moss-site/moss-trade-bot-skills

Moss – AI驅動的加密貨幣交易機器人工廠

是什麼

• 一個基於 Python 的框架，讓您可以用自然語言描述加密貨幣交易風格（例如：「趨勢追蹤、低槓桿、突破」），並自動建立定量交易代理。
• 系統會建立策略，使用歷史 Hyperliquid 數據在本地執行回測，然後根據回測結果週期性地 進化 參數。
• 專為研究/教育設計——非金融建議。

核心元件

元件	功能
自然語言轉策略	解析使用者提供的描述，推論技術指標選擇、槓桿、風險限制，並建立 JSON 格式的參數檔。
回測引擎	在 15 分鐘 Hyperliquid CSV 數據集上執行交叉保證金模擬，報告夏普比率、最大回撤、勝率等指標。
每週進化循環	每次回測段落後，AI 會應用七項「反思原則」（例如：分析盈虧、在 ±30% 內微調參數），產生新的調校參數集，同時保持整體「個性」（偏置、槓桿、風險）不變。
安全防護機制	強制執行槓桿上限、高槓桿交易必須設置寬止損，以及在部署至生產環境前進行確認步驟。
平台整合（可選）	支援綁定至 Moss 網頁平台，上傳回測結果以供驗證，並啟動與 Hyperliquid 交易所通訊的即時交易機器人。

如何開始

1. 克隆固定版本（v1.0.28）並安裝 Python 3 相依性（pandas、numpy、ccxt）。
2. 下載資料快取 – 首次執行時會自動將 Hyperliquid 15 分鐘 CSV 數據包下載至 ~/.cache/moss-trade-bot-factory/...。
3. 為將要使用的資料集建立指紋（例如：BTC/USDC）——這會記錄本地 CSV 路徑。
4. 執行標準回測 或推薦的 進化回測，該測試將資料分段（預設 672 根 K 線 ≈ 7 天），並執行反思-調整循環。
5. （可選）綁定 Moss 平台，使用配對碼上傳您的進化結果，並透過 live_trade.py 和 live_runner.py 啟動即時交易。

典型工作流程範例

# 1. 克隆與安裝
git clone --depth 1 --branch v1.0.28 https://github.com/moss-site/moss-trade-bot-skills.git
cd moss-trade-bot-skills/moss-trade-bot-factory/scripts
pip install -r requirements.txt

# 2. 取得資料集指紋（首次執行會下載 CSV）
python3 fetch_data.py \
  --data data_cache/hyperliquid_BTCUSDC_15m_2025-07-01_304d.csv \
  --symbol BTC/USDC \
  --timeframe 15m > /tmp/fingerprint.json

# 3. 執行進化回測（每週自適應）
python3 run_evolve_backtest.py \
  --data $(jq -r .csv_path /tmp/fingerprint.json) \
  --params-file /tmp/bot_params.json \
  --segment-bars 672 \
  --capital 10000 \
  --output /tmp/evolve_result.json

為何重要

• 彌合非技術性交易想法與可執行定量策略之間的鴻溝，透過 LLM 驅動的參數推論實現。
• 迭代式自我調校 模擬研究循環：回測 → 分析 → 調整 → 重複，全部自動化。
• 本地優先執行 保障資料與邏輯保留在您的機器上；可選的雲端平台僅作為驗證與即時部署層。

社群與授權

• 在寬鬆的 MIT-0 授權下開源。
• 活躍的 Discord、Telegram 和 Twitter 頻道，提供支援與社群創建代理的排行榜。

---

以上所有細節均直接來自倉儲的 README；未推斷任何額外功能。