Llm Trading Bot: функционал, стоимость и отзывы о работе бота Llm Tradingbot
SemanticSignal Llm Trading Bot – это открытый исследовательский проект автономного торгового бота. Он использует языковую модель Google Gemini для анализа криптовалютного рынка. Как это работает и сколько стоит, будем разбираться в данной статье. Также мы рассмотрим отзывы о разработке, чтобы понять, что думают о трейдинг-боте в крипто сообществе.
Особенности проекта Llm Tradingbot
Разработчик бота считает, что языковая модель анализирует рыночные данные не хуже трейдера, если дать ей правильный контекст. Он изучил 77 научных работ, чтобы спроектировать эту систему, и вот какой продукт получился.
Первый компонент – модуль Chart Vision, который генерирует изображения свечных графиков с индикаторами и отправляет их в Google Gemini 3.6 Flash. Модель анализирует картинку визуально — распознает паттерны, тренды, уровни поддержки и сопротивления.
Второй компонент – библиотека из 50+ технических индикаторов, написанная на NumPy и Numba. Каждый индикатор компилируется в машинный код при первом вызове, что позволяет выполнять расчеты за микросекунды на обычном процессоре.
Третий компонент – дебаты быков и медведей. Модель получает одну инструкцию: сначала аргументировать бычий сценарий, затем медвежий, и лишь потом принимать решение.
Четвертый компонент – фреймворк Expected Value. Он считает ожидаемую прибыль сделки по истории похожих случаев и определяет размер позиции по формуле Келли. Так преодолевается слабость языковых моделей, которые могут только объяснить, но не применить концепцию ожидаемой ценности.
Пятый компонент – проверка на фальсифицируемость. Перед входом в сделку модель обязана назвать конкретную цену или условие, при котором её прогноз окажется неверным. Если она не может назвать – сигнал отклоняется, а если условие сработало – позиция закрывается досрочно.
Шестой компонент – векторная память на базе ChromaDB. Все закрытые сделки сохраняются с подробными метаданными. Перед новым анализом бот находит 5 похожих ситуаций из прошлого и показывает их модели вместе с исходами. Случайные выигрыши – например, от неожиданных новостей – помечаются как подозрительные и учитываются с пониженным весом.
Седьмой компонент – разделение на аналитический движок и движок исполнения. Первый генерирует сигнал и записывает его в JSON-файл, второй считывает файл и взаимодействует с биржей через CCXT. Это снижает риск того, что сбой API-запроса при выходе из позиции приведет к потерям.
Технические детали
По словам автора, проект ничего не стоит в эксплуатации. У Google Gemini 3.6 Flash есть 1500 бесплатных запросов в день, технические индикаторы обсчитываются на обычном процессоре, а новости собираются из открытых источников. Векторная БД ChromaDB работает локально на домашнем сервере автора, а доступ к дашборду организован через бесплатный тариф Cloudflare Tunnel.
Проект включает 1300 тестов, которые выполняются за 60 секунд. Они прогоняются за минуту и проверяют устойчивость системы к сбоям модели, асинхронным конфликтам, граничным случаям в БД и сетевым тайм-аутам. Ни один тест не зависит от внешних сервисов и не требует подключения к интернету.
Разработку помогают вести 8 AI-агентов с разными ролями. Супервизор координирует задачи, остальные отвечают за производительность, интерфейс, безопасность и другие параметры.
Кто стоит за проектом
Автор бота – разработчик из польского Вроцлава под ником Qrak. Он работает один, без компании и инвесторов. Его контакты: электронная почта contact@qrak org, страница на GitHub с исходным кодом Qrak, Discord-сообщество и ссылка на донат-сервис Buy Me a Coffee.
Результаты торговли разработчик транслирует на публичном дашборде semanticsignal qrak org. Там можно наблюдать за работой бота в реальном времени. Дашборд состоит из нескольких вкладок:
- Overview показывает текущее состояние – рыночный тренд, баланс счёта, открытую позицию и таймер до следующего анализа.
- Brain Activity визуализирует процесс принятия решений в виде графа.
- Live Console выводит технический лог. Например, запросы к бирже, загрузку новостей и генерацию графика.
- Last Prompt и Last Response позволяют увидеть полный текст промпта с индикаторами и инструкциями.
- Statistics собирает агрегированные метрики, такие как количество сделок, процент выигрышей и коэффициент Шарпа.
- Latest News показывает новостную ленту из крипто изданий, которую анализирует бот.
- Market Data отображает текущую позицию с уровнями входа, стоп-лосса и тейк-профита.
- Memory Bank хранит векторную базу прошлых сделок;
- Trade Journal – журнал выводов, которые бот делает после каждой закрытой позиции.
Вся инфраструктура доступна публично, без регистрации и оплаты. Это не коммерческий продукт, а исследовательский стенд – посетитель видит ровно то же, что и разработчик.
Как использовать Llm Trading Bot
Просто зарегистрироваться на сайте и запустить торговлю нельзя. Готового сервиса у бота нет, однако исходный код есть в открытом доступе на GitHub. Имея технические навыки, можно клонировать репозиторий, настроить окружение, получить API-ключи от Google Gemini и криптобиржи и запустить систему на своём сервере.
Автор предупреждает, что проект экспериментальный, статистики недостаточно, так что рисковать большими суммами не стоит. Пока что бот совершил всего одну сделку – и то убыточную. Это был шорт BTC/USDC – убыток составил 1,95% от позиции.
Отзывы о проекте Llm Trading Bot
В независимых источниках нет упоминаний этой разработки. Вероятно, это объясняется ее новизной: разработчик начал писать про бота меньше недели назад, в конце июля. Скорее всего, про него пока что просто никто не знает.
Единственная обратная связь, которую удалось обнаружить – комментарий под статьей разраба на dev to. В нём пользователь удивляется новому проекту автора – он знаком с его бэкграундом. Ранее, как можно судить из текста, Qrak занимался игрой Ultima Online, но потом переключился на торгового бота.
Больше упоминаний и обсуждений проекта SemanticSignal Llm Trading Bot мы не нашли. Они могут идти в него в «Дискорде», где автор подписан как kurus85, но в открытые источники ничего не попадает.
Выводы: стоит ли пользоваться SemanticSignal Llm Trading Bot и кому
Сейчас проект находится на самой ранней стадии, однако в перспективе он может заинтересовать несколько категорий пользователей. Первая – разработчики и исследователи, которые изучают применение языковых моделей в трейдинге. Для них это готовое поле для экспериментов: можно форкнуть репозиторий, заменить модель, добавить свои индикаторы и подключить другую биржу.
Вторая категория – трейдеры-одиночки с программистским бэкграундом. Они могут взять систему за основу, докрутить под свою стратегию и запустить на собственном сервере. Главное – уметь работать с Python, API и командной строкой.
И наконец, бот может быть интересен как образовательный проект. Студенты могут наблюдать, как языковая модель принимает решения, и сравнивать её действия с собственным анализом.
Обычному трейдеру без технических навыков проект пока ничего не даёт. Подключиться к дашборду и копировать сделки нельзя, гарантий доходности нет, а самостоятельный запуск требует программистской квалификации.
Если вы уже знакомы с торговым ботом разработчика Qrak, обязательно поделитесь мнением в комментариях. Напишите, как считаете, станет ли он полезным и эффективным решением в трейдинге.
Какие же они твари, вливаются в доверие, тянут сука и тянут. А ты им веришь, потому что общаются так, будто вы детей крестили. А в конце попадаешь в блок и ни денег ни вымышленного кума нет. Я прям разочарован.
Тут главное правильно уметь искать и проверять их, а не слушать, что они в уши заливают. Я из-за таких друзей больше миллиона спустил за последний год. Вот с этими кстати, почти за 2 месяца уже отбил https://tehnoobzor.com/korixa-obzor/. Но явно было бы лучше, если бы не спускал)
Такое ощущение что их с псих-фака набирают, твари те еще.
LLM Trading Bot обещает автоматическую прибыль, но на деле — пустышка. Разработчики скрываются, лицензий нет, а обещания — просто пыль в глаза. Очередной скам!