多 Agent 辩论真的增加了信息吗：TradingAgents 的组织图与相关性风险

法庭里坐着九位证人。

四位负责市场、情绪、新闻与基本面；两位分别坚持看多和看空；三位从激进、中性与保守的风险偏好发言。最后还有研究经理、交易员和组合经理逐层裁决。

听起来像一套相互制衡的制度。

但如果所有证人读的是同一份卷宗，使用同一个模型家族，继承相似的训练偏差，再按照预先分配的立场发言，九份证词究竟是九条独立证据，还是同一个相关误差的九种措辞？

角色数量是组织结构，证据独立性是统计属性。

TradingAgents 的价值在于把这道问题变成了可检查的图：谁读取什么、谁能调用工具、谁只能看前序报告、谁负责停止辩论，以及最终产物究竟有没有越过真实交易边界。

本文不提供任何证券、投资或交易建议，也不评价具体标的。研究对象冻结为 TradingAgents v0.3.1 ，tag commit 01477f9afb7a47b849ed4c9259d3a9a4738d9fda，发布于 2026-07-05；研究日 main 为 a33fd4c0f134485a43553a2c23a63cb14adbd88f 。主实现判断以 release 为准，release 后的新闻 UTC 与当日 OHLCV cache 修复只作为演进记录。论文固定为 arXiv:2412.20138v7 ，修订于 2025-06-03。论文、官网说明和 release 源码是三个不同证据层。

图解：多 Agent 证据法庭

阅读指南： 左侧先审查 evidence admissibility：价格、新闻、情绪与财报是否都满足同一 trade-date 截点。中间上方是四类 analyst；v0.3.1 的真实边是串行，不是论文图中的 concurrent fan-out。Bull 与 Bear 读取同一组 reports 交替发言，Research Manager 裁决后交给 Trader；三种风险声部再依次讨论，Portfolio Manager 输出五档 rating。右侧红线停在 research output，固定 release 没有真实 broker adapter。底部列出判断“辩论是否增加信息”的可执行测试。

图中把时间 gate 放在所有角色之前。

只要一条未来财报进入 state，后面每一次看多、看空和风险辩论都只是在精炼泄漏。

先还原 v0.3.1 的真实图

GraphSetup 用 LangGraph StateGraph(AgentState) 注册节点、工具和 conditional edges。默认 selected analysts 是：

market
  → sentiment
  → news
  → fundamentals
  → bull ↔ bear
  → research manager
  → trader
  → aggressive → conservative → neutral
  → portfolio manager
  → END

每个 analyst 都是一个 ReAct-style 小循环：

analyst
  ├─ emits tool_calls → its ToolNode → analyst
  └─ emits report     → message clear → next analyst

setup.py · conditional_logic.py

这套图有三个真实收益：

1. 每个角色只能在自己的 state fields 和 tool envelope 内工作；
2. debate round、risk round 与 END 是可观察停止条件；
3. report、debate history、proposal 与 final decision 都落在 typed global state。

它不是一群长驻自治进程。每个“Agent”本质上是图中的一个 LLM node function；LangGraph 拥有控制流，AgentState 拥有交接状态。

论文并行，release 串行

论文 Figure 1 和官方研究页都说四位 analysts concurrently gather information。TradingAgents paper v7 · Official research page

v0.3.1 的代码却明确：

workflow.add_edge(START, first_analyst)
workflow.add_edge(current_clear, next_analyst)

analyst_execution.py 也按传入列表构造有序 plan，没有 fan-out、join 或 reducer。analyst_execution.py

这不是文字解释空间，而是两种不同的执行拓扑。v0.3.0 changelog 更直接：无效的 analyst_concurrency_limit 已被删除，parallel analyst execution 计划以后实现。CHANGELOG v0.3.0

因此文章、监控和成本估算都应写：

• 概念组织图：analysts 可独立分工；
• 论文叙述：analysts concurrently gather；
• v0.3.1 runtime：analysts sequentially execute。

串行不一定更差。它避免并发 merge，checkpoint 也更简单；但 wall time 是各 analyst 相加，而且后运行的节点可能面对已经变化的 live vendor 数据。

角色差异究竟来自哪里

release 中的模型分配与论文 v7 也有代际差异。

setup.py

论文 v7 则描述 analysts、researchers 和 traders 使用 deep-thinking model，quick model 主要承担 retrieval。TradingAgents paper v7, §4.3

不能用论文的模型路由解释当前 release，也不能把 release 的 provider 选择回填进 2025 年实验。

辩论能增加什么

Bull 与 Bear 的 prompt 都读取四份 analyst reports、instrument context、完整 debate history 和对手上一轮 argument。区别是系统要求一个寻找增长与积极证据，一个寻找风险与消极证据。Bull researcher · Bear researcher

这种安排可能产生三类有价值的增量：

• 覆盖增量：强制扫描同一材料中的支持面与反对面；
• 反驳增量：后一个角色必须回应前一个角色的具体论点；
• 压缩增量：manager 把长 history 归约成一个明确 plan。

它们属于 reasoning process 的结构化，不等于新增独立 evidence。

相关误差为什么不会投票消失

设两个角色的判断误差分别是 (e_1) 与 (e_2)。若简单平均：

[ \mathrm{Var}\left(\frac{e_1 + e_2}{2}\right) = \frac{\sigma^2}{2}(1+\rho) ]

当相关系数 (\rho=0)，方差减半；当 (\rho=1)，平均两份意见完全没有降低误差。

TradingAgents 的 Bull/Bear 共享：

• 同一个 quick model object；
• 同一组 analyst reports；
• 同一 ticker identity 与 trade date；
• 相似的 evidence-based 写作要求；
• 对方的完整 history；
• 同一个最终目标：形成可供 manager 决策的 plan。

它们的文字立场相反，误差来源却可能高度相关。若 news report 把公司识别错、fundamental data 穿越时间、共同模型误读一个单位，双方都可能围绕同一错误展开漂亮辩论。

所以“有分歧”与“有独立信息”必须分开记录。

七项独立性测试

多 Agent 系统不能只展示对话截图。至少要跑以下测试：

1. 来源重叠率

为每条核心 claim 保存 source_id / timestamp / field / value，计算两个角色证据集合的 Jaccard overlap。两篇语言不同、引用相同的报告，不算两条证据。

2. Blind first opinion

让 Bull 与 Bear 先在看不到对方文本时各自产生 evidence ledger，再开放 rebuttal。否则后发角色可能只是围绕先发角色建立镜像论证。

3. 模型与 provider 交叉

分别使用同模型同 prompt、同模型异采样、异模型同数据、异 provider 异数据四组。真正的鲁棒性来自错误机制变化，不只来自 persona 名称变化。

4. Hidden counter-evidence

向一方隐藏一条可验证的反证，检查另一方是否独立发现；再交换。若所有角色都只复述 upstream summary，debate 没有 evidence discovery 能力。

5. 去掉 debate 的消融

比较：

reports → manager
reports → bull/bear debate → manager

除了最终 rating，还要比较事实错误率、校准、稳定性、token/延迟和 source coverage。论文 v7 给出了整套系统与 rule-based baselines 的短期模拟结果，却没有在正文中建立一条足以隔离“debate 本身”因果贡献的完整生产级证据链。TradingAgents paper v7

6. 多次重复分布

同一截点运行多次，报告 rating distribution、argument overlap 与 cost distribution。README 已明确承认 LLM sampling 和 live data 会使同一 ticker/date 的结果变化。TradingAgents reproducibility

7. 外部 outcome

把模拟结果放入未参与提示设计的 evaluator，并计入费用、slippage、liquidity、financing、失败订单和 regime shift。角色之间互相认同不构成外部 eval。

时间一致性：金融 Agent 的首要测试

论文声称每个 trading day 只使用截至当日可得的数据，消除 look-ahead bias。TradingAgents paper v7, §5.1

v0.3.1 release 的 changelog 同时记录了一项重要修复：Alpha Vantage fundamentals 返回的是 JSON string，旧的 dict-only guard 没有执行过滤，未来日期的报告会泄漏进历史运行。v0.3.1 changelog

这不是简单的“过去有 bug”。它说明时间一致性必须被当作端到端数据契约：

analysis_date
  → vendor request window
  → vendor response timestamp
  → filing/news effective time
  → timezone + market close
  → cache key
  → report claim
  → graph state

任一 adapter 少做一次过滤，所有下游角色都继承 future evidence。

固定日期仍不等于固定输入

README 对复现边界说得很诚实：

• historical price 与 indicator window 可以随 analysis date 固定；
• live news、StockTwits 和 Reddit 会随运行时间变化；
• provider 不保证同一温度下 byte-identical output；
• reasoning model 可能忽略 temperature。

TradingAgents reproducibility

固定源码还能构造出一条更具体的路径。Sentiment Analyst 用 trade_date 计算七天窗口并据此抓 Yahoo news；同一个节点却无日期参数地抓当前 StockTwits stream 和 Reddit 最近一周，再把三块数据一起放进声称覆盖历史窗口的 prompt。sentiment_analyst.py

于是：

propagate("AAPL", "2024-01-15")
  → Yahoo news: 2024 historical window
  → StockTwits / Reddit: execution-day live posts
  → one sentiment report labeled as 2024-01-08..15
  → Bull/Bear → Trader → Portfolio Manager

模型没有违反 tool instruction。未来信息来自 tool contract 本身缺少 as_of。

因此一个合格的历史 run manifest 至少要保存：

as_of: 2024-03-15T16:00:00-04:00
market_calendar: XNYS
vendor_requests:
  - vendor: alpha_vantage
    request_hash: ...
    response_hash: ...
    retrieved_at: ...
    max_source_timestamp: ...
llm:
  provider: ...
  model_id: ...
  prompt_hash: ...
graph:
  release: v0.3.1
  selected_analysts: [...]
  debate_rounds: 2

否则“同一天”只固定了一个字符串，没有固定证据集。

LangGraph state 让组织可见

AgentState 明确拆出：

• four analyst reports；
• investment_debate_state 与 bull/bear histories；
• Research Manager 的 investment_plan；
• Trader 的 trader_investment_plan；
• risk_debate_state 与三种声部 histories；
• Portfolio Manager 的 final_trade_decision；
• ticker identity、trade date 和 past_context。

agent_states.py

这是 TradingAgents 比“所有角色在一个群聊里说话”更成熟的地方。report fields 是结构化交接，natural-language history 只用于两段 debate。

但 typed state 仍只证明数据形状。它没有自动记录每个 claim 的 source span，也没有为 Bull/Bear opinion 提供独立概率模型。

Stop 是计数器，不是共识

Bull 与 Bear 每轮交替，count >= 2 * max_debate_rounds 时进入 Research Manager；三种风险声部同样在 count >= 3 * max_risk_discuss_rounds 时进入 Portfolio Manager。conditional_logic.py

这意味着 debate 的终止条件是预算，不是：

• 双方发现了新证据；
• 关键事实争议被解决；
• 概率校准收敛；
• manager 证明某一论点成立。

固定轮数是合理的成本控制，但报告必须写“辩论到达 round limit”，不能写“系统达成真相”。

Checkpoint 恢复的是图位置

Checkpoint 是 v0.3.1 的 opt-in 能力。启用后，LangGraph 用 per-ticker SQLite SqliteSaver 在节点后保存 state；thread id 由 ticker、date 和 graph-shape signature 生成。checkpointer.py

signature 包含：

selected analysts
debate rounds
risk rounds
asset type

这修复了用不同 graph shape 恢复旧 checkpoint 的问题。

它不包含：

• LLM provider 与 model ID；
• temperature/reasoning effort；
• vendor routing 与 API 配置；
• prompt/source code hash；
• data response hash；
• output language。

若崩溃后更换模型或 vendor，已完成节点保留旧世界，后续节点运行在新世界。技术上可以恢复，证据链却成为混合版本。

成功完成后 checkpoint 会被清除；完整 final_state 另写 JSON，report tree 和 decision log 分开持久化。trading_graph.py

因此 checkpoint 是 crash recovery，不是不可变审计日志。

Reflection memory 会学习什么

v0.3.1 用 append-only Markdown decision log 取代旧的 per-agent BM25 memory。每次完成后记录 ticker、trade date 与 final decision；下一次同 ticker 运行时，系统查询持有期 return 与地区 benchmark alpha，再由 quick model 写 2–4 句 reflection。memory.py · reflection.py

Portfolio Manager 会看到最近同 ticker 的完整 decisions，以及少量 cross-ticker lessons。

这是一种 outcome-conditioned memory，但不能直接称作策略学习：

• outcome 是默认固定 holding window 的 raw return 与 alpha；
• 只在下次运行同 ticker 时解析 pending entry；
• reflection 仍由同一 quick model解释；
• 没有 counterfactual：未执行的其他 rating 会怎样；
• 没有因果归因：收益来自 thesis、beta、消息还是运气；
• cross-ticker lesson 可能把 regime-specific 经验带到不相干资产。

Memory 提供连续性，也可能让一次偶然结果变成以后所有 manager 的共同先验。

这里还有一个时间泄漏边界：get_past_context(ticker) 没有接收当前 trade_date，也不按 entry.date < current_trade_date 过滤。若 memory log 已经包含较晚日期的 resolved return 与 reflection，随后再运行更早历史日期，Portfolio Manager 可能读到当时尚未发生的 outcome。memory.py

历史实验必须使用 run-scoped memory namespace，并对 memory entry 同样执行 as-of cutoff。冻结市场数据却共享未来反思，仍是 look-ahead。

论文结果不能替代 release 验证

论文 v7 的实验窗口是 2024-01-01 至 2024-03-29，正文主要表格展示 AAPL、GOOGL 与 AMZN，并对 buy-and-hold、MACD、KDJ+RSI、ZMR 和 SMA 报告 CR、annualized return、Sharpe 与 maximum drawdown。TradingAgents paper v7, §5–6

论文脚注同时说明：

• 因 LLM/tool 成本，只做了约三个月；
• 每次 prediction 约 11 次 LLM calls 和 20+ tool calls；
• 最高 Sharpe 超出作者预期经验范围；
• 作者检查了 decision sequences，并把极高 Sharpe 归因于样本期回撤较少；
• 未来需要在预算允许时做更长 backtest。

这些结果是研究证据，不是现实收益承诺。它们没有自动覆盖：

• v0.3.1 已经变化的 model routing、providers、state 与 data guards；
• 实盘 slippage、fees、liquidity、partial fill、market impact、financing；
• 账户约束、订单拒绝、风控权限与监管责任；
• 长周期、跨 regime、更多资产和多次随机重复。

官网对结果的展示属于官方研究陈述；Tauric disclaimer 也明确指出 simulated performance 具有 hindsight、缺少真实执行成本和流动性限制等固有边界。Tauric disclaimer

最终输出停在哪里

Portfolio Manager 通过 structured output 生成：

Buy / Overweight / Hold / Underweight / Sell
+ rationale

Signal processor 只用确定性 parser 取出 rating，不再做额外 LLM call。Portfolio Manager · signal_processing.py

固定 release 可以保存：

• full state JSON；
• analyst/debate/manager report tree；
• rating；
• deferred outcome/reflection memory。

仓库中没有把它连接真实券商账户的 broker adapter、order state machine、pre-trade risk engine 或 reconciliation loop。README 中“sent to simulated exchange”与论文模拟环境不能被写成生产执行能力。TradingAgents README v0.3.1

这条边界是优点：研究建议与真实资金副作用没有被开源默认路径悄悄连起来。

怎样设计一个真的增加信息的辩论系统

从 TradingAgents 出发，更强的多 Agent 证据协议可以写成：

1. 先冻结 evidence snapshot 与 as-of
2. 每个 analyst 保存 claim → source span
3. 各角色 blind-first，禁止先看对手结论
4. 为角色分配不同 evidence partitions 或 failure models
5. 只有新 source / 新 calculation 才记 information gain
6. manager 输出 unresolved disputes，不只输出 winner
7. 与 no-debate / single-agent / heterogeneous-model 做消融
8. 在多次 run 上报告分布、成本与校准
9. 用独立 evaluator 检查事实、时间与外部 outcome
10. 把真实执行留在单独授权、限额、幂等和对账边界之后

多 Agent 的目标不应是“让会议更热闹”，而应是制造可识别的错误差异。

如果两个角色能犯不同的错，互相检查才可能有效；如果它们只是用同一个模型扮演相反立场，辩论的主要产物可能只是更有说服力的共同错误。

结论：组织图是 Harness，不是证据

TradingAgents 已经把许多容易藏在 prompt 里的结构变成了明确对象：

• analyst tool loops；
• typed global state；
• bull/bear 与 risk debate；
• deep/quick model 路由；
• fixed-round stop；
• structured manager decisions；
• checkpoint resume；
• outcome reflection memory。

这是一套值得学习的 multi-agent harness。

但它不能仅凭角色名单证明信息增益。论文中的 concurrent analyst team 与 v0.3.1 的串行图不同；相反 persona 共享同一 evidence record 和 quick model；固定 trade date 也没有自动冻结 live data；短期模拟不代表当前 release 或真实执行。

判断多 Agent 是否成立，只需要追问三件事：

1. 这些角色看到了哪些彼此独立的证据？
2. 它们的错误机制究竟有多相关？
3. 去掉辩论后，外部评测是否真的变差？

答不出这三问，更多角色只会增加 token、延迟和解释的戏剧性。

参考资料

• TradingAgents v0.3.1
• TradingAgents README v0.3.1
• CHANGELOG v0.3.1
• Graph setup
• Conditional logic
• Analyst execution plan
• Agent state
• Bull researcher
• Bear researcher
• Portfolio Manager
• Checkpoint implementation
• Decision memory
• Reflection
• TradingAgents paper v7
• Official research page
• Tauric Research disclaimer