorium, wersje zależności, hashe danych wejściowych i ustawienia ról. Odpowiedź fabryki przechodzi tylko etap klienta; kompletny raport nadal wymaga przeglądu źródeł i liczb, zanim stanie się użytecznym artefaktem badawczym.

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.

Chroń badania historyczne przed późniejszą informacją

Żądana data analizy nie dowodzi, że każda odpowiedź dostawcy jest z punktu w czasie. Sprawdź, czy dane fundamentalne były dostępne do granicy, czy artykuły później skorygowano i czy cache danych pochodził z innego eksperymentu. Oryginalny czas publikacji i czas pobrania przechowuj osobno. Informacje zwrotne z trenowania lub refleksji trzymaj poza okresem odłożonej ewaluacji. Historyczne listy tickerów muszą uwzględniać istotne wycofania z giełdy i zmiany symboli. Przy każdym eksperymencie zapisuj obsługę działań korporacyjnych i benchmark porównawczy, aby zmiany modelu nie pomyliły się ze zmianą danych.

Budżetuj debatę, ponowienia i powtarzany kontekst

Koszt agenta finansowego pochodzi z każdego żądania w grafie, w tym z podsumowań, powtarzanego kontekstu i rozliczanych ponowień. Do planowania używaj aktualnego kontraktu cenowego, a później uzgodnij rzeczywiste użycie żądań. Przed przebiegiem ogranicz rundy debaty, wolumen źródeł, zadania równoległe i automatyczne ponowienia. Ekstrakcję źródeł buforuj według wersji dokumentów, odróżniając ponowne użycie aplikacji od rabatów za cache dostawcy. Subskrypcje danych i obliczenia lokalne śledź osobno od opłat LLM, a koszt porównuj na zaakceptowany artefakt badawczy. Zanim rozszerzysz zbiór tickerów i dat, zacznij od ograniczonego uruchomienia powyżej.

Zdiagnozuj etap, który zawiódł

Przy awarii uwierzytelniania sprawdź, czy klucz zgodnego dostawcy dociera do tego samego procesu, który tworzy klienta. Przy brakującym modelu porównaj dokładny identyfikator i dostęp konta z aktualnym katalogiem. Przy źle sformatowanym wyniku narzędzia zachowaj schemat narzędzia i oczyszczoną odpowiedź, a nie tylko końcowy wyjątek. Zatrzymanie może wynikać z żądania dostawcy danych, powtarzanej pętli narzędzia lub timeoutu modelu; przed zwiększeniem limitów przejrzyj znaczniki czasu etapów. Zatrzymaj się, gdy brakuje obowiązkowych danych. Ponawianie do czasu pojawienia się prozy może ukryć pierwotną awarię i zużyć cały budżet badania.

Dowody i ograniczenia

Konfigurację przejrzano pod kątem źródeł 5 września 2026 r. w rewizji 9dee508c. Przykłady są szablonami instruktażowymi; na potrzeby tego przewodnika nie wykonano żądania klienta APIsRouter, kompletnego grafu ani zmierzonego przypadku kosztu zadania. Przed rozszerzeniem procesu zweryfikuj wybrane modele i narzędzia danych we własnym ograniczonym uruchomieniu.

Częste pytania