[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-shobrook--BitVision":3,"tool-shobrook--BitVision":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",150720,2,"2026-04-11T11:33:10",[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":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":32,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":108,"github_topics":109,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":149},6666,"shobrook\u002FBitVision","BitVision","Trade Bitcoin and run forecasting models from the terminal","BitVision 是一款专为比特币交易者打造的终端实时图表与交易仪表盘，直接对接 Bitstamp 交易所。它解决了传统量化交易工具部署复杂、依赖图形界面或需要配置繁琐服务器环境的痛点，让用户无需启动 Docker 或编辑配置文件，仅需一行命令即可在命令行中获取完整的交易体验。\n\n该工具特别适合熟悉命令行操作的开发者、量化交易爱好者以及希望轻量级监控市场的研究人员。通过 BitVision，用户不仅能查看每日汇率走势、实时新闻和技术指标，还能利用内置的机器学习模型预测价格波动，执行风险调整的自动交易策略。系统会自动记录交易历史、账户余额及投资组合表现（如夏普比率），并支持手动下单与自动交易的灵活切换。\n\n技术层面，BitVision 基于 Blessed.js 构建流畅的命令行界面，底层数据处理则依托 SciPy 科学计算栈。其独特的架构通过本地 JSON 存储实现状态持久化，并利用子进程调用 Python 模块高效执行数据检索与交易服务，将区块链数据、市场头条与交易所信息无缝整合。需要注意的是，目前软件仍处于 Alpha 测试阶段，部分功能尚在完善中，建议用户在充分评估风险后使用。","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_db4abc5e458f.png\" width=\"40%\" \u002F>\n  \u003Cbr \u002F>\n\u003C\u002Fh1>\n\n[![npm](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fbitvision.svg)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fbitvision)\n[![Codacy Badge](https:\u002F\u002Fapi.codacy.com\u002Fproject\u002Fbadge\u002FGrade\u002F94e2435117de4078b0d8974eea4b6cf1)](https:\u002F\u002Fwww.codacy.com\u002Fapp\u002Falichtman\u002FBitVision?utm_source=github.com&utm_medium=referral&utm_content=shobrook\u002FBitVision&utm_campaign=Badge_Grade)\n![node (scoped)](https:\u002F\u002Fimg.shields.io\u002Fnode\u002Fv\u002F@stdlib\u002Fstdlib.svg)\n![python (scoped)](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-%3E%3D3.7-brightgreen.svg)\n\n`BitVision` is a real-time charting and trading dashboard for Bitstamp that works entirely in the terminal. It comes with an automated trading bot that uses machine learning to forecast price movements and place risk-adjusted daily trades.\n\nUnlike other systems, there's no need to host a server or \u003C!--spin up a Docker container-->edit tedious setup files. After installing, simply run `$ bitvision` to start using the dashboard.\n\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_eae03a5f9209.png\" width=\"95%\" \u002F>\u003C\u002Fp>\n\nBitVision's key features are:\n\n- A daily exchange rate graph\n- Real-time monitoring of Bitcoin-related news, technical indicators, and blockchain network data\n- Logging of previous transactions and your current account balance\n- Portfolio metrics, including your Sharpe Ratio, buy and sell accuracy, net profit, and returns _[UNDER CONSTRUCTION]_\n- Easy toggling of automated trading and the ability to manually place orders\n\n**Disclaimer:** BitVision is still in alpha. Some of the trading features are buggy and not fully tested; see all known bugs [here.](http:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues) Use at your own risk!\n\n## Installation\n\n> Requires `Node v10+` and `Python 3.7`\n\nInstall with `npm`:\n\n```bash\n$ npm i bitvision -g\n```\n\n## Usage\n\nRun `$ bitvision` to boot up the dashboard.\n\nIf you want to enable trading, follow these instructions to acquire a Bitstamp API key and secret:\n\n1.  Login to your Bitstamp account\n2.  Click on Security -> API Access\n3.  Select the following permissions for your access key:\n    - Account Balance\n    - User Transactions\n    - Open Orders\n    - Buy Instant\u002FLimit Order\n    - Sell Instant\u002FLimit Order\n4.  Click on the Generate Key button and make sure to store your secret in a secure place\n5.  Click Activate\n6.  Go to your email and click on link sent by Bitstamp to activate the API key\n\nOnce activated, just press `L` in the dashboard and a modal will pop-up asking you for your customer ID, API key, and secret. **These will be stored locally on your machine, so be sure to keep them safe.**\n\n\u003Cbr \u002F>\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_9a98e918a28e.gif\" width=\"80%\" \u002F>\u003C\u002Fp>\n\u003Cp align=\"center\">\u003Ci>You can download the color profile used in this demo \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fraw\u002Fmaster\u002Fresources\u002FBitVision-terminal-profile.terminal\">here.\u003C\u002Fa>\u003C\u002Fi>\u003C\u002Fp>\n\n## How it Works\n\nThe command-line interface is built on the Blessed.js library. The trading and charting architecture is built on the SciPy stack. An overview of the BitVision setup is shown below:\n\n\u003Cbr \u002F>\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_5d4cd3ac09c5.png\" width=\"65%\" \u002F>\u003C\u002Fp>\n\u003Cbr \u002F>\n\nThe BitVision architecture revolves around the _Store_, which is a local directory of JSON files used to achieve persistence of the application state (Bitstamp credentials, autotrading status, etc.) and data to be displayed on the dashboard. When a user triggers an event, like placing an order or refreshing the charts, a child process is spawned to execute the appropriate service (a Python module), which then updates the store with new data or an error flag.\n\nServices are organized into three modules: the retriever, trader, and automated trading engine. The _retriever_ fetches ticker data, portfolio data, and transaction history from Bitstamp, blockchain data (hash rate, difficulty, etc.) from Quandl, and Bitcoin-related headlines from Coindesk. The _trader_ wraps the Bitstamp REST API and serves to authenticate the user's credentials, place buy or sell orders, and toggle automated trading. Lastly, the _automated trading engine_ is a machine learning system that attempts to predict the sign of the next-day change in\u003C!--next-day directional change of--> Bitcoin price and place trades accordingly.\n\n### Automated Trading Engine\n\nBehind the scenes is a Logistic Regression model that's trained on a feature set of historical candlestick data, technical indicators, and blockchain data. When the engine is toggled on, a daily cron job is scheduled that (re)trains the model, predicts a price change, and places a risk-adjusted buy or sell order, depending on the prediction.\n\n#### Technical Indicators\n\nTechnical indicators were chosen as part of the feature set because they help reduce noise in candlestick data and may reveal price patterns for the model to learn, if any exist. These particular indicators were chosen to give insight into price momentum, volatility, trends, and whether the cryptocurrency is overbought or oversold:\n\n- Rate of Change Ratio (ROCR)\n- Average True Range (ATR)\n- On-Balance Volume (OBV)\n- Triple Exponential Moving Average (TRIX)\n- Momentum (MOM)\n- Average Directional Index (ADR)\n- Williams %R (WILLR)\n- Relative Strength Index (RSI)\n- Moving Average Convergence Divergence (MACD)\n- Exponential Moving Average (EMA)\n\nNote that, in a perfectly efficient market, the future price of a publicly traded asset is not statistically dependent on past prices; the price follows a \"random walk,\" and it's impossible to reliably leverage technical analysis to beat the market. Now, efficient market theory suggests that the U.S. stock market is at least a semi-efficient market, and so we still consider this feature set because many traders utilize technical analysis in their trading strategies and there may exist a relationship between signals from indicators and executed trades, regardless of whether the signals themselves are accurate.\n\n#### Blockchain Charts\n\nUnlike other publicly traded assets, all Bitcoin-related fundamental data is available online, in the form of currency statistics, block details, mining information, network activity, and wallet activity. The following Blockchain variables are considered:\n\n| Feature                  | Description                                                                                     |\n| ------------------------ | ----------------------------------------------------------------------------------------------- |\n| Confirmation Time        | Median time for a transaction to be accepted into a mined block and added to the public ledger. |\n| Block Size               | Average block size in MB.                                                                       |\n| Average Transaction Cost | Total miner revenue divided by number of transactions.                                          |\n| Difficulty               | How difficult it is to find a new block.                                                        |\n| Transaction Value        | Total estimated value of transactions on the blockchain.                                        |\n| Hash Rate                | Estimated number of giga-hashes per second the BTC network is performing.                       |\n| Transactions per Block   | Average number of transactions per block.                                                       |\n| Unique Addresses         | Total number of unique addresses used on the blockchain.                                        |\n| Total BTC                | Total number of Bitcoins that have already been mined.                                          |\n| Transaction Fees         | Total value of all transaction fees paid to miners.                                             |\n| Transactions per Day     | Total number of unique Bitcoin transactions per day.                                            |\n\n#### Preprocessing\n\nA number of standard preprocessing steps are taken before training the model:\n\n1. The Last Observation Carried Forward (LOCF) method is used to fill missing values in the training set\n2. Lag variables (spanning back three days) are created for each feature\n3. A power transform is applied to each feature to convert it into something which more closely resembles a normal distribution\n\nAdditionally, since the price of Bitcoin has generally increased over time, the training set is balanced (using the random undersampling method) to prevent the model from learning a bias for positive predictions.\n\nAnd lastly, a grid search is performed to find optimal hyper-parameter values for the Logistic Regression, and found them to be:\n\n- Penalization Norm: L1\n- Tolerance: 0.001\n- Regularization: 1000\n- Max Iterations: 150\n\n#### Evaluation\n\nThree models were trained on 80% of the dataset and tested on 20% before deciding on the Logistic Regression. The results:\n\n| Model                     | Accuracy | Precision (PPV) | Specificity (TNR) | Recall (TPR) |\n| ------------------------- | -------- | --------------- | ----------------- | ------------ |\n| Logistic Regression       | 56.7%    | 56%             | 51.2%             | 62.2%        |\n| Gradient Boosting Machine | 53.8%    | 53.9%           | 54.5%             | 53.1%        |\n| Random Forest Classifier  | 50.5%    | 50.5%           | 52.6%             | 48.3%        |\n\nAs can be seen, the Logistic Regression had the highest overall accuracy, and highest accuracy in predicting uptrends, but also the lowest accuracy in predicting downtrends.\n\n## Contributing\n\n\u003C!--\"The reason the stock market is hard to predict is because it is a prediction.\" – Andrew Critch, *Algorithmic Trader at Jane Street*-->\n\nThe trading engine is a proof of concept, not something you should trust to make money. Nevertheless, a number of interesting improvements could be made to the system:\n\n1. The Kelly Criterion should be used to allocate a risk-adjusted portion of the user's capital to each trade.\n2. An LSTM network should be used instead of a Logistic Regression model. Price prediction is fundamentally a sequence learning task, which LSTMs are designed for. LSTMs have what's called memory cells, which can store information that lies dozens of time-steps in the past. This is important because, in the market, cause and effect can be quite far apart.\n3. The following should be investigated as potential features: Bitcoin core Github activity, text analysis of Bitcoin-related news, tweets, and Reddit activity, and predictions made by popular Bitcoin forecasting websites or influencers (sadly, it's possible a non-trivial number of people base their trades on these forecasts).\n4. Backtesting! And rolling window cross-validation should be tried out, not just holdout.\n\nAside from the trading engine, there are several improvements that can be made to the BitVision architecture. One long-term goal is to rewrite all the services in Node.js instead of Python, to avoid all the complications that come with cross-language execution. But if you're looking for a smaller issue to help with, plenty can be found [here.](http:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues)\n","\u003Ch1 align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_db4abc5e458f.png\" width=\"40%\" \u002F>\n  \u003Cbr \u002F>\n\u003C\u002Fh1>\n\n[![npm](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fbitvision.svg)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fbitvision)\n[![Codacy Badge](https:\u002F\u002Fapi.codacy.com\u002Fproject\u002Fbadge\u002FGrade\u002F94e2435117de4078b0d8974eea4b6cf1)](https:\u002F\u002Fwww.codacy.com\u002Fapp\u002Falichtman\u002FBitVision?utm_source=github.com&utm_medium=referral&utm_content=shobrook\u002FBitVision&utm_campaign=Badge_Grade)\n![node (scoped)](https:\u002F\u002Fimg.shields.io\u002Fnode\u002Fv\u002F@stdlib\u002Fstdlib.svg)\n![python (scoped)](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-%3E%3D3.7-brightgreen.svg)\n\n`BitVision` 是一款完全在终端中运行的、用于 Bitstamp 交易所的实时图表与交易仪表板。它配备了一个自动化交易机器人，该机器人利用机器学习来预测价格走势，并进行风险调整后的每日交易。\n\n与其他系统不同的是，无需搭建服务器或\u003C!--启动 Docker 容器-->编辑繁琐的配置文件。安装完成后，只需运行 `$ bitvision` 即可开始使用该仪表板。\n\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_eae03a5f9209.png\" width=\"95%\" \u002F>\u003C\u002Fp>\n\nBitVision 的主要功能包括：\n\n- 每日汇率走势图\n- 实时监控比特币相关新闻、技术指标以及区块链网络数据\n- 记录历史交易和当前账户余额\n- 投资组合指标，包括夏普比率、买卖准确率、净利润和收益率 _[建设中]_\n- 轻松切换自动化交易模式，并支持手动下单\n\n**免责声明：** BitVision 目前仍处于 Alpha 阶段。部分交易功能存在 Bug，尚未经过全面测试；所有已知问题请参见 [此处](http:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues)。请自行承担使用风险！\n\n## 安装\n\n> 需要 `Node v10+` 和 `Python 3.7`\n\n通过 `npm` 安装：\n\n```bash\n$ npm i bitvision -g\n```\n\n## 使用\n\n运行 `$ bitvision` 启动仪表板。\n\n若需启用交易功能，请按照以下步骤获取 Bitstamp API 密钥和密钥：\n\n1. 登录您的 Bitstamp 账户\n2. 点击“安全” -> “API 访问”\n3. 为您的访问密钥选择以下权限：\n    - 账户余额\n    - 用户交易记录\n    - 未成交订单\n    - 即时\u002F限价买入订单\n    - 即时\u002F限价卖出订单\n4. 点击“生成密钥”按钮，并务必将密钥妥善保存\n5. 点击“激活”\n6. 前往您的邮箱，点击 Bitstamp 发送的链接以激活 API 密钥\n\n激活完成后，在仪表板中按下 `L` 键，将弹出一个模态窗口，提示您输入客户 ID、API 密钥和密钥。**这些信息将本地存储于您的设备上，请务必妥善保管。**\n\n\u003Cbr \u002F>\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_9a98e918a28e.gif\" width=\"80%\" \u002F>\u003C\u002Fp>\n\u003Cp align=\"center\">\u003Ci>您可以在此下载本演示中使用的颜色配置文件：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fraw\u002Fmaster\u002Fresources\u002FBitVision-terminal-profile.terminal\">这里。\u003C\u002Fa>\u003C\u002Fi>\u003C\u002Fp>\n\n## 工作原理\n\n命令行界面基于 Blessed.js 库构建。交易与图表架构则基于 SciPy 技术栈实现。BitVision 的整体架构如下所示：\n\n\u003Cbr \u002F>\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_readme_5d4cd3ac09c5.png\" width=\"65%\" \u002F>\u003C\u002Fp>\n\u003Cbr \u002F>\n\nBitVision 的架构围绕“存储”展开，即一个本地 JSON 文件目录，用于持久化应用状态（如 Bitstamp 凭证、自动交易状态等）以及需要在仪表板上显示的数据。当用户触发某个事件时，例如下单或刷新图表，会派生一个子进程来执行相应的服务（一个 Python 模块），该服务随后会将新数据或错误标志更新到存储中。\n\n服务被组织成三个模块：数据获取模块、交易模块和自动化交易引擎。其中，“数据获取模块”从 Bitstamp 获取行情数据、投资组合数据和交易历史；从 Quandl 获取区块链数据（算力、难度等）；以及从 Coindesk 获取比特币相关新闻头条。“交易模块”封装了 Bitstamp 的 REST API，负责验证用户凭证、执行买入或卖出订单，以及切换自动交易模式。最后，“自动化交易引擎”是一个机器学习系统，旨在预测次日比特币价格的涨跌方向，并据此进行交易。\n\n### 自动化交易引擎\n\n在后台运行的是一个逻辑回归模型，该模型基于历史K线数据、技术指标和区块链数据组成的特征集进行训练。当引擎开启时，会调度一个每日定时任务，重新训练模型、预测价格变化，并根据预测结果下达经风险调整的买入或卖出订单。\n\n#### 技术指标\n\n选择技术指标作为特征集的一部分，是因为它们有助于降低K线数据中的噪声，并可能揭示出供模型学习的价格模式（如果存在的话）。以下这些特定指标旨在反映价格动量、波动性、趋势，以及加密货币是否处于超买或超卖状态：\n\n- 变化率比率 (ROCR)\n- 平均真实波幅 (ATR)\n- 平衡成交量 (OBV)\n- 三重指数移动平均线 (TRIX)\n- 动量 (MOM)\n- 平均趋向指数 (ADX)\n- 威廉百分比范围 (WILLR)\n- 相对强弱指数 (RSI)\n- 移动平均收敛散度 (MACD)\n- 指数移动平均线 (EMA)\n\n需要注意的是，在完全有效的市场中，公开交易资产的未来价格在统计上并不依赖于过去的价格；价格遵循“随机游走”过程，因此无法可靠地利用技术分析来战胜市场。不过，有效市场理论认为，美国股市至少属于半强势有效市场，因此我们仍然采用这一特征集，因为许多交易者在其策略中会使用技术分析，而且无论这些信号本身是否准确，技术指标发出的信号与实际执行的交易之间仍可能存在某种关联。\n\n#### 区块链数据\n\n与其他公开交易资产不同，所有与比特币相关的基本数据都可以在网上获取，包括货币统计数据、区块详情、挖矿信息、网络活动和钱包活动等。以下是所考虑的区块链变量：\n\n| 特征                  | 描述                                                                                     |\n| ------------------------ | ----------------------------------------------------------------------------------------------- |\n| 确认时间        | 一笔交易被纳入已挖区块并添加到公共账本所需的中位时间。 |\n| 区块大小               | 平均区块大小，单位为MB。                                                                       |\n| 平均交易成本 | 矿工总收入除以交易笔数。                                          |\n| 难度               | 找到新区块的难度程度。                                                        |\n| 交易价值        | 区块链上所有交易的总估值。                                        |\n| 算力                | BTC网络每秒估计产生的哈希数量，单位为千兆哈希\u002F秒。                       |\n| 每个区块的交易数   | 平均每个区块包含的交易数量。                                                       |\n| 唯一地址         | 区块链上使用的唯一地址总数。                                        |\n| 总BTC数量                | 已经挖出的比特币总数。                                          |\n| 交易手续费         | 支付给矿工的所有交易手续费的总价值。                                             |\n| 每日交易数     | 每天发生的独立比特币交易总数。                                            |\n\n#### 数据预处理\n\n在训练模型之前，会进行一系列标准的数据预处理步骤：\n\n1. 使用最后观测值向前填充法（LOCF）填补训练集中的缺失值。\n2. 为每个特征创建滞后变量（回溯三天）。\n3. 对每个特征应用幂变换，使其更接近正态分布。\n\n此外，由于比特币价格总体呈上升趋势，因此通过随机欠采样方法对训练集进行平衡处理，以防止模型产生偏向于正面预测的偏差。\n\n最后，通过网格搜索确定了逻辑回归模型的最佳超参数值，分别为：\n\n- 正则化范数：L1\n- 容差：0.001\n- 正则化强度：1000\n- 最大迭代次数：150\n\n#### 模型评估\n\n在决定采用逻辑回归模型之前，我们先用80%的数据集训练了三个模型，并用20%的数据集进行了测试。结果如下：\n\n| 模型                     | 准确率 | 精确率（PPV） | 特异性（TNR） | 召回率（TPR） |\n| ------------------------- | -------- | --------------- | ----------------- | ------------ |\n| 逻辑回归       | 56.7%    | 56%             | 51.2%             | 62.2%        |\n| 梯度提升机 | 53.8%    | 53.9%           | 54.5%             | 53.1%        |\n| 随机森林分类器  | 50.5%    | 50.5%           | 52.6%             | 48.3%        |\n\n可以看出，逻辑回归模型的整体准确率最高，且在预测上涨趋势方面表现最佳，但在预测下跌趋势方面的准确率最低。\n\n## 贡献\n\n\u003C!--“股市之所以难以预测，正是因为它本身就是一种预测。”——安德鲁·克里奇，《简街算法交易员》-->\n\n该交易引擎只是一个概念验证，并非值得信赖的盈利工具。尽管如此，系统仍有许多值得改进的地方：\n\n1. 应当使用凯利准则，为每笔交易分配经过风险调整的资金比例。\n2. 可以用LSTM网络替代逻辑回归模型。价格预测本质上是一个序列学习任务，而LSTM正是为此设计的。LSTM具有所谓的记忆单元，能够存储数十个时间步之前的长期信息。这一点非常重要，因为在市场中，因果关系往往相隔甚远。\n3. 应当进一步研究以下潜在特征：Bitcoin Core项目的GitHub活跃度、与比特币相关的新闻、推文及Reddit社区内容的文本分析，以及一些热门比特币预测网站或意见领袖的预测结果（遗憾的是，确实有不少人会依据这些预测来进行交易）。\n4. 进行回测！除了简单的留出法之外，还应尝试滚动窗口交叉验证。\n\n除了交易引擎之外，BitVision架构还有许多可以改进的地方。一个长期目标是将所有服务从Python重写为Node.js，以避免跨语言执行带来的复杂性。但如果你想找一个小问题来帮忙解决，可以在[这里](http:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues)找到许多待办事项。","# BitVision 快速上手指南\n\nBitVision 是一款运行在终端内的实时图表与交易仪表盘，专为 Bitstamp 交易所设计。它内置基于机器学习的自动交易机器人，可预测价格走势并执行风险调整后的每日交易。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **Node.js**: 版本 v10 或更高\n*   **Python**: 版本 3.7 或更高\n*   **操作系统**: 支持 Linux, macOS 或 Windows (需配置相应终端环境)\n\n> **注意**：本项目目前处于 Alpha 阶段，部分交易功能可能存在 Bug，请在实盘使用时务必谨慎，风险自担。\n\n## 安装步骤\n\n使用 `npm` 全局安装 BitVision：\n\n```bash\n$ npm i bitvision -g\n```\n\n*(国内用户若遇到下载缓慢问题，可临时切换淘宝镜像源：`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`)*\n\n## 基本使用\n\n### 1. 启动仪表盘\n\n安装完成后，直接在终端运行以下命令即可启动：\n\n```bash\n$ bitvision\n```\n\n此时您将看到包含比特币汇率图、实时新闻监控、技术指标及账户余额的终端界面。\n\n### 2. 配置交易权限（可选）\n\n若需启用自动交易或手动下单功能，请按以下步骤获取 Bitstamp API 密钥：\n\n1.  登录您的 **Bitstamp** 账户。\n2.  进入 **Security** -> **API Access**。\n3.  为生成的 API Key 勾选以下权限：\n    *   Account Balance\n    *   User Transactions\n    *   Open Orders\n    *   Buy Instant\u002FLimit Order\n    *   Sell Instant\u002FLimit Order\n4.  点击 **Generate Key**，妥善保存生成的 **Secret**（仅显示一次）。\n5.  点击 **Activate**，并前往邮箱点击 Bitstamp 发送的激活链接。\n\n### 3. 录入凭证\n\n在运行中的 BitVision 仪表盘界面：\n\n1.  按下键盘上的 **`L`** 键。\n2.  在弹出的模态框中依次输入您的 **Customer ID**、**API Key** 和 **Secret**。\n3.  确认提交。\n\n> **安全提示**：这些凭证将加密存储在本地机器的 Store 目录中，请确保设备安全。\n\n配置完成后，您即可在仪表盘内切换自动交易模式或手动下达买卖指令。","独立开发者小李希望利用碎片时间监控比特币市场并尝试量化交易，但受限于无法时刻盯着图形化界面且缺乏专业的预测模型。\n\n### 没有 BitVision 时\n- 必须频繁切换浏览器标签页查看 Bitstamp 行情、Coindesk 新闻和区块链数据，注意力极易分散。\n- 依赖主观感觉或简单的均线判断买卖点，缺乏机器学习模型对价格趋势的科学预测，交易风险高。\n- 想要实现自动化交易需自行搭建服务器、配置 Docker 容器并编写复杂的后端代码，部署门槛极高。\n- 交易记录和账户盈亏分散在不同页面，难以实时计算夏普比率等关键投资组合指标。\n- 在通勤或远程办公时，若无图形界面设备则完全无法进行有效的市场监控和操作。\n\n### 使用 BitVision 后\n- 仅需在终端运行一条命令，即可在同一屏幕实时聚合汇率图表、相关新闻及技术指标，信息获取高度集中。\n- 内置的机器学习引擎自动分析历史数据并预测价格走势，辅助执行经过风险调整的每日自动化交易策略。\n- 无需配置服务器或编辑繁琐的环境文件，安装后直接在本地终端启动，极大降低了量化交易的部署成本。\n- 仪表盘自动记录所有交易流水并实时展示净利润、买卖准确率及夏普比率，让投资表现一目了然。\n- 纯命令行界面占用资源极低且支持远程 SSH 连接，让小李在任何设备上都能随时掌控交易状态。\n\nBitVision 将复杂的量化交易流程浓缩为轻量级的终端体验，让开发者能以最低成本实现智能化的比特币资产管理。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fshobrook_BitVision_eae03a5f.png","shobrook","Jonathan Shobrook","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fshobrook_6b9bbf62.jpg","Member of Technical Staff @xai-org","xAI","San Francisco","shobrookj@gmail.com",null,"https:\u002F\u002Fgithub.com\u002Fshobrook",[82,86],{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",52.4,{"name":87,"color":88,"percentage":89},"Python","#3572A5",47.6,1226,193,"2026-04-10T23:04:45","MIT","未说明 (基于 Node.js 和 Python，通常支持 Linux, macOS, Windows)","不需要 (使用逻辑回归模型，基于 SciPy 栈)","未说明",{"notes":98,"python":99,"dependencies":100},"该工具是一个运行在终端的 Bitstamp 交易仪表盘。核心架构由 Node.js (前端界面) 和 Python (后端服务) 组成，通过子进程通信。自动交易引擎使用的是传统的逻辑回归模型而非深度学习模型，因此无需 GPU。安装后需配置 Bitstamp API 密钥才能启用交易功能。项目处于 Alpha 阶段，存在已知 Bug，使用需谨慎。",">=3.7",[101,102,103,104,105,106,107],"Node v10+","npm","blessed","scipy","sklearn (隐含，用于逻辑回归)","pandas (隐含，用于数据处理)","numpy (隐含，用于数值计算)",[14],[110,111,112,113,114,115,116,117],"machine-learning","bitcoin-price","bitcoin-price-prediction","technical-analysis","trading","trading-bot","trading-systems","bitcoin","2026-03-27T02:49:30.150509","2026-04-11T23:30:10.977512",[121,126,131,136,141,145],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},30103,"安装并启动后界面不显示任何信息，且报错 'VERSION is not defined'，如何解决？","这是一个已知问题，维护者已在 v1.1.7 版本中修复。请尝试将 BitVision 更新到最新版本（v1.1.7 或更高）。如果更新后问题依旧，可以尝试卸载后重新安装，确保 JSON 文件被正确生成。","https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues\u002F230",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},30104,"在 Windows 上运行时出现 'TypeError: done is not a function' 错误，或者输入字符时重复显示多次，怎么办？","这通常是因为底层依赖库 Blessed.js 在 Windows 上兼容性问题导致的。建议不要在 Windows 上直接运行，而是尝试在 UNIX\u002FLinux 或 macOS 机器上使用。如果必须在当前环境调试，可能是缺少依赖或安装不完整，尝试卸载后重新安装最新版本（v1.1.7+）可能有所改善，但官方推荐切换到 UNIX 环境。","https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues\u002F234",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},30105,"程序卡在 'Fetching transaction history from Bitstamp...' 界面无法继续，如何处理？","此问题通常与 Python 版本有关。请确保您的环境中安装的是 Python 3.7 版本。如果使用的是其他版本（如 Python 3.6 或更低，或非 3.7 的 3.x 版本），请升级或切换到 Python 3.7 后再试。维护者已更新文档要求必须使用 Python 3.7。","https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues\u002F239",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},30106,"配置好 Bitstamp 的用户名、API Key 和 Secret 后仍然无法登录，可能的原因是什么？","首先请确保已将 BitVision 更新至 v1.1.9 或更高版本，该版本修复了相关的登录逻辑错误。如果更新后仍无法登录，可能是由于代码中缺失了 `_default_data` 方法定义（源自 bitstamp-python-client 库的变更）。普通用户建议等待官方修复或检查是否使用了最新的稳定版；开发者若需自行修复，需在 `services\u002Ftrader.py` 的 `BaseClient` 类中补回 `_default_data()` 方法及相关调用。","https:\u002F\u002Fgithub.com\u002Fshobrook\u002FBitVision\u002Fissues\u002F235",{"id":142,"question_zh":143,"answer_zh":144,"source_url":130},30107,"每次启动都提示缺少 'realtime-talib' 或 'sklearn' 依赖，即使选择安装也无法解决，该如何处理？","如果在树莓派（RPi）或其他特定设备上遇到自动安装依赖失败的情况，建议在运行 `$ bitvision` 命令之前，手动预先安装所有必要的依赖项。可以使用 pip 手动安装缺失的库（例如 `pip install realtime-talib scikit-learn`），确保环境准备就绪后再启动程序。",{"id":146,"question_zh":147,"answer_zh":148,"source_url":140},30108,"启动应用后是立即显示统计图表，还是需要在登录后才会显示？","通常情况下，您需要先完成交易所（如 Bitstamp）的登录验证，之后应用才会开始获取数据并显示统计图表和相关信息。如果未登录，界面可能不会展示具体数据。",[]]