上期视频我们用ClawdBot/OpenClaw写了一个双均线策略，很多朋友还嫌不过瘾，在评论区问：能不能让AI自己看行情、自己做决策、自己下单？今天我们就来挑战一下这个终极目标，搭建一套完全自动化的AI交易系统。
有些朋友担心直接让AI交易风险太大，所以我们设计了一个更安全的架构：ClawdBot作为大脑，负责采集数据、分析新闻、生成交易信号；发明者量化平台（FMZ）作为双手，负责接收信号、执行交易、管理风控。这样既发挥了AI的分析能力，又有专业平台的安全保障，还能实时监控和复盘。
在动手之前，我们先把整个系统拆解清楚。整套系统由大脑端与执行端两大核心部分组成，通过HTTP请求联动，形成完整的AI量化交易闭环：
ClawdBot的核心是指导语，相当于给AI写一份详细的操作手册，明确其操作步骤、判断标准和执行动作。我们来看这份指导语的结构：
首先告诉AI打开目标币种的页面，需要读取哪些关键数据：
【操作指令】
1. 自动化打开浏览器新标签页
2. 导航至目标币种页面：https://www.coingecko.com/en/coins/bitcoin
3. 等待页面完全加载
【需要读取的数据】
- BTC当前价格
- 24小时交易量
【需要读取的新闻】
- 滚动页面找到 "News" 区域
- 读取最新的3-5条新闻标题和摘要
- 将所有新闻整合为一条信息汇总
- 判断整体情绪（利好/利空/中性）
接着定义清晰的交易判断标准，明确什么情况下买入、什么情况下卖出：
【买入条件】
□ 新闻情绪整体正面（利好消息主导）
□ 交易量放大显示市场活跃
□ 综合判断市场处于上升趋势
【卖出条件】
□ 新闻情绪整体负面（利空消息主导）
□ 市场出现明显风险信号
【观望条件】
□ 新闻情绪中性或混杂
□ 市场方向不明确
要求AI生成标准的JSON格式数据，这是ClawdBot与发明者平台之间的核心通信协议，确保数据解析无歧义：
{
"coin": "BTC",
"timestamp": "2024-01-15T14:00:00.000Z",
"current_price": 42500.00,
"volume_24h": "25,000,000,000",
"news_summary": "ETF资金持续流入，机构增持意愿强烈",
"news_sentiment": "positive",
"trade_decision": "买入",
"decision_reason": "新闻情绪积极，交易量放大，适合建仓"
}
最后告诉AI把JSON信号推送至发明者平台，并做好本地操作记录，方便后续复盘：
【发送信号】
执行HTTP POST请求：
URL: https://www.fmz.com/api/v1?method=pub&robot={实盘ID}&channel={UUID}
- 实盘ID：发明者平台上对应机器人的唯一数字标识，用于精准指定接收信号的目标交易机器人。
- UUID：通用唯一识别码，作为自定义频道唯一标识，是ClawdBot与FMZ的通信密钥，请勿泄露，避免恶意操作。
【记录日志】
将每次操作的时间、币种、决策、信号发送状态等信息追加到本地 tradediary.csv 文件，便于后续策略复盘与优化。
当然，这份指导语是通过多次测试完善的。测试通过之后，我们可以把它打包成一个Skill，设置定时任务自动执行。
AI的决策有了，现在需要发明者平台这边编写配套代码，实现信号接收、交易执行与风控管理的全流程落地。
首先定义核心配置项，集中管理交易、监控、风控相关参数，其中UUID需与ClawdBot指导语中的保持一致：
const CONFIG = {
TRADE_AMOUNT: 0.01, // 每次固定交易数量
CHECK_INTERVAL: 3000, // 信号监听与风控检查间隔(毫秒)
UUID: "自定义UUID", // 与ClawdBot一致的频道标识，作为通信密钥
STOP_LOSS_PERCENT: 5, // 止损/踏空保护比例(%)
};
通过FMZ平台内置的GetChannelData函数监听指定UUID频道，获取AI发送的JSON信号。这里有个重要细节：通过时间戳判断信号是否已处理，防止因网络或平台问题导致同一信号重复执行，避免误交易：
function receiveSignal() {
try {
const res = GetChannelData(CONFIG.UUID);
if (res === null || res === "") {
return null;
}
const signal = typeof res === 'string' ? JSON.parse(res) : res;
// 校验信号格式，确保核心字段完整
if (!signal.coin || !signal.trade_decision) {
Log(" 信号格式无效，核心字段缺失");
return null;
}
// 检查时间戳是否已处理（信号去重核心逻辑）
if (isSignalProcessed(signal.timestamp)) {
return null;
}
Log(` 收到新信号: ${signal.coin} - ${signal.trade_decision}`);
return signal;
} catch (e) {
Log(` 获取信号失败: ${e.message}`);
return null;
}
}
解析信号中的核心内容，根据trade_decision字段执行对应的买入/卖出操作。买入前会检查USDT余额是否足够，卖出前会检查目标币种余额是否足够，避免因余额不足导致交易失败：
function executeBuy(signal, reason) {
const symbol = signal.coin + "_USDT"; // 拼接交易对，如BTC_USDT
exchange.SetCurrency(symbol); // 指定当前交易对
const account = _C(exchange.GetAccount); // 获取账户实时资产
const ticker = _C(exchange.GetTicker); // 获取币种实时行情
const currentPrice = ticker.Last; // 获取最新成交价
// 资金充足性检查
const requiredBalance = currentPrice * CONFIG.TRADE_AMOUNT;
if (account.Balance < requiredBalance) {
Log(` 余额不足，需要 USDT $${requiredBalance.toFixed(2)}，当前仅 $${account.Balance.toFixed(2)}`);
return false;
}
// 执行市价买入（-1表示市价，按当前市场价格成交）
const orderId = exchange.Buy(-1, CONFIG.TRADE_AMOUNT * currentPrice);
if (orderId) {
addTradeRecord({
coin: signal.coin,
action: "买入",
price: currentPrice,
amount: CONFIG.TRADE_AMOUNT,
reason: reason
});
Log(` ${signal.coin} 市价买入成功，成交价格: $${currentPrice.toFixed(2)}`);
return true;
}
Log(` ${signal.coin} 买入失败，未生成订单ID`);
return false;
}
function executeSell(signal, reason) {
try {
const symbol = signal.coin + "_USDT";
exchange.SetCurrency(symbol);
const account = _C(exchange.GetAccount);
const ticker = _C(exchange.GetTicker);
const currentPrice = ticker.Last;
// 目标币种充足性检查
if (account.Stocks < CONFIG.TRADE_AMOUNT) {
Log(` ${signal.coin} 余额不足，需要 ${CONFIG.TRADE_AMOUNT}枚，当前仅 ${account.Stocks.toFixed(6)}枚`);
return false;
}
// 执行市价卖出
const orderId = exchange.Sell(-1, CONFIG.TRADE_AMOUNT);
if (orderId) {
// 添加交易记录至平台
addTradeRecord({
coin: signal.coin,
action: "卖出",
price: currentPrice,
amount: CONFIG.TRADE_AMOUNT,
reason: reason || signal.decision_reason,
timestamp: new Date().toISOString()
});
Log(` ${signal.coin} 市价卖出成功 - 成交价格: $${currentPrice.toFixed(2)}, 成交数量: ${CONFIG.TRADE_AMOUNT}`);
return true;
} else {
Log(` ${signal.coin} 卖出失败，未生成订单ID`);
return false;
}
} catch (e) {
Log(` 卖出异常: ${e.message}`);
return false;
}
}
代码中设置了固定止损比例，当市场价格触及预设止损线时会自动执行反向交易操作，分为亏损止损和踏空止损两个核心场景，全方位控制交易风险：
function checkStopLoss() {
const latestTrade = getLatestTradeRecord(); // 获取最新一笔交易记录
if (!latestTrade) return { triggered: false }; // 无交易记录则跳过风控检查
const ticker = _C(exchange.GetTicker);
const currentPrice = ticker.Last;
const tradePrice = latestTrade.price; // 最新交易的成交价格
const priceChangePercent = ((currentPrice - tradePrice) / tradePrice) * 100; // 价格涨跌幅百分比
// 场景一：买入后价格下跌触发亏损止损，限制最大亏损
if (latestTrade.action === "买入") {
const stopLossPrice = tradePrice * (1 - CONFIG.STOP_LOSS_PERCENT / 100); // 计算止损价格
if (currentPrice <= stopLossPrice) {
Log(` 亏损止损触发！当前跌幅: ${priceChangePercent.toFixed(2)}%，触发${CONFIG.STOP_LOSS_PERCENT}%止损线`);
return {
triggered: true,
action: "卖出",
reason: `止损卖出：跌幅触发${CONFIG.STOP_LOSS_PERCENT}%止损线，当前跌幅${priceChangePercent.toFixed(2)}%`
};
}
}
// 场景二：卖出后价格上涨触发踏空止损，避免错过大幅上涨行情
if (latestTrade.action === "卖出") {
const stopLossPrice = tradePrice * (1 + CONFIG.STOP_LOSS_PERCENT / 100); // 计算踏空保护价格
if (currentPrice >= stopLossPrice) {
Log(` 踏空止损触发！当前涨幅: ${priceChangePercent.toFixed(2)}%，触发${CONFIG.STOP_LOSS_PERCENT}%保护线`);
return {
triggered: true,
action: "买入",
reason: `踏空止损：涨幅触发${CONFIG.STOP_LOSS_PERCENT}%保护线，当前涨幅${priceChangePercent.toFixed(2)}%`
};
}
}
return { triggered: false };
}
整个策略的运行核心是一个无限循环，按风控优先的原则依次处理止损检查、AI信号处理和仪表板更新，确保风险控制始终是第一优先级：
function main() {
initialize(); // 初始化：创建交易记录、仪表板等
Log(" 现货自动交易机器人启动，开始监听AI信号...");
while (true) { // 无限循环，持续运行
// 1. 检查止损（优先级最高），触发则立即执行
const stopLossInfo = checkStopLoss();
if (stopLossInfo.triggered) {
executeStopLoss(stopLossInfo);
}
// 2. 获取并处理AI信号，无信号则跳过
const signal = receiveSignal();
if (signal) {
processSignal(signal);
}
// 3. 实时更新可视化仪表板
displayDashboard();
// 4. 按预设间隔等待，进入下一轮检查
Sleep(CONFIG.CHECK_INTERVAL);
}
}
光跑交易不够直观，我们还做了一个可视化仪表板，包含四个核心数据表格，将账户、风控、信号、交易记录一站式展示，系统运行状态一目了然：
当ClawdBot指导语调试无误、发明者平台代码测试通过后，即可实现系统全自动化运行：在ClawdBot后台将编写好的指导语打包成一个Skill（可复用的AI操作模板），并设置定时任务（如每10分钟执行一次），系统便会按设定频率自动采集数据、分析决策、发送信号，发明者平台则实时监听并执行交易，全程无需人工盯盘。
这里要特别提醒大家，量化交易始终伴随市场风险，AI决策并非绝对准确，操作前请务必注意以下几点：
回顾一下今天的成果：我们成功搭建了一套端到端的AI全自动量化交易系统，核心分为两大模块——ClawdBot作为大脑，负责市场数据采集、新闻情绪分析和交易决策生成；发明者量化平台作为执行端，负责信号接收、自动化交易、风控管理和可视化监控，两边通过HTTP接口实现标准化数据互通，真正实现无需人工盯盘的全自动交易。
更重要的是，这套架构具备很强的可扩展性：交易日志可以反馈给AI进行复盘优化，ClawdBot的Skill也能持续迭代，添加更多数据源（如合约数据、行业研报）和更精细的决策逻辑。当然目前的模型还比较基础，仅为大家提供一种AI量化交易的思路和实操玩法。
如果你有更好的优化想法或新的功能需求，欢迎在评论区交流！
