Packa en investmentbank i AI: Tre sätt att tjäna pengar på TradingAgents

Problemet: En enda Agent når taket vid komplexa beslut

Har du kört GPT eller Claude solo på investeringsanalys? Då vet du vad som händer: samma modell ska hantera fundamental, sentiment och teknisk analys — och resultatet blir en urvattnad “håll”-rekommendation eller en logikkedja som faller isär. Ena sekunden “rapporten slog förväntningarna”, nästa “sentimentet viker”.

Det är inte modellens IQ. Det är arkitekturen. En riktig investmentbank jobbar i team: analytiker äger varsitt segment, analytiker debatterar, traders läser signaler, risk sätter stopp. En AI som spelar alla roller ljuger.

TradingAgents bryter isär detta i sju självständiga agenter — fundamental analytiker, sentimentanalytiker, nyhetsanalytiker, teknisk analytiker, forskare (tjur- och björndebatt), trader, riskchef — som kör var sitt jobb, grälar och sammanställer.

Möjligheten: Inte en börsrobot — en standardsandlåda för AI-samarbete

Många tänker “använd den för att handla aktier”. Fel. Det är magi-tänk.

Poängen är denna: det är en öppen, modifierbar, fungerande mall för komplexa beslutssystem.

Den som säljer AI-tjänster kan sno multiagent-arkitekturen. Den som gör innehåll kan bryta ut “hur AI fattar beslut” som pedagogiskt material. Den som bygger produkter kan forka den direkt till en vertikal beslutsassistent.

Projektet ligger i toppskiktet av diskuterade multiagent-ramverk på GitHub (star-siffran fluktuerar; källan nämner 56k–98,9k, ej verifierat). Ren kodstruktur, komplett dokumentation, aktiv community — ett färdigt dissektionsbord för den som vill förstå AI-samarbete.

Tre intäktsspår

Spår 1: Kundleveranser — “Beslutsagent-paket” per bransch

TradingAgents-arkitekturen är modulär: analytikerskikt, forskarskikt (tjur/björn-debatt), traderskikt, riskskikt. Varje lager är en fristående agent.

Logiken är enkel: byt ut “finansanalys” mot beslutsscenarier i andra branscher.

• E-handel, sortimentsval: En agent kör säljdata, en kör konkurrentpriser, en kör leverantörsrisk — sedan debatteras “ska vi köpa in den här varan?”. Ändring: skriv om analyst.py systemprompt, byt rapportdatakälla mot t.ex. Shopify API, byt MACD mot säljtrender.
• Innehållsidéer: Agenter analyserar plattformsalgoritmer, användarsentiment och viralmönster, debatterar “ska vi göra det här ämnet?”. Ändring: byt nyhetskälla mot TikTok/Lemon8-trenddata, byt “rapportsiffror” mot “completion rate/interaktion”.
• Rekrytering: Agenter utvärderar CV-matchning, intervjuprestanda och teamrisker, debatterar “ska vi skicka erbjudandet?”. Ändring: byt marknadsdata mot CV-parser-API, byt “stopp-loss” mot “prediktion för provperiod”.

Själv kör jag Claude för resonemang — stabilast. GPT-4o hänger sig ibland. n8n är snabbare att lära sig än Make men kostar mer. Kunden hör “7 AI-agenter som grälar åt dig” — priset dubblas direkt.

Prispunkter (beroende på kundbudget): enskild scenariokundanpassning 8 000–20 000 kr, branschgenerisk version från 30 000 kr.

Spår 2: Innehåll — “Hur AI tänker” som kunskapsprodukt

När TradingAgents kör klart levereras hela debattloggen: vad tjurforskaren sa, hur björnen kontrade, vilken logik tradern till slut valde.

Den loggen är i sig ett guldfynd.

Kör ett “AI-investeringsdagbok”-konto på TikTok eller Lemon8. Kör en aktie om dagen, klipp debattsekvenserna till kortfilm. Titel: “GPT säger köp vs Claude sälj — ska jag köpa Tesla?”. Sådant drar completion rate.

⚠️ Compliance: Specifika aktierekommendationer triggar lätt plattformarnas finansiella regler — kontot riskerar strypning eller avstängning. Visa bara debattprocessen, ge inga köp-/säljsignaler. Byt “bör man köpa” mot “så här argumenterar AI”.

Nästa steg: paketera flera debatter till ett “AI-beslutsbrev”, sälj via Carousell eller Substack för 99–299 kr/år. Målgruppen: nybörjare och散户 som vill lära sig beslutsramverk men inte har råd med investmentbankrapporter.

Dold bonus: debattdatan tränar din egen Second Brain. Logga “när ändrar AI åsikt” — framtida beslut kan hämta därifrån.

Spår 3: Produkt — Vertikal “AI-analys-SaaS”

TradingAgents är öppen källkod. Vertikala datakällor och prompts är muren.

Ta e-handel: bygg om arkitekturen till “sortimentsagent-paket”, koppla in Shopify, Temu/Shopee och TikTok Shop-API:er, skriv om prompts för sortimentsscenariot. En Shopify-ägare eller Temu-säljare betalar gärna 500–2 000 kr/mån för “10 potentiella vinnarprodukter per dag, automatiskt” (6× premien jämfört med basverktyg).

Tech-stack i faser:

• MVP: Streamlit + TradingAgents kärnmodul + ett API-nyckel. Tre dagar till lansering.
• Nästa steg: Next.js frontend, FastAPI backend, agent-orkestrering via LangGraph eller CrewAI.
• Skala: Railway eller Vercel, koppla datakällor per bransch.

Cold start via SEO och Lemon8-annonsering. Sökord: “AI sortimentsverktyg”, “AI-analysassistent”. Första seed-användarna från e-handelsforum och trading-Discord.

Kostnadskalkyl: Låt inte API-avgiften äta marginalen

Sju agenter i serie, GPT-4o-prissättning: 15k–30k tokens per beslut, ca 5–15 kr per körning. Kör kunden dagligen: 150–450 kr/mån i API-kostnad, pris 500–2 000 kr/mån — marginal 60–70%, håller.

Sänk kostnaden: icke-kärnagenter (sentiment, nyheter) på GPT-4o-mini eller lokal Llama, ner till 1–3 kr per körning. Forskar-debatten är kärnan — snåla inte där.

Case: Så ser ett riktigt TradingAgents-beslut ut

Källan nämner stöd för backtest och paper trading (ej verifierat). Antag att du kör Tesla:

1. Fundamental: Hämtar senaste rapporten — “intäkter +15% YoY, bruttomarginal stiger”.
2. Sentiment: Skannar X och Reddit — “散户 positivt, men institutionellt intresse dalar”.
3. Nyheter: Bloomberg/Reuters — “Shanghai-fabriken expanderar, positivt”.
4. Teknisk: MACD och RSI — “veckonivå överköpt”.
5. Debatt: Tjur: “fundamental + expansion håller långsiktigt”. Björn: “tekniskt överköpt + sentiment toppar”.
6. Trader: “Liten position, stopp -5%”.
7. Risk: “Teknikexponeringen hög, minska 20%”.

Högre informationsdensitet än en hel dag på Avanza.

Handla nu: Ikväll

Sluta bokmärka. Öppna GitHub, sök TradingAgents, klona:

1. Kör defaultfallet: Med OpenAI- eller Anthropic-nyckel, kör en Apple-analys och se hela debatten.
2. Byt en variabel: Byt aktiekod mot en e-handelskategori du kan (t.ex. “vilken damtopp ska vi satsa på”) och se hur agenterna grälar.
3. Spela in en film: Debattsekvensen, lägg upp på TikTok eller Lemon8 med titeln “7 AI-agenter grälar om Tesla”.

Kom tillbaka om tre dagar och berätta vad du tjänade.

Om du inte kan koda?

• Dra och släpp multiagent-mallar i Coze eller Dify — noll Python.
• Eller använd en TradingAgents Web Demo om författaren driftsatt en. Mata in aktiekod, titta på debatten, spela in skärmen som innehåll.
• Latmask-varianten: kör defaultfallet en gång, posta debattbilderna på Lemon8 med texten “7 AI-agenter analyserade Apple åt mig” — det räcker för att växa följarsiffran.