ninjabot

GitHub
1.6k 199 较难 1 次阅读 2天前MIT其他语言模型
AI 解读 由 AI 自动生成,仅供参考

Ninjabot 是一个基于 Go 语言构建的高性能加密货币交易机器人框架,专为币安(Binance)现货及期货市场设计。它旨在解决量化交易者策略开发门槛高、回测流程繁琐以及实盘执行延迟等痛点,为用户提供从策略编写、历史数据回测到模拟交易和实盘部署的一站式解决方案。

这款工具特别适合具备一定编程基础的开发者、量化研究人员以及对算法交易感兴趣的技术爱好者使用。通过 Ninjabot,用户可以轻松自定义交易逻辑,利用内置的 CLI 工具快速下载历史 K 线数据,并在本地进行高效的策略回测。其输出结果包含详细的盈亏分析、胜率统计及风险指标(如最大回撤),并支持生成直观的资金曲线图表,帮助用户科学评估策略表现。

Ninjabot 的核心技术亮点在于其卓越的执行速度与简洁的架构设计。得益于 Go 语言的并发优势,它能以极低的延迟处理市场数据并执行订单,确保策略在波动剧烈的加密市场中及时响应。此外,项目提供了完善的文档和丰富的示例代码,涵盖纸面钱包模拟、历史回测及真实账户对接等多种场景,极大地降低了用户从零构建交易系统的难度。需要注意的是,Ninjabot 主要面向教育与技术研究,使用者需自行承担实盘交易风险。

使用场景

一位量化交易开发者希望验证其自研的加密货币趋势策略在币安现货与合约市场的有效性,并准备实盘部署。

没有 ninjabot 时

  • 回测开发耗时漫长:需手动编写代码对接交易所 API 下载历史 K 线数据,并自行构建回测引擎,往往耗费数周才能跑通第一个策略。
  • 实盘与模拟环境割裂:纸面模拟(Paper Trading)与真实账户的逻辑不一致,导致策略在模拟盘表现良好,实盘却因滑点或订单执行差异而失效。
  • 缺乏可视化分析:交易结果仅体现为枯燥的数字日志,无法直观查看买卖点位与资金曲线,难以快速定位策略缺陷。
  • 多市场适配困难:若要同时支持现货和合约交易,需要重复编写大量适配代码,维护成本极高且容易出错。

使用 ninjabot 后

  • 一键完成数据与回测:通过 CLI 命令即可下载指定周期的历史数据,直接运行示例代码即可完成包含胜率、盈亏比及最大回撤的专业回测。
  • 统一架构无缝切换:基于同一套策略代码,可灵活配置在纸钱包模拟、历史回测或币安真实账户中运行,确保逻辑高度一致。
  • 内置可视化图表:回测结束后自动生成包含买卖标记的资金曲线图,开发者可直接在浏览器中复盘每一笔交易细节。
  • 原生支持多市场:底层框架已预置币安现货与合约接口,无需额外开发即可在同一项目中部署针对不同市场的交易策略。

ninjabot 将原本需要数周搭建的交易基础设施浓缩为几行代码,让开发者能专注于策略逻辑本身而非重复造轮子。

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该工具是使用 Go 语言编写的加密货币交易机器人框架,不依赖 Python 或 GPU。支持通过预编译二进制文件或 'go install' 命令安装 CLI 工具。目前仅原生支持币安 (Binance) 交易所(现货和合约)。功能包括回测、模拟交易、历史数据下载及图表绘制。
python不需要 (基于 Go 语言)
Go (最新稳定版)
github.com/rodrigo-brito/ninjabot
ninjabot hero image

快速开始

Ninjabot

tests codecov Go Reference Discord Discord

一款用 Go 语言实现的快速加密货币交易机器人框架。Ninjabot 允许用户为现货和期货市场创建并测试自定义策略。

文档:https://rodrigo-brito.github.io/ninjabot/

免责声明
本软件仅用于教育目的。请勿使用您无法承受损失的资金。使用本软件的风险由您自行承担。作者及所有关联方对您的交易结果不承担任何责任。

安装

go get -u github.com/rodrigo-brito/ninjabot/...

使用示例

请查看 examples 目录:

  • 模拟钱包(实时模拟)
  • 回测(基于历史数据的模拟)
  • 实盘账户(币安)

CLI

要下载历史数据,您可以从以下途径获取 Ninjabot 的 CLI 工具:

  • release 页面 下载预编译的二进制文件
  • 或者使用 go install github.com/rodrigo-brito/ninjabot/cmd/ninjabot@latest

使用示例

# 下载 BTCUSDT 的 K 线数据到 btc.csv 文件中(最近 30 天,1 日线)
ninjabot download --pair BTCUSDT --timeframe 1d --days 30 --output ./btc.csv

回测示例

  • 运行 examples 目录下的自定义策略回测:
go run examples/backtesting/main.go

输出:

INFO[2023-03-25 13:54] [SETUP] 使用模拟钱包                   
INFO[2023-03-25 13:54] [SETUP] 初始资金 = 10000.000000 USDT 
---------+--------+-----+------+--------+--------+-----+----------+-----------+
|  PAIR   | TRADES | WIN | LOSS | % WIN  | PAYOFF | SQN |  PROFIT  |  VOLUME   |
+---------+--------+-----+------+--------+--------+-----+----------+-----------+
| ETHUSDT |      9 |   6 |    3 | 66.7 % |  3.407 | 1.3 | 21748.41 | 407769.64 |
| BTCUSDT |     14 |   6 |    8 | 42.9 % |  5.929 | 1.5 | 13511.66 | 448030.05 |
+---------+--------+-----+------+--------+--------+-----+----------+-----------+
|   TOTAL |     23 |  12 |   11 | 52.2 % |  4.942 | 1.4 | 35260.07 | 855799.68 |
+---------+--------+-----+------+--------+--------+-----+----------+-----------+

-- 最终资金 --
0.0000 BTC = 0.0000 USDT
0.0000 ETH = 0.0000 USDT
45260.0735 USDT

----- 收益 -----
初始资金     = 10000.00 USDT
最终资金     = 45260.07 USDT
总利润        =  35260.073493 USDT (352.60%)
市场涨幅 (持币不动) =  407.09%

------ 风险 -------
最大回撤 = -11.76 %

------ 交易量 -----
BTCUSDT         = 448030.05 USDT
ETHUSDT         = 407769.64 USDT
总计           = 855799.68 USDT
-------------------
图表可在 http://localhost:8080 查看

绘制结果

功能特性

| | 币安现货 | 币安期货 | |-------------------- |-------------- |-------------------| | 市价单 | :ok: | :ok: | | 市价挂单 | :ok: | | | 限价单 | :ok: | :ok: | | 止损单 | :ok: | :ok: | | OCO 订单 | :ok: | | | 回测 | :ok: | :ok: |

  • 回测

    • 模拟钱包(使用虚拟资金进行实时交易)
    • 从 CSV 文件加载行情数据
    • 支持限价单、市价单、止损单、OCO 订单
  • 机器人工具

    • CLI 工具用于下载历史数据
    • 图表绘制功能(K 线、买卖订单、指标)
    • Telegram 控制器(状态、买入、卖出及通知)
    • 支持 Heikin Ashi K 线类型
    • 尾随止损工具
    • 应用内订单调度器

路线图

  • 添加 Web UI 控制器
  • 增加更多图表指标 - 详情

交易所支持

目前我们仅支持 币安 交易所。如果您希望添加对其他交易所的支持,您需要实现一个新的 struct,该结构体需满足 Exchange 接口的要求。您可以在 exchange 目录中找到一些示例。

支持本项目

地址
BTC bc1qpk6yqju6rkz33ntzj8kuepmynmztzydmec2zm4
ETH 0x2226FFe4aBD2Afa84bf7222C2b17BBC65F64555A
LTC ltc1qj2n9r4yfsm5dnsmmtzhgj8qcj8fjpcvgkd9v3j

Patreon: https://www.patreon.com/ninjabot_github

版本历史

v0.4.12025/10/12
v0.0.1-test2025/10/12
v0.4.02025/10/12
v0.3.72024/06/18
v0.3.62023/11/11
v0.3.52023/11/10
v0.3.42023/05/15
v0.3.32023/04/01
v0.3.22023/03/26
v0.3.12023/03/25
v0.3.02023/03/20
v0.2.52023/03/05
v0.2.42022/10/17
v0.2.32022/10/13
v0.2.22022/07/22
v0.2.12022/07/22
v0.2.02022/07/14
v0.1.32022/07/11
v0.1.22022/06/09
v0.1.12022/05/23

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

146.8k|★★☆☆☆|今天
开发框架Agent语言模型

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

90.1k|★★★☆☆|2天前
语言模型图像Agent

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|★★☆☆☆|4天前
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。

85.1k|★★☆☆☆|今天
图像数据工具视频

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。

79.9k|★☆☆☆☆|今天
语言模型数据工具其他

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。

79.8k|★☆☆☆☆|今天
其他图像数据工具