banbot
banbot 是一款专为量化交易设计的高性能开源事件驱动机器人。它有效解决了传统回测效率低下、策略开发与实盘部署割裂以及多账户管理繁琐的痛点。banbot 提供直观的 Web 界面，用户无需配置 IDE 即可直接编写策略、回测并一键部署。其核心优势在于极速回测，能在数秒内完成一年的 K 线数据处理，同时采用纯事件驱动架构杜绝未来函数干扰，确保策略逻辑真实可靠。此外，banbot 支持多币种、多周期及多账户并行交易，并内置贝叶斯等超参数优化算法，兼容币安、OKX 等多个主流交易所。banbot 非常适合量化开发者、金融研究人员以及追求自动化交易的进阶用户。无论您是验证新策略还是管理多个交易所账户，banbot 都能提供灵活高效的支撑，助您轻松实现交易理念的落地。
使用场景
量化交易员小李计划开发一套跨交易所的套利策略，需要同时回测多个时间周期并管理多个账户资金，但缺乏完善的量化基础设施。
没有 banbot 时
- 需要从零编写各交易所 API 接口对接代码，耗时数周且容易因网络波动导致数据丢失
- 本地跑一年 K 线数据回测往往需要数小时甚至过夜，严重拖慢策略迭代速度
- 不同策略部署在不同账户时，需维护多套独立运行脚本，难以统一监控和管理风险
- 参数优化依赖手动试错，无法自动寻找最优超参数组合，容易陷入过拟合陷阱
使用 banbot 后
- 通过 Web UI 直接编写策略逻辑，无需配置复杂 IDE 环境即可开始回测，大幅降低上手门槛
- 高性能引擎让一年 K 线数据秒级完成回测，快速验证想法可行性，极大提升研发效率
- 支持多账户同时运行，轻松实现同一策略在币安和 OKX 上的并行部署，灵活分配资金
- 内置 Bayes/TPE 等优化算法，一键自动调参，显著提升策略收益稳定性与实盘表现
banbot 将复杂的量化基建工作简化为可视化操作，让交易者能专注于策略本身而非底层工程。
运行环境要求
- 未说明
未说明
未说明
快速开始
banbot
banbot 是一款高性能、易用、支持多币种、多策略、多周期、多账户的事件驱动型交易机器人。
主要功能
- Web UI: 无需集成开发环境（IDE）即可编写策略、进行回测（Backtest）和部署。
- 高性能: 几秒钟内即可完成 1 年 K 线数据的回测。
- 易用性: 一次编写，同时支持回测和实盘交易。
- 灵活性: 自由组合币种、策略和时间框架。
- 事件驱动: 无未来函数（Lookahead），更自由地实现你的交易想法。
- 可扩展: 同时交易多个交易所账户。
- 超参数优化 (Hyper Opt): 支持贝叶斯/树结构核密度估计 (TPE)/随机/CMA-ES/IPop-CMA-ES/Bipop-CMA-ES 等算法。
支持的交易所
banbot 支持由 banexg 驱动的交易所：
| 图标 | ID | 名称 | 版本 | WebSocket |
|---|---|---|---|---|
 |
binance | 现货/USD-M/COIN-M | * | Y |
 |
okx | 现货/USD-M/COIN-M | * | Y |
 |
bybit | 现货/USD-M/COIN-M | * | Y |
快速开始
前往 runbanbot 在几分钟内使用 Docker 开始！
与 AI 协作
下载 banbot.md 文件，然后将其附加到任何 AI 对话中，以告知它你想要测试的策略。
或者直接通过 Banbot Workflow 立即测试你的想法。
文档
请前往 BanBot 官网 查看文档。
贡献
遵循 如何贡献。欢迎随时通过 Discord 聊天讨论开发、新功能及未来路线图。
除非你明确声明，否则任何有意提交纳入你创建的 banbot 工作区的贡献，均应在 AGPLv3 许可下授权，无需额外条款或条件。
捐赠
如果 banbot 让你的生活更轻松，并且你想帮助我们进一步改进它，或者如果你想加速新功能的开发，请通过打赏支持我们。我们感谢所有贡献！
| 方式 | 地址 |
|---|---|
| BTC | bc1qah04suzc2amupds7uqgpukellktscuuyurgflt |
| ETH | 0xedBF0e5ABD81e5F01c088f6B6991a623dB14D43b |
许可证
本项目采用 GNU AGPLv3 许可证和商业许可证双重许可。对于代码的自由使用和修改，你可以使用 AGPLv3 许可证。如果你需要具有不同条款的商业许可证，请联系我。
版本历史
v0.2.352026/01/24v0.2.312026/01/14v0.2.302026/01/09v0.2.282025/12/03v0.2.252025/11/16v0.3.12026/02/10v0.2.242025/11/15v0.2.232025/11/02v0.2.222025/09/13v0.2.212025/08/12v0.2.202025/07/16v0.2.182025/06/20v0.2.172025/05/26v0.2.162025/05/13v0.2.142025/04/27v0.2.132025/04/21v0.2.122025/04/15v0.2.112025/04/12v0.2.82025/03/27v0.2.72025/03/21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
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。
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。