by cablate
巴逆逆（8zz）反指標追蹤器 — Facebook 抓取 + 影片轉錄 + AI 分析 + Telegram 推送
# Add to your Claude Code skills
git clone https://github.com/cablate/banini-tracker追蹤「股海冥燈」巴逆逆（8zz）的 Facebook 社群貼文，透過 Apify 抓取、AI 反指標分析、Telegram 即時推送，並自動追蹤預測準確度。
Claude Code 使用者？ 直接把
skill/SKILL.md加到你的.claude/skills/就能用。Claude 自己當分析引擎，不需要額外 LLM。
支援兩種使用模式：
npx @cablate/banini-tracker，搭配 Claude Code 等 AI 手動執行分析# 1. 複製設定
cp .env.example .env
# 填入 APIFY_TOKEN, LLM_BASE_URL, LLM_API_KEY, LLM_MODEL, TG_BOT_TOKEN, TG_CHANNEL_ID
# 2. Docker 部署
docker build -t banini-tracker .
docker run -d --name banini --env-file .env -v banini-data:/data banini-tracker
# 3. 或本地直接跑
npm install && npm run start
| 排程 | 時間 | 說明 | |------|------|------| | 早晨補漏 | 每天 08:00 | 抓前一晚 22:00 後的貼文（3 篇） | | 盤中 | 週一~五 09:07-13:07 每 30 分 | 抓 08:30 後的貼文（1 篇） | | 追蹤更新 | 週一~五 15:00 | 更新預測追蹤（收盤後抓 OHLC） | | 盤後 | 每天 23:03 | 抓 13:30 後的貼文（3 篇） |
每個排程只抓自己時間窗口內的貼文，搭配 seen.json 去重，確保無死角且不重複。
| 指令 | 說明 |
|------|------|
| npm run start | 常駐排程模式（全部排程自動跑） |
| npm run dev | 單次執行（FB 3 篇） |
| npm run dry | 只抓取，不呼叫 LLM |
| npm run market | 盤中模式（FB 1 篇） |
| npm run evening | 盤後模式（FB 3 篇） |
APIFY_TOKEN=apify_api_...
LLM_BASE_URL=https://api.deepinfra.com/v1/openai
LLM_API_KEY=...
LLM_MODEL=MiniMaxAI/MiniMax-M2.5
TG_BOT_TOKEN=...
TG_CHANNEL_ID=-100...
# 影片轉錄（選填，啟用後自動轉錄影片貼文）
TRANSCRIBER=groq
GROQ_API_KEY=gsk_...
# FinMind API（選填，免費可用，註冊可提高額度）
FINMIND_TOKEN=...
# 資料目錄（Docker 建議掛載 /data）
DATA_DIR=/data
No comments yet. Be the first to share your thoughts!
LLM 分析出標的後，系統自動：
勝敗判定在查詢時決定，支援多維度分析（不同持有天數、信心度分群、操作類型）。
使用 SQLite（better-sqlite3），資料表：
| 表 | 用途 |
|----|------|
| posts | 所有貼文原文（即時 + 歷史回測統一來源） |
| predictions | 預測記錄（標的、方向、基準價、狀態） |
| price_snapshots | 每日 OHLC 快照（5 天追蹤期） |
資料庫位置：$DATA_DIR/banini.db（Docker 掛載 /data，本地 ~/.banini-tracker/）
不需 clone repo，任何環境直接用：
# 初始化設定
npx @cablate/banini-tracker init \
--apify-token YOUR_APIFY_TOKEN \
--tg-bot-token YOUR_TG_BOT_TOKEN \
--tg-channel-id YOUR_TG_CHANNEL_ID
# 抓取 Facebook 最新 3 篇
npx @cablate/banini-tracker fetch -s fb -n 3 --mark-seen
# 抓取指定日期區間（回測用）
npx @cablate/banini-tracker fetch --since 2025-04-01 --until 2025-05-01 -n 100
# 推送結果到 Telegram
npx @cablate/banini-tracker push -f report.txt
| 指令 | 說明 |
|------|------|
| init | 初始化設定檔（~/.banini-tracker.json） |
| config | 顯示目前設定 |
| fetch | 抓取貼文，輸出 JSON 到 stdout |
| push | 推送訊息到 Telegram |
| seen list | 列出已讀貼文 ID |
| seen mark <id...> | 標記貼文為已讀 |
| seen clear | 清空已讀紀錄 |
-s, --source <source> 來源：fb（預設 fb）
-n, --limit <n> 每個來源抓幾篇（預設 3）
--since <date> 只抓此時間之後的貼文（YYYY-MM-DD / ISO 時間戳 / 相對時間如 "2 months"）
--until <date> 只抓此時間之前的貼文
--no-dedup 不去重
--mark-seen 輸出後自動標記已讀
-m, --message <text> 直接帶訊息
-f, --file <path> 從檔案讀取（推薦多行內容用這個）
--parse-mode <mode> HTML / Markdown / none（預設 HTML）
不帶 -m 或 -f 時從 stdin 讀取。
在 Claude Code 的 skill 中，Claude 自己就是分析引擎：
fetch 抓貼文 → Claude 讀 JSONpush -f 推送 Telegram詳見 skill/SKILL.md。
| 項目 | 單次費用 | 頻率 | 月估算 | |------|---------|------|--------| | Facebook 抓取（Apify） | ~$0.005/篇 | ~270 篇/月 | ~$1.35 | | LLM 分析（常駐模式） | 依模型而定 | 同上 | 依模型定價 | | 影片轉錄（Groq Whisper） | ~$0.006/分鐘 | 視影片數量 | 極低 | | 股價查詢（FinMind） | 免費 | 每日收盤後 | $0 | | Telegram 推送 | 免費 | — | $0 |
CLI 模式搭配 Claude Code 使用不需 LLM 費用，Claude 自己分析。 回測歷史資料加日期篩選：~$7/千篇（$5 基本 + $2 date filter add-on）。
早期版本同時支援 Threads 和 Facebook 爬取，後來基於兩個原因移除了 Threads：
本專案僅供娛樂參考，不構成任何投資建議。
MIT