Freqtrade LLM Function Calling Strategy

基于大语言模型（LLM）Function Calling 与自我反思学习体系的智能加密货币交易策略

📋 目录

项目简介
核心特性
系统架构
快速开始
配置说明
经验学习系统
使用指南
故障排除
技术细节
更新日志
风险提示
许可证
贡献
支持与资源

🎯 项目简介

这是一个基于 Freqtrade 的自动化交易示例策略。策略使用 OpenAI Function Calling 接入大语言模型，在 30m 主时间框架下对市场进行全局分析：

LLM 通过 6 个交易函数直接下达开仓/加仓/平仓等指令
真实交易日志（JSONL）驱动历史回放、模式分析与自我反思
轻量级经验系统替代了早期的 RAG / 向量检索依赖，部署更简单
所有状态、日志和数据库都通过 manage.sh 一键管理

适合想要验证「LLM + 交易框架」可行性的研究者与工程师。

✨ 核心特性

1. OpenAI Function Calling 控盘

LLM 通过 6 个核心函数完成交易生命周期：

函数名称	功能描述	关键字段
`signal_entry_long`	做多开仓，指定杠杆/投入金额	`pair`, `leverage`, `stake_amount`, `confidence_score`
`signal_entry_short`	做空开仓	`pair`, `leverage`, `trend_strength`, `reason`
`signal_exit`	市价平仓 + 自评打分	`trade_score`, `reason`, `confidence_score`
`adjust_position`	加仓/减仓	`adjustment_pct`, `key_support`, `key_resistance`
`signal_hold`	有仓位时保持不动	`confidence_score`, `rsi_value`, `reason`
`signal_wait`	无仓位时观望	`confidence_score`, `reason`

所有函数都带有严格的参数校验，确保 LLM 只能在允许的风险边界内操作。

2. 经验日志 + 自我反思

早期的 RAG / 向量存储已经废弃。现在的学习闭环完全基于结构化日志：

LLM 决策 → 写入 llm_decisions.jsonl
平仓后 → trade_experience.jsonl + 模型自评（trade_score）
历史查询 → JSONL 扫描 + 模式分析
自我反思 → SelfReflectionEngine 输出教训/总结
奖励学习 → reward_learning.json（可选）记录分值

优点：部署轻量、不依赖额外的嵌入服务，也不会出现向量索引损坏的问题。

3. 决策增强模块

模块	作用
`PositionTracker`	追踪持仓 MFE/MAE、信号历史
`MarketStateComparator`	对比开仓时与当前市场状态
`DecisionQualityChecker`	快速回放最近 50 次决策质量
`TradeReviewer`	生成平仓后的复盘摘要
`HistoricalQueryEngine`	直接从 JSONL 查询最近交易/统计
`PatternAnalyzer`	统计常见成功/失败模式
`SelfReflectionEngine`	根据入场/出场表现输出教训

4. 期货交易完整支持

多空双向、隔离保证金、动态杠杆 (1-100x)
自定义投入金额或 stake_amount = "unlimited"
多次加仓/减仓（受 max_entry_position_adjustment 限制）
DecisionChecker 对 LLM 请求做二级风控

5. 多时间框架技术分析

主时间框架：30m
辅助：1h / 4h / 1d（可配置）
指标：EMA、RSI、MACD、ATR、ADX、MFI、OBV 等
ContextBuilder 自动压缩上下文，控制 token 使用

6. 日志与可观测性

user_data/logs/
├── freqtrade.log            # Freqtrade 运行日志
├── llm_decisions.jsonl      # 每次 LLM 决策完整上下文
├── trade_experience.jsonl   # 平仓后总结、收益、教训
└── reward_learning.json     # 奖励学习记录（可选）

所有日志都可通过 manage.sh 或 tail -f 直接查看。

🏗️ 系统架构

ft-userdata-llm/
├── docker-compose.yml          # Docker 编排
├── Dockerfile.custom           # 追加 Python 依赖
├── manage.sh                   # 一键管理脚本
├── README.md                   # 当前文档
└── user_data/
    ├── config.json             # 策略配置
    ├── logs/                   # 日志目录
    │   ├── freqtrade.log
    │   ├── llm_decisions.jsonl
    │   ├── trade_experience.jsonl
    │   └── reward_learning.json
    ├── strategies/
    │   ├── LLMFunctionStrategy.py
    │   └── llm_modules/
    │       ├── llm/                # LLM 客户端 & 工具执行器
    │       ├── tools/              # Function Calling 定义
    │       ├── experience/         # 日志 & 复盘模块
    │       ├── learning/           # HistoricalQuery / Pattern / Reflection
    │       ├── utils/              # Config/Context/Decision 工具
    │       └── indicators/         # 技术指标扩展
    └── tradesv3.sqlite*        # 交易数据库

⚡ 快速开始

准备环境
- macOS / Linux / WSL 均可
- Docker Desktop 已启动
- 已克隆仓库并进入 ft-userdata-llm
赋权 & 一键启动

chmod +x manage.sh
./manage.sh start        # 已启用容器会直接看日志

完整部署（重新构建镜像）

./manage.sh deploy

manage.sh 菜单功能

序号	功能	说明
1	快速启动	检查容器 → 启动 → 跟随日志
2	快速重启	`docker compose restart` + 日志
3	完整部署	检查镜像 → 构建 → 启动
4	查看容器日志	等价 `docker logs -f freqtrade-llm`
5	查看 LLM 决策日志	`tail -f user_data/logs/llm_decisions.jsonl`
6	查看交易经验日志	`tail -f user_data/logs/trade_experience.jsonl`
7	清理日志和数据库	删除 JSONL / sqlite / reward 数据
8	检查镜像版本	比对 `freqtrade:stable` 摘要
9	停止服务	`docker-compose down`

命令行速查：./manage.sh decisions, ./manage.sh trades, ./manage.sh version 等。

⚙️ 配置说明

1. LLM 配置

"llm_config": {
    "api_base": "http://host.docker.internal:3120",
    "api_key": "sk-xxx",
    "model": "qwen/qwen3-30b-a3b-thinking-2507",
    "temperature": 0.6,
    "max_tokens": 2000,
    "timeout": 60,
    "retry_times": 2
}

推荐模型：qwen3-30b-a3b-thinking、gpt-4.1-mini、deepseek-coder（保证 Function Calling 能力即可）
OpenAI 兼容 API：保持 /v1/chat/completions 接口即可

2. 交易所配置

"exchange": {
    "name": "binance",
    "key": "your-api-key",
    "secret": "your-api-secret",
    "ccxt_config": {
        "enableRateLimit": true,
        "options": { "defaultType": "future" }
    }
}

3. 风险管理

"risk_management": {
    "max_leverage": 100,
    "default_leverage": 10,
    "max_position_pct": 50,
    "max_open_trades": 4,
    "allow_model_freedom": true,
    "emergency_stop_loss": -0.15
}

4. 经验系统配置

"experience_config": {
    "log_decisions": true,
    "log_trades": true,
    "decision_log_path": "./user_data/logs/llm_decisions.jsonl",
    "trade_log_path": "./user_data/logs/trade_experience.jsonl",
    "max_recent_trades_context": 5,
    "max_recent_decisions_context": 10,
    "include_pair_specific_trades": true
}

日志路径可自定义，但仍建议放在 user_data/logs/ 以便 manage.sh 统一处理。

5. 上下文配置（节选）

"context_config": {
    "max_context_tokens": 6000,
    "indicator_history_points": 80,
    "raw_kline_history_points": 80,
    "include_multi_timeframe_data": false,
    "multi_timeframe_history": {}
}

根据大模型价格和速度，自行调整 token 配额。

📚 经验学习系统

模型自我评价

LLM 在调用 signal_exit 时必须提交 trade_score 和自我反思：

signal_exit(
    pair="BTC/USDT:USDT",
    confidence_score=85,
    rsi_value=72,
    trade_score=78,
    reason="""
    平仓理由：RSI 超买 + 达到预期阻力位
    自我反思：入场时机准确，但中途没有分批止盈，导致利润回吐。
    教训：盈利>8% 时优先锁仓。
    """
)

日志 & 查询

TradeLogger 将决策与交易数据写入 JSONL
HistoricalQueryEngine 定期重载文件，支持：
- 最近 N 笔交易
- 某交易对过去 30 天统计
- 胜率 / 亏损率拆解
PatternAnalyzer 会统计常见成功信号、失败原因、时间段表现

自我反思 + 奖励学习

SelfReflectionEngine 根据盈利、持仓时长、MFE/MAE 输出总结/教训
RewardLearningSystem 记录 reward_learning.json，用于观察累计奖励趋势（可关闭）
所有文本会再次作为上下文提供给下一次 LLM 决策

经验系统工作流

1. 决策阶段
   ├─ LLM 参考市场 + 历史摘要
   └─ 决策写入 llm_decisions.jsonl
2. 持仓阶段
   ├─ PositionTracker 更新 MFE/MAE
   └─ MarketComparator 跟踪市场变化
3. 平仓阶段
   ├─ LLM 调用 signal_exit 并打分
   ├─ TradeLogger 写入 trade_experience.jsonl
   ├─ SelfReflectionEngine 输出教训
   └─ RewardLearningSystem 更新奖励趋势
4. 下一次决策
   └─ HistoricalQuery + PatternAnalyzer 提供统计提示

🧭 使用指南

启动/重启：./manage.sh start 或 ./manage.sh restart
查看日志：
- 容器：./manage.sh logs
- 决策：./manage.sh decisions
- 经验：./manage.sh trades
导出日志：cp user_data/logs/*.jsonl ~/backup/
数据库：user_data/tradesv3.sqlite 可直接用 sqlite3 查看
监控：
- Web UI: http://localhost:8086（用户名 freqtrader）
- API: http://localhost:8086/api/v1/
清理测试数据：./manage.sh clean（会删除 JSONL + sqlite，请谨慎）

🛠️ 故障排除

问题	可能原因	解决方案
`Strategy analysis took ...`	LLM 请求耗时过长	减少 pair、降低上下文数据量、调低 `max_context_tokens`
`trade_experience.jsonl not found`	首次运行文件未创建	触发一次平仓或手动 `touch user_data/logs/trade_experience.jsonl`
`工具实例缺少方法 signal_*`	`TradingTools` 未正确注册	重启策略或检查 `LLMFunctionStrategy` 是否报错
LLM 请求超时	API 不可达或延迟大	提高 `timeout`、减少 `max_tokens`、检查网络代理
无法查看日志	文件未生成或权限问题	使用 `manage.sh decisions` 自动创建并 tail
Docker 无法启动	端口或磁盘权限问题	`docker-compose down -v` 后重新启动，确认 8086 端口空闲

如需更多调试，可进入容器：docker exec -it freqtrade-llm bash。

🔬 技术细节

ContextBuilder：组合行情、账户、形态、历史经验，拆分开仓/持仓两套系统提示词。
FunctionExecutor：接收 LLM 返回的 JSON，匹配到 TradingTools，并把结果回写给策略。
PositionTracker：保存最近持仓的 MFE/MAE、杠杆、信号，供反思使用。
DecisionQualityChecker：统计最近 50 次决策的胜率、平均置信度，避免连亏。
SelfReflectionEngine：
- 入场分析：方向、时机、关键词
- 出场分析：盈利保留、止损及时性、持仓时长
- 产出 lessons 与 summary
RewardLearningSystem：
- reward = profit_pct/100 * score/100 * leverage_factor
- 用 deque 维护 1000 条历史，支持滚动平均

📈 更新日志

v2.1.0 (2025-02-01)

✂️ 移除 RAG / 向量检索依赖，改为纯 JSONL 经验系统
🧠 新增轻量学习闭环：HistoricalQuery、PatternAnalyzer、SelfReflectionEngine
🗂️ 日志结构统一：决策/交易/奖励均放在 user_data/logs
🛠️ manage.sh 升级：新增决策/经验日志查看、镜像指纹比较、精准清理
📄 README 重写：同步最新功能与使用方式

v2.0.0 (2025-01-15, 已废弃)

曾引入 FAISS + RAG 管理器（现已移除）
保留历史记录以供参考

⚠️ 风险提示

加密货币期货波动剧烈，务必在 dry_run 下验证策略
LLM 决策具有随机性，不保证盈利，需人工监控
建议单笔风险 ≤ 5%，杠杆建议 ≤ 10x
定期备份 user_data/logs/ 与 tradesv3.sqlite
若长期离线，请停止容器并撤掉 API 权限
自定义模型/提示词后务必重新回测或纸面验证
任何自动化策略都可能因所依赖服务故障而失效

📄 许可证

MIT License

🤝 贡献

欢迎提交 Issue / PR：

修复 Bug 或补充文档
分享更优的提示词与风控策略
优化日志结构或分析脚本

📞 支持与资源

社区 & 学习：

Freqtrade Discord / Telegram
Binance Academy（期货基础）
Open-source AI 交易社区

祝交易顺利！🚀

Name		Name	Last commit message	Last commit date
Latest commit History 18 Commits
user_data		user_data
.env.example		.env.example
.gitignore		.gitignore
CONFIG_TEMPLATE.md		CONFIG_TEMPLATE.md
Dockerfile.custom		Dockerfile.custom
LICENSE		LICENSE
README.md		README.md
docker-compose.yml		docker-compose.yml
manage.sh		manage.sh

License

manwallet/ft-userdata-llm-share

Folders and files

Latest commit

History

Repository files navigation