AI 時代最寶貴的是上下文：一個交易者六年的 BTC 真實數據開源了

大多數人在談 AI 訓練數據的時候，說的都是「大量數據」。但數量從來不是瓶頸——真正稀缺的是有意義的上下文。

一個交易者最近把自己近六年的 BTC 真實交易記錄開源到 GitHub。不是示意圖、不是回測模擬、不是從交易所抓下來的公開 K 線——是一個真人在市場裡做出的每一筆決策：何時買、何時賣、成交在哪個價位、當時承受了多少波動。

這份數據是什麼

數字先說清楚：

40,000 筆以上訂單記錄（從 2020 年 5 月至今）
170,000 筆以上成交明細
兩輪完整牛熊循環——2021 年的爆升到 69K、2022 年的崩跌到 15K、2023–2024 年的再次攀升到 100K 以上
超過 2000 天的連續時序記錄

這意味著什麼？它覆蓋了 BTC 近代史上最劇烈的三個階段：疫情後的流動性暴漲、Luna 崩盤引發的信心危機、以及 ETF 核准前後的機構入場。每一筆訂單都嵌在那個時代的市場情緒裡。

為什麼「上下文」才是重點

現在問一個 LLM：「2022 年 6 月 BTC 在 18,000 美元時應該買進還是繼續等？」

它能給你一個聽起來合理的答案，但那個答案沒有代價。它不知道在那個時間點，大多數人的倉位是虧損的；它不知道當時市場裡流傳的是「BTC 將跌破 10K」的恐慌情緒；它更不知道一個在那個時點真實下單的人，心裡在想什麼、承擔著多少風險。

這正是 @coolish 說的那句話的核心：「AI 時代，最寶貴的就是上下文。」

語言模型需要的不只是價格序列，而是嵌入真實決策情境的行為數據。一個交易者在 Luna 崩盤後兩週重新建倉的記錄，和一條「BTC 在此時跌了 60%」的知識陳述，對 AI 的訓練價值完全不在同一個量級。

這份數據能做什麼

1. 策略回測的真實錨點

傳統回測有一個根本性的問題：你用公開 K 線測試的策略，在真實交易環境裡往往表現差得多。原因之一是滑點和成交時機——你的訂單不一定能以 K 線收盤價成交。

這份數據包含真實的成交明細，意味著你可以：

# 用真實成交價而非理想價格計算策略表現
df = pd.read_csv('trade_records.csv')

# 計算真實滑點
df['slippage'] = df['filled_price'] - df['order_price']

# 在兩輪牛熊中分別評估策略
bull_trades = df[df['market_phase'] == 'bull']
bear_trades = df[df['market_phase'] == 'bear']

print(f"牛市平均滑點: {bull_trades['slippage'].mean():.2f}")
print(f"熊市平均滑點: {bear_trades['slippage'].mean():.2f}")

這種粒度在公開數據集裡幾乎不存在。

2. AI 交易策略訓練的語料

如果你在訓練一個 AI 交易 agent，你需要的不只是「價格在此時是 X，在彼時是 Y」。你需要的是一個有邏輯的決策序列：在什麼市場條件下，一個真實的人選擇了什麼行動，然後產生了什麼結果。

這份數據天然具備這個結構。2000 天的連續記錄讓你可以把每一筆交易還原到當時的市場背景——RSI 是多少、MACD 在哪個位置、距離上次高點跌了多少——然後用這些特徵來訓練一個有情境感知能力的模型。

# 為 AI 訓練建立有上下文的特徵集
def build_context_features(trade, market_data):
    return {
        'price_vs_30d_high': trade['price'] / market_data['30d_high'],
        'days_since_last_peak': market_data['days_since_ath'],
        'volume_zscore': market_data['volume_zscore_7d'],
        'consecutive_red_days': market_data['red_days_streak'],
        # 決策行為
        'action': trade['side'],       # BUY / SELL
        'confidence': trade['qty'],    # 倉位大小反映信念強度
        'outcome_7d': trade['pnl_7d'], # 短期結果標籤
    }

3. 市場行為研究

兩輪完整牛熊意味著你可以研究一個問題：同一個人在不同市場環境下的決策模式是否有系統性差異？

牛市裡他傾向於在回調點加倉還是在突破點追入？熊市裡他的止損紀律是否更嚴格？這種行為模式的分析，在學術研究和量化策略設計上都有價值。

開源真實交易數據的代價

這件事不是沒有門檻的。開源你的真實交易記錄，代表你在公開你：

資金規模的量級（成交金額暴露倉位大小）
策略邏輯（連續的買賣行為會被有心人反推）
歷史虧損（不只是盈利，熊市裡的虧損明細同樣在裡面）

能做到這一點，需要相當程度的公開意願，或者對數據本身的學術/社群價值有高度認同。從這個角度看，這份開源行為本身就值得正視。

它讓我們看見什麼問題

這份數據的出現，也在間接指出一件事：現在 AI 交易工具的訓練語料，大多數都是乾淨但不真實的。

合成數據、公開 K 線、回測記錄——這些數據都有一個共同缺陷：它們缺乏真實決策者在壓力下做出選擇的痕跡。Luna 崩盤當天，一個真實的交易者是恐慌平倉、還是選擇加倉攤平、還是什麼都不做？這個選擇背後的邏輯和情緒，是任何合成數據都無法複製的。

Andrej Karpathy 曾說，LLM 的能力上限由訓練語料的品質決定，而不只是數量。對 AI 交易模型來說，這個命題更直接：模型能做出多好的決策，取決於它見過多少真實的決策。

如何取用這份數據

數據已開源在 GitHub，可以直接 clone 下來：

git clone https://github.com/coolish/btc-trading-history
# 或根據實際 repo 路徑調整

# 查看數據結構
ls -la data/
# orders/       - 訂單記錄（4 萬筆+）
# trades/       - 成交明細（17 萬筆+）
# summary/      - 每日匯總數據

# 用 pandas 載入
import pandas as pd
orders = pd.read_csv('data/orders/all_orders.csv')
trades = pd.read_csv('data/trades/all_trades.csv')

print(f"訂單總數: {len(orders):,}")
print(f"成交明細總數: {len(trades):,}")
print(f"時間跨度: {orders['timestamp'].min()} ~ {orders['timestamp'].max()}")

實際 repo 結構請以 GitHub 頁面為準。原始推文裡有連結，或直接搜尋作者 @coolish 的 GitHub。

數據背後的一個思考

過去幾年，AI 工具的門檻主要在算力和模型——這兩者現在都在快速普及化。真正的差距，正在向數據的品質和情境深度轉移。

一個能訓練在 6 年真實交易記錄上的 AI 策略，和一個只見過公開 K 線的模型，在面對 2026 年某次突然暴跌時，表現差距會有多大？這個問題，現在有了一個可以開始回答的起點。

上下文是稀缺的。有人願意把它開放出來，值得認真對待。