尧图网页设计 
PA Agent两阶段AI分析原理市场诊断→策略路由→交易决策如何运作【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_AgentPA Agent 是一款面向主观交易者的价格行为Price ActionAI 辅助决策工具核心机制是两阶段 AI 分析先把结构化 K 线数据交给大模型做市场诊断再根据诊断结果自动策略路由加载匹配的 playbook 生成交易决策限价/突破/市价或不下单。它不是截图识图不连接券商、不执行下单而是一个严谨、可审计的桌面端分析流水线。本文带你完整拆解这条流水线是如何一步步运作的。全流程总览9 步流水线两阶段分析的编排逻辑集中在 TwoStageOrchestrator整个流程可分为 9 个步骤组装阶段一 PromptK 线数据 市场诊断框架 人设提示词 逐棒检查单 经验库案例调用 AI APIDeepSeek 等兼容 OpenAI 协议的接口校验阶段一返回的 JSON策略路由根据诊断结果选择策略文件加载经验库历史案例组装阶段二 Prompt再次调用 AI API校验阶段二 JSON完整落盘Prompt、原始响应、诊断/决策 JSON、Token 用量每个阶段前后都有取消检查校验失败时还会携带错误反馈自动重试网络异常则记录到部分记录中。整体编排见 two_stage.py字段级说明可参考 PA_Agent使用文档.md 第 7 节。阶段一市场诊断——AI 先看什么阶段一的输入不是图片而是结构化数据从 MT5、TradingView、yfinance 或 AkShare 拉取的 K 线快照加上预计算特征EMA、ATR、棒长、重叠度等。数据源界面示例MT5 K 线与持仓如下AI 需要按 市场诊断框架 输出一份诊断 JSON关键字段包括字段含义示例取值cycle_position市场周期位置normal_channel / trading_range / spike / extreme_tr …direction趋势方向bullish / bearish / neutraldetected_patterns检测到的特殊形态标签wedge、mtr、barbwire、h1/h2 …gate_result闸门结论proceed / wait / unknown同时程序会运行确定性决策节点引擎decision_nodes.py独立计算数据充分性、市场混乱度、方向、Always-In、动量强度等节点结果写入gate_trace与 AI 的结论互为交叉验证——AI 可以覆盖程序结论但覆盖理由必须留痕。策略路由诊断结果决定加载哪本“作战手册”这是 PA Agent 最精巧的一环。router.py 中的route_strategy_files函数根据阶段一的cycle_position direction detected_patterns从 prompt_engineering/ 目录中挑选出阶段二要加载的策略文件基础文件按周期位置加载如 上涨通道交易策略.txt、震荡区间交易策略.txt、极速上涨交易策略.txt形态叠加文件检测到楔形加载 文件14-楔形形态分析交易.txtMTR 结构加载 文件25-主要趋势反转MTR.txt三角形加载 文件27-三角形与收敛形态.txt 等形态标签的同步与补全规则在 pattern_routing.py 中定义例如阶段一标签路由加载wedge文件14-楔形形态分析交易h1 / h2 / l1 / l2文件19-H1H2-L1L2计数always_in / 20gb文件20-AlwaysIn与20GBbarbwire / middle_range文件21-铁丝网与无交易环境failed_signal / magnet文件22-信号失败后的磁力位即使 AI 忘记写detected_patterns程序也会根据entry_setup_type和关键信号关键词自动补全保证路由不遗漏。阶段二交易决策——从诊断到下单建议阶段二的 Prompt 由“路由出来的策略文件 二元决策指引 交易倾向 经验库案例”组装而成。AI 必须沿决策树节点 3–14 逐一给出判断最终输出决策 JSON进场方式限价/突破/市价、触发价、止损、目标位或明确不下单。这里有一条重要的闸门短路规则如果阶段一gate_result为wait或unknown阶段二直接跳过输出不下单结论——避免 AI 在铁丝网或数据不足的市场中硬找机会。GUI 中还有赛博科幻风格的决策树可视化面板自动播放闸门 → 策略路径动画让每一步判断都看得见。可靠性保障校验、重试与增量分析JSON 校验json_validator.py 对字段缺失、类型错误、值域越界分类报告配合语义一致性检查coherence_checks.py与截断修复失败自动重试校验失败时把错误信息作为反馈追加给用户角色重新调用 APIvalidation_retry.py增量分析新增 K 线时复用上次诊断结论只让 AI 做增量修正开启keep_analysis后新 K 线收盘自动触发新一轮分析经验库按周期位置channel、spike、trading_range 等见 experience/ 目录检索历史案例供本次分析参考总结为什么这样设计两阶段架构的本质是把看市场和做决策解耦阶段一专注客观诊断阶段二只带着与当前市场状态匹配的策略手册做交易判断既控制了 Prompt 长度与成本又让 AI 的建议始终有章可循。加上确定性节点引擎的交叉验证和完整落盘你可以随时回溯AI 为什么这么建议。完整字段与界面说明见 PA_Agent使用文档.md项目总览见 README.md。免责声明本工具仅供学习与研究不构成投资建议。交易有风险决策后果自负。【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PA Agent两阶段AI分析原理：市场诊断→策略路由→交易决策如何运作
PA Agent两阶段AI分析原理市场诊断→策略路由→交易决策如何运作【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_AgentPA Agent 是一款面向主观交易者的价格行为Price ActionAI 辅助决策工具核心机制是两阶段 AI 分析先把结构化 K 线数据交给大模型做市场诊断再根据诊断结果自动策略路由加载匹配的 playbook 生成交易决策限价/突破/市价或不下单。它不是截图识图不连接券商、不执行下单而是一个严谨、可审计的桌面端分析流水线。本文带你完整拆解这条流水线是如何一步步运作的。全流程总览9 步流水线两阶段分析的编排逻辑集中在 TwoStageOrchestrator整个流程可分为 9 个步骤组装阶段一 PromptK 线数据 市场诊断框架 人设提示词 逐棒检查单 经验库案例调用 AI APIDeepSeek 等兼容 OpenAI 协议的接口校验阶段一返回的 JSON策略路由根据诊断结果选择策略文件加载经验库历史案例组装阶段二 Prompt再次调用 AI API校验阶段二 JSON完整落盘Prompt、原始响应、诊断/决策 JSON、Token 用量每个阶段前后都有取消检查校验失败时还会携带错误反馈自动重试网络异常则记录到部分记录中。整体编排见 two_stage.py字段级说明可参考 PA_Agent使用文档.md 第 7 节。阶段一市场诊断——AI 先看什么阶段一的输入不是图片而是结构化数据从 MT5、TradingView、yfinance 或 AkShare 拉取的 K 线快照加上预计算特征EMA、ATR、棒长、重叠度等。数据源界面示例MT5 K 线与持仓如下AI 需要按 市场诊断框架 输出一份诊断 JSON关键字段包括字段含义示例取值cycle_position市场周期位置normal_channel / trading_range / spike / extreme_tr …direction趋势方向bullish / bearish / neutraldetected_patterns检测到的特殊形态标签wedge、mtr、barbwire、h1/h2 …gate_result闸门结论proceed / wait / unknown同时程序会运行确定性决策节点引擎decision_nodes.py独立计算数据充分性、市场混乱度、方向、Always-In、动量强度等节点结果写入gate_trace与 AI 的结论互为交叉验证——AI 可以覆盖程序结论但覆盖理由必须留痕。策略路由诊断结果决定加载哪本“作战手册”这是 PA Agent 最精巧的一环。router.py 中的route_strategy_files函数根据阶段一的cycle_position direction detected_patterns从 prompt_engineering/ 目录中挑选出阶段二要加载的策略文件基础文件按周期位置加载如 上涨通道交易策略.txt、震荡区间交易策略.txt、极速上涨交易策略.txt形态叠加文件检测到楔形加载 文件14-楔形形态分析交易.txtMTR 结构加载 文件25-主要趋势反转MTR.txt三角形加载 文件27-三角形与收敛形态.txt 等形态标签的同步与补全规则在 pattern_routing.py 中定义例如阶段一标签路由加载wedge文件14-楔形形态分析交易h1 / h2 / l1 / l2文件19-H1H2-L1L2计数always_in / 20gb文件20-AlwaysIn与20GBbarbwire / middle_range文件21-铁丝网与无交易环境failed_signal / magnet文件22-信号失败后的磁力位即使 AI 忘记写detected_patterns程序也会根据entry_setup_type和关键信号关键词自动补全保证路由不遗漏。阶段二交易决策——从诊断到下单建议阶段二的 Prompt 由“路由出来的策略文件 二元决策指引 交易倾向 经验库案例”组装而成。AI 必须沿决策树节点 3–14 逐一给出判断最终输出决策 JSON进场方式限价/突破/市价、触发价、止损、目标位或明确不下单。这里有一条重要的闸门短路规则如果阶段一gate_result为wait或unknown阶段二直接跳过输出不下单结论——避免 AI 在铁丝网或数据不足的市场中硬找机会。GUI 中还有赛博科幻风格的决策树可视化面板自动播放闸门 → 策略路径动画让每一步判断都看得见。可靠性保障校验、重试与增量分析JSON 校验json_validator.py 对字段缺失、类型错误、值域越界分类报告配合语义一致性检查coherence_checks.py与截断修复失败自动重试校验失败时把错误信息作为反馈追加给用户角色重新调用 APIvalidation_retry.py增量分析新增 K 线时复用上次诊断结论只让 AI 做增量修正开启keep_analysis后新 K 线收盘自动触发新一轮分析经验库按周期位置channel、spike、trading_range 等见 experience/ 目录检索历史案例供本次分析参考总结为什么这样设计两阶段架构的本质是把看市场和做决策解耦阶段一专注客观诊断阶段二只带着与当前市场状态匹配的策略手册做交易判断既控制了 Prompt 长度与成本又让 AI 的建议始终有章可循。加上确定性节点引擎的交叉验证和完整落盘你可以随时回溯AI 为什么这么建议。完整字段与界面说明见 PA_Agent使用文档.md项目总览见 README.md。免责声明本工具仅供学习与研究不构成投资建议。交易有风险决策后果自负。【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考