להכניס צוות מחקר של בנק השקעות ל-AI: מסגרת שיתוף-סוכנים של TradingAgents לרווח

נקודת הכשל: הגבול של Agent יחיד בקבלת החלטות מורכבות

כל מי שניסה להריץ ניתוח השקעות ב-GPT או Claude לבד מכיר את הכאב: לבקש ממודל אחד לשלב ניתוח בסיסי, ניתוח רגשי וניתוח טכני – הוא “ממתן את התשובה”. או שמקבלים “החזקה” מעורפלת, או שהשרשרת הלוגית נקרעת – רגע אחד הוא מדבר על הכנסות שעברו את הציפיות, רגע אחר הוא קופץ לחוסר רגשי.

הבעיה איננה ביכולת המודל, אלא בארכיטקטורה. תהליך ההחלטה בבנק השקעות אמיתי מבוסס על חלוקת עבודה: אנליסטים מכסים נושאים שונים, חוקרים מתווכחים, סוחרים מגיבים לאותות, מנהלי סיכון קובעים עצירת הפסד. מודל אחד שמנסה לעשות את כל התפקידים יוצר עיוות.

הפריצה של TradingAgents היא פיצול תהליך זה לשבעה Agents עצמאיים – אנליסט בסיסי, אנליסט רגשי, אנליסט חדשות, אנליסט טכני, חוקר (דיבייט בין Long/Short), סוחר, מנהל סיכון – כל אחד עובד, מתווכח, ולבסוף תוצאותיהם מתאחדות.

ההזדמנות: זה לא כלי קסם למסחר, זה “סנדבוקס סטנדרטי” לשיתוף פעולה ב-AI

הראשונה של רבים היא “להשתמש בזה למסחר”. טעות. זה הופך את TradingAgents למשחק מזל.

העניין האמיתי: זה תבנית קוד פתוח, ניתנת לשינוי, שפועלת ומדגימה מערכת קבלת החלטות מורכבת.

מי שעושה פרילנס AI יכול לגזור משם ארכיטקטורה של מרובי Agents; מי שמייצר תוכן יכול להפיק חומר לימודי על “איך AI מקבל החלטות”; מי שבונה מוצר יכול פשוט ל-fork וליצור עוזר החלטה לתחום אנכי.

הפרויקט ב-GitHub הוא בין הפרויקטים המובילים בתחום מרובי Agents (מספר הכוכבים נע בין 56k ל-98.9k לפי הפוסט המקור, לא אומת באופן עצמאי). מבנה הקוד ברור, התיעוד מלא, הקהילה פעילה – עבור מי שרוצה ללמוד שיתוף פעולה ב-AI זה שולחן ניתוח מוכן.

המסלול: שלושה ערוצי רווח

שלב 1: כיוון פרילנס – חבילת “Agent החלטה” לתעשיות

הארכיטקטורה של TradingAgents מודולרית: שכבת אנליסטים, שכבת חוקרים (דיבייט Long/Short), שכבת סוחר, שכבת סיכון – כל שכבה היא Agent עצמאי.

הלוגיקה של פרילנס פשוטה: להחליף את “מחקר פיננסי” בסצנת החלטה מתחום אחר.

• החלטת בחירת מוצר למסחר אלקטרוני: Agent אחד מנתח נתוני מכירות, אחר בודק תמחור מתחרה, שלישי מעריך סיכון בשרשרת האספקה, הם מתווכחים ומחליטים האם להעלות את המוצר. הנקודות לשינוי: כתיבת system prompt ב-analyst.py – החלפת מקור נתוני דוחות כספיים ב-API של סוכנת המוצר (לדוגמה, סוכנת המוצר של סחר), החלפת מדד הטכני MACD במגמת מכירות.
• החלטת נושא תוכן: Agents מנתחים אלגוריתם פלטפורמה, מצב רוח משתמשים, חוקי ויראליות, ומתווכחים האם להריץ את הנושא. שינוי: החלפת מקור חדשות ב-API של חדשות/סוכנת המוצר, החלפת משתנה “דוח כספי” ב”שיעור השלמה/אינטראקציה”.
• החלטת גיוס: Agents בודקים התאמה קורות חיים, ביצוע ראיון, סיכון עבודה בצוות, ומחליטים האם לשלוח הצעת עבודה. שינוי: חיבור API ניתוח קורות חיים במקום מקור שוק, הלוגיקה של מנהל סיכון מ”עצירת הפסד” ל”הסתברות מעבר תקופת ניסיון”.

אני מעדיף להריץ מסקנות ב-Claude – יציב יותר; GPT-4o לפעמים משתולל. n8n יותר קל להתחלה ממקבל Make אך יקר יותר. כשלקוח שומע “7 Agents AI מתווכחים וקובעים בשבילך” המחיר יכול להכפיל את עצמו.

עוגן מחיר (לפי תקציב הלקוח): גרסה מותאמת לתרחיש בודד 8000–20000 ש”ח (מקביל למחיר דוח תעשייתי של יועץ AI מוביל), גרסה כלל-תעשייתית 30000 ש”ח ומעלה (מקביל לפרויקט לוח BI מותאם).

שלב 2: כיוון תוכן – הפיכת “איך AI חושב” למוצר ידע

כש-TradingAgents רץ, הוא מייצר פרוטוקול מלא של הוויכוח: מה