TradingAgents（TauricResearch）是以 LangGraph 為骨幹的多智能體交易研究框架。在 Mac mini M4 上以 Ollama 本地推理（http://localhost:11434/v1），可把按 token 的雲端 LLM 費用壓到 $0。本文說明 llm_provider: "ollama"、16GB/24GB 雙模型配置、docker compose --profile ollama，以及台灣團隊用雲端 Mac（約 $16.9/天）遠端批跑的做法。
若要接 webhook 自動化，請先讀 OpenClaw Webhook 與 Ollama；雲端 Mac 成本與效能脈絡見 Mac mini M4 雲端成本效益。參考：Ollama 文件、Apple Mac mini 規格。
披露：本文提及的雲端 Mac mini 租用服務由 MacHTML 提供。
為何在 M4 上用 Ollama
單一標的分析常需 4–8 次 LLM 呼叫。Ollama 在 Apple Silicon 提供 OpenAI 相容 11434 埠；TradingAgents v0.2.5+ 支援 llm_provider: "ollama" 與 OLLAMA_BASE_URL 指向遠端主機。
台灣團隊的實務建議
許多新創把研究環境放在筆電，夜間跑圖卻被散熱降頻。改在雲端 Mac mini 一次 ollama pull 權重，台灣端以 SSH 或 VPN 觸發 tradingagents，可避開家用網路晚間不穩。跨境資料請遵守本地法規，研究日誌建議留在租用磁碟，不要混用個人 iCloud。
16GB / 24GB 雙模型分流
| 統一記憶體 | deep_think_llm | quick_think_llm | 備註 |
|---|---|---|---|
| 16 GB | llama3.1:8b | llama3.2:3b | max_debate_rounds=1 |
| 24 GB | qwen2.5:14b | llama3.2:3b | 預設研究檔 |
| 32 GB+ | qwen2.5:32b | llama3.1:8b | 較長分析鏈 |
安裝
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 .llm_provider ollama
config["llm_provider"] = "ollama"
config["deep_think_llm"] = "llama3.1:8b"
config["quick_think_llm"] = "llama3.2:3b"
config["max_debate_rounds"] = 1docker compose --profile ollama
docker compose --profile ollama up -d --build日常研究在 Apple Silicon 上多半 原生 Ollama + venv 較快。
雲端 Mac 演練
租用 MacHTML Mac mini M4 可 24/7 保溫 Ollama，約 $16.9/天。詳見 定價、說明中心。
FAQ
零 API 是否零支出？
僅免除按 token 的 LLM 費用；電費與租用仍可能存在。
還需要雲端 LLM Key 嗎？
使用 ollama 時 LLM Key 可選；部分行情源可能仍需設定。
是否為投資建議？
否，請閱讀專案免責聲明。
若計畫為本地 LLM 升級硬體，可先讀 蘋果 M5 Fusion 與 M6 2nm 傳聞對比 中的記憶體頻寬與買現役/等跨代矩陣。
若本地 LLM 受 64 GB 缺貨卡住，可先讀 WWDC 2026 M5 Mac Mini 記憶體危機與 8 行決策矩陣，再決定是租雲 Mac 還是等 BTO。
若 Ollama Agent 因巨型工具 JSON 卡頓而非 API 費用，請在進模型前經 Headroom 路由。參閱 Headroom + Ollama 本地加速實操，在 Mac mini 上壓縮 60–95% 上下文。