Bedrock: AI 增强型加密货币交易决策平台

AI-Enhanced Cryptocurrency Trading Decision Platform

📖 项目简介 (Project Overview)

Bedrock 是一个从零到一、完全通过自然语言指令驱动 AI 构建的专业级量化交易平台原型。本项目旨在验证在无编程背景下，通过高效的**人机协作（AI Native Workflow）**完成复杂软件工程的可行性。

作为项目发起人和唯一的 AI 产品设计师，我独立负责了从产品规划、架构设计、任务拆解到驱动 AI 开发的全过程。

💼 求职备注: 此仓库不仅是软件代码的集合，更是我作为一名准产品人，在复杂问题拆解、产品架构设计、AI 原生工作流管理等核心能力上的实践案例。欢迎通过此项目了解我的工作方法和交付质量。

🎯 项目核心价值 (Core Value)

能力验证 (Capability Validation)

✅ 产品思维: 将模糊的商业构想转化为清晰、可执行的技术蓝图
✅ 架构设计: 主导设计了包含 6 个微服务的分布式系统架构
✅ 任务拆解: 将复杂项目拆解为 100+ 个可执行的开发任务
✅ AI 协作: 探索并实践了一套完整的 AI 原生工作流，成功驱动 AI 完成核心功能开发

成果交付 (Deliverables)

📊 20+ 份专业技术文档: 包括 PRD、系统架构、API 契约、数据库设计等
💻 可运行的软件原型: 包含前后端、数据库、ML 模型的完整系统
🏗️ 微服务架构: 6 个独立服务，事件驱动通信，容器化部署
🤖 AI 集成: Rule Engine + XGBoost ML + Qwen LLM 三层决策系统

技术亮点 (Technical Highlights)

🎨 微服务架构: DataHub、DecisionEngine、Portfolio、Backtesting、MLOps、Notification
🧠 三层决策系统: 规则引擎（技术指标）+ ML 模型（XGBoost 94.33% 准确率）+ LLM 情绪分析（Qwen）
📈 实时数据处理: Binance K线数据 + Bitquery 链上数据
🔄 事件驱动架构: Redis Pub/Sub 实现服务间异步通信
🐳 容器化部署: Docker Compose 本地开发，Kubernetes 生产部署
📊 可观测性: Prometheus 监控 + 结构化日志 + 健康检查

🗺️ 导航：如何浏览本项目？ (How to Navigate This Repository)

为了方便您快速了解我的工作成果，建议按以下顺序查看关键交付物：

1️⃣ 产品与架构设计

项目计划书 (Project Plan) ⭐ 核心文档
- 查看完整的产品愿景、架构原则、功能规划
- 了解我如何将商业需求转化为技术方案
系统架构图 (System Architecture)
- 查看我主导设计的微服务架构和数据流
- 理解服务间的交互模式和技术选型

2️⃣ 技术实现

数据库迁移脚本 (Database Migrations)
- 查看 8 个 Alembic 迁移脚本，了解数据库演进过程
- 核心表：klines、onchain_metrics、signals、positions、trades、backtest_runs
API 实现 (API Implementation)
- DataHub Service: 数据采集与存储 (代码)
- DecisionEngine Service: 信号生成与决策仲裁 (代码)
- Portfolio Service: 仓位与交易管理 (代码)
- Backtesting Service: 策略回测引擎 (代码)
前端应用 (Frontend App)
- React + TypeScript + Ant Design 5
- 包含 Dashboard、Signals、Positions、Trades、Backtest 页面

3️⃣ AI 协作工作流

AI 指令任务拆解示例
- 查看我如何将复杂需求拆解为 AI 可理解的具体指令
- 了解我的 Prompt Engineering 能力
技术文档 (Technical Docs)
- Funding Rate 策略文档
- ML 模型特征工程文档
- 依赖问题排查指南

🛠️ 技术栈与工具 (Tech Stack & Tools)

AI 模型 (AI Models)

LLM: Alibaba Cloud Qwen (通义千问) - 市场情绪分析
ML: XGBoost 2.1.4 - 信号预测（94.33% 准确率）
协作工具: Claude 3.5 Sonnet, GPT-4 - AI 驱动开发

后端技术栈 (Backend)

语言: Python 3.12.12
框架: FastAPI 0.104.1 (异步 Web 框架)
ORM: SQLAlchemy 2.0.23 (数据库 ORM)
数据库: PostgreSQL 16 (主数据库) + Redis 7 (缓存 & Pub/Sub)
ML 库: XGBoost 2.1.4, scikit-learn 1.5.2, numpy 2.2.6, pandas 2.3.2
迁移工具: Alembic (数据库版本管理)

前端技术栈 (Frontend)

框架: React 18.2.0 + TypeScript 5.x
UI 库: Ant Design 5.11.0
状态管理: React Query v5 (@tanstack/react-query)
图表库: ECharts (K线图、性能图表)
构建工具: Vite 5.x

基础设施 (Infrastructure)

容器化: Docker 20.10+, Docker Compose 2.0+
编排: Kubernetes (生产环境)
监控: Prometheus + Grafana
日志: 结构化日志 (JSON 格式)
CI/CD: GitHub Actions (计划中)

外部 API (External APIs)

交易所: Binance API (K线数据、资金费率)
链上数据: Bitquery API (链上指标)
LLM: Alibaba Cloud Qwen API (dashscope 1.14.0)

🏗️ 系统架构 (System Architecture)

微服务架构 (Microservices Architecture)

本项目采用事件驱动的微服务架构，6 个独立服务通过 Redis Pub/Sub 进行异步通信：

服务名称	端口	职责	技术栈
DataHub	8001	数据采集与存储	FastAPI + Binance API + Bitquery API
DecisionEngine	8002	信号生成与决策仲裁	FastAPI + XGBoost + Qwen LLM
Portfolio	8003	仓位与交易管理	FastAPI + SQLAlchemy
Backtesting	8004	策略回测引擎	FastAPI + Pandas
MLOps	8005	模型训练与管理	FastAPI + Celery + XGBoost
Notification	8006	实时 WebSocket 推送	FastAPI + WebSocket

事件驱动通信 (Event-Driven Communication)

服务间通过 Redis Pub/Sub 进行异步通信，实现松耦合：

DataHub → [kline.updated] → DecisionEngine
DecisionEngine → [signal.created] → Portfolio
Portfolio → [position.updated] → Notification → WebApp

三层决策系统 (Three-Layer Decision System)

┌─────────────────────────────────────────────────────────┐
│                    DecisionEngine                        │
├─────────────────────────────────────────────────────────┤
│  1️⃣ Rule Engine (规则引擎)                              │
│     - 技术指标: RSI, MACD, Bollinger Bands              │
│     - 链上指标: Active Addresses, Transaction Volume    │
│     - 输出: rule_score (0-100)                          │
├─────────────────────────────────────────────────────────┤
│  2️⃣ ML Model (机器学习模型)                             │
│     - XGBoost 分类器 (94.33% 准确率)                    │
│     - 特征工程: 60+ 技术指标 + 链上指标                  │
│     - 输出: ml_confidence_score (0-100)                 │
├─────────────────────────────────────────────────────────┤
│  3️⃣ LLM Sentiment (大语言模型情绪分析)                   │
│     - Qwen API 市场情绪分析                             │
│     - Redis 缓存 (15分钟 TTL)                           │
│     - 输出: llm_sentiment_score (0-100)                 │
├─────────────────────────────────────────────────────────┤
│  🎯 Decision Arbiter (决策仲裁器)                        │
│     - 加权融合: Rule 40% + ML 30% + LLM 30%            │
│     - 输出: final_score (0-100) + 交易信号              │
└─────────────────────────────────────────────────────────┘

📊 项目状态 (Project Status)

开发阶段 (Development Phases)

阶段	状态	完成度	关键成果
Phase 0: 环境搭建	✅ 已完成	100%	Docker 环境、数据库设计、共享库
Phase 1: MVP 开发	✅ 已完成	100%	DataHub、DecisionEngine、Portfolio 服务
Phase 2: AI 集成	✅ 已完成	100%	XGBoost ML 模型、Qwen LLM、决策仲裁器
Phase 3: 回测与优化	🚧 进行中	60%	回测引擎、前端增强、性能优化
Phase 4: 生产就绪	⏸️ 计划中	0%	MLOps 自动化、Kubernetes 部署、CI/CD

核心功能完成情况 (Feature Completion)

✅ 数据采集: Binance K线数据 + Bitquery 链上数据
✅ 规则引擎: 技术指标计算 + 链上指标分析
✅ ML 模型: XGBoost 训练与预测（94.33% 准确率）
✅ LLM 集成: Qwen API 情绪分析 + Redis 缓存
✅ 决策仲裁: 三层加权融合（Rule + ML + LLM）
✅ 仓位管理: 建仓、平仓、止损、止盈逻辑
✅ 前端界面: Dashboard、Signals、Positions、Trades 页面
🚧 回测引擎: 基础框架完成，性能优化中
⏸️ 实时推送: WebSocket 通知服务（计划中）
⏸️ MLOps: 模型自动训练与部署（计划中）

最近更新 (Recent Updates)

2025-11-17: ✅ 完成 LLM 情绪分数回填（22 条历史信号）
2025-11-16: ✅ 实现决策仲裁器权重配置（Rule 40% + ML 30% + LLM 30%）
2025-11-12: ✅ 集成 Qwen LLM API + Redis 缓存
2025-11-11: ✅ XGBoost 模型训练完成（94.33% 准确率）
2025-11-10: ✅ 数据库迁移脚本完成（8 个 Alembic 版本）

🚀 快速开始 (Quick Start)

前置要求 (Prerequisites)

Docker 20.10+ 和 Docker Compose 2.0+
Python 3.12+ (用于本地开发和脚本)
Node.js 18+ (用于前端开发)
Git 2.x+

安装步骤 (Installation)

1️⃣ 克隆仓库

git clone https://github.com/w2112515/Bedrock.git
cd Bedrock

2️⃣ 配置环境变量

cp .env.example .env
# 编辑 .env 文件，填入以下 API 密钥：
# - BINANCE_API_KEY 和 BINANCE_API_SECRET (Binance API)
# - BITQUERY_API_KEY (Bitquery API)
# - QWEN_API_KEY (Alibaba Cloud Qwen API)
# - POSTGRES_PASSWORD (数据库密码)

3️⃣ 启动基础设施服务

docker-compose up -d postgres redis

4️⃣ 运行数据库迁移

cd database_migrations
pip install alembic psycopg2-binary
alembic upgrade head

5️⃣ 启动所有微服务

docker-compose up -d

6️⃣ 访问应用

前端界面: http://localhost:3000
API 文档:
- DataHub: http://localhost:8001/docs
- DecisionEngine: http://localhost:8002/docs
- Portfolio: http://localhost:8003/docs
- Backtesting: http://localhost:8004/docs

验证安装 (Verify Installation)

# 检查服务健康状态
curl http://localhost:8001/health  # DataHub
curl http://localhost:8002/health  # DecisionEngine
curl http://localhost:8003/health  # Portfolio

# 查看数据库表
docker exec -it bedrock_postgres psql -U bedrock_user -d bedrock_db -c "\dt"

# 查看 Redis 连接
docker exec -it bedrock_redis redis-cli ping

📚 核心文档 (Core Documentation)

产品与架构文档 (Product & Architecture)

项目计划书 v2.0 ⭐ 核心文档 - 完整的产品愿景、架构原则、功能规划
Funding Rate 策略文档 - 资金费率策略设计
ML 模型特征工程 - 机器学习模型特征说明

技术文档 (Technical Docs)

依赖问题排查指南 - Python 3.12 升级指南
数据库迁移脚本 - 8 个 Alembic 迁移版本
DecisionEngine 实现总结 - 决策引擎实现细节

服务文档 (Service Docs)

DataHub 测试总结 - 数据服务测试报告
模型部署指南 - ML 模型部署流程
稳定性验证指南 - 模型稳定性验证

🧪 测试 (Testing)

单元测试 (Unit Tests)

# 后端服务测试
pytest services/datahub/tests/ -v
pytest services/decision_engine/tests/ -v
pytest services/portfolio/tests/ -v
pytest services/backtesting/tests/ -v

# 前端测试
cd webapp
npm test

集成测试 (Integration Tests)

# 测试完整的信号生成流程
python scripts/create_test_signal_with_ml_llm.py

# 验证数据一致性
python services/decision_engine/scripts/verify_data_consistency.py

# 验证模型确定性
python services/decision_engine/scripts/verify_determinism.py

性能测试 (Performance Tests)

# 使用 Locust 进行负载测试
locust -f tests/performance/locustfile.py --host=http://localhost:8001

💡 核心功能演示 (Feature Showcase)

1️⃣ 信号生成流程 (Signal Generation Flow)

# 1. DataHub 采集数据
GET /api/klines?symbol=BTCUSDT&interval=4h&limit=100

# 2. DecisionEngine 生成信号
POST /api/signals/generate
{
  "symbol": "BTCUSDT",
  "interval": "4h"
}

# 响应示例
{
  "signal_id": "uuid-xxx",
  "symbol": "BTCUSDT",
  "direction": "LONG",
  "rule_score": 75.5,           # 规则引擎分数
  "ml_confidence_score": 88.2,  # ML 模型置信度
  "llm_sentiment_score": 82.0,  # LLM 情绪分数
  "final_score": 81.9,          # 加权最终分数
  "entry_price": 45000.0,
  "stop_loss": 44000.0,
  "take_profit": 47000.0
}

2️⃣ 决策仲裁器配置 (Arbiter Configuration)

# 查看当前权重配置
GET /api/arbitration/config

# 响应
{
  "rule_weight": 0.4,   # 规则引擎权重 40%
  "ml_weight": 0.3,     # ML 模型权重 30%
  "llm_weight": 0.3     # LLM 权重 30%
}

# 更新权重配置
PUT /api/arbitration/config
{
  "rule_weight": 0.5,
  "ml_weight": 0.3,
  "llm_weight": 0.2
}

3️⃣ 仓位管理 (Position Management)

# 查看当前仓位
GET /api/positions?status=OPEN

# 响应
[
  {
    "position_id": "uuid-xxx",
    "symbol": "BTCUSDT",
    "direction": "LONG",
    "entry_price": 45000.0,
    "current_price": 46000.0,
    "quantity": 0.1,
    "unrealized_pnl": 100.0,
    "unrealized_pnl_pct": 2.22
  }
]

🎓 我的工作方法 (My Workflow)

AI 原生工作流 (AI Native Workflow)

作为项目的唯一产品设计师，我开发了一套高效的 AI 协作工作流：

1️⃣ 需求分析与拆解 (Requirement Analysis)

将模糊的商业需求转化为清晰的功能点
使用 Mermaid 图表可视化系统架构和数据流
编写详细的 PRD 和技术规格文档

2️⃣ 任务拆解与 Prompt Engineering

将复杂功能拆解为 100+ 个可执行的开发任务
为每个任务编写清晰、具体的 AI 指令
使用三阶段工作流：分析与诊断 → 方案设计 → 执行与验证

3️⃣ AI 驱动开发 (AI-Driven Development)

使用 Claude 3.5 Sonnet 和 GPT-4 进行代码生成
通过迭代式对话优化代码质量
确保代码符合架构原则和最佳实践

4️⃣ 质量保证与文档 (Quality Assurance)

编写单元测试和集成测试
生成 API 文档和技术文档
进行代码审查和性能优化

关键成果 (Key Achievements)

✅ 100% AI 驱动开发: 所有代码由 AI 生成，我负责需求定义和质量把控
✅ 20+ 份专业文档: 包括 PRD、架构设计、API 契约、数据库设计等
✅ 284 个文件，43,948 行代码: 完整的前后端系统
✅ 8 个数据库迁移脚本: 规范的数据库版本管理
✅ 94.33% ML 模型准确率: 高质量的机器学习模型
✅ 微服务架构: 6 个独立服务，事件驱动通信

📝 许可证 (License)

本项目采用 GPL v3 (GNU General Public License v3.0) 许可证。

版权年份: 2025
许可证详情: 查看 LICENSE 文件

注意: GPL v3 要求所有衍生作品也必须开源。

📧 联系方式 (Contact)

项目作者 (Project Author)

姓名: Zian Wang (王子安)
GitHub: @w2112515
项目仓库: Bedrock

求职意向 (Job Seeking)

我正在寻找产品经理、AI 产品经理或技术产品经理相关职位。

核心能力:

✅ 复杂问题拆解与需求分析
✅ 产品架构设计与技术选型
✅ AI 原生工作流管理
✅ 跨职能团队协作（人机协作）
✅ 技术文档撰写与沟通

如果您对我的工作感兴趣，欢迎通过 GitHub Issues 或 Email 联系我。

🙏 致谢 (Acknowledgments)

技术支持 (Technical Support)

Binance API - 提供实时市场数据和资金费率数据
Bitquery API - 提供链上数据和区块链分析
Alibaba Cloud Qwen - 提供大语言模型 API 服务
Claude 3.5 Sonnet & GPT-4 - AI 驱动开发的核心工具

开源社区 (Open Source Community)

FastAPI - 高性能异步 Web 框架
React & Ant Design - 优秀的前端框架和 UI 库
XGBoost & scikit-learn - 强大的机器学习库
PostgreSQL & Redis - 可靠的数据库和缓存系统
Docker & Kubernetes - 容器化和编排工具

📊 项目统计 (Project Statistics)

开发周期: 2025-11-09 至今（约 8 天）
代码行数: 43,948 行
文件数量: 284 个
提交次数: 1 次（初始提交）
服务数量: 6 个微服务
数据库表: 10+ 个核心业务表
API 端点: 50+ 个 RESTful API
前端页面: 5 个主要页面（Dashboard、Signals、Positions、Trades、Backtest）

🚀 未来规划 (Future Roadmap)

短期目标 (Short-term Goals)

完成回测引擎性能优化
实现 WebSocket 实时推送
添加更多技术指标和策略
完善前端 UI/UX

中期目标 (Mid-term Goals)

MLOps 自动化（模型自动训练与部署）
Kubernetes 生产环境部署
CI/CD 流水线（GitHub Actions）
多交易所支持（OKX、Bybit）

长期目标 (Long-term Goals)

社区版本发布
插件系统（自定义策略）
移动端应用（React Native）
量化策略市场

⭐ 如果您觉得这个项目有价值，欢迎 Star 支持！

📌 最后更新: 2025-11-17

🏷️ 项目标签: python fastapi react typescript xgboost llm cryptocurrency trading microservices ai-driven-development

Name		Name	Last commit message	Last commit date
.augment/rules		.augment/rules
database_migrations		database_migrations
docs		docs
scripts		scripts
services		services
shared		shared
webapp		webapp
.cursorrules		.cursorrules
.env.example		.env.example
.env.test		.env.test
.gitignore		.gitignore
.pre-commit-config.yaml		.pre-commit-config.yaml
CHANGELOG.md		CHANGELOG.md
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
README.md		README.md
TROUBLESHOOTING_DEPENDENCIES.md		TROUBLESHOOTING_DEPENDENCIES.md
baseline_backtest_id.txt		baseline_backtest_id.txt
baseline_metrics_numpy2.2.6_pandas2.3.2.json		baseline_metrics_numpy2.2.6_pandas2.3.2.json
baseline_trades_numpy2.2.6_pandas2.3.2.json		baseline_trades_numpy2.2.6_pandas2.3.2.json
docker-compose.yml		docker-compose.yml
pyproject.toml		pyproject.toml

Latest commit

History

Folders and files

Repository files navigation