Bitget AI Base Camp Hackathon S1 — 赛道一：交易 Agent
团队: zz_0816 | 技术栈: Python + Claude Code + Bitget Agent Hub Skills
目标用户：加密货币散户交易者。
核心痛点：追涨杀跌、凭感觉操作、无系统风控。
本项目用一个全自动策略 Agent 替代散户的主观判断：
你的角色: 用自然语言描述策略（1 分钟）
Agent 的角色（全自动）:
NL 策略解析 → 识别 symbol/timeframe/template/参数
4 Skill 验证 → 技术面 + 情绪面 + 宏观面 + 消息面 交叉验证
5 条件评估 → EMA金叉 + MACD方向 + ADX趋势 + RSI区间 + 价格vs均线
风控过滤 → 情绪极端/宏观风险/重大事件 三重过滤
自动执行 → Demo Trading 入场 + SL/TP 计划委托
持续监控 → 7 维退出条件检查, 触发自动平仓
P&L 总结 → 自动生成交易总结 + A-F 评级
cp .mcp.json.example .mcp.json
# 编辑 .mcp.json，填入 Bitget Demo Trading API Key（沙盒模式，Read + Trade 权限） pip install -r requirements.txt 3. 开始使用（在 Claude Code 中直接用中文对话） 无需 CLI，直接对话即可操作：
你说什么
Agent 做什么
"帮我做一个 BTC 4H 趋势跟随策略"
完整流程：解析→验证→审核报告→Playbook
"检查一下当前 BTC"
四维交叉审核（不创建策略，只输出报告）
"启动持续监控 BTC 15min 趋势做多"
后台启动自主循环，每 15 分钟检查一次
"当前持仓怎么样"
查询 Bitget Demo Trading 持仓状态
"回测一下这个策略"
运行 backtest benchmark 输出对比结果
支持的策略描述示例：
"BTCUSDT 15min趋势跟随 EMA金叉进场 MACD上涨确认 做多 止损1%止盈2%""DOGE 1H动量突破 RSI在55-65之间 做多""ETH震荡策略 布林带下轨买入上轨卖出"
Claude Code (编排器/运行时)
│
├─ [每轮循环] 并行调用 4 个 Skills (MCP tools):
│ ├─ crypto_derivatives → OHLCV K线数据
│ ├─ sentiment_index → 恐惧贪婪指数
│ ├─ derivatives_sentiment → 多空比 / OI
│ ├─ rates_yields → 宏观利率 / 利差
│ └─ news_feed → 加密新闻
│
├─ [指标计算] agent/auto_cycle.py::compute_indicators_from_ohlcv()
│ EMA12/26/20/50 + MACD(DIF/DEA/HIST) + RSI14 + ATR14 + BB(20,2) + ADX14
│
├─ [策略评估] agent/strategy_executor.py::evaluate_strategy()
│ 5 条件加权检查 + 情绪/宏观/新闻三重过滤
│
├─ [交易执行] DemoClient → Bitget Demo Trading Sandbox
│ 入场限价单 + SL/TP 计划委托 (自动部署)
│
├─ [持仓监控] agent/strategy_executor.py::evaluate_exit_conditions()
│ 7 维退出检查 → 触发自动平仓 → P&L + A-F 评级
│
└─ [状态持久化] output/auto_trade_state.json
position / cycles / PnL / trade_history
Skills（MCP 市场数据工具）只能由 Claude Code 调用 ，独立 Python 进程无法访问。因此 Claude Code 是运行时，Python 模块（agent/auto_cycle.py）是计算引擎——Claude Code 取数据，Python 算指标 + 评估 + 执行。
5 条件加权检查（trend_following 模板）
#
检查项
权重
说明
1
EMA Golden Cross (12/26)
25%
EMA12 > EMA26 金叉确认
2
MACD Direction
25%
DIF > DEA 多头排列
3
ADX Trending
20%
ADX > 25 趋势市确认
4
RSI Zone
15%
30 < RSI < 70 非极端区间
5
Price vs EMA20
15%
价格 > EMA20 短期趋势确认
过滤器
数据来源
规则
情绪过滤
恐惧贪婪指数 + 多空比
FG < 25 做多信号打折; LS ratio 趋势反转警告
宏观过滤
利率 + 利差 + 信用利差
Risk-Off 时做多信号打折; 收益率曲线倒挂警告
新闻过滤
CoinDesk/Decrypt/CoinTelegraph
重大地缘/监管事件 → 降低置信度
退出条件
触发规则
SL 触及
价格触及止损位
TP 触及
价格触及止盈位
EMA 破坏
EMA12 < EMA26（金叉转为死叉）
MACD 翻转
DIF < DEA（多头转空头）
RSI 极端
RSI > 85（超买退出）
时间止损
持仓超过 N 根 K 线未盈利
拖尾止损
盈利后 ATR 动态止损
文件
内容
api_calls.jsonl全链路 API 调用审计（29 次, 100% 成功）
trade_log.json39 笔回测交易（8 策略变体）
demo_trading_log.jsonDemo Trading 实盘验证（7 阶段完整链路）
auto_trade_state.json自主循环状态持久化
strategy_eval_report.json策略评估结果 + 风控过滤详情
COMPETITION_EVIDENCE.md赛道一完整证据包
策略
品种
方向
周期
胜率
平均盈亏%
BTC SMC
BTCUSDT
Long
1D
30%
-0.33%
BTC SMC
BTCUSDT
Short
1D
46%
+1.39%
BTC SMC
BTCUSDT
Short
4H
75%
+4.43%
DOGE Mom
DOGEUSDT
Short
1D
50%
+3.54%
bitget_test/
├── agent/ # Agent 核心引擎 (15 文件)
│ ├── auto_cycle.py # ★ 自主循环引擎 (run_cycle + 指标计算)
│ ├── strategy_executor.py # ★ 策略评估 + 退出条件 + P&L 评级
│ ├── strategy_factory.py # NL 策略解析 → 结构化配置
│ ├── claude_cycle.py # Claude Code 编排单次循环入口 + 证据链
│ ├── bitget_mcp_server.py # Python MCP Server (Bitget API)
│ ├── market_snapshot.py # 市场快照（技术/情绪/宏观/新闻）
│ ├── position_monitor.py # 持仓监控 + 状态管理
│ ├── agent.py # 四层闭环 TradingAgent
│ ├── perception.py # 感知层 (MarketData/Sentiment/Macro)
│ ├── decision.py # 决策引擎 (Signal/SignalType)
│ ├── execution.py # 执行引擎 (Order)
│ ├── risk.py # 风控引擎 (RiskManager)
│ ├── config.py # Agent 配置
│ └── api_logger.py # API 调用审计日志
├── strategies/ # 策略模块
│ ├── btc_smc.py # BTC SMC 三重确认策略
│ ├── meme_momentum.py # MEME 动量突破策略
│ ├── indicators.py # 60+ 技术指标库
│ └── playbook.py # 策略注册中心
├── backtest/ # 回测模块
│ ├── btc_smc_backtest.py # BTC SMC 独立回测
│ ├── meme_momentum_backtest.py # MEME 独立回测
│ └── benchmark.py # 多策略横向对比
├── data/ # 行情数据
│ ├── btc_15min_latest.json # BTC 15min 实时 OHLCV
│ ├── btc_1d_bitget.json # BTC 1D Bitget 数据
│ ├── btc_4h_bitget.json # BTC 4H Bitget 数据
│ ├── doge_1h_bitget.json # DOGE 1H Bitget 数据
│ ├── doge_1d_bitget.json # DOGE 1D Bitget 数据
│ └── market_snapshot_latest.json # 最新四维市场快照
├── output/ # ★ 交易记录 + 证据
│ ├── api_calls.jsonl # API 审计日志 (91 calls)
│ ├── cycle_evidence.jsonl # 循环证据链 (17 records)
│ ├── trade_log.json # 回测交易记录 (39 trades)
│ ├── demo_trading_log.json # Demo Trading 日志
│ ├── auto_trade_state.json # 循环状态持久化 (36 cycles)
│ ├── strategy_eval_report.json # 策略评估报告
│ ├── COMPETITION_EVIDENCE.md # ★ 完整证据包
│ └── playbook_generated/ # 自动生成 Playbook
├── presets/ # 策略预设模板
│ ├── btc_trend_following.yaml
│ ├── conservative.yaml
│ └── meme_breakout.yaml
├── run_cycle_once.py # 单轮循环启动器
├── run.py # CLI 功能入口
├── demo_trading_test.py # DemoClient (Bitget 沙盒)
├── config.yaml # 用户配置（改参数不写代码）
├── CLAUDE.md # Agent 角色定义 + 行为准则
└── requirements.txt # Python 依赖
output/
├── PAPER_TRADING_LOG.md ★ 提交用 Paper Trading 日志 (含完整交易明细+账户变动)
├── COMPETITION_EVIDENCE.md ★ 完整证据包 (架构/策略/循环/风控/评分对照)
├── api_calls.jsonl ★ 119 次 Bitget API 调用审计 (JSONL 格式)
├── cycle_evidence.jsonl ★ 17 条自主循环证据 (含市场快照+指标+决策)
├── auto_trade_state.json 持久化循环状态 (36 轮, 1 笔交易)
├── trade_log.json 39 笔回测交易记录 (8 策略变体)
├── demo_trading_log.json Demo Trading 验证 (7 阶段完整链路)
├── strategy_eval_report.json 策略评估报告
├── daemon_log.json Daemon 模式运行日志
└── playbook_generated/ 自动生成策略 Playbook
方向
本项目
思路深度 散户追涨杀跌痛点 → 全自动策略 Agent; NL→4 Skills 交叉验证→5条件加权→3重过滤器→7维退出, 核心假设成立
可运行性 pip install -r requirements.txt 后在 Claude Code 中直接对话操作; Demo Trading 沙盒 119 次 API 调用验证
完成度 MVP 完整跑通: NL 策略 → 36 轮自主循环 → 1 笔完整交易 (入场→监控→风控退出→P&L 评级); 诚实描述完成度
新颖性 Claude Code 作为 AI Agent 编排器 (非传统脚本调度); 只有 AI Agent 才能自然语言→自动执行的闭环
