crypto-trading-bot
crypto-trading-bot 是一款基于 JavaScript 开发的开源加密货币交易机器人,旨在帮助投资者在 Bitfinex、Binance、Bybit 等百家主流交易所实现自动化交易。它依托强大的 CCXT 库统一接口,解决了手动盯盘耗时费力及多平台管理分散的痛点,支持多空双向操作、多交易对并行运行以及历史数据本地存储。
该工具内置了可视化 Web 仪表盘,用户可直观监控行情指标、持仓状态并执行手动订单,同时集成了 Slack、Telegram 和邮件通知功能,确保交易信号实时触达。其技术亮点在于灵活的策略架构:既提供了定投(DCA)等基础内置策略供参考,也允许开发者通过简单的文件结构自定义复杂交易逻辑,并结合 TA-Lib 等技术指标库进行深度回测与优化。
需要注意的是,官方明确标注该项目目前仅具备基础功能,尚未达到生产环境的稳定标准,因此不建议直接用于大额实盘资金。crypto-trading-bot 最适合具备一定编程基础的开发者、量化交易研究者或希望学习自动交易策略构建的技术爱好者使用。对于想要从零搭建个性化交易系统、验证交易想法的用户而言,这是一个轻量且可扩展的优秀起点。
使用场景
一位拥有全职工作的加密货币爱好者,希望在不时刻盯盘的情况下,利用夜间波动在 Binance 和 Bybit 等多个交易所执行基于技术指标的自动化交易策略。
没有 crypto-trading-bot 时
- 多平台管理混乱:需要同时打开多个交易所网页或 APP 手动切换账户,无法在一个界面统一监控 BTC、ETH 等不同交易对的实时行情。
- 错失夜间良机:因睡觉或工作无法 24 小时盯盘,经常错过深夜的剧烈波动(如“插针”行情),导致买入成本过高或无法及时止盈。
- 策略执行依赖人工:即使制定了详细的定投(DCA)或抄底计划,也必须依靠人工判断和下单,容易受情绪干扰导致操作变形。
- 缺乏即时预警:无法在价格触及关键支撑位或阻力位时第一时间收到通知,往往等到发现时市场走势已经改变。
使用 crypto-trading-bot 后
- 统一看板监控:通过内置的 Web UI 仪表盘,可在一个页面实时查看连接了 CCXT 的百家交易所数据,轻松管理多交易对仓位。
- 7x24 小时自动运行:部署
dip_catcher或自定义策略后,机器人能全天候自动执行低买高卖,精准捕捉夜间波动,无需人工值守。 - 纪律化策略落地:将复杂的 TA-Lib 技术指标转化为代码逻辑,机器严格执行人工预设的定投或网格策略,彻底消除情绪化交易。
- 多渠道实时推送:配置 Telegram 或 Slack 通知后,一旦触发买卖信号或订单成交,手机立刻收到详细报告,让用户随时掌握资产动态。
crypto-trading-bot 将分散的手动操作转化为集中、纪律严明的自动化流程,让个人投资者也能以极低成本享受机构级的全天候交易能力。
运行环境要求
- Linux
- macOS
- Windows
不需要 GPU
未说明

快速开始
加密货币交易机器人
一个支持通过 CCXT 连接多个交易所的加密货币交易机器人。
尚未生产就绪,仅提供基础功能。
特性
- 单个实例支持多币对交易
- 使用 sqlite3 存储蜡烛图、行情数据等
- 带有仪表盘的 Web 服务器界面
- 支持做空和做多操作
- 币对信号浏览器仪表盘
- Slack、Telegram 和电子邮件通知
- 基于配置文件的机器人管理及策略执行
- 基于 CCXT 的交易所支持(超过 100 家)
技术细节与依赖包
- node.js
- sqlite3
- technicalindicators
- TA-Lib
- CCXT
- Tailwind CSS 4
- Tradingview 小组件
使用方法
[可选] 预安装
用于编译 sqlite 和指标库(如果需要):
sudo apt-get install build-essential
启动
npm install --production
npm start
# 或指定端口启动
# npm start -- --port=55555
打开浏览器:http://127.0.0.1:8080
Web 界面
仪表盘

交易 / 持仓 / 订单

手动下单

内置策略
内置了一些常见的基于指标的策略,但这些策略通常并不盈利。更多高级策略请参见下文。
- dip_catcher
- dca_dipper - 长期投资 成本平均法(DCA)抄底策略
更多示例策略可在 src/strategy/strategies 中找到。
自定义策略
自定义策略可放置在 var/strategies 文件夹中。
# 简单文件结构
var/strategies/your_strategy.js
# 或将策略放入任意子文件夹深度
var/strategies/my_strategy/my_strategy.js
信号
Slack

测试
npm test
安全性 / 身份验证
由于 Web 服务器仅提供基本的身份验证,建议在公共服务器上结合 HTTPS 使用。以下是一个简单的 Nginx proxy_pass 配置:
# /etc/nginx/sites-available/YOURHOST
server {
server_name YOURHOST;
location / {
proxy_pass http://127.0.0.1:8080;
}
listen 443 ssl; # 由 Certbot 管理
ssl_certificate /etc/letsencrypt/live/YOURHOST/fullchain.pem; # 由 Certbot 管理
ssl_certificate_key /etc/letsencrypt/live/YOURHOST/privkey.pem; # 由 Certbot 管理
include /etc/letsencrypt/options-ssl-nginx.conf; # 由 Certbot 管理
ssl_dhparam /etc/letsencrypt/ssl-dhparams.pem; # 由 Certbot 管理
}
设置 Telegram 机器人
首先,你需要为 Telegram 创建一个机器人。只需与 BotFather 对话,并按照简单步骤操作,直到它为你生成一个 token。
此外,你还需要创建一个 Telegram 群组,作为你与加密货币交易机器人交流的场所。创建完成后,将机器人添加为管理员(确保取消勾选“所有成员都是管理员”选项)。
获取聊天 ID
将 @RawDataBot 邀请到你的群组,并在发送的消息中获取群组 ID:
消息
├ message_id: 338
├ 发送者
┊ ├ id: *****
┊ ├ is_bot: false
┊ ├ first_name: 사이드
┊ ├ username: ******
┊ └ language_code: en
├ 接收者
┊ ├ id: -1001118554477
┊ ├ title: Test Group
┊ └ type: supergroup
├ 时间: 1544948900
└ 文本: A
请注意,id: -1001118554477 就是你的聊天 ID(带有负号)。
相关链接
交易机器人灵感
其他可能的设计模式参考:
- https://github.com/DeviaVir/zenbot
- https://github.com/magic8bot/magic8bot
- https://github.com/askmike/gekko
- https://github.com/freqtrade/freqtrade
- https://github.com/Ekliptor/WolfBot
- https://github.com/andresilvasantos/bitprophet
- https://github.com/kavehs87/PHPTradingBot
- https://github.com/Superalgos/Superalgos
策略
一些基于技术指标的策略,可供参考:
- https://github.com/freqtrade/freqtrade-strategies
- https://github.com/freqtrade/freqtrade-strategies/tree/master/user_data/strategies/berlinguyinca
- https://github.com/xFFFFF/Gekko-Strategies
- https://github.com/sthewissen/Mynt/tree/master/src/Mynt.Core/Strategies
- https://github.com/Ekliptor/WolfBot/tree/master/src/Strategies
- https://github.com/Superalgos/Strategy-BTC-WeakHandsBuster
- https://github.com/Superalgos/Strategy-BTC-BB-Top-Bounce
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单,旨在为自学者提供系统化的学习路径。它汇集了全球知名高校(如加州大学伯克利分校、新南威尔士大学等)的完整课程录像,涵盖从编程基础、数据结构与算法,到操作系统、分布式系统、数据库等核心领域,并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源,cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容,仅收录真正的大学层级课程,排除了碎片化的简短教程或商业广告,确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员,以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽,不仅包含传统的软件工程与网络安全,还细分了生成式 AI、大语言模型、计算生物学等新兴学科,并直接链接至官方视频播放列表,让用户能一站式获取高质量的教育资源,免费享受世界顶尖大学的课堂体验。