TradingAgents（TauricResearch）是基于 LangGraph 的多智能体交易研究框架：分析师团队、多空辩论、交易员、风控与组合管理。在 Mac mini M4 上用 Ollama 本地推理（http://localhost:11434/v1），可把边际 LLM 费用压到 ¥0 / $0（按 token 的云端 API 不再计费）。本文覆盖安装、llm_provider: "ollama"、16GB/24GB 双模型分流、docker compose --profile ollama，以及租用云 Mac（约 ¥120/天、$16.9/天）做 24/7 批跑。
若你还要把行情钩子接到自动化栈，可先读 OpenClaw Webhook 与 Ollama；硬件与远程办公场景见 Mac mini M4 远程办公。权威参考：Ollama 文档、Apple Mac mini 规格。
披露：本文提到的云 Mac mini 租用服务由 MacHTML 提供。
为何在 M4 上用 Ollama 跑 TradingAgents
单只股票分析常触发 4–8 次 LLM 调用（多轮辩论）。云端 API 按 token 叠加很快；Ollama 在 Apple Silicon 上以 OpenAI 兼容接口暴露 11434 端口。TradingAgents v0.2.5+ 支持 llm_provider: "ollama"，远程实例可用 OLLAMA_BASE_URL 指向另一台 Mac mini。
M4 Mac mini 空闲功耗常见 6–12 W，比笔记本通宵跑图、风扇拉满更省电，适合把研究批处理迁到专用节点。
大陆开发者常见痛点（npm 与出口带宽）
在本地笔记本拉 TradingAgents 与 Python 依赖时，npm / PyPI 镜像不稳定会拖垮首日搭建；把环境放到海外或香港节点的云 Mac，用 SSH 在机房内网完成 pip install .，往往比反复折腾国内代理更省时。模型权重经 ollama pull 下载时，出口带宽与晚高峰抖动同样致命——建议在云 Mac 上一次性拉齐 llama3.1:8b 与 llama3.2:3b，本地机器只跑客户端与 OLLAMA_BASE_URL 隧道。
团队合规场景下，行情与研报数据尽量留在租用实例磁盘，避免把未脱敏日志同步到个人网盘；MacHTML 节点可按项目隔离用户目录与 LaunchAgent。
硬件与 16GB / 24GB 双模型分流
| 统一内存 | deep_think_llm | quick_think_llm | 建议 |
|---|---|---|---|
| 16 GB | llama3.1:8b | llama3.2:3b | max_debate_rounds=1 |
| 24 GB | qwen2.5:14b | llama3.2:3b | 默认研究档 |
| 32 GB+ | qwen2.5:32b（Q4） | llama3.1:8b | 更长分析师链 |
Apple 官方 Mac mini 规格页 列出最高 32 GB 统一内存。切勿在 16GB 上把两个大模型同时塞进内存，否则 OOM（退出码 137）很常见。
安装 TradingAgents 与 Ollama
brew install ollama
ollama pull llama3.1:8b
ollama pull llama3.2:3b
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
python3.13 -m venv .venv && source .venv/bin/activate
pip install .验证守护进程：curl -sS http://127.0.0.1:11434/api/tags。OpenAI 兼容面为 /v1，与 TradingAgents 默认一致。
配置 llm_provider ollama
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "ollama"
config["deep_think_llm"] = "llama3.1:8b"
config["quick_think_llm"] = "llama3.2:3b"
config["max_debate_rounds"] = 1
ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("AAPL", "2026-05-20")交互式：tradingagents 选择 Ollama 与模型 ID。M4 16GB + 8B/3B 组合下单票常见 5–20 分钟，换来 $0 token 账单。
Docker：docker compose --profile ollama
docker compose --profile ollama up -d --build
docker compose --profile ollama run --rm tradingagents-ollama日常研究循环在 Apple Silicon 上通常 原生 Ollama + venv 比 Docker 更快；Docker 适合团队统一镜像与 CI 冒烟。
云 Mac mini 演练（MacHTML 租用）
笔记本长时间跑 LangGraph 易温控降频。租用 Apple Silicon Mac mini 可让 Ollama 24/7 在线，SSH 批量跑 ticker；公开价约 ¥120/天、$16.9/天，两周实验往往低于闲置自购机器。结合 定价页 与 帮助中心 完成隧道与密钥配置。
若要在同一台云 Mac 上运行 UI 优先、20 分钟自动同步 的桌面智能体（Obsidian 记忆树），请参阅OpenHuman macOS 安装与记忆树指南。
常见问题
零 API 成本是否等于零花费？
可避免按 token 的 LLM 费用；电费、硬件或云租用仍可能存在。
能否完全不配云端 LLM Key？
使用 ollama 时 LLM API Key 可选；部分行情数据源仍可能需要在仓库 .env.example 中配置。
输出是否构成投资建议？
否——TradingAgents 为研究框架，行动前请阅读项目免责声明。
若计划为本地 LLM 吞吐升级硬件，可先读 苹果 M5 Fusion 与 M6 2nm 传闻对比 中的内存带宽分层与买现役/等跨代矩阵。
若本地 LLM 受 64 GB 缺货卡住，可先读 WWDC 2026 M5 Mac Mini 内存危机与 8 行决策矩阵，再决定是租云 Mac 还是等 BTO。
若 Ollama Agent 因巨型工具 JSON 卡顿而非 API 费用，请在进模型前经 Headroom 路由。参阅 Headroom + Ollama 本地加速实操，在 Mac mini 上压缩 60–95% 上下文。
在真 macOS 上 24/7 跑 TradingAgents
租用云 Mac mini M4，保持 Ollama 热机，SSH 批量分析，避免笔记本过热降频。