缠论引擎
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_676aba5c/chanlun-engine-skill。
技能介绍
为什么需要确定性引擎
直接让大模型从原始K线心算缠论结构(分型、笔、线段、中枢)会得到不可复现的结果。测算法口径极度敏感,若没有统一约束,不同推导口径会直接表现为中枢对齐率极低(有时甚至不到 0.42)。本技能把“算结构”和“讲结构”彻底分离开:Python 脚本负责全部硬性推导,LLM 只消费脚本产出的 JSON 契约。
引擎如何接管工作流
- 符号解析:股票名交给
get_data.py解析为代码,LLM 不再凭记忆填代码。 - 结构计算:脚本输出
day/week两个级别的bi(笔)、seg(线段)、zs(中枢区间)与bsp(买卖点标签),LLM 不直接碰原始K线。 - 现价位置:输出
pos_vs_last_zs(当前价在中枢上方/内部/下方)与新鲜买卖点列表signals.fresh_bsp。
重要规则与边界
- 原样引用 verdict:买入候选、持有、卖出减仓等判定必须直接使用引擎给出的字段,不能加码或改写。
- 候选不等于确认:
signals.fresh_bsp明确带有sure:false标记,仅表示当前帧出现某种形态学候选。次日可能消失,LLM 必须在报告中至少覆盖每个信号的invalidations(失效价位)。 - 结构叙事定位:LLM 只做条件树推演与结构讲解,确认卖出/非次级别中枢演化交由用户结合最新数据复核;无分钟K线,严格区间套与同级别分解只做叙述提示,不作为可交易结论。
本引擎是日-周两级“近似缠论”结构代理,输出仅供决策参考,不构成针对个人财务状况的投资建议。
使用场景
- 投资者发来具体股票时,模型调用 get_data.py 输出 fresh_bsp 与 pos_vs_last_zs,引用脚本结果而非心算分型。
- 遇到陌生代码或股票名,跑脚本解析得到 pos_vs_last_zs 与 zs 区间,核对一致性后直接引用输出。
- 回测选手核对 fresh_bsp 失效价覆盖率时,直接引用 sure:false 字段并暴露 caveats 要点,不外推胜率。
- 量化玩家关注衰竭形态,模型复制 engine 的 verdict,带上失效价位与 next-day 观察窗口,不进行个人加码。
适合人员
- 用K线结构驱动交易执行的系统化股票投资者
- 把缠论笔与中枢做成独立调用链路的量化研发
- 用脚本输出替代人工前盘的行情分析师
- 依据原文课号复核结构的自媒体财经作者