PA Agent核心功能全清单:两阶段AI分析、决策树可视化、未来走势预测一次看懂
【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent
PA Agent是一款面向主观交易者的开源桌面端K线AI分析辅助工具。它不做截图识图、不连接券商、不执行下单,而是从 MT5 / TradingView / yfinance / AkShare 读取 K 线数据,将结构化 K 线与预计算特征送入大模型,完成两阶段AI分析(市场诊断 → 交易决策),并内置决策树可视化与未来走势预测,让 AI 的每一步推理都清晰可见。
下面这份功能清单,带你一次看懂它的 6 大核心能力。
核心功能速览表
| 功能 | 一句话说明 | 对应源码 |
|---|---|---|
| 🧠 两阶段 AI 分析 | 市场诊断 → 策略路由 → 交易决策(限价/突破/市价或不下单) | pa_agent/orchestrator/two_stage.py |
| 🌳 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 | pa_agent/gui/decision_flow_viz.py |
| 🔮 未来走势预测 | 预测下一根 K 线方向与下一个市场周期位置 | pa_agent/gui/future_trend_panel.py |
| 💬 分析后自由追问 | 实时推理流 + Token 进度条,对话历史持久化 | pa_agent/orchestrator/free_chat.py |
| 📚 经验库 | 按周期位置检索历史案例供分析参考 | experience/ |
| 📝 完整落盘 | Prompt、原始响应、诊断/决策 JSON、Token 用量全部存档 | pa_agent/records/pending_writer.py |
功能一:两阶段AI分析——从市场诊断到下单建议
这是 PA Agent 的心脏,整个流程分两步走:
阶段一:市场诊断(Stage 1)AI 先识别当前市场结构,输出周期位置(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)、方向(bullish / bearish / neutral)、闸门决策路径(gate_trace)以及检测到的形态(楔形、H1H2、突破失败等)。
阶段二:交易决策(Stage 2)系统根据诊断结果自动路由加载对应策略文件(例如上涨通道加载 prompt_engineering/上涨通道交易策略.txt),再让 AI 给出具体的下单类型、方向、入场价、止损价、TP1/TP2 止盈价、0–100 信心分数和风险回报比。
两个实用细节:
- 闸门短路:如果阶段一判定市场"不可交易"(
gate_result为 wait/unknown),阶段二直接跳过,输出"不下单"——宁可错过,不可做错。 - 增量分析:新增 K 线不超过阈值时,自动复用上次结论,只对新增 K 线做判断,省 Token 又更快。
功能二:决策树可视化——AI的"思考链"一眼看清
很多 AI 分析工具只给结论,PA Agent 则把为什么这么决策完整展示出来。它内置一套二元决策树(逻辑定义见 prompt_engineering/二元决策.txt):
- 闸门阶段(节点 0.1–0.3):数据够不够?结构可识别吗?环境可交易吗?
- 策略阶段(节点 3–14):入场信号、入场方式、止损止盈、交易者方程、硬性禁止项逐层判定。
分析完成后,"决策树可视化"标签会自动播放一条从根节点到终端节点的彩色路径动画:绿色代表"是/trade"、红色代表"否/reject"、黄色代表"wait",支持缩放拖拽,AI 的完整判断链路一目了然:
功能三:未来走势预测——下一根K线与下一个市场周期
除了"现在该怎么办",PA Agent 还会回答"接下来会怎样",包含两个预测模块:
- 下一根 K 线预期:给出方向(看涨/看跌/中性)、概率分布和推理依据;即使模型未输出预测,程序也会自动补全参考预测。
- 下一个市场周期预期:AI 推断市场下一步将进入哪种周期位置(如从尖峰过渡到窄通道)。
面板顶部常驻一行提示:"预测仅供参考,不构成投资建议"——态度很克制。
功能四:分析后自由追问——像和分析师聊天一样
两阶段分析结束后,"实时"标签底部会出现对话输入框。AI 已掌握本次分析的完整上下文(K 线数据、诊断结果、决策过程),你还能继续问:
- "如果明天跌破止损位怎么办?"
- "TP2 具体是什么逻辑?"
- "为什么这次选择限价单而不是市价单?"
每次提问都会自动附加最新 K 线快照,回复实时流式显示,对话记录自动持久化到.followups.jsonl文件,方便事后复盘。群友对这类追问的真实使用场景,就是下面这段关于 TP2(第二止盈位)的讨论:
功能五:经验库 + 完整落盘——越用越"懂行情"
经验库:experience/ 目录按 8 种周期位置分门别类存放成功与失败案例。每次分析时,系统会按诊断出的cycle_position自动检索同类型历史案例,注入 Prompt 供 AI 参考——相当于给 AI 做"案例教学"。
完整落盘:每次分析结束后,records/pending/ 目录会生成一条完整记录,包含 K 线数据、两阶段完整 Prompt、AI 原始响应(含思考过程)、诊断/决策 JSON、策略文件清单和 Token 用量。有了这份数据,你才能做长期的胜率统计与策略复盘:
功能六:演示模式与安全保障
- 演示模式:无需消耗 API,回放
records/pending/里的历史分析记录,还能自动随机切换、连续播放决策树动画,适合快速体验与学习。 - 密钥安全:API Key 通过 Windows DPAPI 加密存储,明文永不落盘;日志与调试面板中自动脱敏。
- 可配置校验体系:JSON 校验、一致性检查、语义校验、截断修复、失败自动重试,层层兜底 AI 输出的稳定性。
下面是群友使用 PA Agent 分析 ETHUSDT 15m 周期、收到限价单建议后的真实反馈:
社区实战效果:XAUUSD 交易记录与权益曲线
工具最终要接受行情的检验。下图是社区用户基于 XAUUSD(现货黄金)的交易记录与账户权益曲线,展示了结合 PA Agent 分析做单后的实际表现(非收益承诺,仅供学习参考):
如何快速安装运行 PA Agent
# 1. 获取代码 git clone https://gitcode.com/gh_mirrors/pa/PA_Agent # 2. 安装(需 Python 3.11+) pip install -e . # 3. 启动 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 Key(支持 DeepSeek、PackyAPI 等多家服务),再配置至少一种数据源(MT5 / TradingView / yfinance / AkShare),即可开始第一次 K 线AI分析。
核心文件参考清单
| 资料 | 路径 |
|---|---|
| 项目说明 | README.md |
| 详细使用文档 | PA_Agent使用文档.md |
| 配置字段说明 | config/README.md |
| K 线快照对齐说明 | docs/图表K线与分析快照说明.md |
| 数据获取功能说明 | docs/获取数据功能说明.md |
| 二元决策树逻辑 | prompt_engineering/二元决策.txt |
| 策略提示词库(30+ 文件) | prompt_engineering/ |
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