[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-philipperemy--FX-1-Minute-Data":3,"tool-philipperemy--FX-1-Minute-Data":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",151918,2,"2026-04-12T11:33:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":73,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":98,"env_deps":99,"category_tags":105,"github_topics":106,"view_count":32,"oss_zip_url":114,"oss_zip_packed_at":114,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":148},6908,"philipperemy\u002FFX-1-Minute-Data","FX-1-Minute-Data","HISTDATA - Dataset composed of all FX trading pairs \u002F Crude Oil \u002F Stock Indexes. Simple API to retrieve 1 Minute data (and tick data) Historical FX Prices (up to date).","FX-1-Minute-Data 是一个专注于金融历史数据的开源项目，旨在为量化分析和回测提供高质量的基础设施。它汇集了自 2000 年以来超过 66 种外汇货币对、原油（如 WTI 和布伦特）以及全球主要股票指数（如标普 500、纳斯达克 100）的分钟级行情数据，同时也支持更精细的 Tick 级数据获取。\n\n在金融建模中，获取长周期、高频率且格式统一的历史数据往往耗时费力且成本高昂。FX-1-Minute-Data 通过提供免费的批量下载链接和简易的 Python API，极大地降低了数据获取门槛。用户只需几行代码即可按需提取特定年份、交易对及时间粒度的数据，并自动处理为标准的 CSV 格式，省去了繁琐的数据清洗工作。\n\n该项目特别适合量化交易开发者、金融研究人员以及数据科学家使用。其技术亮点在于数据源的权威性与持续性（源自 histdata.com 并定期更新），以及灵活的兼容性——支持导出为 Generic ASCII、MetaTrader、NinjaTrader 等多种平台格式，方便直接接入不同的交易系统进行策略验证。无论是构建高频交易模型还是进行宏观市场趋势研究，FX-1-","FX-1-Minute-Data 是一个专注于金融历史数据的开源项目，旨在为量化分析和回测提供高质量的基础设施。它汇集了自 2000 年以来超过 66 种外汇货币对、原油（如 WTI 和布伦特）以及全球主要股票指数（如标普 500、纳斯达克 100）的分钟级行情数据，同时也支持更精细的 Tick 级数据获取。\n\n在金融建模中，获取长周期、高频率且格式统一的历史数据往往耗时费力且成本高昂。FX-1-Minute-Data 通过提供免费的批量下载链接和简易的 Python API，极大地降低了数据获取门槛。用户只需几行代码即可按需提取特定年份、交易对及时间粒度的数据，并自动处理为标准的 CSV 格式，省去了繁琐的数据清洗工作。\n\n该项目特别适合量化交易开发者、金融研究人员以及数据科学家使用。其技术亮点在于数据源的权威性与持续性（源自 histdata.com 并定期更新），以及灵活的兼容性——支持导出为 Generic ASCII、MetaTrader、NinjaTrader 等多种平台格式，方便直接接入不同的交易系统进行策略验证。无论是构建高频交易模型还是进行宏观市场趋势研究，FX-1-Minute-Data 都能提供坚实可靠的数据支撑。","# FX 1-Minute Dataset (+ Crude Oil and Stock indexes e.g. SP500)\n\nAPI and dataset download for [histdata.com](http:\u002F\u002Fhistdata.com). Tick data is also available with the API.\n\nFor a broader support, consider checking out this project [https:\u002F\u002Fgithub.com\u002Fdmidlo\u002Fhistdata.com-tools].\n\n\n## Download the dataset\n\n- Click Here to download it: [All instruments - 1Minute - 2000 \u002F 2024 - Google Drive link (3GB)](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1IG_5SM3SLsxVeaDJlmL2qskex5EsTwjG?usp=sharing).\n\n- You can also re-download the whole dataset (up to date) by yourself:\n\n```bash\npip install -r requirements.txt\npython download_all_fx_data.py\n```\n\nExpect it to take around 10 minutes if you have a fast internet connection.\n\n\n## API\n\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fphilipperemy_FX-1-Minute-Data_readme_a699eb45bbed.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fhistdata)\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fphilipperemy_FX-1-Minute-Data_readme_a699eb45bbed.png\u002Fmonth)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fhistdata\u002Fmonth)\n\n```\npip install histdata\n```\n\n### Examples\n\n```python\nfrom histdata import download_hist_data as dl\nfrom histdata.api import Platform as P, TimeFrame as TF\n```\n\n- Download tick data for 2019\u002F06:\n\n```python\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\n```\n\n- Other possible calls:\n\n```python\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_LAST)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_ASK)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_BID)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\ndl(year='2019', month='6', pair='eurusd', platform=P.EXCEL, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.META_TRADER, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.META_STOCK, time_frame=TF.ONE_MINUTE)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_LAST)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_ASK)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_BID)\n```\n\n## Data specification\n\nThis repository contains:\n- A dataset of all the FX prices (1-minute data) from 2000, in Generic ASCII.\n   - More than 66 FX pairs\n- Contains some commodities:\n   - WTI\u002FUSD = WEST TEXAS INTERMEDIATE in USD\n   - BCO\u002FUSD = BRENT CRUDE OIL in USD\n- Contains some indexes:\n   - SPX\u002FUSD = S&P 500 in USD\n   - JPX\u002FJPY = NIKKEI 225 in JPY\n   - NSX\u002FUSD = NASDAQ 100 in USD\n   - FRX\u002FEUR = FRENCH CAC 40 in EUR\n   - UDX\u002FUSD = US DOLLAR INDEX in USD\n   - UKX\u002FGBP = FTSE 100 in GBP\n   - GRX\u002FEUR = DAX 30 in EUR\n   - AUX\u002FAUD = ASX 200 in AUD\n   - HKX\u002FHKD = HAN SENG in HKD\nE   - TX\u002FEUR = EUROSTOXX 50 in EUR\n- A set of functions to download the historical prices yourself.\n\nAll the data is retrieved from: http:\u002F\u002Fwww.histdata.com\u002F\n\nAny file in a dataset is zipped and contains: \n- a CSV (semicolon separated file).\n- a status report (containing some meta data such as gaps).\n\nAny CSV file looks like this:\n\n```bash\n20120201 000000;1.306600;1.306600;1.306560;1.306560;0\n20120201 000100;1.306570;1.306570;1.306470;1.306560;0\n20120201 000200;1.306520;1.306560;1.306520;1.306560;0\n20120201 000300;1.306610;1.306610;1.306450;1.306450;0\n20120201 000400;1.306470;1.306540;1.306470;1.306520;0\n[...]\n```\n\nHeaders are not included in the CSV files. They are:\n\n```csv\nDateTime Stamp;Bar OPEN Bid Quote;Bar HIGH Bid Quote;Bar LOW Bid Quote;Bar CLOSE Bid Quote;Volume\n```\n\n### DateTime Stamp\n\nFormat:\n`YYYYMMDD HHMMSS`\n\nLegend:\n- YYYY – Year\n- MM – Month (01 to 12)\n- DD – Day of the Month\n- HH – Hour of the day (in 24h format)\n- MM – Minute\n- SS – Second, in this case it will be always 00\n\nTimeZone: Eastern Standard Time (EST) time-zone *WITHOUT* Day Light Savings adjustments\n\n### OPEN Bid Quote\n\nThe open (first) bid quote of the 1M bin.\n\n### HIGH Bid Quote\n\nThe highest bid quote of the 1M bin.\n\n### LOW Bid Quote\n\nThe lowest bid quote of the 1M bin.\n\n### CLOSE Bid Quote\n\nThe close (last) bid quote of the 1M bin.\n\n### Volume\n\nNumber of lots. Looks like it's always 0.\n","# 外汇1分钟数据集（包含原油和股票指数，如标普500）\n\n来自 [histdata.com](http:\u002F\u002Fhistdata.com) 的 API 和数据集下载。API 还提供分笔数据。\n\n如需更广泛的帮助和支持，请查看此项目：[https:\u002F\u002Fgithub.com\u002Fdmidlo\u002Fhistdata.com-tools]。\n\n\n## 下载数据集\n\n- 点击此处下载：[所有品种 - 1分钟 - 2000年至2024年 - Google Drive链接（3GB）](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1IG_5SM3SLsxVeaDJlmL2qskex5EsTwjG?usp=sharing)。\n\n- 您也可以自行重新下载最新完整数据集：\n\n```bash\npip install -r requirements.txt\npython download_all_fx_data.py\n```\n\n在高速网络环境下，预计耗时约10分钟。\n\n\n## API\n\n[![下载量](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fphilipperemy_FX-1-Minute-Data_readme_a699eb45bbed.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fhistdata)\n[![月下载量](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fphilipperemy_FX-1-Minute-Data_readme_a699eb45bbed.png\u002Fmonth)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fhistdata\u002Fmonth)\n\n```\npip install histdata\n```\n\n### 示例\n\n```python\nfrom histdata import download_hist_data as dl\nfrom histdata.api import Platform as P, TimeFrame as TF\n```\n\n- 下载2019年6月的分笔数据：\n\n```python\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\n```\n\n- 其他可能的调用：\n\n```python\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_LAST)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_ASK)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_BID)\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\ndl(year='2019', month='6', pair='eurusd', platform=P.EXCEL, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.META_TRADER, time_frame=TF.ONE_MINUTE)\ndl(year='2019', month='6', pair='eurusd', platform=P.META_STOCK, time_frame=TF.ONE_MINUTE)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_LAST)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_ASK)\ndl(year='2018', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_BID)\n```\n\n## 数据说明\n\n本仓库包含：\n- 自2000年以来的所有外汇价格（1分钟数据），采用通用ASCII格式。\n   - 超过66对货币组合\n- 包含部分大宗商品：\n   - WTI\u002FUSD = 西德克萨斯中质原油（美元计价）\n   - BCO\u002FUSD = 布伦特原油（美元计价）\n- 包含部分指数：\n   - SPX\u002FUSD = 标普500指数（美元计价）\n   - JPX\u002FJPY = 日经225指数（日元计价）\n   - NSX\u002FUSD = 纳斯达克100指数（美元计价）\n   - FRX\u002FEUR = 法国CAC 40指数（欧元计价）\n   - UDX\u002FUSD = 美元指数（美元计价）\n   - UKX\u002FGBP = 富时100指数（英镑计价）\n   - GRX\u002FEUR = 德国DAX 30指数（欧元计价）\n   - AUX\u002FAUD = 澳大利亚ASX 200指数（澳元计价）\n   - HKX\u002FHKD = 恒生指数（港元计价）\n   - TX\u002FEUR = 欧洲斯托克50指数（欧元计价）\n- 一组用于自行下载历史价格的函数。\n\n所有数据均来自：http:\u002F\u002Fwww.histdata.com\u002F\n\n数据集中每个文件均为压缩包，包含：\n- 一个CSV文件（分号分隔）。\n- 一份状态报告（包含一些元数据，如数据缺失情况）。\n\n每个CSV文件的格式如下：\n\n```bash\n20120201 000000;1.306600;1.306600;1.306560;1.306560;0\n20120201 000100;1.306570;1.306570;1.306470;1.306560;0\n20120201 000200;1.306520;1.306560;1.306520;1.306560;0\n20120201 000300;1.306610;1.306610;1.306450;1.306450;0\n20120201 000400;1.306470;1.306540;1.306470;1.306520;0\n[...]\n```\n\nCSV文件中不包含表头，其内容为：\n\n```csv\n时间戳;K线开盘买入报价;K线最高买入报价;K线最低买入报价;K线收盘买入报价;成交量\n```\n\n### 时间戳\n\n格式：\n`YYYYMMDD HHMMSS`\n\n说明：\n- YYYY – 年份\n- MM – 月份（01至12）\n- DD – 日期\n- HH – 小时（24小时制）\n- MM – 分钟\n- SS – 秒，此处始终为00\n\n时区：美国东部标准时间（EST），**不含**夏令时调整。\n\n### 开盘买入报价\n\n该1分钟区间内的首次买入报价。\n\n### 最高买入报价\n\n该1分钟区间内的最高买入报价。\n\n### 最低买入报价\n\n该1分钟区间内的最低买入报价。\n\n### 收盘买入报价\n\n该1分钟区间内的最后一次买入报价。\n\n### 成交量\n\n以手数表示。看起来总是0。","# FX-1-Minute-Data 快速上手指南\n\n本指南帮助开发者快速获取和使用外汇（FX）、原油及股票指数的 1 分钟历史数据。数据源自 histdata.com，涵盖 2000 年至今的行情。\n\n## 环境准备\n\n- **操作系统**：Windows \u002F macOS \u002F Linux\n- **Python 版本**：建议 Python 3.6 及以上\n- **网络要求**：需要稳定的互联网连接以下载数据（数据集约 3GB）\n- **前置依赖**：`pip` 包管理工具\n\n## 安装步骤\n\n### 1. 克隆项目或获取脚本\n确保你已获取包含 `download_all_fx_data.py` 和 `requirements.txt` 的项目文件。\n\n### 2. 安装依赖库\n在终端中运行以下命令安装所需依赖：\n\n```bash\npip install -r requirements.txt\n```\n\n> **提示**：国内用户建议使用清华或阿里镜像源加速安装：\n> ```bash\n> pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 3. 安装 API 客户端库（可选）\n如果需要通过 Python API 按需下载特定时间段数据，请安装 `histdata` 库：\n\n```bash\npip install histdata\n```\n\n> **国内加速安装**：\n> ```bash\n> pip install histdata -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 基本使用\n\n### 方式一：一键下载全量数据集\n执行以下脚本将自动下载所有可用仪器（66+ 外汇对、原油、股指等）的 1 分钟数据（2000-2024）。根据网速不同，预计耗时约 10 分钟。\n\n```bash\npython download_all_fx_data.py\n```\n\n下载完成后，数据将以 ZIP 格式存储，解压后包含 CSV 文件（分号分隔）和状态报告。\n\n### 方式二：使用 Python API 下载指定数据\n你可以编写 Python 脚本灵活下载特定品种、时间和格式的数据。\n\n**示例：下载 2019 年 6 月 EURUSD 的 Tick 数据**\n\n```python\nfrom histdata import download_hist_data as dl\nfrom histdata.api import Platform as P, TimeFrame as TF\n\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\n```\n\n**其他常用调用示例：**\n\n```python\n# 下载 1 分钟 K 线数据 (MetaTrader 格式)\ndl(year='2019', month='6', pair='eurusd', platform=P.META_TRADER, time_frame=TF.ONE_MINUTE)\n\n# 下载 Excel 格式的 1 分钟数据\ndl(year='2019', month='6', pair='eurusd', platform=P.EXCEL, time_frame=TF.ONE_MINUTE)\n\n# 下载 NinjaTrader 格式的 Ask\u002FTick 数据\ndl(year='2019', month='6', pair='eurusd', platform=P.NINJA_TRADER, time_frame=TF.TICK_DATA_ASK)\n```\n\n### 数据格式说明\n下载的 CSV 文件无表头，列顺序如下（分号分隔）：\n`时间戳;开盘价;最高价;最低价;收盘价;成交量`\n\n- **时间戳格式**：`YYYYMMDD HHMMSS` (东部标准时间 EST，无夏令时调整)\n- **价格类型**：Bid 报价\n- **成交量**：通常为 0","某量化交易团队正在开发一套基于高频波动的外汇套利策略，急需清洗后的历史分钟级数据来训练模型并回测过去十年的表现。\n\n### 没有 FX-1-Minute-Data 时\n- **数据获取极其繁琐**：开发人员需要手动访问多个金融数据网站，逐个下载不同货币对（如 EUR\u002FUSD, GBP\u002FJPY）的 CSV 文件，耗时数天且容易遗漏。\n- **格式混乱难以统一**：源数据来自不同平台（如 NinjaTrader、MetaTrader），时间戳格式、时区定义（是否包含夏令时）及列名各不相同，清洗代码复杂且易出错。\n- **关键资产覆盖不足**：除了主流外汇对，策略所需的原油（WTI\u002FBrent）和全球股指（如标普 500、日经 225）数据分散在不同源头，难以在同一时间轴上对齐分析。\n- **回测可信度低**：由于缺乏连续的 Tick 数据或存在未被标记的数据缺口，导致回测结果出现“未来函数”偏差，实盘表现与测试严重不符。\n\n### 使用 FX-1-Minute-Data 后\n- **一键自动化下载**：通过简单的 Python 脚本（`pip install histdata`），即可在 10 分钟内批量拉取 2000 年至今所有 66+ 外汇对及商品指数的 1 分钟数据，效率提升百倍。\n- **标准化数据交付**：工具自动将数据转换为统一的 Generic ASCII 格式，固定为 EST 时区且不含夏令时干扰，列结构清晰（开盘\u002F最高\u002F最低\u002F收盘\u002F成交量），无需额外清洗。\n- **多资产类别整合**：同一套 API 即可获取外汇、原油及全球主要股指数据，确保多资产相关性分析在同一时间基准下进行，大幅简化特征工程。\n- **高精度回测支持**：提供详细的状态报告（含数据缺口元数据）及 Tick 级别数据选项，帮助团队精准识别数据断点，显著提升了策略回测的真实性和鲁棒性。\n\nFX-1-Minute-Data 将原本需要数周的数据筹备工作压缩至小时级，让量化团队能专注于策略逻辑本身而非数据清洗。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fphilipperemy_FX-1-Minute-Data_66b16162.png","philipperemy","Philippe Rémy","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fphilipperemy_ab4d68d0.jpg","From Paris to Bangkok via London, Tokyo, LA. Ex @ImperialCollegeLondon. Maths, Stats, Machine Learning.   🏄 🎲 🎱 Co Founder of @skysense, an AI startup.","Imperial College London","Earth","premy.enseirb@gmail.com","philipperemy.github.io\u002Fme","https:\u002F\u002Fgithub.com\u002Fphilipperemy",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",97.5,{"name":88,"color":89,"percentage":90},"Shell","#89e051",2.5,630,160,"2026-04-12T10:38:29","Apache-2.0",1,"未说明 (跨平台，依赖 Python 环境)","不需要 GPU","未说明 (下载完整数据集需处理约 3GB 压缩文件，建议预留足够内存解压)",{"notes":100,"python":101,"dependencies":102},"该工具主要用于下载外汇、原油及股票指数的历史数据。完整数据集约为 3GB，下载需稳定且快速的网络连接（预计 10 分钟）。数据文件格式为分号分隔的 CSV（无表头），时间戳为东部标准时间 (EST) 且不包含夏令时调整。无需特殊硬件加速，普通办公电脑即可运行。","未说明 (需支持 pip 和标准 Python 环境)",[103,104],"histdata","requirements.txt 中定义的依赖",[14,16],[107,108,109,110,111,112,113],"fx","trading","financial-data","financial-markets","deep-learning","machine-learning","dataset",null,"2026-03-27T02:49:30.150509","2026-04-13T00:24:35.899529",[118,123,128,133,138,143],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},31128,"为什么 CSV 文件中使用分号（;）而不是逗号（,）作为分隔符？","这些 CSV 文件是直接从 histdata.com 下载的原始数据，并非由本项目生成，因此保留了源网站的分号格式。建议用户在读取时指定分号作为分隔符，项目 README 中已添加相关说明。","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F2",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},31129,"如何使用 API 高效下载所有外汇对数据？","请参考项目 README 中的“下载数据集”章节，其中提供了使用 API 批量下载数据的详细指南和代码示例：https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data#download-the-dataset","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F14",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},31130,"遇到证书过期或连接重试失败的错误怎么办？","这通常是暂时性问题。维护者测试确认库在正常环境下可工作。您可以尝试以下代码验证连接：\nfrom histdata import download_hist_data as dl\nfrom histdata.api import Platform as P, TimeFrame as TF\ndl(year='2019', month='6', pair='eurusd', platform=P.GENERIC_ASCII, time_frame=TF.TICK_DATA)\n如果问题持续，请提供具体的错误日志以便进一步排查。","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F6",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},31131,"如何减小数据存储占用的空间？","建议使用 7zip 进行压缩，相比普通 zip 可减小约 50% 的体积。具体操作步骤如下：\n1. 解压现有的 zip 文件内容；\n2. 使用 7zip CLI 命令压缩 CSV 和 TXT 文件：`7z a -r -mx=9 \u003C输出文件名> *.csv *.txt`；\n3. 生成的新压缩包体积将显著减小（例如从 52MB 减至 27MB）。","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F9",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},31132,"是否有其他推荐的外汇历史数据抓取工具？","是的，推荐参考 dmidlo 开发的 `histdata.com-tools` 项目。该项目针对 histdata 网站的不一致性进行了更完善的处理，能够更准确地获取有效 URL 集合。项目地址：https:\u002F\u002Fgithub.com\u002Fdmidlo\u002Fhistdata.com-tools","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F16",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},31133,"如何获取特定年份（如 2018 年）的数据？","维护者会根据请求更新数据集。对于 2018 年的数据请求，维护者已确认完成添加。如果您需要其他特定年份的数据，可以在 Issues 中提出请求，维护者通常会尽快处理并上传。","https:\u002F\u002Fgithub.com\u002Fphilipperemy\u002FFX-1-Minute-Data\u002Fissues\u002F4",[]]