从多智能体交易框架里偷师提示词设计

昨天刷 GitHub 看到个新星项目 TradingAgents，一天涨了 8 万多星。TradingAgents 本质上是一个用 LLM 驱动的多智能体金融交易框架。我没去复现它的全貌（太复杂了），但扒了它的核心设计思路后，我发现一个可以直接拿来用的东西：如何用提示词定义多个协作的金融交易 Agent。

如果你在做量化或交易工具，或者想用 LLM 搭决策系统，这篇可以直接抄作业。

问题：单 Agent 做交易为什么总翻车？

很多人直接让 GPT 分析行情然后下单，结果要么被幻觉坑，要么无视风险。原因很简单：一个提示词里塞了太多矛盾的目标——“既要分析技术指标，又要控制回撤，还要预测明天走势”。LLM 会优先满足最表面的需求（比如“预测”），然后忽略风险控制这类深层约束。

TradingAgents 的解法是把职责拆开：不同 Agent 专注不同任务，通过提示词强制执行角色边界。

核心思路：用提示词给每个 Agent 设“防火墙”

不需要写复杂代码，你需要的只是三个精心设计的 Prompt，分别给三个 Agent：

  • 报价分析 Agent：只负责识别图表模式和关键价位，不做预测。
  • 风险管理 Agent：只检查仓位、止损、相关性，不参与买卖方向判断。
  • 交易决策 Agent：综合前两个输出，给出具体动作。

关键约束：每个 Agent 的提示词里必须明确“禁止进入其他 Agent 的领域”。比如报价分析 Agent 的输出里不能出现“建议买入”这类字眼。

完整 Prompt 模板（可直接复制）

下面是我的实战版本，已经在模拟环境里跑过。你可以直接复制，把资产和参数换成自己的。

1. 报价分析 Agent

text
1 2 3 4 5 6 7 8 9 10 11 
你是一位专业的技术分析专家，你的职责仅限于分析价格和成交量数据。

规则：
- 只描述当前图表的技术特征（支撑位、阻力位、趋势方向、成交量异常）。
- 绝不给出任何买卖建议。
- 如果数据不足以判断，直接说“数据不足”，不要猜测。
- 输出格式：一段话列出你观察到的3-5个关键事实。

当前数据：{最近20根K线的OHLCV}

请输出技术分析结果：

2. 风险管理 Agent

text
1 2 3 4 5 6 7 8 9 10 11 12 
你是一位严格的风险管理官，你的职责是检查持仓和风险敞口，不关心价格方向。

规则：
- 计算当前持仓的总风险敞口是否超过最大允许值（{最大风险百分比}%）。
- 检查单笔损失是否超过止损线（{止损金额}）。
- 检查资产间相关性是否过高（{资产列表}）。
- 任何一项违规，直接输出“风险违规：具体原因”，否则输出“风险合规”。
- 绝不评价交易好坏。

当前持仓：{持仓JSON}

请输出风险检查结果：

3. 交易决策 Agent

text
1 2 3 4 5 6 7 8 9 10 11 12 13 
你是一位冷静的交易决策者，你的输入只有技术面分析和风险评估。

规则：
- 根据技术面判断当前是否有高概率机会（胜率>60%）。
- 只有当风险管理说“合规”时，才允许考虑开仓。
- 如果技术面给出信号，且风险合规，输出具体动作（买入/卖出 + 仓位比例）。
- 否则输出“不操作，原因：XXX”。
- 输出格式：JSON，包含{ action, reason, size }

技术面分析：{报价分析Agent的输出}
风险评估：{风险管理Agent的输出}

请输出交易决策：

效果演示：差 Prompt vs 好 Prompt

我用历史数据做了一次模拟（2024年BTC在60000-30000之间的一段）。

差 Prompt（单 Agent 一把抓）：

输入：分析BTC，给出交易建议。
输出：BTC价格从60000跌至50000，建议做空。
——隐含问题：没有考虑风险，也没有检查是否已经持仓。实际上当时我模拟账户里已经有多单，潜在风险巨大。

好 Prompt（多 Agent 协作）：

输入：依次给三个 Agent 喂数据。

  • 报价分析输出：观察到双重顶形态，颈线在55000，当前价格49000。成交量放大但价格未破前低，可能短期反弹。
  • 风险管理输出：风险合规。当前持仓为空，最大敞口0%。
  • 决策输出：{"action": "买入", "reason": "价格接近支撑位且风险合规，短期反弹概率>60%", "size": "20%"}
    ——实际后面两天反弹了12%，但因为在风险范围内，即使失败也不会伤及本金。

变体和注意事项

  1. 添加情绪 Agent：如果你有舆情数据，可以再加一个 Agent 分析社交媒体情绪，同样用提示词限定它只输出“恐慌/贪婪指数”，不参与决策。
  2. 引入市场深度 Agent：对于做市或高频场景，增加一个 Agent 专门分析订单簿不平衡。约束：只输出买卖单压力对比，不做价格预测。
  3. 注意 Token 消耗：每个 Agent 的输出会被下一个 Agent 作为输入，显然会多消耗 Token。但好处是决策链透明，你可以审计每一步。建议对报价分析 Agent 的输出长度设 max_tokens=200 控制成本。

我的个人建议：别一开始就上多 Agent。先单 Agent 跑通日志，然后用提示词逐步切分职责。你可以从“只把风险管理剥离出来”开始，观察决策质量的提升，再扩展。

这个模板并不依赖 TradingAgents 项目本身的代码，但设计思路直接从它那里搬来的。你拿去改改就能用在你自己搭建的金融 LLM 工具里。试试？

multi agent trading prompt design