合约下单平仓引擎

合约交易中，手动下单平仓常面临三大痛点：流程不规范易引发操作失误、缺乏统一风控导致风险敞口失控、交易逻辑分散难追溯。本技能针对性解决这些问题，为工程师提供可落地的自动化方案。

解决的核心问题

• 操作标准化缺失：手动下单易出现仓位匹配错误、保证金计算偏差等问题，尤其在高波动行情下风险加剧。
• 风控机制薄弱：传统操作缺乏统一的风控拦截，难以及时识别超额持仓、保证金不足等风险场景。
• 逻辑追溯困难：交易决策（如开仓理由、平仓条件）分散记录，后续审计或策略复盘效率低。

核心能力与工作步骤

• 合约类型限定：仅支持 USDT-M 合约，确保保证金计价与风控逻辑的一致性。
• 前置校验流程：执行任何交易前，必须先运行 run.py context 获取市场上下文（如价格、流动性），再运行 run.py account 拉取账户持仓与保证金情况，避免基于过时信息操作。
• 计划驱动交易：需先编写包含 margin_usdt（保证金金额）与中文 thesis（交易逻辑说明）的 JSON 计划，明确开仓/平仓的目标仓位、止损止盈条件等核心要素。
• 风控拦截与反馈：订单执行前会经过 RiskGate 风控引擎校验，若触发风险阈值（如保证金不足、仓位限制），将返回包含 reason 字段的 JSON 结果，便于定位问题（如“保证金不足”“仓位超限”）。
• 分步交互机制：支持分步索要字段，逐步完善交易计划，避免一次性输入过多信息导致的逻辑混乱。

适用边界与注意点

• 合约类型限制：当前仅支持 USDT-M 合约，不涉及币本位合约或其他衍生品类型。
• 前置校验强制：必须在下单前完成 run.py context 与 run.py account 两步校验，确保操作基于最新市场与账户状态。
• 风控反馈处理：若订单因风控被拦截，需严格依据返回 JSON 的 reason 字段调整计划（如补充保证金、降低仓位），而非强行重试。
• 交易逻辑留存：中文 thesis 需清晰描述开仓理由、平仓条件等核心逻辑，为后续策略优化、问题排查提供依据。