撰文：Ningning

2024 年 12 月，UCLA 和 MIT 的一篇论文让整个 AI Agent 圈子炸了锅。

《TradingAgents: Multi-Agents LLM Financial Trading Framework》，用最严格的学术标准证明了一个被质疑已久的命题：Multi-Agent 协作不是炒作，是真技术。累积回报、夏普比率、最大回撤，全面碾压传统策略。

但学术成功≠商业成功，这是铁律。

真正的问题是：TradingAgents 证明了多智能体的技术可行性，谁能率先实现商业可行性？

答案可能是 ChainOpera 的 Agent Social。

先说个扎心的事实：目前 99% 的 AI 应用都在「单兵作战」。

ChatGPT 再强，也只是一个「全能选手」在思考问题。知识面广但不够深，容易产生幻觉，缺乏批判性思维。就像让马斯克既当 SpaceX 的 CEO，又要兼职特斯拉的首席工程师，还得顺便设计 Neuralink 的芯片——什么都懂一点，什么都不精通。

现实世界的复杂问题，需要的是专业分工和团队协作。

这就是为什么 TradingAgents 的多智能体架构能够碾压单一模型。4 个分析师各司其职，2 个研究员唱多唱空激烈辩论，1 个交易员冷静决策，1 个风控严格把关，1 个基金经理最终拍板。

这不是拍脑袋想出来的，是完全按照华尔街顶级交易公司的组织架构设计的。

问题来了：学术实验能跑通，商业产品能落地吗？

ChainOpera 即将推出的 Agent Social，本质上就是让 AI 学会利用「开会」的形式建立协作网络。

不是那种无聊的、低效的、浪费时间的会议，而是高效的、专业的、有结果的协作。

场景一：从 0 到 1 开发 Web3 应用

传统模式：你需要找产品经理、UI 设计师、前端工程师、区块链工程师、营销专家，协调时间开会，反复沟通需求，等待各环节交付。

Agent Social 模式：

• 创建项目群聊，产品经理 Agent、设计师 Agent、前端 Agent、区块链 Agent、营销 Agent

• 产品经理 Agent 实时分析市场需求，输出 PRD 文档

• 设计师 Agent 基于 PRD 创建 UI/UX 设计，前端 Agent 同步开始架构设计

• 区块链 Agent 并行开发智能合约，营销 Agent 制定推广策略

而你可以随时介入：调整方向、提供反馈、最终决策。

关键是，这不是串行的工作流，而是并行的、实时的、可中断的协作。就像顶级创业团队的工作方式。

场景二：投资决策的群体智慧

TradingAgents 给了我们最好的模板。在投资 Agent Social 中，会议成员有基本面分析师、技术分析师、情绪分析师、风控专家、多头研究员、空头研究员，以及你。