opentrader

GitHub
2.4k 275 简单 1 次阅读 今天Apache-2.0其他语言模型
AI 解读 由 AI 自动生成,仅供参考

OpenTrader 是一款开源的加密货币量化交易机器人,你可以把它装在自己的电脑或服务器上,让它 7×24 小时帮你盯盘、下单。它内置了网格、定投(DCA)、RSI 等常见策略,也支持用几行代码快速写出自定义策略;通过 CCXT 对接 100 多家交易所,还能先用“模拟盘”或历史数据回测,验证思路再真金白银上阵。
它解决了手动盯盘耗时、情绪化交易、策略难以复现的问题,让量化门槛大幅降低。
适合想自动化交易的开发者、量化研究员,以及愿意折腾的普通投资者;设计师或产品经理也能借助它的可视化界面快速做策略原型。
亮点:一键 NPM 安装、自带 Web 控制台、支持跨所套利和高频交易,全部代码开源可审计。

使用场景

背景:独立开发者小赵在业余时间维护一个 2 万美元规模的个人加密资产组合,主要做 BTC/USDT 波段,但白天还要上班,无法盯盘。

没有 opentrader 时

  • 手动挂单:午休时匆忙在交易所 App 里下 5 档网格单,下午开会错过一次 3% 的拉升,只能眼睁睁看着利润溜走。
  • 情绪交易:晚上回家看到行情跳水,恐慌割肉,结果第二天反弹 4%,心态炸裂。
  • 回测缺失:想验证“RSI<30 双倍 DCA”的想法,只能拿 Excel 拉 3 个月 K 线,公式写错一行,结果全错。
  • 多账户割裂:主仓在 Binance,小号在 OKX,两边余额对不上,手动转账还踩到网络拥堵,多付 15 美元矿工费。

使用 opentrader 后

  • 自动网格:一键部署 GRID 策略,价格区间 26500–27500,100 美元间距,24 小时成交 18 次,净赚 137 USDT,全程手机只收到 Telegram 通知。
  • 纪律执行:预设 DCA 触发条件——日线 RSI<35 且跌幅 >2%,系统凌晨 3 点自动补仓 300 USDT,早上醒来仓位成本降低 1.8%,情绪毫无波动。
  • 快速回测:把过去 180 天 BTC 数据拖进 opentrader 回测引擎,5 分钟跑完,发现 RSI 策略夏普 1.9,果断实盘,避免拍脑袋。
  • 跨所套利:通过 CCXT 接入 Binance 与 OKX,余额面板实时合并,发现 OKX BTC/USDT 溢价 0.3%,自动搬砖 0.05 BTC,扣除手续费仍赚 11 USDT。

一句话总结:opentrader 让小赵把碎片化的盯盘、复盘、执行全部自动化,白天安心上班,晚上收益到账。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes需全局安装 Node.js v22 及以上版本;首次运行需通过 npm 安装 CLI 工具;默认监听 8000 端口;支持 100+ 交易所(通过 CCXT);内置策略包括网格、DCA、RSI,可自定义策略;提供纸面交易与回测功能。
python未说明
nodejs>=22
opentrader hero image

快速开始

OpenTrader logo

GitHub Actions Workflow Status NPM Version GitHub commit activity Static Badge Static Badge Static Badge Static Badge

OpenTrader 是一款自托管的加密货币交易机器人,内置多种高度可定制的策略,支持技术指标集成、高频交易以及跨交易所交易,并通过 CCXT 支持超过 100 家交易所。

功能:

  • ✨ 强大的用户界面:提供友好的界面用于管理交易机器人。
  • 🌐 多个交易所:可在多个加密货币交易所进行交易。
  • 📝 纸上交易:在不冒真实资金风险的情况下测试您的策略。
  • 📊 回测:使用历史数据回测您的策略。
  • ⚙️ 轻松安装:通过 NPM 即可轻松安装。

策略:

  • ☑️ 网格交易:通过设置买入和卖出订单的网格来从市场波动中获利。
  • ☑️ 定投策略:通过多次下单平均入场成本,并在价格波动时卖出。
  • ☑️ RSI 指标交易:根据 RSI 指标值下达订单。
  • 🛠️ 自定义策略:只需几行代码即可构建您自己的策略。

💓 项目状态

本项目是我利用业余时间开发的个人爱好。如果您觉得它有用,请给它一个 ⭐️。您的支持对我意义重大,也激励我不断改进这款机器人。如果您愿意捐赠捐款,请参阅下方选项。💖

🍩 捐款

如果您觉得 OpenTrader 有用并希望支持其开发,不妨考虑捐赠。您的捐助将帮助我们支付维护和改进该项目的费用。

捐赠方式:

  • 比特币 (BTC)1LBqWWne1ac455UmUDVF32ozVAhy1HgVXn
  • 以太坊 (ETH)0x60371d49F9Cc7ec7d7e34979D5DD31996B7B43Ff

感谢您的支持!

👋🏻 加入我们的社区

👥 与开发者交流、提出功能需求并获得支持。欢迎加入我们在 Discord 的社区。

Static Badge Static Badge Static Badge

🔔 如需获取公告和最新动态,请关注我们的 TwitterTelegram

Static Badge Static Badge

⚡️ 快速入门

只需几个步骤即可开始使用 OpenTrader。按照本快速指南安装、配置并运行您的加密货币交易机器人。

[!NOTE] OpenTrader 需要 Node.js v22 或更高版本。您可以通过运行 node -v 来检查您的 Node.js 版本。

安装

  1. 使用 npm 全局安装 OpenTrader:
npm install -g opentrader
  1. 设置管理员密码以便后续访问 OpenTrader UI:
opentrader set-password <password>
  1. 启动 OpenTrader 应用程序
opentrader up

应用程序将启动 RPC 服务器并监听 8000 端口。

提示:使用 opentrader up -d 将应用作为守护进程启动。要停止它,运行 opentrader down

使用方法

UI

用户界面允许管理多个交易机器人和策略、查看回测结果以及监控实时交易。

UI 预览

您可以在以下地址访问 OpenTrader UI:http://localhost:8000

CLI

连接交易所

exchanges.sample.json5 文件复制到 exchanges.json5 并添加您的 API 密钥。

可用交易所:OKX、BYBIT、BINANCE、KRAKEN、COINBASE、GATEIO、BITGET

选择策略

创建策略配置文件 config.json5。我们将以“网格交易”策略为例。

{
  // 网格交易参数
  settings: {
    highPrice: 70000, // 网格的最高价
    lowPrice: 60000, // 网格的最低价
    gridLevels: 20, // 网格层级数量
    quantityPerGrid: 0.0001, // 每个网格对应的基准货币数量
  },
  pair: "BTC/USDT",
  exchange: "DEFAULT",
}

目前支持的策略:griddcarsi

运行回测

命令:opentrader backtest <strategy> --from <date> --to <date> -t <timeframe>

例如,在 1h 时间框架下运行“网格交易”策略。

opentrader backtest grid --from 2024-03-01 --to 2024-06-01 -t 1h

为了获得更准确的结果,可以使用更小的时间框架,例如 1m,但这样会花费更多时间从交易所下载 OHLC 数据。

实时交易

命令:opentrader trade <strategy>

例如,使用“网格交易”策略进行实时交易。

opentrader trade grid

要停止实时交易,运行 opentrader stop

项目结构

🪪 许可证

根据 Apache 2.0 许可证授权。更多信息请参阅 LICENSE 文件。

免责声明

本软件仅用于教育目的。请自行承担使用本软件的风险。作者及其所有关联方对您的交易结果不承担任何责任。请勿拿您害怕失去的资金进行交易。代码中可能存在漏洞——本软件不提供任何担保。

版本历史

v1.0.0-beta.292025/03/06
v1.0.0-beta.282025/01/29
v1.0.0-beta.272025/01/28
v1.0.0-beta.262024/12/18

常见问题

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架

awesome-machine-learning

awesome-machine-learning 是一份精心整理的机器学习资源清单,汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点,这份清单按编程语言(如 Python、C++、Go 等)和应用场景(如计算机视觉、自然语言处理、深度学习等)进行了系统化分类,帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库,还是资深工程师对比不同语言的技术选型,都能从中获得极具价值的参考。此外,清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源,构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准:明确标记已停止维护或长期未更新的项目,确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”,awesome-machine-learning 以开源协作的方式持续更新,旨在降低技术探索门槛,让每一位从业者都能高效地站在巨人的肩膀上创新。

72.1k|★☆☆☆☆|2天前
开发框架其他