Skip to content

"数据驱动决策,AI 洞察未来" 结合 OKX 交易所 的深度流动性数据与 DeepSeek-R1 的逻辑推理能力,为您打造机构级的加密货币投研助理

Notifications You must be signed in to change notification settings

RiemannLIMAN/CryptoOracle-Reserch-Analust

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 

Repository files navigation

🚀 OKX Research Analyst (AI Co-Pilot)

"数据驱动决策,AI 洞察未来"
结合 OKX 交易所 的深度流动性数据与 DeepSeek-R1 的逻辑推理能力,为您打造机构级的加密货币投研助理。

💡 核心价值

  • 全自动:从数据抓取到研报生成,无需人工干预
  • 深度推理:基于 DeepSeek-R1 的思维链分析,拒绝浅层涨跌描述
  • 多端推送:手机端实时接收高价值投研信息

📖 简介 (Introduction)

OKX Research Analyst 是一个专为加密货币交易者、量化研究员和社区运营者设计的全自动化投研系统

在瞬息万变的加密市场中,信息过载是最大的痛点。本系统不仅仅是一个简单的行情抓取脚本,它更像是一个不知疲倦的初级研究员,能够 24/7 全天候执行以下工作流:

  1. 🎣 实时捕获: 直连 OKX V5 API,毫秒级获取全市场数千个交易对的量价数据。
  2. 🧹 智能清洗: 自动过滤流动性差的“僵尸币”,聚焦 Top 30 资金最活跃的核心资产。
  3. 🧠 深度推理: 引入 DeepSeek-R1 (Reasoner) 模型,利用思维链 (CoT) 技术,对市场数据进行深度逻辑归因(而非简单的涨跌描述)。
  4. 📝 研报生成: 自动产出包含“核心摘要”、“板块轮动分析”、“风险提示”的结构化 Markdown 研报。
  5. 📢 多端触达: 通过飞书/钉钉机器人,将高价值信息实时推送到您的手机端。

无论您是需要每日早报的交易员,还是寻找阿尔法信号的量化开发者,它都能为您节省 90% 的盯盘和整理时间。


📚 文档中心 (Documentation)

我们提供了完善的文档体系,帮助您从入门到精通:


✨ 核心特性 (Key Features)

1. 🧠 深度 AI 投研 (Deep Reasoning)

  • 🧐 智能归因: 告别“涨了因为买的人多”这种废话。DeepSeek-R1 模型会结合板块效应、资金流向进行逻辑推理。
  • 📉 资金费率分析: 实时抓取 BTC/ETH 等主流币的永续合约资金费率,精准判断市场多空情绪(拥挤/轧空)。
  • 🔄 动态知识库: 内置“三级缓存”机制 (Memory -> Local JSON -> AI Query)。遇到新上线的币种(如 PNUT),系统会自动询问 AI 并标记其赛道,无需手动更新代码。
  • 📝 结构化输出: 研报包含 Markdown 表格、情感评分、机会/风险点列举,拒绝大段纯文本。

2. 🤖 模拟盘回测 (Paper Trading)

  • 💰 虚拟账户: 内置全自动模拟交易系统,初始资金 10,000 USDT。
  • 🧠 AI 操盘: AI 在生成研报后,会自动根据分析结果和当前持仓做出交易决策 (Buy/Sell/Hold)。
  • 📊 业绩追踪: 每次推送都会附带模拟盘周报,包括总资产变化、收益率曲线和持仓详情,用实战验证 AI 胜率。

3. 📊 沉浸式终端体验 (Rich UI)

  • 🎨 现代化界面: 使用 Rich 库打造,支持彩色日志、动态加载动画 (Spinner)、Markdown 渲染面板。
  • 🪵 纯净日志: 控制台只展示关键信息,详细的调试日志 (Debug/Trace) 自动写入文件并轮转备份,保持界面清爽。

4. 🛡️ 企业级工程架构

  • 🧩 模块化设计: API 层、分析层、通知层完全解耦。想换个交易所?只需重写 okx_client.py;想换个模型?改 .env 即可。
  • ⚙️ 灵活调度: 支持 Crontab 模式(跑一次退出)和 Daemon 模式(常驻后台,每 N 分钟运行一次)。
  • 🔔 移动端适配: 飞书/钉钉消息经过专门优化,表格自动转为列表视图,完美适配手机竖屏阅读。

🚀 快速开始 (Quick Start)

1. 🛠️ 环境准备

确保您的系统安装了 Python 3.8 或以上版本。

git clone https://github.com/RiemannLIMAN/CryptoOracle-Reserch.git
cd OKXResearch_Analyst

2. 🔑 配置密钥

复制配置文件模板:

cp .env.example .env

编辑 .env 文件,填入您的 DeepSeek API Key:

LLM_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx
LLM_MODEL=deepseek-reasoner  # 推荐使用 R1 推理模型

3. ▶️ 一键运行

我们为您准备了全自动启动脚本,自动处理虚拟环境和依赖安装:

Windows 用户:

.\run.bat

Mac/Linux 用户:

chmod +x run.sh
./run.sh

📂 项目结构 (Structure)

OKXResearch_Analyst/
├── config/                 # ⚙️ 配置中心 (Settings & Knowledge Base)
├── docs/                   # 📚 项目文档 (Usage, Config, Arch)
├── logs/                   # 🪵 运行日志 (Auto-rotated)
├── src/                    # 💻 源代码
│   ├── analysis/           # 🧠 分析引擎 (Fundamental & Technical)
│   ├── api/                # 📡 外部接口 (OKX & LLM)
│   ├── utils/              # 🛠️ 通用工具 (Logger & Notifier)
│   └── main.py             # 🚀 程序入口
├── .env.example            # 📄 环境变量模板
├── LICENSE                 # ⚖️ 开源协议 (CC BY-NC-SA 4.0)
├── requirements.txt        # 📦 项目依赖
├── run.bat                 # 🪟 Windows 启动脚本
└── run.sh                  # 🐧 Linux/Mac 启动脚本

🤝 支持与贡献 (Support & Contribution)

OKX Research Analyst 是一个开源项目,我们需要您的力量让它变得更强!

如何贡献

  • 🐛 提交 Bug:如果您发现程序报错或逻辑漏洞,请提交 Issue 并附上 logs/okx_research.log 中的错误堆栈。
  • 💡 功能建议:欢迎提出新的指标算法、风控策略或交易适配请求。
  • 💻 代码提交:Fork 本项目,创建您的 Feature 分支,并提交 Pull Request。

联系我们

☕ 支持作者

如果您觉得本项目对您有帮助,欢迎使用作者的 OKX 邀请码注册,这将支持 Riemann 持续维护本项目。

感谢每一位贡献者!让 AI 赋能每一个交易员。

作者:Riemann


⚖️ 许可证 (License)

本项目采用 CC BY-NC-SA 4.0 许可证(Attribution-NonCommercial-ShareAlike 4.0 International)。

这意味着您可以:

  • 共享:在任何媒介或格式下复制和分发本素材。
  • 改编:混合、转换或基于本素材进行创作。

前提是您必须遵守以下条款:

  1. ✍️ 署名 (Attribution):必须给出适当的署名,提供指向本许可证的链接,并说明是否做了修改。
  2. 🚫 非商业性使用 (NonCommercial)不得将本素材用于商业目的。
  3. 🔄 相同方式共享 (ShareAlike):如果您对本素材进行再创作,必须采用与本协议相同的许可证分发您的贡献。

📜 查看完整许可证


⚠️ 免责声明

本工具仅用于市场数据分析与研究验证,不构成任何投资建议。加密货币市场风险极高,请根据自身风险承受能力理性投资。开发者不对因使用本软件而产生的任何资金损失负责。


Made with ❤️ by OKX Research Analyst Team

About

"数据驱动决策,AI 洞察未来" 结合 OKX 交易所 的深度流动性数据与 DeepSeek-R1 的逻辑推理能力,为您打造机构级的加密货币投研助理

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors