# Резюме 17 старых ботов из «Грузия.zip» — 2026-05-08

> Вердикт по каждому: **тип / идея / рабочий или нет / почему / как довести**.
> Доказательства смотрим в:
> - реальные БД сделок, log-папки, state.json, optimized_params.json, ML-веса (`*.pkl`)
> - размер кодовой базы, наличие SL/TP, multi-pair scanner, trend filter

---

## 1. ARBITR-8-latest — 🔴 нерабочий
- **Тип:** межбиржевой / triangular arbitrage; tkinter desktop GUI
- **Идея:** считать спред между парами Binance, alert при выгодной возможности
- **Признаки:** main2.py 877 LoC — **80% это GUI**, 20% scan; нет trades.db, нет state, нет evidence сделок
- **Почему не работает:** в 2026 спот-арбитраж на Binance практически невозможен — спреды съедены HFT за < 100мс. tkinter UI нагнетает overhead сканирования.
- **Как доводить:** не доводить. Класс задачи (HFT spot arb) требует co-location или хотя бы Cython/Rust ядра — мы не выйдем. **Skip.**

## 2. DUBLMAKER-25-latest — 🟡 наполовину рабочий
- **Тип:** grid bot с trend-фильтром (1h), trailing grid up/down
- **Идея:** ставит сетку из 50 уровней, шаг 0.05%, скейл-множитель 1.0; trend filter включает только направление по 1h
- **Признаки:** 2453 LoC, есть `chart_AIAUSDT_..._Ручное_закрытие.png` (была реальная позиция на AIAUSDT, закрыта ВРУЧНУЮ — плохой знак)
- **Почему не работает полноценно:** grid без жёсткого SL рискует обнулить депо при сильном тренде против. «Ручное закрытие» в скриншоте = бот не вышел сам. tkinter UI = single-instance.
- **Как доводить:** (а) добавить hard global SL по % от депо; (б) переписать без tkinter в Linux daemon; (в) ввести "kill-switch при ATR > N×average". 1-2 дня. **Возможно интересно если протестировать на ranging market'ах.**

## 3. Momentum-latest — 🟡 половина
- **Тип:** trend + reversion гибрид; tkinter
- **Идея:** отдельные `TrendManager` + `ReversionManager` модули, scanner_liquidity_filter, EMA/ADX trend, BB reversion
- **Признаки:** 2579 LoC main + отдельные `trend_manager.py` + `reversion_manager.py`, 23 файла. Нет trades.db.
- **Почему не работает:** комбинирование trend+reversion в одном движке часто convolves сигналы (один фильтр включает, другой выключает). Без backtest evidence — слепое.
- **Как доводить:** разнести на два бота — pure-trend и pure-reversion, прогнать backtest каждого отдельно, потом обсуждать ensemble. **Из этого можно вытащить trend_manager как переиспользуемый модуль.**

## 4. rubot — 🔴 пусто
- **Признаки:** 12K на диске, **0 файлов**. Битая папка.
- **Skip.**

## 5. RVV Hunter + Reson_6.0 fin.2.4 — 🟢 рабочий, в production
- **Тип:** MTF Pullback (4h+1h) + AI агент-оркестратор (DeepSeek/Groq) + Telegram
- **Идея:** scanner находит сетапы, AI-консультант рекомендует, исполняется auto или manual confirm
- **Признаки:** **63.7MB БД с 470 trades**, activity_logs, ai_prompts, recommendations + отдельная 30MB БД с trading_patterns. agent_tools.py 5278 LoC.
- **Почему работает:** есть real trade history. Это **родитель того что мы сегодня в production выкатили** как `rvv-phantom-mtf-paper.service`.
- **Как доводить:** уже доведено в `rvv_phantom_mtf_paper`. Оригинал — архив референс. **Изучить trading_patterns: что в нём — обнаруженные closure-паттерны? Можем обогатить наш Phantom бот.**

## 6. RVV Hunter + Reson_6.0 fin.2.5 — 🟢 newer iteration
- **Признаки:** 9 trades в БД (свежий), **166MB trading_patterns** (вырос ×5 vs 2.4)
- **Что нового vs 2.4:** trading_patterns БД сильно богаче — возможно собрали больше market-fingerprints
- **Как доводить:** **главная ценность** — `trading_patterns` таблица. Если там pattern-mining (clustering свечных формаций / market regimes) — это можно интегрировать как **regime classifier** в наш Phantom Paper.

## 7. scalper_optimizer_win — 🟡 ценный backtest engine
- **Тип:** ATR-channel scalper "Multi A++ v2.4 (Fixed Multiprocessing)" + grid-search оптимайзер; tkinter
- **Идея:** ATR period × ATR mult × SL_ATR × TP_ATR × trail_ATR sweep на Top-200 пар
- **Признаки:** 1926 LoC, **2.1GB исторических данных**, optimization_cache.db 5.3MB
- **Почему работает частично:** оптимизатор работает (есть кэш), но это desktop-only tkinter, медленно (single-process до v2.4 fix)
- **Как доводить:** **извлечь backtest_engine** в headless Linux module (`run_optimization(symbols, params_grid) → results.csv`). 1 день работы. Это даёт нам **второй backtest engine** (помимо текущего) для validation.

## 8. Shadow-1.12 CLAUD_GEM_RAZD4 — 🟢 production evidence (декабрь 2025)
- **Тип:** "shadow_sniper" — sniper bot с раздельным dispatching между Claude и Gemini AI для разных задач
- **Идея:** Claude — стратегия / Gemini — risk-check (или наоборот), дешевле и точнее single-AI
- **Признаки:** **10 daily logs за 27 ноября — 7 декабря 2025** (~2 недели live), trading_history.db (схема `trades` + `pnl_history`, но строк 0 — возможно writes были в logs только)
- **Почему интересно:** дает архитектурный паттерн **multi-AI dispatch** — это согласуется с нашим текущим committee approach (Pro/DeepSeek/Claude). Logs — primary evidence
- **Как доводить:** распарсить 10 daily logs → реконструировать что бот делал, оценить накопленный PnL. Если PnL > 0 — паттерн multi-AI worth porting. ~3-4ч анализа.

## 9. trend_trader_win_7 — 🔴 только адаптер
- **Тип:** binance_adapter_win7.py — backend-обертка под CCXT, REST-сервер для другого dashboard
- **Признаки:** 28K, 1 файл, 516 LoC адаптер. **Стратегии нет вообще** — только plumbing.
- **Skip.** Это была заготовка под что-то.

## 10. usdt_trader_live — 🟡 production HTTP server, без сильной стратегии
- **Тип:** Win7 HTTP server для одной пары (`ALLUSDT`), 5m таймфрейм
- **Признаки:** 60K, README говорит "trade_bot_server v1.3.3-win7-cors-ui-config" — это **infrastructure/server pattern**, не стратегия
- **Почему не работает как продукт:** single-pair, нет evidence trades, Win7-специфика
- **Как доводить:** взять как **server-shell template** (CORS, /api/scan, /api/config), переписать под Linux + Phantom-style API. Стратегию подключить отдельно.

## 11. Новая сетка бот — 🟡 grid с risk-manager
- **Тип:** grid bot, 50 levels, leverage, risk-manager
- **Признаки:** 540 LoC main11.py, есть `RiskManager` class, trail grid up/down
- **Почему не работает:** grid + leverage = классическая mina (drawdown в тренде против убивает депо). Risk-manager у Стаса 110 LoC ТРЕНД-бота `class RiskManager: max_open_trades` — то есть только лимит позиций, нет global-DD-stop
- **Как доводить:** добавить (а) global drawdown stop по % депо, (б) trend-filter обязательно, (в) тестировать только на ranging-парах. **Низкий приоритет — class задач risky.**

## 12. СLoud DIVER_1.1 — 🟢 ML, но evidence слабое
- **Тип:** дивергенция + ML классификатор; trend_manager + reversion_manager + cvd_strategy + scanner_worker
- **Идея:** brain.pkl (527KB обученная модель — sklearn pickle?) + CVD (Cumulative Volume Delta) стратегия
- **Признаки:** 81 файл, 7.4MB кода, **brain.pkl** + cvd_strategy.py + scanner_worker.log (566KB!) + history папка + config_profiles + chart_system. **Самая богатая архитектура из всех**
- **Почему может работать:** brain.pkl можно прочитать pickle и понять что это (RandomForest? GradientBoost?). cvd_strategy — серьёзная вещь, CVD в крипто действительно разделяет real-buy vs spoof.
- **Как доводить:**
  1. **Распаковать brain.pkl** — понять что обучено и на каких фичах. ~30 мин.
  2. **Извлечь cvd_strategy.py** как standalone модуль для Phantom Paper.
  3. **Re-train** на свежих данных (если брайн стар).
  4. **Полная отработка ~3-5 дней.** **Это самый перспективный кандидат для второй live-стратегии параллельно RVV.**

## 13. СКАЛЬПЕР.РУ — 🟢 готовый к Linux migration сервис
- **Тип:** "scalper_agent_channel_full" — channel-based scalping, REST API, web dashboard, force-cycle button
- **Идея:** строит channel из 1m данных, scan top-43 USDT пар, paper-mode, 1-min schedule
- **Признаки:** 527 LoC agent_channel.py, dashboard.html, README, state.json, **modern code stilе** (без tkinter!), config с min_usd_24h liquidity, channel structure
- **Почему может работать:** **современная архитектура** (REST + dashboard + state persistence + force-cycle), нет Win7-tkinter якоря. Code стиль — наш родной.
- **Как доводить:**
  1. Адаптировать BaseHTTPServer → Flask (1ч)
  2. Переписать под Linux/systemd (30мин — заглядывая на наш phantom_binance_paper как референс)
  3. Подключить к Binance Futures (вместо spot)
  4. Прогнать backtest на Phantom-style 60 пар
  5. Параллельный live с RVV Hunter
  6. **~2-3 дня. Лучший кандидат на «второго бота» в production stack.**

## 14. Скальпер спот — 🟢 production-tuned, 98 пар
- **Тип:** "Multi A++ Channel Scalper v8.8 (Blacklist + Dynamic Symbols Final)" — спот-скальпер с regime detector и dynamic symbol blacklist
- **Идея:** market_regime detection (TRENDING_VOLATILE / FLAT / etc), trend_strength + volatility_regime + volume_regime
- **Признаки:** 1509 LoC, **111MB БД с closed_trades + historical_data + optimization_results**, **optimized_params.json для 98 пар** (BTC/ETH/BNB/SOL/XRP/...) — это значит реальная оптимизация прошла на 98 парах
- **Почему работает:** есть real trading history (closed_trades в DB), оптимизированные parameters per-pair, multi-regime detection
- **Как доводить:**
  1. Извлечь optimized_params.json — это **готовая карта параметров для 98 пар**
  2. Прогнать через наш backtest engine на свежих данных (последние 30 дней)
  3. Сравнить с RVV Hunter results
  4. Если competitive — запустить как третий live (spot, не futures как RVV)
  5. **~3-4 дня. ВТОРОЙ ТОП-кандидат вместе с СКАЛЬПЕР.РУ.**

## 15. ТЕСТЕР-МОМЕНТУМ-2-latest — 🟡 backtest engine V3
- **Тип:** backtest dashboard с tkinter; multi-TF (1h Brain + 15m Trend + 1m Flat)
- **Признаки:** 705MB размер (огромная historical_data.sqlite), backtest_dashboard_V3.py + backtest_engine_V3_1.py + optimization_worker_V3_1.py
- **Почему частично работает:** backtest engine есть, но tkinter UI = single-instance. Для нас лучше web/CLI engine.
- **Как доводить:** извлечь backtest_engine_V3_1 как Linux module без tkinter. Для нас сейчас не приоритет — есть свой backtest-runner subagent.

## 16. Тестер-оптимайзер — 🟢 готовый backtest API
- **Тип:** HTTP-server оптимизатор с EMA-фильтром и Top-3 sweep, **klines.db 356MB / 2.5M свечей**
- **Идея:** REST-эндпоинты, EMA fast/slow grid (3..15 / 7..25), top-3 globals по метрикам ret/pnl/wr/sharpe/mdd
- **Признаки:** 653 LoC, modern code (HTTP server без Flask, std-lib), **klines.db уже готова** с 2.5М свечей
- **Почему работает:** **готовый сервис**, не tkinter. Можно поднять как daemon на VPS.
- **Как доводить:**
  1. systemd unit + nginx alias (30 мин)
  2. ввести в наш ecosystem как **internal tool**: запускать sweep'ы для тюнинга RVV / СКАЛЬПЕР.РУ / Скальпер спот
  3. **3-4 часа.** Идея — встроить как backend для **Promo Stack «Backtest setup» add-on** ($199-499)

## 17. ТРЕНД-бот — 🟡 минимум
- **Признаки:** 4 файла, 110 LoC, RiskManager класс + scout.py + whitelist
- **Почему не работает:** скелет, не полный бот
- **Как доводить:** этот код тонкий, лучше **выкинуть и переиспользовать паттерн RiskManager** в более продвинутых ботах

---

## ⭐ ИТОГОВЫЙ ПИК — топ-3 для отработки

### 🥇 СКАЛЬПЕР.РУ (СKAЛЬПЕР.РУ) — _быстрый win_
- modern Python (без tkinter), REST + dashboard уже есть, force-cycle button, paper-mode
- Перевод на Linux/systemd ~2-3 дня
- Полностью готовый ко **второму live параллельно RVV Hunter** в Phantom-style portfolio
- Стратегия: channel scalping на 1m × 43 USDT пары

### 🥈 СLoud DIVER_1.1 — _ML pivot_
- brain.pkl (натренированная модель, 527KB) + CVD strategy + 81 файл богатой архитектуры
- Самый сложный кандидат, но самый интересный для дифференциации
- Распаковать brain.pkl → понять features → re-train на свежих данных → live
- **Главная ценность:** CVD как сигнал — практически нигде не используется в open-source ботах

### 🥉 Скальпер спот — _production-tuned, ready params_
- 98 пар уже optimized в `optimized_params.json`, есть closed_trades history (111MB БД)
- Multi-regime detection (TRENDING_VOLATILE / FLAT / etc) — серьёзная архитектура
- Прогнать optimized_params на свежих 30 днях → если PF≥1.3 → live spot bot

---

## ⚠ Bonus — пара infrastructure модулей которые стоит вытащить

- **Тестер-оптимайзер** (klines.db 2.5M + EMA-Top3 sweep API) — внутренний tool для тюнинга наших стратегий + потенциальный SKU "Backtest-as-a-Service"
- **trading_patterns БД из RVV fin.2.5** (166MB) — если там pattern-clustering, можно обогатить наш текущий Phantom regime classification

---

**Список «скип»:** ARBITR-8, rubot, trend_trader_win_7, ТРЕНД-бот (110 LoC скелет), Новая сетка бот (high risk), DUBLMAKER-25 (manual closure prior), tkinter desktop apps в целом.