一、 缘起：技术指标在黑天鹅面前的无力感
做过量化交易的朋友都知道，传统的 MACD、RSI、BOLL 指标在震荡行情下是“印钞机”，但一旦遇到交易所暴雷、地缘冲突等系统性“黑天鹅”，纯看 K 线的机器人就像个瞎子。它不仅不会跑，甚至会因为指标“超卖”而疯狂补仓，最后死得极惨。
作为一名 AI 方向的开发者，我一直在思考：能不能给机器人装上一个能看懂新闻、感知识别风险的“大脑”？
二、 核心架构：LLM 宏观风控 + 传统微观执行
由此，我开发了这套 Cheetah Quant (猎豹量化) 。它采用了“双核”隔离架构：
- ** AI 参谋长 (大模型风控)：** 系统通过
feedparser定时抓取全球顶级加密媒体的头条快讯。通过调用 DeepSeek API（逻辑极强且成本极低）进行 NLP 情感分析。一旦判定有系统性风险，直接物理锁死买入接口，大跌期间只许卖、不许买。 - ** 猎豹执行引擎 (战术执行)：** 在 AI 判定环境安全的前提下，底层依然由
BOLL + RSI + MACD三重共振模型负责毫秒级的精准入场。
三、 商业级 SaaS 面板展示
为了告别枯燥的命令行，我基于 Streamlit 和 Plotly 搓了一套暗黑科技风的控制台：
- 实时战术大屏： 动态 K 线、资金曲线、夏普比率一目了然。
- 物理安全栓： 严格隔离
Simulation (模拟)与Live (实盘)模式。 - 本地私钥库： 所有的 API Key 和配置仅加密存储于本地
quant_bot.db，绝不上传云端。
四、 快速上手
项目已经完全开源，且目录结构极度精简（仅 5 个核心文件，方便魔改）：
- 克隆代码：
git clone https://github.com/byb-eng/V26-Cheetah-Quant.git - 安装依赖：
pip install -r requirements.txt - 启动： 双击
启动机器人.bat或运行streamlit run robot_web_dashboard.py
五、 写在最后
目前项目处于 V26.3 版本。开源不代表建议实盘，加密市场风险巨大，请务必先用模拟模式测试！
如果你觉得这种“AI 风控 + 传统量化”的思路有启发，欢迎在 GitHub 上给个 Star 鼓励一下！ GitHub 地址： github.com/byb-eng/V26…
也欢迎在评论区探讨更多的指标融合方案。
