PA Agent提交分析全流程拆解从K线快照到AI交易决策的7步闭环【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AI K线分析辅助工具它从 MT5 / TradingView 等数据源读取 K 线通过「K线快照 → 市场诊断 → 策略路由 → 交易决策」的两阶段 AI 分析闭环输出入场价、止损与止盈建议全程可视化、可复盘。本文完整拆解你点击「提交分析」后程序内部发生的7 步流程。0. PA Agent 是什么先花 1 分钟认识它一句话定位把结构化 K 线数据而非截图喂给大模型做价格行为Price Action两阶段分析。不是截图识图而是把 OHLC 数据 预计算指标EMA20、ATR14组装成 Prompt两阶段架构阶段一「市场诊断」→ 阶段二「交易决策」中间经过闸门与策略路由不连接券商、不自动下单所有结论供人工决策参考启动方式Python 3.11pip install -e . python -m pa_agent.main首次启动后在菜单 → 设置中填写 Base URL、模型名与 API KeyKey 使用 Windows DPAPI 加密存储明文永不落盘。第1步获取数据 —— 连接数据源并拉取K线在控制栏选择数据来源 / 品种 / 周期点击「获取数据」后程序进入 1 秒级的刷新循环RefreshLoop持续拉取最新 K 线并渲染蜡烛图 EMA20 叠加线。数据源适用场景实现模块MT5本地 MetaTrader 5 终端支持全部周期pa_agent/data/mt5.pyTradingView全平台现货黄金/外汇/A股/加密货币pa_agent/data/tradingview.pyyfinance / AkShare期货、加密货币、A股pa_agent/data/yfinance_source.py、pa_agent/data/akshare_source.py细节提示品种名必须与 MT5「市场报价」完全一致含m后缀如XAUUSDm图表最右侧的浅色空心 K 线是正在形成中的未收盘棒它不参与 AI 分析。完整说明见 docs/获取数据功能说明.md。第2步构建K线快照 —— 冻结数据、预热指标点击「提交分析」的瞬间程序做两件关键的事只截取已收盘 K 线默认取最新 100 根已收盘棒数量可在「设置 → 通用」调整2–5000 根跳过未收盘棒保证 AI 看到的与图表 K1 完全对齐指标预热额外向前多取 50 根棒让 EMA20 / ATR14 有足够数据「热身」再只把目标窗口发给模型同时图表自动冻结在提交瞬间的快照上——防止分析期间新 K 线跳入导致「AI 看的数据 ≠ 图上显示的数据」。这一步的核心实现在 pa_agent/data/snapshot.pybuild_analysis_frame。第3步阶段一市场诊断 —— AI 先看懂市场结构程序组装阶段一 PromptK线数据 市场诊断框架 人设提示词 逐棒检查单 经验库案例流式调用大模型解析并校验返回 JSON提取四个关键字段字段含义取值示例cycle_position市场周期位置尖峰 / 微型通道 / 窄通道 / 正常通道 / 宽通道 / 趋势型交易区间 / 交易区间 / 极端交易区间direction方向bullish / bearish / neutralgate_result闸门结果proceed / wait / unknowndetected_patterns检测到的形态楔形 / H1H2 / 突破失败 / AlwaysIn 等闸门短路机制若gate_result为wait或unknown市场处于铁丝网、极端混乱等无交易环境阶段二直接跳过结论就是「不下单」——这是控制无效交易的第一道保险。第4步策略路由 —— 按诊断结果加载「对症」提示词这是 PA Agent 最有特色的设计阶段二的 Prompt不是固定模板而是根据阶段一诊断结果动态拼装。路由逻辑实现在 pa_agent/ai/pattern_routing.py通道类涨/跌→ 加载上涨通道分析识别.txt上涨通道交易策略.txt 窄宽通道策略尖峰 → 加载极速上涨/下跌分析识别.txt与对应交易策略交易区间 → 加载震荡区间分析识别.txt震荡区间交易策略.txt楔形、突破失败、H1H2 等形态 →叠加对应专项提示词文件所有提示词文件集中在 prompt_engineering/ 目录你可以直接阅读、修改这套「AI 交易知识库」。此外系统还会按cycle_position从 experience/ 经验库中检索历史成功/失败案例注入 Prompt让 AI「见过类似的行情」。第5步阶段二交易决策 —— 二元决策树引导下单方案阶段二 Prompt 路由策略文件 二元决策树 交易倾向 经验案例 诊断结论。AI 必须沿着内置的二元决策树定义于 prompt_engineering/二元决策.txt逐步回答是/否问题走完闸门节点 0.1–0.3数据是否足够、结构是否可识别、环境是否可交易与策略节点最终输出order_type限价单 / 突破单 / 市价单 / 不下单entry_price/stop_loss_price/take_profit_priceTP1/take_profit_price_2TP2trade_confidence0–100 信心分decision_trace完整决策路径供可视化回放「设置 → 通用」中的交易倾向保守/均衡/激进/极度激进只影响阶段二决策尺度不污染阶段一诊断——想少交易就调保守想多捕捉机会就调激进。第6步校验与重试 —— 给 AI 输出上一道保险大模型输出 JSON 可能缺字段、跑偏值域甚至思考区 token 用尽导致正文截断。PA Agent 在 pa_agent/ai/json_validator.py 与 pa_agent/orchestrator/validation_retry.py 中构建了四层防线JSON 格式校验缺失字段、无效值域逐项报错一致性检查如 TP 距离必须大于止损距离等语义规则截断检测与修复识别「思考用尽 token」型截断给出针对性提示失败重试追加反馈轮次让模型自我修正语义/安全类错误则拒绝重试分析期间右侧「实时」标签页底部有Token 用量进度条绿/黄/红三段可提前感知上下文余量。第7步结果可视化与完整落盘 —— 闭环的最后一步分析完成后整个流程的结果同时落到三个地方① 图表叠加入场线白实线、止损线红虚线、TP1/TP2绿虚线自动画到 K 线上并标注做多↑/做空↓。② 决策树可视化赛博科幻风格流程图自动播放「闸门 → 策略路径」动画绿色是/trade、红色否/reject、黄色wait鼠标可缩放拖拽实现在 pa_agent/gui/decision_flow_viz.py。③ 完整落盘每次分析生成records/pending/YYYY-MM-DD_HH-mm-SS_品种_周期.json包含 K 线快照、两阶段完整 Prompt、AI 原始响应含 reasoning、诊断/决策 JSON、Token 用量——事后可逐字复盘 AI 为什么这么判断也可用「演示模式」离线回放。加分项增量分析与自由追问增量分析同品种同周期已有成功记录、新增收盘棒 ≤ 阈值默认 10 根时再点「提交分析」自动走增量模式——AI 能复用上轮结论省 token、提速明显逻辑见 pa_agent/ai/incremental_shift.py自由追问分析完成后可直接提问「如果跌破止损怎么办」AI 持有完整上下文 最新 K 线快照回答对话持久化到.followups.jsonl实现在 pa_agent/orchestrator/free_chat.py等待收盘勾选「等待最新K线收盘后再提交分析」程序倒计时至 K 线收口后自动提交保证数据完整写在最后7步闭环一图总结获取数据 → K线快照 → 阶段一诊断 → 策略路由 → 阶段二决策 → 校验重试 → 可视化落盘 (1秒刷新) (冻结指标预热) (结构/方向/闸门) (动态Prompt) (二元决策树) (四层防线) (图表/决策树/JSON)这套闭环的价值在于把「主观交易者的判断框架」工程化——AI 只负责在固定决策树上推理程序负责数据对齐、路由、校验与留痕。更多界面细节可查阅 PA_Agent使用文档.md 与 config/README.md。⚠️ 免责声明PA Agent 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