moon-dev-trading-agents

Moon Dev 的 AI 交易 Agent 系统

关于如何使用 Moon Dev 实验性 AI 交易系统的专业知识。该系统负责协调 48+ 个专用 AI Agent，在 Hyperliquid、Solana（BirdEye）、Asterdex 和 Extended Exchange 上进行加密货币交易。

何时使用此技能

在以下情况下使用此技能：

• 使用 Moon Dev 的交易 Agent 代码库
• 需要了解 Agent 架构和功能
• 运行、修改或创建交易 Agent
• 配置交易系统、交易所或 LLM 提供商
• 调试交易操作或 Agent 交互
• 了解如何使用 RBI Agent 进行回测
• 设置新交易所或策略

环境设置说明

新用户须知：此代码库使用 Python 3.10.9。如果使用 conda，README 展示了如何设置名为 tflow 的环境，但你可以随意命名。如果不使用 conda，标准的 pip/venv 也完全适用。

快速入门命令

# Activate your Python environment (conda, venv, or whatever you use)
# Example with conda: conda activate tflow
# Example with venv: source venv/bin/activate
# Use whatever environment manager you prefer

# Run main orchestrator (controls multiple agents)
python src/main.py

# Run individual agent
python src/agents/trading_agent.py
python src/agents/risk_agent.py
python src/agents/rbi_agent.py

# Update requirements after adding packages
pip freeze > requirements.txt

核心架构

目录结构

src/
├── agents/              # 48+ specialized AI agents (<800 lines each)
├── models/              # LLM provider abstraction (ModelFactory)
├── strategies/          # User-defined trading strategies
├── scripts/             # Standalone utility scripts
├── data/                # Agent outputs, memory, analysis results
├── config.py            # Global configuration
├── main.py              # Main orchestrator loop
├── nice_funcs.py        # Core trading utilities (~1,200 lines)
├── nice_funcs_hl.py     # Hyperliquid-specific functions
├── nice_funcs_extended.py # Extended Exchange functions
└── ezbot.py             # Legacy trading controller

关键组件

Agent（src/agents/）

• 每个 Agent 都是独立的可执行程序
• 使用 ModelFactory 访问 LLM
• 将输出存储在 src/data/[agent_name]/
• 文件不超过 800 行（超过时应拆分）

LLM 集成（src/models/）

• ModelFactory 提供统一接口
• 支持：Claude、GPT-4、DeepSeek、Groq、Gemini、Ollama
• 模式：ModelFactory.create_model('anthropic')

交易工具

• nice_funcs.py：核心函数（Solana/BirdEye）
• nice_funcs_hl.py：Hyperliquid 交易所
• nice_funcs_extended.py：Extended Exchange（X10）

配置

• config.py：交易设置、风险限制、Agent 行为
• .env：API 密钥和密钥信息（切勿泄露）

Agent 类别

交易：trading_agent、strategy_agent、risk_agent、copybot_agent

市场分析：sentiment_agent、whale_agent、funding_agent、liquidation_agent、chartanalysis_agent

内容：chat_agent、clips_agent、tweet_agent、video_agent、phone_agent

研究：rbi_agent（根据视频/PDF 编写回测代码）、research_agent、websearch_agent

专用：sniper_agent、solana_agent、tx_agent、million_agent、polymarket_agent、compliance_agent、swarm_agent

完整列表及说明请参阅 AGENTS.md。

常见工作流

1. 运行单个 Agent

# Activate your environment first
python src/agents/[agent_name].py

每个 Agent 都是独立程序，可以单独运行。

2. 运行主协调器

python src/main.py

根据 main.py 中的 ACTIVE_AGENTS 字典循环运行多个 Agent。

3. 更改交易所

编辑 Agent 文件或配置：

EXCHANGE = "hyperliquid"  # or "birdeye", "extended"

然后导入相应函数：

if EXCHANGE == "hyperliquid":
    from src import nice_funcs_hl as nf
elif EXCHANGE == "extended":
    from src import nice_funcs_extended as nf

4. 切换 AI 模型

编辑 src/config.py：

AI_MODEL = "claude-3-haiku-20240307"  # Fast, cheap
# AI_MODEL = "claude-3-sonnet-20240229"  # Balanced
# AI_MODEL = "claude-3-opus-20240229"  # Most powerful

或者按 Agent 使用 ModelFactory：

from src.models.model_factory import ModelFactory
model = ModelFactory.create_model('deepseek')  # or 'openai', 'groq', etc.
response = model.generate_response(system_prompt, user_content, temperature, max_tokens)

5. 回测策略（RBI Agent）

python src/agents/rbi_agent.py

提供：YouTube URL、PDF 或交易想法文本 → DeepSeek-R1 提取策略逻辑 → 生成兼容 backtesting.py 的代码 → 执行回测并返回指标

更多示例请参阅 WORKFLOWS.md。

开发规则

重要规则

1. 文件保持在 800 行以内——超过时请拆分到新文件
2. 切勿移动文件——可以创建新文件，但未经询问不得移动文件
3. 使用现有环境——不要创建新的虚拟环境，使用初始设置时创建的环境
4. 每次 pip install 后更新 requirements.txt：pip freeze > requirements.txt
5. 仅使用真实数据——切勿使用合成或伪造数据
6. 尽量减少错误处理——用户希望看到错误，不需要过度设计的 try/except
7. 切勿泄露 API 密钥——不要展示 .env 内容

Agent 开发模式

创建新 Agent：

# 1. Use ModelFactory for LLM
from src.models.model_factory import ModelFactory
model = ModelFactory.create_model('anthropic')

# 2. Store outputs in src/data/
output_dir = "src/data/my_agent/"

# 3. Make independently executable
if __name__ == "__main__":
    # Standalone logic here

# 4. Follow naming: [purpose]_agent.py

# 5. Add to config.py if needed

回测

• 使用 backtesting.py 库（不要使用内置指标）
• 使用 pandas_ta 或 talib 处理指标
• 示例数据：src/data/rbi/BTC-USD-15m.csv

配置文件

config.py：交易设置

• MONITORED_TOKENS、EXCLUDED_TOKENS
• 仓位规模：usd_size、max_usd_order_size
• 风险：CASH_PERCENTAGE、MAX_LOSS_USD、MAX_GAIN_USD
• Agent：SLEEP_BETWEEN_RUNS_MINUTES、ACTIVE_AGENTS
• AI：AI_MODEL、AI_MAX_TOKENS、AI_TEMPERATURE

.env：机密信息（切勿泄露）

• 交易 API：BIRDEYE_API_KEY、MOONDEV_API_KEY、COINGECKO_API_KEY
• AI：ANTHROPIC_KEY、OPENAI_KEY、DEEPSEEK_KEY、GROQ_API_KEY、GEMINI_KEY
• 区块链：SOLANA_PRIVATE_KEY、HYPER_LIQUID_ETH_PRIVATE_KEY、RPC_ENDPOINT
• 扩展：X10_API_KEY、X10_PRIVATE_KEY、X10_PUBLIC_KEY、X10_VAULT_ID

交易所支持

Hyperliquid（nice_funcs_hl.py）

• 兼容 EVM 的永续合约 DEX
• 函数：market_buy()、market_sell()、get_position()、close_position()
• 杠杆最高可达 50 倍

BirdEye/Solana（nice_funcs.py）

• Solana 现货代币数据和交易
• 函数：token_overview()、token_price()、get_ohlcv_data()
• 提供 15,000 多种代币的实时市场数据

Extended Exchange（nice_funcs_extended.py）

• 基于 StarkNet 的永续合约（X10）
• 自动转换交易对符号（BTC → BTC-USD）
• 杠杆最高可达 20 倍
• 函数与 Hyperliquid API 匹配，以确保兼容性

交易所专属指南请参阅 docs/hyperliquid.md、docs/extended_exchange.md。

数据流模式

Config/Input → Agent Init → API Data Fetch → Data Parsing →
LLM Analysis (via ModelFactory) → Decision Output →
Result Storage (CSV/JSON in src/data/) → Optional Trade Execution

常见任务

添加新软件包：

# Make sure your environment is activated first
pip install package-name
pip freeze > requirements.txt

读取市场数据：

from src.nice_funcs import token_overview, get_ohlcv_data, token_price

overview = token_overview(token_address)
ohlcv = get_ohlcv_data(token_address, timeframe='1H', days_back=3)
price = token_price(token_address)

执行交易（Hyperliquid）：

from src import nice_funcs_hl as nf
nf.market_buy("BTC", usd_amount=100, leverage=10)
position = nf.get_position("BTC")
nf.close_position("BTC")

执行交易（Extended）：

from src import nice_funcs_extended as nf
nf.market_buy("BTC", usd_amount=100, leverage=15)
position = nf.get_position("BTC")
nf.close_position("BTC")

Git 操作

当前分支：main PR 的主分支：main

最近提交：

• dc55e90：websearch agent
• 921ead6：websearch_agent 已启动并更新了 rbi agent
• 6bb55c2：回测仪表盘

已修改文件（当前）：

• .env_example
• src/agents/swarm_agent.py
• src/agents/trading_agent.py
• src/data/ohlcv_collector.py

文档

主要文档（docs/）：

• CLAUDE.md：项目概览和开发指南
• hyperliquid.md、hyperliquid_setup.md：Hyperliquid 交易所
• extended_exchange.md：Extended Exchange（X10）设置
• rbi_agent.md：基于研究的推理 Agent
• websearch_agent.md：网页搜索功能
• swarm_agent.md：多 Agent 协作
• [agent_name].md：各个 Agent 的文档

README 文件：

• 根目录 README.md：项目概览
• src/models/README.md：大模型提供商指南

风险管理

• 风险 Agent 会在任何交易决策前优先运行
• 熔断机制：MAX_LOSS_USD、MINIMUM_BALANCE_USD
• 平仓需经 AI 确认（可配置）
• 默认循环间隔：每 15 分钟一次（SLEEP_BETWEEN_RUNS_MINUTES）

项目理念

这是一个实验性教育项目：

• 不保证盈利
• 开源且免费
• 由 YouTube 驱动开发
• 通过 Discord 获得社区支持
• 没有官方代币（谨防诈骗）

目标：通过实用的交易示例，推动 AI Agent 开发普及。

更多资源

完整 Agent 列表请参阅 AGENTS.md 工作流示例请参阅 WORKFLOWS.md 架构详情请参阅 ARCHITECTURE.md

---

由 Moon Dev 倾情打造 🌙

「切勿过度设计，始终交付真实的交易系统。」