confluence-trade-crew

# 贸易汇聚 Crew <div align="center"> **用于加密货币分析和专业交易日志的多智能体 AI 系统** *支持 CrewAI · FastAPI · .NET 8 · React 18* [](https://www.python.org/) [](https://dotnet.microsoft.com/) [](https://reactjs.org/) [](https://fastapi.tiangolo.com/) [](https://crewai.com/) [](https://docs.docker.com/compose/) [](LICENSE) > **不是交易机器人。** 决策支持系统 — AI 分析，您决策。 </div> --- ## 概述 贸易汇聚 Crew 是一个自托管的、适用于加密货币交易者的多智能体决策支持平台。您提供交易对、时间范围、余额和风险承受能力。由五个智能体组成的 CrewAI 流水线并行运行技术分析、新闻情感、链上信号和风险评估 — 然后综合结构化建议和图表注释。您审查输出，决定是否采取行动，并手动记录交易。 所有智能体推理通过 Redis Pub/Sub → SignalR WebSockets 流式传输到 UI，提供透明的“思维过程”窗口，以便 AI 工作。每次分析和交易都存储在 PostgreSQL 中，并可通过具有股权曲线、回撤指标和执行质量评分的专业交易日志访问。 --- ## 架构  该系统基于四个层级的严格分离构建，所有层级均由 Docker Compose 协调： | 层级 | 技术 | 责任 | |-------|-----------|---------------| | **前端** | React 18, Vite, lightweight-charts, Zustand | UI，图表，实时遥测显示 | | **.NET 8 API** | ASP.NET Core, EF Core, PostgreSQL, SignalR | 业务逻辑，数据所有权，交易生命周期 | | **Python AI 服务** | FastAPI, CrewAI v2, pandas | 无状态多智能体分析引擎 | | **内部 MCP 服务器** | Python MCP SDK（stdio 传输） | 智能体抽象层 | **关键架构约束：** Python AI 服务不向任何数据库写入数据。PostgreSQL 是 .NET API 层的专属领域。这种无状态设计使得 AI 服务可独立测试并水平扩展。 --- ## AI 流水线  ### 五个专业智能体 流水线设计具有明确的依赖关系管理 — 数据智能体首先运行，TA 和新闻智能体并行运行，风险智能体加入它们的输出，协调器综合所有内容： ``` [数据智能体] │ ├──────────────────────────┐ ▼ ▼ [TA 智能体] [新闻 + 链上智能体] （pandas-ta，MCP 工具） （CryptoPanic，RSS，Binance 期货） │ │ └──────────┬────────────────┘ ▼ [风险智能体] （ATR 基 SL/TP，动态杠杆） │ ▼ [协调器] （加权综合，冲突检测，图表注释） │ ▼ 结构化 JSON → .NET API → PostgreSQL → 前端 ``` #### 智能体角色 | 智能体 | 角色 | 关键工具（MCP） | |-------|------|-----------------| | **数据智能体** | 获取 OHLCV 蜡烛，准备共享市场上下文 | `get_ohlcv` → ccxt → Binance | | **TA 智能体** | 计算指标，检测背离和支撑/阻力水平 | `calculate_indicator`（pandas-ta），`detect_divergence`，`get_support_resistance` | | **新闻智能体** | 配对特定 + 宏观情绪，分为两层 | `get_pair_news`（CryptoPanic），RSS 级联（CoinDesk，CoinTelegraph，Decrypt） | | **链上智能体** | 衍生品市场信号 | `get_funding_rate`，`get_open_interest`，`get_long_short_ratio`（Binance 期货） | | **风险智能体** | 头寸调整，SL/TP，动态杠杆边界 | `get_volatility_metrics`，ATR 基计算 | | **协调器** | 加权情感综合，冲突检测，图表注释 | — （纯综合） | ### 工程决策 **ReAct优于 Pydantic 输出约束。** CrewAI v2 的 `output_pydantic` 强制子智能体优先考虑模式生成而不是工具探索，从而破坏 ReAct 循环。我们删除了所有子智能体的 `output_pydantic` — 它们输出纯文本并自由探索工具。只有协调器强制执行严格的 JSON 模式，确保结构化输出而不牺牲推理质量。 **多提供商工厂的 LLM 策略模式。** `LLMFactory` 从模型字符串前缀解析正确的 API 密钥环境变量（`anthropic/`，`openai/`，`gemini/`，`github_models/`，`ollama/`）。每个智能体可以使用不同的提供商，实现零代码切换和 GitHub Models 的 150 req/day 每模型限制分布在 5 个模型上以获得 750 个有效请求/天。 **基于 Parquet 文件的 OHLCV 缓存。** CrewAI 的 `MCPServerStdio` 为每个工具调用生成一个全新的子进程，销毁所有内存状态。我们将共享的 DataFrame 持久化为 Parquet 文件，以会话 UUID 为键，在子进程重启后存活。缓存会在每个分析会话后清除。 **基于 RSS 的新闻策略。** DuckDuckGo 严格限制 IP。备用链为：CryptoPanic API（如果提供密钥）→ CoinDesk RSS → CoinTelegraph RSS → Decrypt RSS → DuckDuckGo（最后手段）。如果没有关键词匹配，则返回空列表，触发低置信度报告而不是通用标题。 --- ## 功能 ### 🤖 多智能体 AI 流水线 - 五个专业 CrewAI v2 智能体，具有明确的依赖顺序 - TA 和新闻智能体并行运行；风险智能体在定义的同步点加入其输出 - 每个智能体使用内部 MCP 服务器进行工具调用（数据，指标，新闻，链上） - 通过 Redis Pub/Sub → SignalR → WebSockets 将智能体思维过程实时流式传输到 UI ### 📊 高级图表 - 由 `lightweight-charts`（TradingView OSS）支持的烛状图表 - 客户端指标叠加层：EMA-20，EMA-50，布林带 - RSI（14）和 MACD（12,26,9）子面板与主图表同步 - AI 生成的图表注释：支撑/阻力线，背离标记，SL/TP 水平 ### 📔 专业交易日志 - 手动交易入口和出口，具有执行质量评分（好/一般/差） - 使用 lightweight-charts 截图 API 在入口和出口时捕获图表快照 - 标签系统（突破，反转，趋势跟随，新闻驱动等）具有多选芯片 UI - 高级投资组合指标：股权曲线，最大回撤，期望值，恢复因子，夏普/索蒂诺，平均 R:R，每月 PnL 分解，胜/负 streak ### 🔁 多时间范围汇聚 - 单击切换在多个时间范围内运行分析（1h，4h，1d 等） - 显示跨时间范围方向一致性的汇聚表 - 将 MTF 结果持久化到数据库以进行历史比较 ### ⏱️ 向量回测引擎 - 无 LLM 调用进行历史策略模拟 — 在 1 秒内完成 - `BacktestEngine` 将协调器的信号逻辑转换为 Pandas 向量算法 - ccxt 批量获取 → pandas 信号生成 → 股权曲线 → 交易明细分解 - 可选的交易费用模拟和最大交易限制以获得现实的结果 ### 🔍 AI 交易审查助手 - 通过单个直接 LLM 调用（无 CrewAI 开销）按需评估已关闭的交易 - 评估：计划遵守情况，SL/TP 理性，时机（早/晚/最佳），改进建议 - 集成到交易日志和分析详情页面，具有玻璃态 UI ### 🎯 模型准确性跟踪 - 分析后，系统查询 Binance 获取实际价格变动，1h，4h，24h 间隔 - 计算 SL/TP 目标是否达到并记录准确性分数 - 投资组合页面显示全局准确性统计数据；历史页面显示每项分析的准确性徽章 ### 📋 策略模板 - 预设策略配置文件：标量，日内，摆动，持仓 - 设置中的自定义构建器：配置时间范围集，最小 R:R，指标/新闻权重 - 策略选择在每次分析时持续以便历史审查 ### 🔔 警报系统 - 仪表板小部件显示高置信度，非中立的近期信号 - 分析比较：两个历史分析的并排视图 --- ## UI 预览  --- ## 技术栈 | 层级 | 技术 | 版本 | |-------|-----------|---------| | 前端 | React，Vite，lightweight-charts（TradingView OSS），Zustand | React 18，Vite 5 | | API | ASP.NET Core，EF Core，PostgreSQL | .NET 8 | | 实时 | Redis Pub/Sub，SignalR | Redis 7 | | AI 服务 | Python，FastAPI，CrewAI | Python 3.12，CrewAI v2 | | MCP 服务器 | Python MCP SDK（stdio 传输） | — | | LLM 提供商 | Anthropic，OpenAI，Gemini，GitHub Models，Ollama | 多提供商 | | 市场数据 | ccxt（Binance），Binance 期货 API | — | | 指标 | pandas-ta，自定义背离/支撑阻力检测 | — | | 新闻 | CryptoPanic API，RSS（CoinDesk，CoinTelegraph，Decrypt） | — | | 部署 | Docker Compose，多阶段 Docker 构建 | Compose v2 | | 数据库 | PostgreSQL（Docker 命名卷） | Postgres 16 | --- ## 项目结构 ``` 贸易汇聚 Crew/ ├── ai-service/ # Python AI 服务 │ ├── app/ │ │ ├── api/ # FastAPI 端点（/analyze，/backtest，/review） │ │ ├── crew/ │ │ │ ├── prompts/ # 每个智能体的提示工程文件 │ │ │ │ ├── data_agent.py # 数据上下文提示 │ │ │ │ ├── ta_agent.py # 技术分析提示 │ │ │ │ ├── news_agent.py # 新闻和情感提示 │ │ │ │ ├── risk_agent.py # 方向感知风险计算提示 │ │ │ │ ├── onchain_agent.py # 资金 / OI / LS 比率提示 │ │ │ │ └── orchestrator.py # 综合和冲突检测提示 │ │ ├── llm/ │ │ │ ├── factory.py # 多提供商 LLM 工厂（策略模式） │ │ │ └── config.py # 提供商 → API 密钥映射 │ │ ├── mcp_server/ │ │ │ ├── tools/ │ │ │ │ ├── data_tools.py # get_ohlcv（ccxt → Binance） │ │ │ │ ├── indicator_tools.py # calculate_indicator，detect_divergence，S&R │ │ │ │ ├── news_tools.py # CryptoPanic + RSS 级联 + 文章刮刀 │ │ │ │ └── onchain_tools.py # 资金利率，OI，Long/Short 比率 │ │ │ ├── cache.py # 基于 Parquet 文件的 OHLCV 会话缓存 │ │ │ └── server.py # MCP 协议处理程序（stdio 传输） │ │ ├── schemas/ # Pydantic 请求/响应模型 │ │ └── services/ │ │ ├── analysis_orchestrator.py # 单 TF 流水线入口点 │ │ ├── multi_tf_orchestrator.py # 多时间范围汇聚引擎 │ │ ├── backtest_engine.py # 向量化的 pandas 回测引擎 │ │ ├── trade_review_engine.py # 直接 LLM 交易评估 │ │ └── telemetry_publisher.py # Redis Pub/Sub 智能体步骤发布者 │ ├── Dockerfile │ └── requirements.txt │ ├── api/ # .NET 8 API — 清洁架构 │ └── src/ │ ├── Confluence.API/ │ │ ├── Controllers/ # 9 个控制器（Analysis，Trade，Portfolio，Backtest...） │ │ ├── Hubs/ # SignalR 分析中心（WebSocket 广播） │ │ └── BackgroundServices/ # RedisTelemetrySubscriber（Redis → SignalR） │ ├── Confluence.Application/ # DTOs，服务接口，应用服务 │ ├── Confluence.Domain/ # 实体：Trade，Analysis，Pair，UserSettings， │ │ # StrategyTemplate，TradeReview，AnalysisAccuracy │ └── Confluence.Infrastructure/ # EF Core DbContext，迁移，存储库 │ ├── frontend/ # React 18 SPA │ └── src/ │ ├── components/ │ │ ├── Analysis/ # ControlPanel，SynthesisPanel，TelemetryConsole， │ │ │ # ConfluenceGauge，AccuracyDashboard，AlertWidget │ │ ├── Chart/ # TradingChart（lightweight-charts + 指标叠加层） │ │ ├── Trade/ # TradeForm，TradeReviewPanel，SnapshotLightbox │ │ └── Backtest/ # BacktestDashboard │ ├── hooks/ # useBinanceData，useAnalysisLogic │ ├── pages/ # Dashboard，Trading，Portfolio，Backtest， │ │ # History，Compare，Trades，Settings，Landing │ ├── services/ # apiClient.js，signalrClient.js │ └── store/ # Zustand 状态管理 │ ├── docs/ │ ├── architecture.md # 系统架构，层级职责，端到端数据流 │ ├── agents.md # 智能体定义，I/O 模式，流水线依赖图 │ ├── mcp_tools.md # 内部 MCP 服务器工具定义和参数模式 │ ├── db_schema.md # PostgreSQL 模式，索引，EF Core 迁移历史，PnL 计算 │ └── setup.md # 完整设置指南，env 变量，烟雾测试，网络故障排除 │ ├── docker-compose.yml # 5 服务编排（db，redis，ai-service，api，frontend） ├── .env.example # 多提供商 LLM 配置参考 └── README.md ``` --- ## 快速开始 > 完整设置指南，包括故障排除和网络配置：[`docs/setup.md`](docs/setup.md) ### erequisites - Docker 和 Docker Compose v2+ - 至少一个 LLM 提供商 API 密钥（参见配置） - Binance API 密钥/密码（可选 - 提高市场数据速率限制） - CryptoPanic API 密钥（可选 - 启用特定配对新闻） ### 1. 克隆 ```bash git clone https://github.com/aeren23/confluence-trade-crew.git cd confluence-trade-crew ``` ### 2. 配置 ```bash cp .env.example .env # 编辑 .env - 设置至少一个 LLM 提供商密钥 ``` ### 3. 运行 ```bash docker compose up --build ``` ### 4. 打开 | 服务 | URL | |---------|-----| | 前端 | [http://localhost:3000](http://localhost:3000) | | .NET API 健康检查 | [http://localhost:5000/health](http://localhost:5000/health) | | AI 服务健康检查 | [http://localhost:8000/health](http://localhost:8000/health) | --- ## 配置 `.env.example` 文件包含完整的跨提供商参考。选择任何支持的 LLM 提供商用于每个智能体 - 或对所有智能体使用相同的提供商： ```bash # --- Anthropic (Claude) --- # ANTHROPIC_API_KEY=sk-ant-... # DATA_AGENT_MODEL=anthropic/claude-3-5-haiku-20241022 # --- OpenAI --- # OPENAI_API_KEY=sk-... # DATA_AGENT_MODEL=openai/gpt-4o-mini # --- Google Gemini --- # GEMINI_API_KEY=AIza... # DATA_AGENT_MODEL=gemini/gemini-1.5-flash # --- GitHub Models (free tier: 150 req/day per model) --- # Distribute across 5 models for 750 effective req/day: # DATA_AGENT_MODEL=github_models/gpt-4.1-nano # TA_AGENT_MODEL=github_models/Mistral-Small-3.1 # NEWS_AGENT_MODEL=github_models/Meta-Llama-3.1-8B-Instruct # RISK_AGENT_MODEL=github_models/Llama-3.3-70B-Instruct # ORCHESTRATOR_MODEL=github_models/gpt-4.1-mini # --- Ollama (local, no API key) --- # DATA_AGENT_MODEL=ollama/llama3.1 ``` **可选服务：** 如果未设置 `BINANCE_API_KEY`，数据智能体将使用公共 Binance 端点（速率限制）。如果未设置 `CRYPTOPANIC_API_KEY`，新闻智能体将回退到 RSS 级联 - 仍然功能正常，但置信度分数降低。 --- ## 关键设计决策 - **不是交易机器人。** 该系统生成分析和建议。所有交易入口、出口和头寸管理都是手动的。AI 服务无权访问任何交易所或数据库。 - **单用户，自托管，BYOK。** 携带自己的 API 密钥。无 SaaS，无多租户，无托管部署。在您的机器或私有服务器上使用 `docker compose up` 运行。 - **无状态 AI 层。** Python FastAPI 服务在请求之间保持零状态。这简化了横向扩展，使服务可独立测试，并确保 PostgreSQL（由 .NET 所有）是单一事实来源。 - **通过 stdio 的内部 MCP 服务器。** 将 MCP 服务器作为 AI 服务容器的子进程运行，避免额外的 Docker 服务，额外的网络和端口配置。stdio 传输对于单个容器使用是同步和可靠的。 - **矢量化的回测，而不是每个蜡烛的 LLM。** 调用完整的 CrewAI 流水线来获取每个历史蜡烛将花费数千美元，并需要数小时。回测引擎将协调器的信号逻辑转换为 Pandas 数学算法，在不到一秒的时间内完成历史扫描。 - **方向感知的风险智能体。** 早期版本仅计算多头仓位的 SL/TP。风险智能体现在读取 TA `sentiment_score` 以确定 LONG/SHORT/NEUTRAL 方向，然后计算水平 - 熊市分析生成 SL 高于阻力，TP 高于当前价格，防止倒置推荐。 --- ## 解决的挑战 | 挑战 | 解决方案 | |-----------|---------| | MCP 子进程销毁内存缓存 | 基于 Parquet 文件的 OHLCV 缓存，键控会话 UUID - 在进程重启后存活 | | DuckDuckGo 限制新闻请求 | RSS 级联：CoinDesk → CoinTelegraph → Decrypt → DuckDuckGo（最后手段） | | GitHub Models 每个模型 150 req/day 配额 | 在 5 个不同模型上分布一个模型（750 个有效请求/天） | | CrewAI `output_pydantic` 破坏 ReAct 工具探索 | 智能体输出纯文本；只有协调器强制执行 JSON 模式 | | Docker 容器被排除在主机 WARP VPN 之外 | SOCKS5 代理（`host.docker.internal:40000`）路由到 Cloudflare WARP 代理模式 | | 熊市分析产生多头仓位 SL/TP | 方向感知风险智能体在计算水平之前读取 `ta_sentiment_score` | | CrewAI 启动时的遥测 OTLP 垃圾信息 | 在第一个 `crewai` 导入之前设置 `OTEL_SDK_DISABLED=true` | | 相同的通用新闻标题适用于每个资产 | 删除 `or all_items` RSS 备用；空列表触发低置信度报告 | --- ## 文档 | 文档 | 描述 | |----------|-------------| | [`docs/architecture.md`](docs/architecture.md) | 系统架构，层级职责，端到端数据流 | | [`docs/agents.md`](docs/agents.md) | CrewAI 智能体定义，I/O 模式，流水线依赖图 | | [`docs/mcp_tools.md`](docs/mcp_tools.md) | 内部 MCP 服务器工具定义和参数模式 | | [`docs/db_schema.md`](docs/db_schema.md) | PostgreSQL 模式，索引，EF Core 迁移历史，PnL 计算 | | [`docs/setup.md`](docs/setup.md) | 完整设置指南，env 变量，烟雾测试，网络故障排除 | --- ## 路线图 - [ ] 交易所 API 集成以进行自动头寸监控（只读） - [ ] 电子邮件 / Telegram / Discord 警报通知 - [ ] 图表标题上的 ATR 波动性徽章 - [ ] 公共 MCP 服务器模式 - 将系统公开为 Claude/Cursor 智能体的工具 - [ ] 🎬 演示视频（即将推出） --- ## 重置 ```bash # 停止，保留数据 docker compose down # 完整重置（删除所有数据库数据） docker compose down -v ``` --- ## 许可 本项目根据 MIT 许可协议授权。有关详细信息，请参阅 [LICENSE](LICENSE)。