import os import json import requests from typing import Dict, Any, List, Optional, Tuple import time import logging import datetime # 配置日志 logging.basicConfig( level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s', handlers=[ logging.FileHandler("deepseek_token_usage.log"), logging.StreamHandler() ] ) class DeepSeekAPI: """DeepSeek API交互类，用于进行市场分析和预测""" def __init__(self, api_key: str, model: str = "deepseek-moe-16b-chat"): """ 初始化DeepSeek API Args: api_key: DeepSeek API密钥 model: 使用的模型名称 """ self.api_key = api_key self.model = model self.base_url = "https://api.deepseek.com/v1" self.headers = { "Content-Type": "application/json", "Authorization": f"Bearer {api_key}" } # Token 使用统计 self.token_usage = { "total_prompt_tokens": 0, "total_completion_tokens": 0, "total_tokens": 0, "calls": [] } # 创建日志记录器 self.logger = logging.getLogger("DeepSeekAPI") def analyze_market_data(self, market_data: Dict[str, Any]) -> Dict[str, Any]: """ 分析市场数据 Args: market_data: 包含市场数据的字典，例如价格、交易量等 Returns: 分析结果 """ # 将市场数据格式化为适合大模型的格式 formatted_data = self._format_market_data(market_data) # 构建提示词 prompt = self._build_market_analysis_prompt(formatted_data) # 调用API获取分析 response, usage = self._call_api(prompt, task_type="市场分析", symbol=market_data.get("symbol", "未知")) # 解析响应 result = self._parse_analysis_response(response) # 添加token使用信息 if usage: result["_token_usage"] = usage return result def predict_price_trend(self, symbol: str, historical_data: Dict[str, Any]) -> Dict[str, Any]: """ 预测价格趋势 Args: symbol: 交易对符号，例如 'BTCUSDT' historical_data: 历史数据 Returns: 预测结果 """ # 格式化历史数据 formatted_data = self._format_historical_data(symbol, historical_data) # 构建提示词 prompt = self._build_price_prediction_prompt(symbol, formatted_data) # 调用API获取预测 response, usage = self._call_api(prompt, task_type="价格预测", symbol=symbol) # 解析响应 result = self._parse_prediction_response(response) # 添加token使用信息 if usage: result["_token_usage"] = usage return result def generate_trading_strategy(self, symbol: str, analysis_result: Dict[str, Any], risk_level: str) -> Dict[str, Any]: """ 生成交易策略 Args: symbol: 交易对符号，例如 'BTCUSDT' analysis_result: 分析结果 risk_level: 风险等级，'low', 'medium', 'high' Returns: 交易策略 """ # 构建提示词 prompt = self._build_trading_strategy_prompt(symbol, analysis_result, risk_level) # 调用API获取策略 response, usage = self._call_api(prompt, task_type="交易策略", symbol=symbol) # 解析响应 result = self._parse_strategy_response(response) # 添加token使用信息 if usage: result["_token_usage"] = usage return result def get_token_usage_stats(self) -> Dict[str, Any]: """ 获取Token使用统计信息 Returns: 包含使用统计的字典 """ return { "total_prompt_tokens": self.token_usage["total_prompt_tokens"], "total_completion_tokens": self.token_usage["total_completion_tokens"], "total_tokens": self.token_usage["total_tokens"], "total_calls": len(self.token_usage["calls"]), "average_tokens_per_call": self.token_usage["total_tokens"] / len(self.token_usage["calls"]) if self.token_usage["calls"] else 0, "detailed_calls": self.token_usage["calls"][-10:] # 仅返回最近10次调用详情 } def export_token_usage(self, file_path: str = None, format: str = "json") -> str: """ 导出Token使用数据到文件 Args: file_path: 文件路径，如果为None则自动生成 format: 导出格式，支持'json'或'csv' Returns: 导出文件的路径 """ if file_path is None: timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") file_path = f"deepseek_token_usage_{timestamp}.{format}" try: if format.lower() == "json": with open(file_path, 'w', encoding='utf-8') as f: json.dump(self.token_usage, f, indent=2, ensure_ascii=False) elif format.lower() == "csv": import csv with open(file_path, 'w', newline='', encoding='utf-8') as f: writer = csv.writer(f) # 写入表头 writer.writerow([ "timestamp", "task_type", "symbol", "model", "prompt_tokens", "completion_tokens", "total_tokens", "duration_seconds" ]) # 写入数据 for call in self.token_usage["calls"]: writer.writerow([ call.get("timestamp", ""), call.get("task_type", ""), call.get("symbol", ""), call.get("model", ""), call.get("prompt_tokens", 0), call.get("completion_tokens", 0), call.get("total_tokens", 0), call.get("duration_seconds", 0) ]) # 写入总计 writer.writerow([]) writer.writerow([ f"总计 (调用次数: {len(self.token_usage['calls'])})", "", "", "", self.token_usage["total_prompt_tokens"], self.token_usage["total_completion_tokens"], self.token_usage["total_tokens"], "" ]) else: raise ValueError(f"不支持的格式: {format}，仅支持 'json' 或 'csv'") self.logger.info(f"Token使用数据已导出到: {file_path}") return file_path except Exception as e: error_msg = f"导出Token使用数据时出错: {e}" self.logger.error(error_msg) return "" def _call_api(self, prompt: str, task_type: str = "未知任务", symbol: str = "未知") -> Tuple[Dict[str, Any], Dict[str, Any]]: """ 调用DeepSeek API Args: prompt: 提示词 task_type: 任务类型 symbol: 交易对符号 Returns: (API响应, token使用信息) """ usage_info = {} try: endpoint = f"{self.base_url}/chat/completions" payload = { "model": self.model, "messages": [ {"role": "system", "content": "你是一个专业的加密货币分析助手，擅长分析市场趋势、预测价格走向和提供交易建议。请始终使用中文回复，并确保输出格式规范的JSON。"}, {"role": "user", "content": prompt} ], "temperature": 0.2, # 低温度使输出更加确定性 "max_tokens": 2000 } start_time = time.time() response = requests.post(endpoint, headers=self.headers, json=payload) response.raise_for_status() response_data = response.json() end_time = time.time() # 记录token使用情况 if 'usage' in response_data: prompt_tokens = response_data['usage'].get('prompt_tokens', 0) completion_tokens = response_data['usage'].get('completion_tokens', 0) total_tokens = response_data['usage'].get('total_tokens', 0) usage_info = { "prompt_tokens": prompt_tokens, "completion_tokens": completion_tokens, "total_tokens": total_tokens, "task_type": task_type, "symbol": symbol, "model": self.model, "timestamp": datetime.datetime.now().isoformat(), "duration_seconds": round(end_time - start_time, 2) } # 更新总计 self.token_usage["total_prompt_tokens"] += prompt_tokens self.token_usage["total_completion_tokens"] += completion_tokens self.token_usage["total_tokens"] += total_tokens self.token_usage["calls"].append(usage_info) # 记录到日志 self.logger.info( f"DeepSeek API调用 - 任务: {task_type}, 符号: {symbol}, " f"输入tokens: {prompt_tokens}, 输出tokens: {completion_tokens}, " f"总tokens: {total_tokens}, 耗时: {round(end_time - start_time, 2)}秒" ) return response_data, usage_info except Exception as e: error_msg = f"调用DeepSeek API时出错: {e}" self.logger.error(error_msg) return {}, usage_info def _format_market_data(self, market_data: Dict[str, Any]) -> str: """ 格式化市场数据为适合大模型的格式 Args: market_data: 市场数据 Returns: 格式化的数据字符串 """ # 这里可以根据实际情况调整格式化方式 return json.dumps(market_data, indent=2) def _format_historical_data(self, symbol: str, historical_data: Dict[str, Any]) -> str: """ 格式化历史数据为适合大模型的格式 Args: symbol: 交易对符号 historical_data: 历史数据 Returns: 格式化的数据字符串 """ # 可以根据实际情况调整格式化方式 return json.dumps(historical_data, indent=2) def _build_market_analysis_prompt(self, formatted_data: str) -> str: """ 构建市场分析提示词 Args: formatted_data: 格式化的市场数据 Returns: 提示词 """ return f"""请分析以下加密货币市场数据，并提供详细的市场分析。请使用中文回复。 数据: {formatted_data} 请包括以下内容: 1. 市场总体趋势 2. 主要支撑位和阻力位 3. 交易量分析 4. 市场情绪评估 5. 关键技术指标解读（如RSI、MACD等） 请以JSON格式回复，包含以下字段: - market_trend: 市场趋势 (牛市, 熊市, 震荡) - support_levels: 支撑位列表 - resistance_levels: 阻力位列表 - volume_analysis: 交易量分析 - market_sentiment: 市场情绪 - technical_indicators: 技术指标分析 - summary: 总结 请确保回复为有效的JSON格式，并使用中文进行分析。""" def _build_price_prediction_prompt(self, symbol: str, formatted_data: str) -> str: """ 构建价格预测提示词 Args: symbol: 交易对符号 formatted_data: 格式化的历史数据 Returns: 提示词 """ return f"""请基于以下{symbol}的历史数据，预测未来24小时、7天和30天的价格走势。请使用中文回复。 历史数据: {formatted_data} 请考虑市场趋势、技术指标、历史模式和当前市场情况，提供详细的预测分析。 请以JSON格式回复，包含以下字段: - symbol: 交易对符号 - current_price: 当前价格 - prediction_24h: 24小时预测 (包含 price_range价格区间, trend趋势, confidence置信度) - prediction_7d: 7天预测 (包含 price_range价格区间, trend趋势, confidence置信度) - prediction_30d: 30天预测 (包含 price_range价格区间, trend趋势, confidence置信度) - key_factors: 影响预测的关键因素 - risk_assessment: 风险评估 请确保回复为有效的JSON格式，并使用中文进行分析。""" def _build_trading_strategy_prompt(self, symbol: str, analysis_result: Dict[str, Any], risk_level: str) -> str: """ 构建交易策略提示词 Args: symbol: 交易对符号 analysis_result: 分析结果 risk_level: 风险等级 Returns: 提示词 """ analysis_json = json.dumps(analysis_result, indent=2) return f"""请基于以下{symbol}的市场分析结果，生成一个风险等级为{risk_level}的交易策略。请使用中文回复。 分析结果: {analysis_json} 请考虑市场趋势、技术指标、风险等级和当前市场情况，提供详细的交易策略。 请以JSON格式回复，包含以下字段: - symbol: 交易对符号 - risk_level: 风险等级 (low低风险, medium中风险, high高风险) - position: 建议仓位 (买入、卖出、持有) - entry_points: 入场点列表 - exit_points: 出场点列表 - stop_loss: 止损位 - take_profit: 止盈位 - time_frame: 建议的交易时间框架 - strategy_type: 策略类型 (例如：趋势跟踪、反转、突破等) - reasoning: 策略推理过程 请确保回复为有效的JSON格式，并使用中文进行分析。""" def _parse_analysis_response(self, response: Dict[str, Any]) -> Dict[str, Any]: """ 解析分析响应 Args: response: API响应 Returns: 解析后的分析结果 """ try: if 'choices' in response and len(response['choices']) > 0: content = response['choices'][0]['message']['content'] # 尝试从响应中提取JSON start_idx = content.find('{') end_idx = content.rfind('}') + 1 if start_idx != -1 and end_idx != -1: json_str = content[start_idx:end_idx] return json.loads(json_str) return {"error": "无法从响应中提取JSON", "raw_content": content} return {"error": "API响应格式不正确", "raw_response": response} except Exception as e: error_msg = f"解析分析响应时出错: {e}" self.logger.error(error_msg) return {"error": str(e), "raw_response": response} def _parse_prediction_response(self, response: Dict[str, Any]) -> Dict[str, Any]: """ 解析预测响应 Args: response: API响应 Returns: 解析后的预测结果 """ # 与_parse_analysis_response相同的实现 return self._parse_analysis_response(response) def _parse_strategy_response(self, response: Dict[str, Any]) -> Dict[str, Any]: """ 解析策略响应 Args: response: API响应 Returns: 解析后的策略结果 """ # 与_parse_analysis_response相同的实现 return self._parse_analysis_response(response)