企业官网建设流程全解析

揭秘Vibe-Trading影子账户代码生成：规则如何变成可回测的SignalEngine

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

Vibe-Trading 的Shadow Account（影子账户）是一个从个人交割单自动提炼交易策略、并一键生成可回测SignalEngine信号的开源 AI 交易智能体功能。它把散落在你交易记录里的盈利习惯，变成 3-5 条"人话规则"，再自动生成一份能直接跑回测的信号引擎代码——全程无需手写策略代码。

一、整体链路：从交割单到信号引擎，只需四步

影子账户的核心思路可以概括为一条流水线（见 agent/src/shadow-account/SKILL.md 中的工作流定义）：

1. 提炼规则：extract_shadow_strategy解析你的交割单，聚类出盈利回合的共性画像
2. 生成代码：codegen 模块把规则渲染成signal_engine.py+config.json
3. 回测验证：多市场（A股/港股/美股/加密）并跑回测
4. 差值归因：算出"影子 PnL"与"真实 PnL"的差距，定位你的情绪单

对新手来说最有价值的地方在于：你不需要懂任何回测框架，系统替你完成了"规则 → 代码 → 回测"的全部转换。

二、规则提炼：聚类算法如何读懂你的盈利习惯

规则提炼的入口是 agent/src/shadow_account/extractor.py，其内部流程为：

• FIFO 配对：先把交割单中的买卖配成完整的"回合交易"
• 盈利过滤：只保留盈利回合（少于 5 笔会直接报错，拒绝编造）
• 特征工程：为每笔盈利交易计算持仓天数、收益率、入场时刻、市场，并附带买入日之前的 RSI14 与 5 日涨幅（严格 as-of 取值，杜绝未来函数）
• KMeans 自动聚类（k 在 2-5 间按轮廓系数自动选择），每个密集簇提炼为一条规则

每条规则是一个不可变的ShadowRule对象（定义见 agent/src/shadow_account/models.py），包含：

数值边界取簇内 p10–p90 分位数，比决策树在小样本下更稳定、更可解释。

三、代码生成：Jinja2 模板如何渲染出 SignalEngine

代码生成是影子账户最巧妙的部分，核心实现在 agent/src/shadow_account/codegen.py：

1. 规则扁平化：_rule_to_context把每条ShadowRule展开为模板可消费的标量字段（entry_hour_min/max、hold_days、entry_rsi14_min/max等）
2. 模板渲染：用 Jinja2 加载 agent/src/shadow_account/templates/signal_engine.py.j2，把规则列表以安全的 Python 字面量写入RULES常量
3. 产出运行目录：write_run_dir写出code/signal_engine.py+config.json，交给回测引擎执行

生成的SignalEngine类实现了标准的generate(data_map)接口：对每个标的，先按代码后缀推断市场（.SH→A股、.HK→港股、-USDT→加密、纯字母→美股），匹配第一条市场吻合的规则，然后逐 bar 检查入场条件——RSI 区间、5 日涨幅区间（缺失键自动跳过），全部通过则入场并持有规则指定的天数。生成的代码头部带有 "auto-generated; do not hand-edit" 声明，保证可重复生成。

值得一提的是细节设计：日线数据通常盖一个统一的时间戳，因此"入场小时窗"只在日内数据上生效，避免日线回测被无意义地全部拒绝。

四、安全校验：为什么生成的代码可以放心执行

LLM 时代的代码生成最怕注入风险，codegen 为此做了三道静态检查（validate_generated）：

• ast.parse必须成功，排除语法错误
• 模块中必须定义class SignalEngine
• SignalEngine必须带有generate方法且接受data_map参数

任何一条失败都会在写盘前抛出ValueError。数值渲染同样严格：非有限浮点（NaN/Inf）直接拒绝，所有字面量先过ast.literal_eval往返验证。相关安全测试见 agent/tests/test_shadow_codegen_security.py。

五、回测与归因：影子账户如何量化你的"情绪成本"

agent/src/shadow_account/backtester.py 负责驱动回测：按结算货币把四个市场拆成资金池（CNY / HKD / USD 共享池），逐池调用回测引擎，再解析metrics.json与净值曲线。

最有冲击力的是差值归因（纯算术实现，可审计、可复现），把"影子 vs 真实"的 PnL 差拆解为五类：

• noise_trades_pnl：不命中任何规则的交易累计盈亏——你的情绪单
• early_exit_pnl：盈利单提前离场少赚的部分
• late_exit_pnl：亏损单拖得太久多亏的部分
• overtrading_pnl：超出规则频率的过度交易
• missed_signals_pnl：残差项

配套的反事实 Top 5 会列出 5 笔"最该做没做 / 最不该做却做了"的交易，最终渲染成 HTML/PDF 报告（见 agent/src/shadow_account/reporter.py）。

六、上手使用与关键文件导航

快速上手：上传交割单 → 在对话中说"提炼我的策略"或"我的打法回测一下"，系统会自动触发影子账户工作流，向你确认规则，然后输出回测矩阵与差值归因报告。注意红线：样本不足（盈利回合 < 5）会直接报错，且所有输出仅为研究用途，不对接任何下单通道。

关键文件一览：

• 数据契约：agent/src/shadow_account/models.py
• 规则提炼：agent/src/shadow_account/extractor.py
• 代码生成：agent/src/shadow_account/codegen.py
• 信号引擎模板：agent/src/shadow_account/templates/signal_engine.py.j2
• 回测与归因：agent/src/shadow_account/backtester.py
• 今日信号扫描：agent/src/shadow_account/scanner.py
• 技能文档：agent/src/skills/shadow-account/SKILL.md

影子账户的真正价值，不是给你一个"必赚公式"，而是把你自己的盈利习惯物化成一份可回测、可量化、可反思的 SignalEngine——让你第一次看清：如果不被情绪干扰，你本可以做得多好。

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading