技能介绍

要解决什么问题

A 股量化里，「写策略 → 回测 → 改参数」往往停在单次脚本：生成模型容易自评过宽，同一方向反复失败仍继续试，中断后只能从零重来，策略逻辑也缺少人话摘要，时间一长就形成理解债务。本技能把索罗斯反射理论（认知→行为→再塑造现实）落成可操作的指标与门控，并用 Loop Engineering 做「研究→生成→回测→验证→优化→部署」的六阶段闭环。

技能如何工作

架构上是 Meta Agent（外层） 观察内层结果，决定继续、停止或切换方向；内层由六个角色分工：

Research：监测情绪、主力、偏离度、背离等反射指标，输出市场状态
Generator：按反射阶段选策略类型并生成代码（maker）
Backtest：常规绩效 + 反射维度回测报告
Verifier：只看数字、不看代码 的独立打分与 PASS/FAIL/REVIEW 门控（checker）
Optimizer：网格/贝叶斯等参数优化，并可按反射状态分参数
Deploy：最终校验、反射自适应仓位，并强制输出理解摘要

状态写在 state.yaml，实验记在 reflex_loop_log.md，支持断点续跑；停止条件分硬性（如最长运行时间）、软性（连续 PASS 或夏普达标）与放弃（连续 FAIL / 同方向多次失败则 pivot）。快速协议每轮固定为：计划 → 执行 → 验证（1–10 分、诚实）→ 决定，未全部达标不得宣称「完成」。

适用边界与注意

设计面向 A 股：T+1、涨跌停、最小 100 股、交易时段等约束在文档中有明确说明；准入示例包括最低夏普、最大回撤、最少交易次数、样本外比例，以及主力跟随率等 REFLEX_CRITERIA。技能强调你是工具而非主人：循环改变工作方式，但不替代判断力；每份策略都要能用人话解释假设与失效场景，避免盲目接受循环输出。