JTrade

KO | EN

gitlite — search

#ai #typescript #android #docker #macos #windows #awesome #kubernetes #vue #pytorch #ios #mcp #openai #open-source

(★ 9)

Java 版多智能体交易决策系统

JTrade Latest Version Download

Download Latest Version (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# JTrade：多智能体交易决策系统

**Java 版多智能体交易决策系统**

基于大语言模型（LLM）的智能金融交易研究框架

[![Java](https://img.shields.io/badge/Java-17-orange.svg)](https://www.oracle.com/java/)
[![Spring Boot](https://img.shields.io/badge/Spring%20Boot-3.2.1-green.svg)](https://spring.io/projects/spring-boot)
[![Maven](https://img.shields.io/badge/Maven-3.6+-blue.svg)](https://maven.apache.org/)
[![License](https://img.shields.io/badge/License-MIT-yellow.svg)](https://raw.githubusercontent.com/Leavesfly/JTrade/main/LICENSE)

[English](README_EN.md) | 简体中文

</div>

---

## 📖 目录

- [项目概述](#-项目概述)
- [项目架构](#-项目架构)
- [核心功能](#-核心功能)
- [技术栈](#-技术栈)
- [环境配置](#-环境配置)
- [构建与运行](#-构建与运行)
- [目录结构](#-目录结构)
- [核心模块](#-核心模块)
- [CLI 使用指南](#-cli-使用指南)
- [报告生成](#-报告生成)
- [跨平台部署](#-跨平台部署)
- [演示程序](#-演示程序)
- [配置说明](#-配置说明)
- [常见问题](#-常见问题)
- [贡献指南](#-贡献指南)
- [许可证](#-许可证)

---

## 🎯 项目概述

**JTrade** 是一个基于多智能体架构的智能交易决策系统，使用 Java 17 和 Spring Boot 3.2 构建。系统模拟真实交易公司的运作流程，通过 **12 个专业智能体**的协同工作，为股票交易提供全面、多维度的分析 and 决策支持。

## 🏗 项目架构

系统的核心设计采用了**图编排与多智能体 ReAct 循环**相结合的架构，确保了决策过程的深度与逻辑严密性。

```mermaid
graph TD
    User([用户/CLI/Demo]) --> TS[TradingService / TradingGraph]
    
    subgraph Core_Engine [核心引擎]
        TS --> State[AgentState - 流程状态]
        TS --> Workflow[工作流编排 - 并行流水线]
    end
    
    subgraph Multi_Agent_System [多智能体系统]
        Workflow --> Analysts[分析师团队 - 并行分析]
        Workflow --> Researchers[研究员团队 - 多空辩论]
        Workflow --> Managers[研究/风险经理 - 决策审批]
        Workflow --> Trader[交易员 - 计划制定]
        
        Analysts -.-> BaseRecAgent[BaseRecAgent - ReAct循环]
    end
    
    subgraph Infrastructure [基础设施]
        Multi_Agent_System --> LLM[LlmClient - 多模型支持]
        Multi_Agent_System --> Tools[工具调用]
        Tools --> DA[DataAggregator - ta4j/Yahoo/Finnhub]
        DA --> Cache[(Caffeine 缓存)]
        
        Workflow --> Memory[MemoryService - 历史记忆]
        Workflow --> Reflection[ReflectionService - 三层反思]
        Workflow --> Report[ReportWriter - Markdown报告]
    end
    
    State -.-> Multi_Agent_System
```

### 系统特点

- 🤖 **多智能体协作**：12 个专业智能体模拟真实交易团队（分析师、研究员、交易员、风险管理）
- 🔄 **完整决策流程**：9 个阶段从数据分析到风险管理的完整链路
- 🧠 **智能反思机制**：3 层反思系统持续优化决策质量
- 💾 **记忆系统**：历史决策记录与检索，支持经验积累
- 📊 **自动报告生成**：Markdown 格式的详细分析报告，按股票代码组织
- 🔌 **灵活 LLM 支持**：支持 OpenAI、通义千问、DeepSeek、Ollama 等多种大模型
- 🚀 **生产就绪**：可执行 JAR 包、跨平台启动脚本、完整的监控日志

---

## ✨ 核心功能

### 1. 多智能体决策系统

系统包含 **12 个专业智能体**，分工协作完成交易决策：

#### 📈 分析师团队（4 个）
- **市场分析师**：技术指标分析（MA, RSI, MACD, 布林带等）
- **基本面分析师**：财务数据、公司基本面分析
- **新闻分析师**：新闻事件影响评估
- **社交媒体分析师**：市场情绪分析

#### 🔬 研究员团队（2 个）
- **多头研究员**：看涨观点论证
- **空头研究员**：看跌观点论证
- 通过**辩论机制**全面评估市场方向

#### 💼 交易团队（1 个）
- **交易员**：制定具体交易计划（入场点、止损、止盈）

#### ⚖️ 风险管理团队（5 个）
- **激进辩论者**：高风险高回报策略
- **保守辩论者**：稳健保守策略
- **中立辩论者**：平衡风险收益
- **研究经理**：整合分析结果，做出研究决策
- **风险管理器**：最终审批，风险把控

### 2. 9 阶段决策工作流

```mermaid
graph TB
    A[阶段1: 分析师分析] --> B[阶段2: 研究员辩论]
    B --> C[阶段3: 研究经理决策]
    C --> D[阶段4: 交易计划制定]
    D --> E[阶段5: 风险辩论]
    E --> F[阶段6: 风险管理审批]
    F --> G[阶段7: 反思学习]
    G --> H[阶段8: 保存记忆]
    H --> I[阶段9: 生成报告]
```

### 3. 高级特性

- **反思学习机制**：分析反思、决策反思、综合反思三个层次
- **记忆系统**：最多保留 10 条历史决策，支持摘要和统计分析
- **Prompt 管理**：集中式配置文件管理所有智能体提示词
- **Graph 工作流**：支持条件分支和循环的灵活工作流编排
- **数据聚合**：支持真实 API（Finnhub、Yahoo Finance）和模拟数据

---

## 🛠 技术栈

### 核心框架

| 技术 | 版本 | 说明 |
|-----|------|------|
| **Java** | 17 | LTS 长期支持版本 |
| **Spring Boot** | 3.2.1 | 企业级应用框架 |
| **Maven** | 3.6+ | 项目构建与依赖管理 |

### 主要依赖

| 依赖 | 版本 | 用途 |
|-----|------|------|
| **OkHttp** | 4.12.0 | HTTP 客户端，LLM API 调用 |
| **Jackson** | 2.16.1 | JSON 序列化/反序列化 |
| **Lombok** | 1.18.30 | 简化 Java 代码 |
| **TA4J** | 0.15 | 技术分析指标库 |
| **Guava** | 33.0.0 | Google 核心工具库 |
| **Commons CSV** | 1.10.0 | CSV 数据处理 |
| **Logback** | 1.4.14 | 日志框架 |

### 支持的 LLM 提供商

- ✅ **OpenAI**（gpt-4o、gpt-4o-mini、o1-mini）
- ✅ **通义千问**（qwen-plus、qwen-turbo）
- ✅ **DeepSeek**（deepseek-chat）
- ✅ **Ollama**（本地模型）

---

## ⚙️ 环境配置

### 1. 安装 JDK 17

#### macOS
```bash
# 使用 Homebrew
brew install openjdk@17

# 配置环境变量
echo 'export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk-17.jdk/Contents/Home' >> ~/.zshrc
echo 'export PATH=$JAVA_HOME/bin:$PATH' >> ~/.zshrc
source ~/.zshrc
```

#### Linux
```bash
# Ubuntu/Debian
sudo apt update
sudo apt install openjdk-17-jdk

# CentOS/RHEL
sudo yum install java-17-openjdk-devel

# 配置环境变量
echo 'export JAVA_HOME=/usr/lib/jvm/java-17-openjdk' >> ~/.bashrc
source ~/.bashrc
```

#### Windows
1. 下载 [Oracle JDK 17](https://www.oracle.com/java/technologies/downloads/#java17)
2. 安装并配置环境变量 `JAVA_HOME`
3. 验证安装：`java -version`

### 2. 安装 Maven

```bash
# macOS
brew install maven

# Linux
sudo apt install maven  # Ubuntu/Debian
sudo yum install maven   # CentOS/RHEL

# 验证安装
mvn -version
```

### 3. 配置 API 密钥

#### 方式1：环境变量（推荐）

```bash
# OpenAI
export OPENAI_API_KEY=sk-your-openai-api-key

# 通义千问
export DASHSCOPE_API_KEY=sk-your-dashscope-api-key

# Finnhub（可选，用于真实数据）
export FINNHUB_API_KEY=your-finnhub-api-key
```

#### 方式2：配置文件

编辑 `src/main/resources/application.yml`：

```yaml
llm:
  provider: openai  # 或 qwen, deepseek, ollama
  
  openai:
    apiKey: ${OPENAI_API_KEY}
    baseUrl: https://api.openai.com/v1
```

---

## 🚀 构建与运行

### 快速开始

```bash
# 1. 克隆项目
git clone https://github.com/Leavesfly/TradingAgents.git
cd TradingAgents/JTrade

# 2. 设置环境变量
export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk-17.jdk/Contents/Home
export OPENAI_API_KEY=your-api-key

# 3. 编译项目
mvn clean compile -DskipTests

# 4. 运行演示程序
mvn spring-boot:run -Dspring-boot.run.main-class=io.leavesfly.jtrade.JTradeDemoApplication
```

### 打包为可执行 JAR

```bash
# 打包
mvn clean package -DskipTests

# 运行 JAR
java -jar target/jtrade-1.0.0-exec.jar
```

### 使用启动脚本（推荐）

#### Unix/Linux/Mac

```bash
# 解压分发包
tar -xzf target/jtrade-1.0.0-distribution.tar.gz
cd jtrade-1.0.0

# 运行演示程序
./bin/jtrade.sh demo

# 运行 CLI 工具
./bin/jtrade.sh cli

# 运行集成演示
./bin/jtrade.sh integration
```

#### Windows

```cmd
REM 解压分发包
unzip target\jtrade-1.0.0-distribution.zip
cd jtrade-1.0.0

REM 运行演示程序
bin\jtrade.bat demo

REM 运行 CLI 工具
bin\jtrade.bat cli
```

---

## 📁 目录结构

```
JTrade/
├── src/
│   ├── main/
│   │   ├── java/io/leavesfly/jtrade/
│   │   │   ├── agents/              # 智能体实现
│   │   │   │   ├── analysts/        # 分析师团队
│   │   │   │   ├── researchers/     # 研究员团队
│   │   │   │   ├── trader/          # 交易员
│   │   │   │   ├── risk/            # 风险辩论者
│   │   │   │   ├── managers/        # 管理层
│   │   │   │   └── base/            # 基础接口
│   │   │   ├── core/                # 核心功能
│   │   │   │   ├── state/           # 状态管理
│   │   │   │   ├── memory/          # 记忆系统
│   │   │   │   ├── reflection/      # 反思机制
│   │   │   │   ├── report/          # 报告生成
│   │   │   │   ├── prompt/          # Prompt 管理
│   │   │   │   └── workflow/        # 工作流引擎
│   │   │   ├── graph/               # Graph 工作流
│   │   │   │   ├── TradingGraph.java
│   │   │   │   ├── ConditionalLogic.java
│   │   │   │   └── GraphPropagator.java
│   │   │   ├── service/             # 服务层
│   │   │   │   └── TradingService.java
│   │   │   ├── llm/                 # LLM 客户端
│   │   │   │   ├── client/
│   │   │   │   ├── model/
│   │   │   │   └── exception/
│   │   │   ├── dataflow/            # 数据流
│   │   │   │   ├── provider/
│   │   │   │   └── model/
│   │   │   ├── config/              # 配置类
│   │   │   ├── cli/                 # CLI 工具
│   │   │   └── demo/                # 演示程序
│   │   └── resources/
│   │       ├── prompts/             # Prompt 配置
│   │       │   └── agent-prompts.properties
│   │       ├── application.yml      # 主配置文件
│   │       └── logback-spring.xml   # 日志配置
│   └── test/                        # 测试代码
├── scripts/                         # 启动脚本
│   ├── jtrade.sh                    # Unix 启动脚本
│   └── jtrade.bat                   # Windows 启动脚本
├── reports/                         # 报告输出目录
│   └── {SYMBOL}/                    # 按股票代码组织
│       └── {DATE}/                  # 按日期分类
├── pom.xml                          # Maven 配置
├── README.md                        # 本文档
├── QUICK_START.md                   # 快速开始指南
└── PROJECT_STATUS.md                # 项目状态
```

---

## 🧩 核心模块

### 1. 多智能体系统（`agents/`）

**基础接口**：`Agent.java`
```java
public interface Agent {
    AgentState execute(AgentState state);
    AgentType getType();
}
```

**智能体类型**：
- 分析师：`MarketAnalyst`, `FundamentalsAnalyst`, `NewsAnalyst`, `SocialMediaAnalyst`
- 研究员：`BullResearcher`, `BearResearcher`
- 交易员：`Trader`
- 风险辩论者：`AggressiveDebator`, `ConservativeDebator`, `NeutralDebator`
- 管理层：`ResearchManager`, `RiskManager`

### 2. 工作流引擎（`core/workflow/` 和 `graph/`）

**TradingService**：顺序工作流，简洁易用
```java
public AgentState executeTradingWorkflow(String symbol, LocalDate date) {
    // 9 个阶段的顺序执行
    // 1. 分析师分析
    // 2. 研究员辩论
    // 3-9. ...
}
```

**TradingGraph**：图工作流，支持条件分支
```java
public AgentState propagate(String symbol, LocalDate date) {
    // 支持条件判断和循环
    // 更灵活的工作流编排
}
```

### 3. 状态管理（`core/state/`）

使用**不可变对象** + **Builder 模式**：
```java
@Data
@Builder(toBuilder = true)
public class AgentState {
    private String company;              // 股票代码
    private LocalDate date;              // 分析日期
    private List<String> analystReports; // 分析师报告
    private String finalSignal;          // 最终信号（BUY/SELL/HOLD）
    // ...
}
```

### 4. LLM 客户端（`llm/client/`）

支持多种 LLM 提供商的统一接口：
```java
public interface LlmClient {
    LlmResponse chat(List<LlmMessage> messages, ModelConfig config);
}
```

**SimpleLlmClient** 实现：
- 支持 OpenAI、通义千问、DeepSeek、Ollama
- 指数退避重试机制
- 完善的错误处理

### 5. 反思系统（`core/reflection/`）

三层反思机制：
- **分析反思**：评估分析质量
- **决策反思**：审视决策过程
- **综合反思**：整体复盘

### 6. 记忆系统（`core/memory/`）

功能：
- 历史决策存储（最多 10 条）
- 决策检索与统计
- 历史摘要生成

### 7. 报告生成（`core/report/`）

自动生成 **Markdown 格式**报告：
- 按股票代码组织目录：`reports/{SYMBOL}/`
- 按日期分类：`reports/{SYMBOL}/{DATE}/`
- 包含时间戳避免冲突
- 8 种报告类型 + 1 个最终摘要

---

## 💻 CLI 使用指南

### 启动 CLI

```bash
# 方式1：Maven
mvn spring-boot:run -Dspring-boot.run.main-class=io.leavesfly.jtrade.cli.JTradeCLI

# 方式2：JAR 包
java -jar target/jtrade-1.0.0-exec.jar --spring.main.class=io.leavesfly.jtrade.cli.JTradeCLI

# 方式3：启动脚本
./bin/jtrade.sh cli
```

### 命令列表

| 命令 | 说明 | 示例 |
|-----|------|------|
| `analyze` | 分析指定股票 | `analyze AAPL 2024-05-10` |
| `history` | 查看历史决策 | `history AAPL` |
| `list` | 列出所有决策 | `list` |
| `clear` | 清除历史记录 | `clear AAPL` |
| `help` | 显示帮助信息 | `help` |
| `exit` | 退出 CLI | `exit` |

### 使用示例

```bash
jtrade> analyze AAPL 2024-05-10
[执行分析...]
✓ 分析完成
  最终信号: BUY
  报告位置: ./reports/AAPL/2024-05-10/

jtrade> history AAPL
[显示 AAPL 的历史决策]

jtrade> list
[显示所有股票的决策记录]

jtrade> exit
感谢使用 JTrade！
```

---

## 📊 报告生成

### 报告目录结构

```
reports/
├── AAPL/                    # Apple 股票
│   └── 2024-05-10/          # 分析日期
│       ├── 20240510_143000_FINAL_SUMMARY.md          # 📊 最终摘要（推荐首先查看）
│       ├── 20240510_143000_analyst_reports.md        # 📈 分析师报告
│       ├── 20240510_143000_researcher_debate.md      # 💬 研究员辩论
│       ├── 20240510_143000_research_manager_decision.md  # ✅ 研究经理决策
│       ├── 20240510_143000_trading_plan.md           # 💼 交易计划
│       ├── 20240510_143000_risk_debate.md            # ⚖️ 风险辩论
│       ├── 20240510_143000_risk_manager_decision.md  # 🛡️ 风险管理决策
│       └── 20240510_143000_reflections.md            # 🧠 反思记录
├── TSLA/                    # Tesla 股票
└── MSFT/                    # Microsoft 股票
```

### 报告内容

#### FINAL_SUMMARY.md（最终摘要）
包含：
- 📋 基本信息（股票代码、日期、时间）
- 📊 决策流程摘要（各阶段统计）
- 🎯 最终交易信号（BUY/SELL/HOLD）
- 💡 关键决策点（核心观点摘要）
- 📁 详细报告文件清单

### 查看报告

```bash
# 查看 AAPL 的最终摘要
cat ./reports/AAPL/2024-05-10/*_FINAL_SUMMARY.md

# 查看所有报告文件
ls -lh ./reports/AAPL/2024-05-10/

# 使用 Markdown 阅读器
markdown-reader ./reports/AAPL/2024-05-10/*_FINAL_SUMMARY.md
```

---

## 🌍 跨平台部署

### 1. 构建分发包

```bash
# 生成所有分发包
mvn clean package -DskipTests

# 生成的文件：
# - jtrade-1.0.0-exec.jar          (26MB，可执行 JAR)
# - jtrade-1.0.0-distribution.tar.gz (24MB，Unix/Linux/Mac)
# - jtrade-1.0.0-distribution.zip    (24MB，Windows)
```

### 2. Unix/Linux/Mac 部署

```bash
# 1. 解压分发包
tar -xzf jtrade-1.0.0-distribution.tar.gz
cd jtrade-1.0.0

# 2. 配置环境变量
export OPENAI_API_KEY=your-api-key
export JAVA_OPTS="-Xms1g -Xmx4g -XX:+UseG1GC"

# 3. 运行
./bin/jtrade.sh demo
```

### 3. Windows 部署

```cmd
REM 1. 解压分发包
unzip jtrade-1.0.0-distribution.zip
cd jtrade-1.0.0

REM 2. 配置环境变量
set OPENAI_API_KEY=your-api-key
set JAVA_OPTS=-Xms1g -Xmx4g

REM 3. 运行
bin\jtrade.bat demo
```

### 4. Docker 部署

```dockerfile
FROM openjdk:17-slim

WORKDIR /app

COPY target/jtrade-1.0.0-exec.jar app.jar

ENV OPENAI_API_KEY=""
ENV JAVA_OPTS="-Xms1g -Xmx4g"

EXPOSE 8080

ENTRYPOINT ["sh", "-c", "java $JAVA_OPTS -jar app.jar"]
```

```bash
# 构建镜像
docker build -t jtrade:1.0.0 .

# 运行容器
docker run -e OPENAI_API_KEY=your-key jtrade:1.0.0
```

### 5. 生产环境优化

```bash
# JVM 参数优化
export JAVA_OPTS="\
  -Xms2g -Xmx4g \
  -XX:+UseG1GC \
  -XX:MaxGCPauseMillis=200 \
  -XX:+HeapDumpOnOutOfMemoryError \
  -XX:HeapDumpPath=/var/logs/jtrade \
  -Dfile.encoding=UTF-8"

# 后台运行
nohup java $JAVA_OPTS -jar jtrade-1.0.0-exec.jar > /var/logs/jtrade/app.log 2>&1 &
```

---

## 🎮 演示程序

JTrade 提供 **8 个完整的演示程序**，展示不同功能特性：

| 演示程序 | 说明 | 运行命令 |
|---------|------|----------|
| **IntegrationDemo** | 完整功能集成演示 | `mvn spring-boot:run -Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.IntegrationDemo` |
| **InteractiveDemo** | 交互式演示 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.InteractiveDemo` |
| **AgentPerformanceDemo** | 智能体性能分析 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.AgentPerformanceDemo` |
| **WorkflowVisualizationDemo** | 工作流可视化 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.WorkflowVisualizationDemo` |
| **BatchTestDemo** | 批量测试 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.BatchTestDemo` |
| **ComparativeAnalysisDemo** | 对比分析 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.ComparativeAnalysisDemo` |
| **PromptManagementDemo** | Prompt 管理 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.PromptManagementDemo` |
| **ReportWriterDemo** | 报告写入功能 | `-Dspring-boot.run.main-class=io.leavesfly.jtrade.demo.ReportWriterDemo` |

---

## ⚙️ 配置说明

### LLM 配置（`application.yml`）

```yaml
llm:
  provider: openai  # openai, qwen, deepseek, ollama
  
  openai:
    apiKey: ${OPENAI_API_KEY}
    baseUrl: https://api.openai.com/v1
  
  qwen:
    apiKey: ${DASHSCOPE_API_KEY}
    baseUrl: https://dashscope.aliyuncs.com/compatible-mode/v1
  
  deepseek:
    apiKey: ${DEEPSEEK_API_KEY}
    baseUrl: https://api.deepseek.com
  
  ollama:
    baseUrl: http://localhost:11434
  
  deepThinkModelName: gpt-4o        # 深度思考模型
  quickThinkModelName: gpt-4o-mini  # 快速思考模型
```

### Prompt 配置（`agent-prompts.properties`）

位置：`src/main/resources/prompts/agent-prompts.properties`

```properties
# 市场分析师
analyst.market.system=你是一名资深的市场分析师...
analyst.market.prompt=请分析以下股票的技术指标：{symbol}...

# 基本面分析师
analyst.fundamentals.system=你是一名资深的基本面分析师...
# ...
```

### 日志配置（`logback-spring.xml`）

支持按日期、大小滚动，彩色控制台输出。

---

## ❓ 常见问题

### Q1: 编译失败，提示 Java 版本不对？

**A:** 确保 JAVA_HOME 指向 JDK 17：
```bash
echo $JAVA_HOME
java -version
# 应该显示 java version "17.x.x"
```

### Q2: 运行时提示 API 密钥未设置？

**A:** 设置环境变量：
```bash
export OPENAI_API_KEY=your-api-key
# 或在 application.yml 中配置
```

### Q3: 如何切换不同的 LLM 提供商？

**A:** 修改 `application.yml` 中的 `llm.provider`：
```yaml
llm:
  provider: qwen  # 改为 qwen、deepseek 或 ollama
```

### Q4: 报告文件在哪里？

**A:** 默认在项目根目录的 `./reports/{股票代码}/{日期}/` 下。

### Q5: 如何修改智能体的 Prompt？

**A:** 编辑 `src/main/resources/prompts/agent-prompts.properties`。

### Q6: 内存不足怎么办？

**A:** 调整 JVM 参数：
```bash
export JAVA_OPTS="-Xms2g -Xmx4g"
```

### Q7: 如何使用本地模型（Ollama）？

**A:** 
```bash
# 1. 安装 Ollama
curl https://ollama.ai/install.sh | sh

# 2. 下载模型
ollama pull llama2

# 3. 修改配置
llm:
  provider: ollama
  ollama:
    baseUrl: http://localhost:11434
```

---

## 🤝 贡献指南

欢迎贡献代码、报告问题或提出建议！

### 开发流程

```bash
# 1. Fork 项目
# 2. 创建特性分支
git checkout -b feature/your-feature

# 3. 提交更改
git commit -am 'Add some feature'

# 4. 推送到分支
git push origin feature/your-feature

# 5. 创建 Pull Request
```

### 代码规范

- 遵循 Java 代码规范
- 使用 Lombok 简化代码
- 添加必要的注释和文档
- 编写单元测试

---

## 📞 联系方式

- **项目主页**：[GitHub](https://github.com/Leavesfly/TradingAgents)
- **问题反馈**：[Issues](https://github.com/Leavesfly/TradingAgents/issues)
- **文档**：[Wiki](https://github.com/Leavesfly/TradingAgents/wiki)

---

**⭐ 如果这个项目对你有帮助，请给它一个 Star！**

由 ❤️ 和 ☕ 驱动

</div>

JTrade

JTrade Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

JTrade

JTrade Latest Version Download

Today's picks

Was this content helpful?

Recent Feedback

Download README