add-tradingview-alerts-tool
add-tradingview-alerts-tool 是一款专为量化交易者设计的自动化工具,旨在解决在 TradingView 平台上批量创建自定义警报的难题。对于使用 3Commas、Alertatron 或 CryptoHopper 等机器人进行自动化交易的用户而言,往往需要基于特定指标对数十甚至上百个交易对设置警报。由于 TradingView 官方未提供批量添加警报的 API,人工逐个设置不仅耗时且极易出错。
该工具通过模拟真实浏览器(Chromium)的操作行为,能够自动登录并批量录入用户配置的警报信息,支持自定义触发条件、时间周期及 Webhook 地址,从而无缝对接各类交易执行系统。其核心技术亮点在于利用开源的自动化测试框架操控浏览器,绕过了官方接口限制,实现了高效的“无代码”批量部署。
这款工具特别适合具备一定技术基础的加密货币交易者、量化策略研究人员以及熟悉命令行操作的开发者使用。使用者需预先安装 Node.js 环境,并通过配置文件灵活定义交易对列表与警报参数。值得注意的是,由于涉及账户登录与第三方库调用,建议在安全环境下谨慎使用,或关注其提供的云端托管服务以降低本地运行风险。
使用场景
一位量化交易员试图利用 Material Indicators 策略,在 Binance 的 USDT 交易对中同时监控并自动化交易超过 100 个加密货币品种。
没有 add-tradingview-alerts-tool 时
- 耗时极长的人工操作:交易员必须在 TradingView 界面上手动逐个添加 100+ 个警报,每个警报需重复配置 webhook 地址和触发条件,耗时数小时甚至数天。
- 极易出现人为失误:在重复复制粘贴 webhook URL 或选择交易对时,极易发生拼写错误或选错币种,导致部分策略无法执行或资金误操作。
- 策略迭代维护困难:当需要调整策略参数(如将时间周期从 4 小时改为 1 小时)或更新 webhook 地址时,必须重新手动修改每一个警报,几乎不可维护。
- 无法快速响应市场:面对新上线的热门币种,无法在短时间内将其纳入现有的自动化监控体系,错失最佳入场时机。
使用 add-tradingview-alerts-tool 后
- 批量自动化部署:只需准备一份包含 100+ 个币种的 CSV 文件并配置一次
config.yml,工具即可自动启动浏览器在几分钟内完成所有警报的创建与配置。 - 确保配置零误差:脚本精确读取配置文件中的 webhook URL 和触发条件,彻底消除了人工复制粘贴导致的拼写错误或链接失效风险。
- 灵活高效的策略更新:若需调整策略,仅需修改本地配置文件并重新运行脚本,工具会自动同步更新所有相关警报,极大提升了策略迭代效率。
- 即时扩展监控范围:发现新的交易机会时,只需在 CSV 列表中追加新币种代码并运行工具,即可瞬间将新资产纳入自动化交易网络。
add-tradingview-alerts-tool 将原本需要数天且充满风险的手工劳动,转化为分钟级的标准化流程,让多币种量化策略的落地与维护变得简单可靠。
运行环境要求
- macOS
- Windows
- Linux
未说明
未说明

快速开始
添加 TradingView 警报工具 🤖
自动批量将自定义警报添加到 TradingView
⚠️ 警告:在您的计算机上运行命令行软件存在风险!尽管此软件中没有已知的恶意代码——但它依赖于__可能容易受到黑客攻击的第三方库__。截至 2021 年底,针对第三方库的黑客攻击事件有所增加——请自行承担风险使用。
👋 注:我们提供一项服务,可在安全的虚拟服务器上自动运行此工具。您可前往 alertzmanager.io 成为测试用户。
项目背景
交易平台(如 3Commas 和 Alertatron)允许基于自定义 TradingView 警报进行自动化交易,这些警报可以通过 Webhook URL 触发以执行交易。
当使用 TradingView 指标(如 Material Indicators)时,您可以利用 TradingView 警报向您的交易机器人发送信号。
那么,如果您想使用某个指标来交易数十甚至数百个交易对,该怎么办呢?由于 TradingView 没有用于批量添加警报的 API,您需要手动维护这些警报。
该工具如何工作?
我们使用专为自动化网站测试设计的开源软件,可以输入您 TradingView 账户允许的任意数量的自定义警报。它会安装一个独立的 Chrome 浏览器(称为 Chromium),并由本脚本控制。
观看该工具如何自动输入您的 TradingView 警报。
系统要求
MacOS/Windows/Linux
安装 NodeJS(推荐版本:22.x)
安装
打开终端或 PowerShell,并运行以下命令:
请确保您使用的 Node 版本至少为 22
node -v
创建您的 tradingview-alerts-home 目录,或升级版本 (系统会提示您创建子目录并安装 ATAT)
npx @alleyway/create-tradingview-alerts-home@latest
编辑您的 config.yml 文件(如果您要传递用于自动化交易的信号,例如 3commas,请在此处配置相关详细信息)
files:
input: binance_usdt_symbols.csv
exclude: blacklist.csv
tradingview:
# 您希望使用的带有指标的图表
chartUrl: https://www.tradingview.com/chart/WS5uK1l5/
# (可选) 在添加交易对之前设置图表时间周期,否则将使用上次保存图表的时间周期
# 示例:1s | 30s | 1m | 15m | 1H | 1D | 1W # 注意:'1H,4H' 可用于在多个时间周期上添加警报
interval: 4h
# 您可以选择提供登录凭据,或者先手动登录一次后再重启脚本
#username:
#password:
alert:
condition:
primaryLeft: MTF Deviation
primaryRight:
secondary: Tier1 long
tertiaryLeft:
tertiaryRight:
quaternaryLeft:
quaternaryRight:
trigger: 每根柱线收盘触发一次
actions:
notifyOnApp: false
showPopup: false
sendEmail: false
webhook:
enabled: true
url: "https://3commas.io/trade_signal/trading_view"
# 警报名称是可选的——如果需要,可以在 CSV 文件中覆盖,并使用 {{symbol|instrument|quote_asset}}
# name: MI dev3 for {{instrument}} {{quote_asset}}
# 缩进很重要!{{quote_asset}} 和 {{instrument}} 将被替换为报价资产(例如 USDT)和基础代币或标的资产(例如 'BTC')
message: >
{
"message_type": "bot",
"bot_id": 999999,
"email_token": "fffffff-fffff-fffff-ffff-ffffffffff",
"delay_seconds": 0,
"pair": "{{quote_asset}}_{{instrument}}"
}
<img src=".README_images/howto_conditions.png" alt="与配置对应的字段" width="600"/
获取交易对列表
生成可用于输入的 CSV 文件(参见上述配置),适用于支持的交易所。想要其他交易所吗?提交一个问题!)
从 Binance/BinanceUS 下载交易对
此命令下载 Binance 的所有 USDT 交易对:(注意:Binance 现在对其部分接口进行了地理限制)
./atat fetch-symbols binance -q usdt
此命令下载 BinanceUS 的所有交易对:
./atat fetch-symbols binanceus
从 Coinbase 下载交易对
./atat fetch-symbols coinbase -q usd
从 Kraken 下载交易对
./atat fetch-symbols kraken -q usd
从 KuCoin 下载交易对
./atat fetch-symbols kucoin -q usdt
从 OKX(原 OKEx)下载现货交易对
./atat fetch-symbols okx_spot -q usdt
从 ByBit Inverse 下载交易对
./atat fetch-symbols bybit_inverse
从 ByBit Linear 下载交易对
./atat fetch-symbols bybit_linear
……依此类推。
添加 TradingView 警报
在运行脚本之前
当添加警报时,TradingView 会将您上次的设置作为新警报的默认值。 如果未在 config.yml 文件中明确设置,则将使用上次创建的警报设置。因此,如果您希望开启或关闭声音提醒,请在运行脚本之前先创建一个包含该设置的警报。
您必须先使用这些选项创建一个警报,然后它们才会成为默认设置。(之后您可以立即删除该警报)
运行脚本
注意:首次运行脚本时,您需要登录 TradingView,然后关闭浏览器并重新运行命令。
./atat add-alerts
您可以在终端或 PowerShell 中按 Ctrl-C 停止脚本。
如果工具因故中断,您可以从 .csv 文件中移除已添加警报的交易对行,然后重新运行。
故障排除
Windows 用户因从互联网下载的文件导致执行出现问题(由用户贡献)
powershell -executionpolicy ByPass -File .\atat.ps1 fetch-symbols binance -q usdt
网络连接速度较慢,操作过快?尝试调整延迟选项(默认值为 1000)
./atat --delay 1500 add-alerts
是否选择了错误的选项?条件可以是正则表达式。例如……
假设您有一个条件下拉菜单,其中包含多个指标配置,如下所示:
MTF 偏差 - Mtrl_Scientist v0.7 (50, 530, 750, 3)
MTF 偏差 - Mtrl_Scientist v0.7 (50, 530, 750, 6)
MTF 偏差 - Mtrl_Scientist v0.7 (50, 530, 750, 9)
如果您的配置仅使用了“MTF 偏差”这一术语,工具可能会错误地选择第一个包含该术语的选项。
例如,以下正则表达式将匹配百分比偏差设置为 6 的指标:
alert:
condition:
primaryLeft: /^MTF Deviation.*,\s6\)$/
另一个常见问题是,有时一个条件的选项文本可能完全包含在另一个选项中。
例如:
蓝波向下交叉 [小红点]
蓝波向上交叉 [小绿点]
小绿点
要精确匹配“小绿点”的正则表达式如下:
alert:
condition:
primaryLeft: /^小绿点$/
找不到“atat”命令?请从您的 tradingview-alerts-home 目录运行以下命令:
npx @alleyway/create-tradingview-alerts-home@latest
还有其他问题吗?提交问题
高级用法
多重配置
针对以 BTC 计价资产配置的 TradingView 指标可能不适用于 USD 交易对,因此您需要按以下方式划分设置:
| 抽象 | 具体 |
|---|---|
| 仅以 BTC 计价的交易对列表 | 运行 "./atat fetch-symbols binance btc" 输入:binance_usdt_symbols.csv |
| 包含针对 BTC 特定指标设置的 TradingView 图表布局(例如,将 MTF 偏差的偏差设置为 6%) | chartUrl: https://www.tradingview.com/chart/WS5uK1l5/ |
| 仅处理 BTC 的 3commas 交易机器人 | { "message_type": "bot", "bot_id": 999999, "email_token": "fffffff-fffff-fffff-ffff-ffffffffff", "delay_seconds": 0, "pair": "{{quote_asset}}_{{instrument}}" } |
| 上述内容的专用配置文件 | ./atat add-alerts config.btc.yml |
注意:运行“./atat add-alerts”将默认使用 config.yml,除非您指定其他配置文件(例如,“./atat add-alerts config.btc.yml”)。
警报设置中的占位符替换
在某些情况下,您可能希望某些交易对使用不同的指标,或者使用相同指标但设置不同(必须为每种设置添加到图表中——目前此脚本尚无法调整指标设置)。

然后您可以向您的 .csv 文件添加任意列——这里我们使用“DSMAsetting”。
symbol,quote_asset,instrument,DSMAsetting
BINANCE:1INCHUSDT,USDT,1INCH,40
BINANCE:AAVEUSDT,USDT,AAVE,20
BINANCE:ACMUSDT,USDT,ACM,40
BINANCE:ADAUSDT,USDT,ADA,20
随后,您可以通过将列标题名用双大括号括起来来使用 CSV 中的任何值,如下所示:
...
alert:
condition:
primaryLeft: "DSMA ({{DSMAsetting}}, 50)"
...
向多个 3commas 机器人发送单个警报
3commas 允许您在消息中使用命令数组,我通常会向两个机器人发送消息:一个用于模拟交易,另一个是真实的账户,我可以选择将其禁用。
因此,您可以使用 JSON 数组作为消息:
message: >
[{
"message_type": "bot",
"bot_id": 999999,
"email_token": "fffffff-fffff-fffff-ffff-ffffffffff",
"delay_seconds": 0,
"pair": "{{quote_asset}}_{{instrument}}"
},
{
"message_type": "bot",
"bot_id": 999999,
"email_token": "fffffff-fffff-fffff-ffff-ffffffffff",
"delay_seconds": 0,
"pair": "{{quote_asset}}_{{instrument}}"
}]
向 Alertatron 发送警报
这与 3Commas 的方式相同,但 Alertatron 使用不同的消息格式。例如……
message: >
binanceKeys({{quote_asset}}_{{instrument}}) {
market(side=buy, amount=50%);
stopOrder(side=sell, amount=100%p, offset=2%);
limit(side=sell, amount=100%p, offset=3%);
}
您觉得这个工具有帮助吗?
请考虑以下其中一项:
- 在 GitHub 上提高知名度:点击页面顶部的 ⭐!

- 成为我们未来商业服务的 免费 测试员(限时):
- 图形界面: 无需安装——警报由我们的安全私有服务器添加
- 每个交易对可设置多个警报: 分开买入和卖出警报
- 更快的警报管理: 智能地保留、更新、添加或移除警报
- 灵活的警报模板分配: 利用 24 小时交易所数据(成交量、交易次数)启用或禁用警报
- 自动化: 按计划配置并同步警报,获取新的交易所代币
在 https://alertzmanager.io 创建免费账户
版本历史
v4.1.6-release2026/03/23v4.1.5-release2026/02/06v4.1.42026/02/06v4.1.22026/01/25v4.1.12026/01/21v4.1.02025/08/11v4.0.12025/05/12v4.0.02025/01/24v3.0.52024/10/23v3.0.42024/07/25v3.0.32024/02/23v3.0.22024/02/23v3.0.12024/02/22v3.0.02023/12/28v2.6.72023/12/13v2.6.62023/12/08v2.6.52023/12/04v2.6.42023/10/15v2.6.32023/10/12v2.6.22023/10/12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
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。
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。
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。
