09_Tech_Architecture

系统架构总览

WyckoffAgent 有两种运行模式：定时管线（自动跑，无人值守）和 交互 Agent（用户对话触发）。

---

1. 定时管线（GitHub Actions）

每天自动执行的批处理流水线，由 scripts/daily_job.py 串联：

Step2（全市场筛选）→ Step2.5（信号确认）→ Step3（AI 研报）→ Step4（持仓决断）

flowchart LR
  A["Wyckoff Funnel<br/>18:25"] --> B["Step2<br/>五层漏斗"]
  B --> C["Step3<br/>AI 研报"]
  C --> D["Step4<br/>OMS 决断"]
  D --> E["signal_observations<br/>记录信号样本"]
  E --> F["Signal Feedback<br/>23:30"]
  F --> G["signal_health_daily<br/>signal_registry"]
  G --> H["下一轮漏斗<br/>动态策略读取"]

Loading

Step2：Wyckoff 漏斗

• 入口：core/funnel_pipeline.py
• 核心引擎：core/wyckoff_engine.py（纯计算，不做网络请求）
• 五层筛选：L1 基础过滤 → L2 六通道强弱 → L3 板块共振 → L4 威科夫触发 → L5 退出信号
• 结果推送飞书

Step2.5：信号确认

• L4 触发信号需经 1-3 天价格确认后才进入操作池
• 防止"假信号"直接触发买入

Step3：AI 批量研报

• 入口：core/batch_report.py（daily_job 调用）/ scripts/step3_batch_report.py（独立运行）
• 将候选股的结构化特征切片喂给大模型
• 输出三阵营分类：逻辑破产 / 储备营地 / 起跳板
• RAG 防雷：命中负面新闻可一票否决

Step4：持仓决断

• 入口：core/strategy.py（daily_job 调用）/ scripts/step4_rebalancer.py（独立运行）
• 读取账户状态
• 综合研报 + 持仓 + 风控，输出 EXIT/TRIM/HOLD/PROBE/ATTACK 指令
• 推送到 Telegram

Signal Feedback：信号反馈闭环

• 入口：scripts/signal_feedback_job.py
• 时间：北京时间周一到周五 23:30
• 读取 signal_observations，计算 1/3/5/10/20 日收益和回撤
• 写入 signal_outcomes、signal_health_daily、signal_registry
• 下一轮漏斗按 FUNNEL_DYNAMIC_POLICY=off|shadow|on 决定是否使用动态策略

flowchart TD
  A["signal_observations"] --> B["signal_outcomes"]
  B --> C["signal_health_daily"]
  C --> D["signal_registry"]
  D --> E{"动态策略模式"}
  E -- "off" --> F["静态配额"]
  E -- "shadow" --> G["静态推荐 + shadow 差异落库"]
  E -- "on" --> H["动态配额正式生效"]

Loading

其他定时任务

任务	功能
盘前风控	A50 + VIX 监测，四档预警
尾盘策略	规则打分 + LLM 复判，筛选尾盘买入
形态复盘重定价	同步收盘价，计算累计收益
信号反馈闭环	盘后验收 L4 信号表现，更新动态策略状态
回测网格	18 组参数并行回测
港股 / 美股漏斗	独立 universe + TickFlow 批量日线扫描

---

2. 交互 Agent（三条栈 + 维护入口）

用户通过自然语言与系统对话，Agent 自主决定调用哪些工具。

CLI / TUI 栈（功能最全）

• 入口：cli/__main__.py
• UI：cli/tui.py（全屏终端界面）
• Agent Loop：cli/runtime.py；cli/agent.py 保留为兼容旧调用点的薄封装
• Provider：cli/providers/（OpenAI-compatible，支持多模型切换和 fallback）
• 工具：cli/tools.py 暴露 19 个 Tool Schema（工具定义）；其中 18 个映射到确定性 Python 函数，check_background_tasks 由运行时特判返回后台任务状态
• 特有能力：后台任务、分层 Agent 记忆（L1 原子 / L2 场景 / L3 画像）、上下文压缩、Skills 扩展

React Web 栈（主力 Web 端）

• 前端：web/apps/web/
• Agent：web/apps/web/src/lib/chat-agent.ts
• 运行时：Vercel AI SDK streamText，stopWhen: stepCountIs(10) 控制最多 10 步工具循环
• 边缘代理：Cloudflare Pages Functions
• 工具：13 个 Web 工具（不含命令执行、读写文件、委派子 Agent 等本地能力）

MCP Server 栈

• 入口：mcp_server.py
• 协议：FastMCP / stdio
• 定位：给 Claude Code、Cursor 等外部 Agent 暴露 Wyckoff 工具
• 注意：MCP 只提供单次工具调用，不负责多轮对话编排

业务工具能力

CLI / MCP 的业务工具实现主要在 agents/chat_tools.py，CLI 的注册、审批、后台任务和 Tool Schema（工具定义）在 cli/tools.py。Web 端在 web/apps/web/src/lib/chat-agent.ts 中封装自己的工具名，并复用 web/apps/web/src/lib/chat-tools.ts 的执行函数。

工具	能力
search_stock_by_name	模糊搜索股票
analyze_stock	单股诊断 / 行情查询
portfolio	查看持仓 / 批量健康扫描
update_portfolio	增删改持仓
get_market_overview	大盘水温
screen_stocks	五层漏斗筛选
generate_ai_report	AI 研报
generate_strategy_decision	持仓决策
query_history	查历史推荐/信号/尾盘记录
run_backtest	回测

CLI 栈额外提供：get_market_history、check_background_tasks、delegate_to_research、delegate_to_analysis、delegate_to_trading、exec_command、read_file、write_file、web_fetch。其中 exec_command、write_file、update_portfolio 是高风险工具，需要运行时审批。

---

3. 数据流

行情数据源 → 统一行情仓库层 → 引擎计算 → 结果存储 → 推送通知
            ↗ A 股：tickflow → tushare → akshare → baostock → efinance（五级自动降级）
            ↗ 港股 / 美股：TickFlow + 本地 universe

• 日线行情通过 integrations/stock_hist_repository.py 直接从数据源拉取，不再走 Supabase 行情缓存
• Supabase 用于用户配置、持仓、形态复盘、市场信号、信号反馈、任务结果、主题雷达等业务数据
• 本地 SQLite 用于 CLI 离线状态、同步副本和记忆等本地能力
• data/market_universes/*.json 维护 A 股 / 港股 / 美股 / ETF 的代码、名称和搜索元数据

---

4. 关键设计原则

原则	体现
计算与 IO 分离	wyckoff_engine.py 不做任何网络请求，只接受 DataFrame
容错降级	数据源链式降级、RAG 失败不阻断主流程、合规简报降级为模板
快照可复现	行情落盘为 snapshot，回测全程离线回放
Loop 约束模型	即使模型不调用工具，loop guard 也会强制纠偏（详见第 11 篇）