本项目提供基于 MiroFish/OASIS 多智能体模拟的 BTC 恐惧与贪婪指数，通过 500 个 AI 投资者模拟恐慌传染动态，克服传统 VADER 方法的缺陷。适用于加密货币交易情绪监测、量化策略参考和系统性风险研究。本页包含项目定位、解决的问题、适用场景、详细的安装步骤、使用方式说明以及实现特点分析。
基于 MiroFish/OASIS 多智能体模拟的 BTC 恐惧与贪婪指数，通过 500 个 AI 投资者模拟恐慌传染动态，提供比传统 VADER 方法更准确的市场情绪衡量。
BTC Fear & Greed Index — MiroFish Edition 是一个下一代加密货币市场情绪指数计算工具，专为比特币市场设计。与传统指数不同，它不依赖过时的关键词情感分析，而是采用先进的多智能体模拟技术来捕捉市场参与者的真实心理动态。该项目的主要用途是生成一个更准确、更可靠的恐惧与贪婪指数，帮助交易者、投资者和研究人员更好地理解市场情绪的变化趋势，从而辅助投资决策和风险分析。指数输出为 0-100 的分数，其中 0 表示极度恐惧，100 表示极度贪婪，并附带详细的成分分析和可视化报告。
本项目直接针对传统 Crypto Fear & Greed Index 的三大根本性缺陷：第一，VADER 情感分析工具无法处理加密社区的特定语境，会将讨论帖误判为极度贪婪，无法识别讽刺和新手提问，导致数据失真；第二，传统指数约 40% 的权重依赖已失效或无效的数据源，包括已暂停的 surveys、无法区分恐惧与好奇的 Google Trends，以及浅层的社交媒体抓取；第三，简单的统计聚合无法理解情绪的传染机制，知道'30% 的帖子是恐惧的'并不能说明恐惧是在扩散还是被遏制。通过引入 LLM 细粒度分析和多智能体传染模拟，本项目旨在提供更贴近真实市场心理的情绪衡量。
该指数适用于多个加密货币相关场景：对于活跃交易者，可作为市场时机判断的辅助指标，识别极端情绪反转点；对于量化分析师，可作为情绪因子纳入多因子模型；对于学术研究人员，可用于研究市场恐慌的传染机制和系统性风险；对于投资机构，可作为另类数据源补充传统分析框架。此外，该指数也可作为媒体和研究报告的数据参考，帮助公众理解加密货币市场的心理动态。需要注意的是，任何情绪指数都应作为综合分析的组成部分，而非单一决策依据。
根据仓库信息，安装过程需要以下步骤：首先确保系统已安装 Python 3.11（用于 OASIS 引擎）和 Python 3.12+（用于爬虫和分析）、Node.js 以及 Claude Code 工具。然后克隆仓库并创建 conda 环境：使用 `conda create -n mirofish python=3.11` 创建环境，并在其中安装 `camel-oasis==0.2.5` 和 `camel-ai==0.2.78`。接着在主环境安装依赖：`pip install -r requirements.txt` 并安装 Playwright 浏览器：`playwright install chromium`。最后配置环境变量：复制 `.env.example` 为 `.env` 并添加您的 OpenRouter API 密钥。注意：项目依赖 Claude Code 进行 LLM 评分，需要 Max/Pro 订阅。
项目提供灵活的运行选项。完整运行（爬取数据 + 分析 + 模拟 + 计算）：`python main.py -o result.json`。仅获取市场数据（不爬取社交媒体）：`python main.py --market`。使用模拟数据进行测试：`python main.py --dry-run`。可跳过特定爬虫：`python main.py --skip binance twitter`。运行后会生成包含指数分数（0-100）、各组件权重和详细分析的 JSON 报告，以及可视化的信息图表。具体命令行参数和输出格式以实际代码为准，仓库中未提供更详细的使用文档。
项目实现具有几个关键特点：数据收集层使用 Playwright 抓取 Binance Square、Twitter（通过 Nitter）和 Reddit，预计收集约 2,800 条帖子。LLM 分析阶段使用 DeepSeek 模型（通过 OpenRouter）对所有帖子进行批量评分，考虑加密上下文和互动权重。多智能体模拟阶段，500 个 AI 投资者具有多样化的画像，每个智能体的入场价格、风险偏好、MBTI 人格等参数随机化，他们在虚拟 Reddit 上互动 5 轮以模拟恐慌传染。最终指数计算采用加权公式：波动率 25% + 动量 25% + dominance 10% + MiroFish 情感 40%。项目还包含自动化发布功能，可将结果发布到 Twitter 并生成信息图表。
传统指数依赖 VADER 情感分析和失效数据源，而本项目使用 LLM 细粒度分析 + 500 个 AI 投资者的多智能体模拟来建模恐慌传染动态，能更准确捕捉市场心理的传播过程而非静态统计。
OASIS 多智能体模拟引擎（camel-oasis）依赖 Python 3.11，而爬虫和 LLM 分析部分使用 Python 3.12+ 的新特性，因此需要分别配置 conda 环境和主环境。
是的，根据 README，LLM 评分功能依赖 Claude Code 的 Max/Pro 订阅。项目通过 OpenRouter API 调用模型，但具体集成需要 Claude Code 环境支持。
可以，使用 `python main.py --market` 参数即可仅获取市场数据（波动率、动量、dominance），跳过社交媒体收集和模拟阶段，适合仅需市场数据成分的场景。
500 个智能体分为 10 种类型（高恐惧散户、适度散户、活跃交易者、杠杆交易者等），每个智能体随机化入场价格、投资组合、风险偏好、MBTI 人格、国籍和信息来源，在虚拟 Reddit 上互动 5 轮以模拟恐慌传染过程。