Home

WyckoffAgent Wiki

欢迎来到 WyckoffAgent 知识库。

本 Wiki 是项目的方法论解释层：它解释系统为什么这样设计、背后的交易逻辑是什么，以及哪些规则不能被 AI 推荐和短期收益带偏。

阅读约定：页面里出现关键英文术语时，尽量采用 英文（中文释义） 的形式；如果遇到未解释的缩写，优先查主仓库 GLOSSARY.md。

如果你要查安装、配置、接口、数据表或术语定义，请优先看主仓库文档：

问题	去哪里看
安装、使用、配置	README.md
架构、定时任务、数据表	docs/ARCHITECTURE.md
漏斗策略、AI 研报、回测	README_STRATEGY.md
术语速查	GLOSSARY.md

---

先读哪几篇

新人理解系统

系统产品介绍 → 威科夫理论入门 → 量化选股指标 → 系统架构总览

先搞清楚系统要解决什么问题，再看量价结构、指标分层和工程架构。具体术语定义查 GLOSSARY.md。

准备实盘

风险管理：本金不能亏损 → 板块轮动与大盘水温 → 回测方法学

实盘先看本金基准、安全垫和仓位门禁，再谈选股和收益。AI 可以给建议，但资金暴露必须由风控规则决定。

做策略研究

回测方法学 → 为什么回测要用单利 → 策略衰减机制与对策

这里重点是口径一致、结果可比、识别过拟合，以及理解策略上线后为什么必然衰减。

做工程开发

系统架构总览 → AI 集成策略 → Agent 设计专题 → Python 工程实践

先看系统边界，再看 Agent 执行闭环、上下文、后台任务和工程约束。

---

完整目录

产品总览

1. 系统产品介绍 — 产品定位、核心工作流、使用场景和边界

交易方法论

2. 威科夫理论入门 — 系统如何把 Wyckoff 信号变成可执行筛选证据
3. 量化选股指标 — RS、RPS、ATR 等指标在漏斗中的分工
4. 板块轮动与大盘水温 — A 股板块一日游的实证数据，以及系统如何据此控仓
5. 风险管理：本金不能亏损 — 本金口径、安全垫、多策略组合和实盘风控门禁

回测与研究

6. 回测方法学 — 回测参数、两种离场口径、已知偏差
7. 为什么回测要用单利 — 单利 vs 复利口径选择、过拟合过滤、wbt 工具
8. 策略衰减机制与对策 — 为什么策略必然衰减，以及系统级对抗方案

技术实现

9. 系统架构总览 — 定时管线 + 三条 Agent 交互栈的全局视图
10. AI 集成策略 — 为什么不直接喂 K 线给大模型，以及 RAG（检索增强生成）防雷机制
11. Agent 设计专题 — 流式输出、工具注册、上下文压缩、记忆系统、ReAct Loop（推理-行动循环）、后台任务、Skills（技能模板）、Provider（模型适配层）抽象
12. GitHub Actions 运维 — 定时任务排障、信号反馈闭环和动态策略开关
13. Python 工程实践 — 类型注解、IO/计算分离、向量化等设计原则

---

内容边界

• GLOSSARY.md 负责术语定义和英文缩写。
• Wiki 负责方法论、设计取舍和系统映射。
• README 系列负责安装、配置、命令和接口。

---

设计哲学

1. 先看环境，再看个股 — 大盘水温决定仓位，选股好不如市场对
2. 本金优先于收益 — 策略可以阶段性不赚钱，但不能让本金暴露在不可恢复的亏损里
3. AI 只做参谋，风控引擎执行 — 模型建议不直接下单，执行权在规则
4. 计算和网络完全分离 — 核心引擎只接收 DataFrame，支持离线回放
5. 研究必须可复盘 — 每次策略变更都要保留口径，否则收益对比没有意义