TradingAgents 接入统一模型 API

适合谁，以及当前证据到哪里

多角色股票研究、看多看空辩论与风险复核。它适合想比较不同模型在固定多角色研究流程中表现的开发者，不适合把自然语言结论直接当成交易指令。 当前状态是 已完成项目自身调用验证：项目自己的 provider 与 registry 测试共 24 项通过，并从 create_llm_client() 创建的 openai_compatible 客户端获得过非空回复。没有运行 TradingAgentsGraph.propagate()、真实标的分析或全部数据 provider，因此不能据此声称完整系统已验收。

官方 CLI 展示的是研究状态，不是收益记录

官方终端面板展示 Agent 进度、报告状态和最终判断。它能帮助确认多角色流程是否推进，但无法证明数据正确、判断有效或订单真实成交。

模型链和金融数据链必须分别配置

模型通过 `llm_provider=openai_compatible` 与 `backend_url` 进入统一端点；行情、基本面、新闻等工具仍需要项目支持的数据源凭据。只有模型回复成功，不代表任何股票数据已经可用。

第一步：写入兼容端点与 Key

Key 只放在本地环境变量或密钥管理器，不提交到仓库。Base URL 填到 `/v1`，不要追加 `/chat/completions`。深度与快速模型使用当前模型页的真实 ID。

OPENAI_COMPATIBLE_API_KEY=sk-your-key
TRADINGAGENTS_LLM_BACKEND_URL=https://api.kkaiapi.com/v1
KKAI_QUICK_MODEL=从模型页复制快速模型ID
KKAI_DEEP_MODEL=从模型页复制深度模型ID

第二步：在项目配置中选择 openai_compatible

以下代码只创建研究图配置，不自动证明所有数据工具可用。先调用项目模型工厂做固定短输入，再逐个增加数据 provider。

import os
from tradingagents.default_config import DEFAULT_CONFIG

config = DEFAULT_CONFIG.copy()
config.update({
    "llm_provider": "openai_compatible",
    "backend_url": "https://api.kkaiapi.com/v1",
    "quick_think_llm": os.environ["KKAI_QUICK_MODEL"],
    "deep_think_llm": os.environ["KKAI_DEEP_MODEL"],
})

# 下一步再把 config 交给项目的 TradingAgentsGraph。
# 首次验收先使用固定标的和历史日期，并保留全部工具错误。

模型角色怎么分配

快速模型适合摘要、格式化和低风险中间步骤；深度模型适合综合多份报告、处理反方证据和最终复核。先固定数据与 Prompt，再比较成功率、引用、耗时和成本。

数据凭据与真实任务验收

行情、基本面、新闻和 Alpha Vantage 等独立数据凭据。先选择一个历史日期和单个标的，保存当日可见的行情、公告和新闻；运行后检查工具调用是否配对、报告数字是否能回到来源、失败是否被保留。 如果某个数据工具失败，报告应标记缺失或停止，而不是让模型根据常识补齐。只有模型链成功时，证据状态仍然停留在“模型入口已验证”。

成本、超时与故障定位

一次任务成本 = 输入 token × 输入单价 + 输出 token × 输出单价 + 缓存读写费用 + 外部数据费用。模型价格和实际 token 只从当前模型目录与控制台调用日志读取，不在文章里复制一份会过时的数字。 多角色图会把一次任务扩展成多次调用。出现 401 先检查 Key；404 检查 Base URL 与模型 ID；429 降低并发并尊重重试时间；超时要区分模型请求和数据工具。使用同一 run_id 记录重试，避免把一次任务重复计费或重复生成报告。

常见问题