[AI tradingOS] AI自动交易器 | 绩效追踪与日志
第6章：AI自动交易器
欢迎回到nofx
通过前几章的积累，我们已经逐步构建了一个强大的系统：第1章：数据库与配置赋予其记忆能力，第2章：市场数据系统提供"市场耳目"，第3章：多交易所交易接口配备"交易执行手"，而第4章：AI决策引擎则构建了智能决策"大脑"。最后第5章：认证与用户管理通过身份验证机制保障系统安全。
现在想象你拥有一位天才厨师（AI决策引擎）、储备丰富的食材（市场数据）、精良的厨具（多交易所接口）和完美的食谱（提示词）。
如何确保这位厨师能持续烹饪、适应新食材并产出美味（盈利）佳肴，同时保持详细记录？
这就是AI自动交易器的用武之地
它是每个AI交易机器人的"专属管家"
AI的"私人管家"：维持系统运转
将AI自动交易器视为特定交易策略的全职助理。它不只执行单次交易，而是管理交易机器人的全生命周期：
核心职责包括：
- 定时唤醒：按设定间隔检查市场
- 信息收集：获取最新市场数据和账户状态
- 专家咨询：向AI决策引擎寻求建议
- 计划执行：通过多交易所接口下单交易
- 记录存档：记录每个动作、决策和绩效
- 持续进化：利用历史结果优化策略（主要通过改进AI提示词实现）
这个组件将前几章的所有概念整合为持续运行的智能交易机器人。
场景：“运行我的比特币策略”
假设要在币安上运行基于DeepSeek模型的BTCUSDT交易机器人，每3分钟扫描市场：
若无自动交易器，你需要：
- 手动获取BTCUSDT数据
- 手动构建包含策略和账户信息的提示词
- 手动发送给DeepSeek模型
- 手动解析复杂响应
- 手动决定是否执行
- 手动向币安发送订单
- 手动记录所有操作
- 每3分钟重复上述流程！
人力根本无法完成！而AI自动交易器能自动化整个流程，启动后即可7×24小时持续运行。
核心机制
1. 唯一标识与配置
每个自动交易器都有唯一
ID和名称，以及特定配置参数：
| 配置项 | 说明 | 示例 |
|---|---|---|
ID/Name | 唯一标识和显示名称 | btc-deepseek-binance |
AIModel | 使用的AI模型 | deepseek |
Exchange | 交易平台 | binance |
API Keys | 交易所和AI模型的密钥 | sk-xyz... |
ScanInterval | 市场扫描间隔 | 3分钟 |
InitialBalance | 初始资金（用于绩效追踪） | 1000 USDT |
SystemPromptTemplate | 使用的交易策略模板文件 | default |
这些配置在创建时从数据库加载（参考第1章）。
2. 持续交易循环
自动交易器的核心是循环执行以下步骤：
- 暂停检查：是否因风控暂停
- 日绩效重置：新交易日重置盈亏统计
- 构建上下文：
- 从交易接口获取账户余额和持仓
- 从市场系统获取最新行情数据
- 加载该机器人历史表现
- 获取AI决策：
- 发送上下文给AI决策引擎
- 接收包含思维链和交易指令的响应
- 指令排序：确保平仓优先于开仓
- 执行交易：
- 安全检查（如避免重复开仓）
- 通过交易接口下单
- 设置止损止盈
- 记录日志：保存完整操作记录到
decision_logs/
3. 绩效追踪与日志
自动交易器维护关键指标如initialBalance和dailyPnL，并通过DecisionLogger记录每个循环的详细信息，包括：
- 账户快照（权益、可用余额）
- 当前持仓
- AI使用的完整提示词
- AI的思维链推理过程
- 最终交易决策JSON
- 每项操作的执行结果
这些日志对透明度、调试和长期优化至关重要。
⭕使用方式
开发者通过配置创建AutoTrader实例后，调用Run()即可启动：
func startBot() {// 1. 创建配置config := trader.AutoTraderConfig{ID: "btc-strategy-1",AIModel: "deepseek",Exchange: "binance",ScanInterval: 3 * time.Minute,SystemPromptTemplate: "default"}// 2. 创建实例myBot, _ := trader.NewAutoTrader(config)// 3. 启动循环go myBot.Run()// 运行30分钟后停止time.Sleep(30 * time.Minute)myBot.Stop()
}
底层实现
核心工作流
关键代码
- 结构体定义(
trader/auto_trader.go)
type AutoTrader struct {id stringconfig AutoTraderConfigtrader Trader // 交易接口mcpClient *mcp.Client // AI通信客户端logger *DecisionLogger // 日志记录器
}
- 主循环逻辑
func (at *AutoTrader) runCycle() error {// 1. 构建交易上下文ctx := at.buildTradingContext()// 2. 获取AI决策decision := decision.GetFullDecision(ctx, at.mcpClient)// 3. 执行排序后的指令for _, action := range sortActions(decision.Actions) {at.executeAction(action)}// 4. 保存完整记录at.logger.Log(decision)return nil
}
- 指令执行示例（做多）
func (at *AutoTrader) executeOpenLong(d Decision) error {// 避免重复开仓if at.hasPosition(d.Symbol, "long") {return errors.New("existing position")}// 计算数量并下单price := market.Get(d.Symbol).CurrentPriceqty := d.PositionSizeUSD / priceresult, _ := at.trader.OpenLong(d.Symbol, qty, d.Leverage)// 设置止损止盈at.trader.SetStopLoss(d.Symbol, qty, d.StopLoss)return nil
}
小结
AI自动交易器作为nofx的运营中枢，通过持续循环整合市场数据采集、AI决策咨询、交易执行和全流程记录，将前几章的独立模块转化为有机整体
这种设计使得单个交易机器人能够安全、透明地自动化运行。
理解单个自动交易器的工作原理后，下一步自然需要管理多个机器人。在第7章：交易管理器中，我们将探索如何统一管控这些强大的自动交易器。