AICryptoBot：用LLM与K线智能预测加密货币价格

风险提示：本文仅供技术交流与学习演示，所有模型输出不构成投资建议。加密货币属高风险资产，入市需谨慎，潜在盈亏需自行承担。

项目速览

AICryptoBot 是一款开源工具，通过调用主流交易所 K线数据，让 大语言模型（LLM） 读取技术指标并给出交易方向判断。它以 Telegram机器人 或 独立脚本 两种形态运行，支持 Docker 快速部署，也可手动配置本地环境。

核心关键词：AICryptoBot、加密货币、K线数据、LLM、技术指标、交易建议、Docker部署

核心功能

1. 多维数据抓取

数据源头：币安合约
支持周期：1 分钟～1 个月多档粒度
指标列表：RSI、MACD、布林带、OBV、动量、标准差等
👉 想要先测测系统风险再做交易？这里有实时行情与AI观点整合通道。

2. LLM 智能解读

模型兼容：OpenAI、Claude、Mistral、Grok 及任何兼容 GPT API 的服务
推理方式：采用链式思考（CoT）提示，先复盘历史，再输出操作建议
输出格式：文字摘要 + JSON（包含方向、入场区间、止损/止盈）

快速上手

方案 A：Docker 一键启动

docker pull ghcr.io/bennythink/aicryptobot:latest
docker run --env-file .env ghcr.io/bennythink/aicryptobot --symbols=BTCUSDT,ETHUSDT

配置键值请见项目根目录 aicryptobot/.env 示例文件，主要包含：

LLM_PROVIDER 与 API_KEY
CHAT_ID（Telegram bot 模式下推送用）
👉 避开繁琐配置的最快路径：一行命令跑通全套LLM分析流程。

方案 B：本地手动部署

系统依赖

Python ≥ 3.8
TA-Lib（技术指标库）
pdm（推荐）或 pip

安装示例（macOS）

brew install ta-lib
git clone https://github.com/BennyThink/AICryptoBot
cd AICryptoBot
pdm install        # 或用 pip install -r requirements.txt
cp .env.example aicryptobot/.env

环境变量速查

LLM_PROVIDER=openai
OPENAI_API_KEY=sk-********
TIME_FRAME=15m               # 可选：1h、4h、1d 等
MAX_TOKENS=90000             # 建议 ≤ 90k，避免高额账单
DEFAULT_SYMBOLS=BTCUSDT,ETHUSDT

运行脚本 vs 机器人

# 1. 单机分析模式
python main.py --symbols=SOLUSDT,DOGEUSDT
# 2. Telegram 机器人模式
python main.py --mode=bot

脚本模式会在浏览器自动打开结果页，同时生成 HTML 到 output/。
机器人模式可私聊或群聊，输入交易对即可返回 AI 解析。

深度原理

AICryptoBot 把交易行为拆成三步：

阶段	LLM 角色	关键输入	输出样例
走势复盘	复盘小秘书	最近300根K线+常用技术指标	综合判断：震荡偏弱
信号生成	交易分析师	追加宏观新闻缓存+订单簿快照	多头条件：突破72000且量能放大
整体风控	风险主管	交易信号+个人风险偏好	止损价69800、止盈76000

本模块允许二次注入自定义提示词，满足多元策略（网格、剥头皮、趋势波段）。

使用场景与案例

日内高频族
选定 5m K线+ MACD、momentum 组合，机器人在每根K线收盘后2秒内吐出简评。
周线趋势党
抓取 1w K线+ ADX、OBV，LLM 提前标记潜在突破区间，减少盯盘压力。
多元化资产配置
通过脚本模式批量跑 30 个交易对，集中展示结果，快速筛选当晚交易池。

常见问题（FAQ）

Q1：一次调用大约耗费多少算力成本？
A：默认 15 分钟级别，300 根K线 ≈ 60k–90k Tokens；按 $0.002/Tokens 估算，单次 0.12–0.18 美元。可通过缩小 LOOKBACK_BARS 或延长 TIME_FRAME 压缩成本。

Q2：是否可以接入除币安以外的交易所？
A：理论上支持，只需重写 data_fetcher.py 中的 ExchangeClient 接口即可；已有社区开发者测试 OKX、Bybit 适配成功。

Q3：TA-Lib 在 Windows 安装失败怎么办？
A：可使用 预编译轮子：pip install TA_Lib-0.4.24-cp39-cp39-win_amd64.whl，具体文件名按 Python 版本匹配即可。

Q4：如何持续监控运行状态？
A：脚本本身提供 --log-level=DEBUG 可选参数；在 Docker 场景下建议对接 Prometheus+Grafana，通过容器日志端口 1313/metrics 暴露。

Q5：是否能与 DCA（定投）策略结合？
A：可以。提示词中加入「仅当当前价格低于90日均线且AI信号为多头时才分批买入」即可实现智能定投。

Q6：如何修改默认模型或添加 Grok-2？
A：在 .env 新增 CUSTOM_MODEL=grok-beta，并指向对应 API Endpoint；若返回 JSON 结构与 OpenAI 不兼容，可自行 fork llm_client.py 做适配。

进阶拓展

指标自定义
在 indicators.py 增加任何 TA-Lib 已实现的指标即可，LLM 会自动识别列名并读取。
定时任务
借助 cron + 脚本模式，每天 9:00/21:00 各跑一次日报，推送至 Telegram 频道。
回测框架
项目预留了 backtest/runner.py，未来可与 backtrader 集成，实现 LLM 信号—策略回测—收益曲线 的闭环验证。

开发与贡献

代码规范：black --line-length 120 . && isort --profile black .
测试：pytest tests/ -s
路线图
- 一键集成 multiple exchange
- 支持 WebSocket 实时推送
- DeepSeek/LLaMA3.1 本地模型接口

我们欢迎 Pull Request 和 Issue Discussion，项目采用 MIT 许可，可自由商用及二次开发。

祝你探索愉快，愿代码与行情同在！