快速开始
本文将带你从全新克隆仓库到完成第一次分析，大约只需五分钟。
前置条件
- 核心需要 Python 3.9+（
python3 --version） —— 只有当你想使用可选的 TimesFM 预测者时才需要 3.10+ - git
- macOS 或 Linux（Windows 通过 WSL）
- *可选，用于叙述层：*一个 LLM 密钥（Gemini 或 OpenRouter）或 Claude Code / Codex CLI —— 仅用于"AI 分析"和辩论。整个数据层不需要它们中的任何一个即可运行。参见 可选增强模块。
1 · 克隆并安装
git clone https://github.com/orangejustin/OpenTrading.git
cd OpenTrading
bash install.sh # core: puts `ot` on your PATH, no keys, stdlib only
这就是整个核心。若要使用可选的 TimesFM 预测者（一个较重、需主动选择安装的依赖），再运行：
bash install.sh --with-forecast # adds the TimesFM module in an isolated venv
参见下方的 可选增强模块 了解它会拉取哪些内容以及其硬件需求。无论哪种方式，都可以验证工具链：
ot doctor # checks python / deps / network
2 · 你的第一批命令
一切都通过单个命令 ot 来调用。试试这些 —— 全都不需要密钥：
ot # full market report: macro + news + smart money + options
ot quote SPY QQQ ^VIX # live quotes, incl. pre-market and ^VIX
ot macro # rates & liquidity → a put/call bias
ot decide NVDA --dte 7 # CALL / PUT / NO-ACTION + a range plan
ot whales # on-chain: labeled-wallet ETH balances + deltas
为任意工具加上 --format json（或 --json）即可获得机器可读的输出。
3 · 打开仪表盘
ot web # → http://127.0.0.1:8787
然后输入一个股票代码（例如 NVDA）即可看到完整的交易台 —— 共识条、带有做市商墙和预测锥的图表、多空辩论，以及共振价位梯。参见 Web 仪表盘。
要为叙述层使用 LLM，可以导出一个密钥或传入一个引擎：
export GEMINI_API_KEY=... # or OPENROUTER_API_KEY
ot web --engine gemini # or: claude / codex / openrouter
4 · 让它成为你的（两个被 git 忽略的文件）
两个文件保存你的私有配置，且永不被提交：
cp .env.example .env # SMTP creds, optional LLM keys
cp watchlist.example.json watchlist.json # your positions
编辑 watchlist.json，填入你持有或追踪的标的。如果你想要每日邮件，再加上一个 recipient 字段：
{
"recipient": "you@example.com",
"positions": [
{"ticker": "NVDA", "shares": 100},
{"ticker": "SPY", "shares": 50}
]
}
:::tip 多个账本
你可以保留多个名册（例如 watchlist.188284421.json），并用 OT_WATCHLIST=watchlist.188284421.json ot web 让仪表盘指向其中一个。
:::
可选增强模块
核心是免密钥的。以下这两个附加组件完全是可选的。
LLM 引擎与密钥（叙述层）
"AI 分析"面板和多空辩论需要一个引擎。选一个你已有的即可 —— 仪表盘顶部的下拉框可以在它们之间实时切换。
| 引擎 | 获取密钥 | 说明 |
|---|---|---|
| Gemini | aistudio.google.com/apikey | 有免费额度；设置最快 |
| OpenRouter | openrouter.ai/keys | 一个密钥 → 300+ 个模型（部分免费）；按量付费 |
| Claude Code / Codex CLI | — | 无需密钥 —— 使用你已有的 CLI 订阅 |
在 .env（或你的 shell）中设置一个密钥，然后在该引擎上启动仪表盘：
# .env (git-ignored)
GEMINI_API_KEY=... # from Google AI Studio
# or
OPENROUTER_API_KEY=sk-or-v1-... # from OpenRouter
ot web --engine gemini # or: openrouter / claude / codex
完全没有密钥时，仪表盘仍然可以运行 —— 它只是显示免密钥的数据面板和基于确定性规则的分析，而不是 LLM 叙述。
TimesFM 预测（一个基础模型锥）
ot forecast 会在预测叠加层上加入一个 TimesFM 2.5
分位数锥 —— 它是 Google Research 预训练的时间序列基础模型。它需要主动选择安装，因为这是一个较重的依赖：
bash install.sh --with-forecast
- Python 3.10+（核心仍保持 3.9+）；安装到一个隔离的 venv（
.venv-forecast/）中，因此永远不会触及免密钥的核心。 - 会拉取
timesfm[torch]（约 2 GB 的 PyTorch 依赖栈）以及一个在首次运行时下载的 ~500 MB 模型检查点。 - 模型：
TimesFM 2.5 200M（torch 后端） —— 对 CPU 友好，因此 Apple 芯片或现代笔记本都能顺畅运行（首次推理会因为编译/加载而较慢；后续调用则很快）。有 GPU 会更好，但并非必需。 - 确切的硬件指引和模型卡片见 Google 的仓库：google-research/timesfm。
如果没有安装它，ot forecast 只会打印一条提示，交易台的其余部分不受影响。