IntentTrade：一个解析推特交易意图的实验项目

Table of contents

为什么想做这个项目

最开始的想法比较简单：能不能把推特上的交易相关内容先保存下来，再尝试从中整理出一些比较明确的信息？

例如：

• 讨论的是哪个标的；
• 是准备买入、已经入场，还是准备卖出；
• 使用的是市价、限价还是突破条件；
• 有没有给出入场价、止损价和目标价；
• 后续有没有改价、撤销或更新计划。

这些事情人当然可以做，但如果关注的 KOL 多了，或者需要回看几天甚至更长时间的内容，手工整理就变得比较麻烦。

另外，推文里有很多内容并不是交易信号，可能只是市场观点、技术分析或者普通闲聊。如果不先做区分，最后保存下来的东西会混在一起，很难用于后续统计。

所以我想试试用大模型做第一轮整理，再把结果和行情、模拟成交放到同一个界面里观察。

IntentTrade 是什么

IntentTrade 是一个非商业的交易研究工具。它会读取指定 KOL 的推文，使用 LLM 判断内容类型，并尝试提取其中比较明确的交易意图。

目前项目主要围绕下面这条流程：

推文 → 意图解析 → 保存结构化信息 → 结合行情模拟 → 回看结果

解析出来的信息包括标的、交易方向、计划状态、入场方式，以及可能出现的入场、触发、止损和止盈价格。

如果推文包含和交易有关的图片，项目也可以在判断为相关内容后，再尝试识别图片中的 K 线或价格标注。图片不是每条推文都会下载和分析，这样可以减少不必要的处理。

对于同一个 KOL 后续发布的改价、成交确认、撤销或反向操作，项目会结合近期历史记录进行处理。这样一来，原来的计划不会只停留在一条孤立的推文上，而是可以放到同一个标的的事件时间线上观察。

为什么先做模拟跟单

这里的“跟单”目前指的是 paper 跟单，也就是满足价格条件后记录一笔模拟成交，而不是连接券商直接下单。

这样做主要有两个原因。

第一，推文里的自然语言并不总是明确的。模型可能理解错标的、方向或者价格条件，也可能把一句市场观点误认为交易操作。如果一开始就连接真实账户，风险太高。

第二，我更想先看看这套方法本身有没有研究价值。比如不同 KOL 的表达方式是否稳定，解析结果的误判和漏判有多少，模拟成交和实际价格之间又有多大差异。

在这些问题没有弄清楚之前，模拟记录比直接做实盘更合适。它至少可以让结果留下来，后面再回头检查当时的判断是否合理。

目前的界面

现在的界面主要分成几个部分。

总览

总览页会列出抓取到的原始推文、解析出来的交易方向、价格条件、执行状态和模型置信度。这样可以先快速看最近有哪些内容被识别成了交易相关信息。

原帖和解析结果

查看原帖时，可以同时看到对应的结构化结果。原文和解析结果放在一起，比较方便检查模型有没有理解错上下文。

标的时间线

时间线会把 K 线和相关事件放在一起，包括计划、做多或做空、模拟成交、计划调整以及一些普通笔记。

我比较看重这一部分，因为单独看一条推文很容易忽略前后关系。把这些事件放到时间线上之后，才比较容易回看一个交易计划是怎样形成和变化的。

当前已经实现的部分

项目目前已经可以完成一些基本工作：

• 从 mock 数据或不同推文数据源拉取 KOL 内容；
• 保存推文历史，即使源端之后删除，第一次归档的内容仍然保留；
• 对文本进行分类，区分交易操作、技术分析、持仓更新、市场观点和非交易内容；
• 提取标的、方向、价格条件和计划状态；
• 按需分析交易相关推文中的图片；
• 根据价格条件进行 paper 成交，并处理止损和止盈；
• 统计模拟结果，并在 K 线时间线上展示；
• 使用 Binance、OKX、yfinance 等来源获取部分加密资产和美股相关行情。

项目也支持通过 Agent 工具搜索和登记新的标的别名。不过行情源和标的匹配仍然可能遇到例外情况，不能把解析结果直接当成准确无误的交易指令。

还处于实验调试阶段

IntentTrade 目前仍然是一个开发中的实验项目，接口和实现都会继续调整。仓库里的 README 也明确写了这一点：它不是生产级交易系统，也不是投资建议工具。

现在比较适合用它来观察这些问题：

• 模型能否理解不同 KOL 的表达习惯；
• 交易内容和普通市场观点能否较好地区分；
• 图片中的价格和标注能否被正确识别；
• 改价、撤单和后续更新能否和之前的计划关联起来；
• paper 跟单的记录方式是否足够合理。

至于实盘经纪商下单，目前还没有实现，也没有把它当成近期必须完成的目标。先把信息抓取、意图整理和模拟复盘这几部分做稳定，可能更重要一些。

如何试用

如果只是想看看当前界面，可以直接打开：

https://xtrade.luoye.de

项目源码在 GitHub：

https://github.com/luoyeETH/IntentTrade

本地运行的大致步骤如下：

git clone https://github.com/luoyeETH/IntentTrade.git
cd IntentTrade
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# 根据需要填写自己的 LLM 和推文数据源配置

仓库里也提供了 mock 数据和 demo 脚本，可以先离线查看流程，不必一开始就接入真实推文源。

项目采用 PolyForm Noncommercial License 1.0.0，允许个人学习、研究和其他非商业用途。商业使用需要另外联系授权。

结语

IntentTrade 并不是一个已经完成的产品，更像是我对一个具体问题的尝试：如何把推特上零散的交易信息保存下来，整理成可以回看的记录。

LLM 能不能真正理解这些交易意图，解析结果是否足够可靠，模拟跟单有没有统计价值，现在都还需要继续验证。

目前我会把它作为一个实验项目慢慢调试，先观察结果，再决定后面应该继续往哪个方向做。