过去一段时间，我们一直在持续推进 TradingAgents-CN 的下一阶段演进。
从 2.0 开始，TradingAgents-CN 的定位就已经不再是一个单点分析工具，而是希望围绕个人投资者的真实使用过程，逐步覆盖更完整的投资研究链路：从 选股、分析、跟踪，到 持仓管理、复盘、计划 与持续改进。
但在实际使用中，我们也越来越清楚地看到，仅仅做到“流程覆盖”还不够。
用户真正需要的，不只是系统中存在这些模块，而是这些能力能否被更自然地组织起来，能否在不同环节之间减少切换成本、降低理解门槛，并形成更连续的使用体验。
因此，TradingAgents-CN v3.0 的重点，不是简单新增若干功能，而是在 2.0 全流程框架的基础上，进一步将智能能力系统性引入投资研究的各个阶段，让 AI 从局部辅助走向全流程协同。
一、为什么要做 v3.0：我们先看用户真正关心什么
在规划 v3.0 的过程中，我们先做了一轮用户调研，希望了解大家最希望下一版优先推进哪些能力。
从投票结果来看，用户关注点相对集中，主要包括以下几个方向：
- Agent 自主规划分析：20%
- Skill 技术支持 / 用户自定义工具集成：16%
- QMT 数据源接入：14%
- 增加对基金 ETF 的支持：14%
- 问答式智能助手，解读分析报告和热点事件：13%
- 完全自定义流程：10%
- 支持 MCP 并提供 MCP 接口：8%
这个结果说明，大家关注的重点已经不只是“再多一个分析按钮”，而是更希望 TradingAgents 在 分析组织能力、自然交互方式、开放扩展能力、真实数据接入 和 全流程协同体验 上继续推进。这也正是 v3.0 规划的核心方向。
二、v3.0 的核心变化：不是重新定义流程，而是让智能贯穿流程
如果说 2.0 重点解决的是“投资全过程能不能被系统承接”的问题，那么 3.0 更关注的是：这些环节能不能被一个统一的智能体系真正串联起来。
在 2.0 中，系统已经具备了较完整的流程承接能力；而到了 3.0，我们更希望用户面对的不再是分散的功能入口，而是一个能够理解上下文、承接任务、连接结果，并协助完成后续动作的 AI 助手体系。
这意味着，用户不需要在不同页面之间反复跳转，也不需要把同一件事拆成很多零散步骤再手工拼起来。系统会尽量把这些动作整合成更自然、更连贯的使用流程。
三、智能助手升级：从分析入口，走向统一协同入口
v3.0 中最重要的一项升级，是 智能助手 角色的进一步扩展。
它不再只承担简单问答或单次分析触发，而是会逐步演进为系统中的 统一协同入口，帮助用户串联更多真实使用场景。
围绕这一点，v3.0 会重点纳入以下能力：
- 发起 个股分析 与 批量分析
- 查询历史分析报告与近期结论
- 管理 定时分析任务
- 管理 自选股 与关注对象
- 查看 持仓 及相关分析信息
- 查询 交易复盘 记录
- 读取当前 投资计划 与规则框架
同时，我们仍会坚持一些基本原则，例如对复杂操作“先确认，再执行”，尽量保留结构化结果与依据，并保持用户对最终判断和操作的主导权。
这部分设计的核心目标，是让 AI 真正进入投资研究的工作流，而不是停留在“回答问题”的层面。
四、自然语言选股：把“筛选候选标的”变成更自然的过程
另一个会明显影响日常使用体验的方向，是 自然语言智能选股。
传统条件选股适合那些非常明确知道筛选指标、阈值和组合逻辑的用户；但在真实使用中，很多人的起点往往并不是一组标准化条件，而是一个偏模糊的筛选意图。
比如：
- 想找近期走势更稳的标的
- 想看一批财务质量更好的公司
- 想筛出符合某种行业风格的股票
- 想从一堆候选里快速缩小范围
v3.0 会把智能筛选作为更清晰的前台入口，让用户可以直接用 自然语言 表达需求，由系统完成 意图理解、条件确认、候选结果组织，并支持多轮修正。
这一能力的重点包括：
- 用自然语言表达 选股需求
- 通过对话确认 筛选意图
- 给出更聚焦的 候选结果
- 对候选标的给出 结构化说明
- 让筛选结果更容易衔接到后续 分析 和 跟踪
这会让很多原本需要手动配置条件的操作，变得更轻、更顺手，也更接近用户真实思考方式。
五、持仓、复盘与计划：不再只是分析之后的“空白地带”
一个真正有持续价值的投资研究系统，不应该只停留在“生成一份报告”。
分析之后的工作能不能被继续承接，包括当前 持仓 如何理解、历史操作如何回看、计划 与纪律如何被持续校验、研究结论如何与执行过程关联起来，同样关键。
因此，在 v3.0 中，智能能力会进一步延伸到这些原本更靠后段的环节，重点包括：
- 持仓分析：帮助用户查看和理解当前持仓情况
- 交易复盘：查询和回顾已有复盘记录
- 投资计划读取与协同：将计划、规则与实际研究过程连接起来
- 任务与结论回看：让历史分析和当前动作可以更连续地衔接
这部分的意义在于，TradingAgents-CN 不再只是“帮你分析一次”，而是开始尝试“帮你持续管理整个研究过程”。
六、Agent 自主规划分析：回应用户最关注的方向之一
从这次调研结果来看，用户投票最高的方向之一，是 Agent 自主规划分析。
这背后的需求是，希望系统不只是执行一个固定流程，而是能够结合问题本身，自动组织分析步骤、调用合适工具，并给出更完整的处理过程。
围绕这一点，v3.0 会继续探索更高层次的分析组织能力，例如：
- 根据问题自动识别更适合的分析路径
- 在不同工具和能力之间做更合理的组合
- 将分析从固定触发推进到更智能的流程编排
- 在复杂问题下提升系统的自主协同能力
与之相关的另一个方向，是 AI Workflow Architect。也就是让用户通过自然语言描述自己希望的分析流程，由系统辅助生成流程结构、角色分工、提示词与工具配置。
这类能力如果落地，会让系统不再只是“你问什么，它答什么”，而是能更主动地协助你把研究任务组织起来。
七、Skill 能力建设：让系统的扩展方式更开放
在用户投票中，另一个关注度很高的方向是 Skill 技术支持。
基于这一方向，v3.0 规划中的一个重要主题，是 Skill 自动生成与接入机制。
我们希望未来用户能够通过自然语言描述需求，由系统帮助完成：
- 需求澄清
- 工具边界识别
- 代码与元数据生成
- 测试与安全校验
- 沙箱验证与质量评估
- 最终注册到系统供 Agent 调用
这项能力目前更偏向于 v3.0 的设计方向与能力建设重点，它的意义在于：降低工具扩展门槛，让 TradingAgents 更适合长期演化，也为后续个性化分析体系提供更开放的基础。
八、QMT 数据源、ETF 与北交所支持：让系统更贴近真实市场场景
在这次调研中，QMT 数据源接入 和 ETF 支持 都有较高优先级。
围绕这一方向，TradingAgents-CN 已经在推进或规划以下能力：
- 支持 QMT / MiniQMT 数据源接入
- 补强股票列表、日线、实时行情、财务数据等能力
- 进一步完善 北交所 标的支持
- 推进 ETF 的独立数据结构、专用工具、差异化提示词与分析流程
这类工作未必最显眼，但对系统能否真正适配现实投资对象非常重要。因为如果一个系统只能适配少数样本，却不能覆盖真实市场中的常见品类，那么它的实用性就会大打折扣。
九、MCP 支持：让 TradingAgents-CN 走出单一产品边界
用户调研中，MCP 支持 也是一个明确需求。
这背后的核心，不是多一个技术名词，而是越来越多用户希望 TradingAgents-CN 的能力不只局限于单一界面，而能够以更标准化的方式接入其他 AI 客户端 或协作环境。
围绕这一方向，v3.0 也会继续推进 MCP 能力建设，使系统中的部分分析能力能够以更标准的方式对外提供，提高能力复用性，并为不同使用入口提供统一能力底座。
十、结语
TradingAgents-CN v3.0 即将到来。
它不是一次简单的功能堆叠，也不是为了追求表面上的“更像 AI”，而是一次更明确的产品推进：在 2.0 已有的全流程覆盖基础上，进一步将智能能力系统性引入投资研究各环节，形成更统一的 AI 助手体系 和更连续的使用体验。
接下来，我们也会继续逐步分享 v3.0 的具体进展，包括功能落地、使用方式以及一些真实场景下的演示。
如果你一直关注 TradingAgents-CN，相信你会看到，这个版本真正要推进的，不是让系统变得更热闹，而是让它在真实使用中更连贯、更自然，也更有持续价值。
TradingAgents-CN v3.0，正在路上。
文章评论