边缘候选策略代理
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 @org-eyw2ohcx/tradermonty-claude-trading-skills-edge-candidate-agent。
技能介绍
要解决什么问题
量化研究里,盘后的异常、假说和日常观察往往散落在笔记或聊天里,很难变成 可复现的研究工单,更没法稳定交给 trade-strategy-pipeline 的 Phase I。若信号族与接口版本(edge-finder-candidate/v1)对不齐,下游 dry-run 会直接失败,策略草案也会越积越多却无从交付。
技能如何工作
Edge Candidate Agent 把「观察 → 工单 → 导出 → 校验」收成一条可重复的流水线:
- 日终自动发现:基于 EOD OHLCV,可选
--hints或外部 LLM ideation,产出daily_report.md、anomalies.json、watchlist.csv,并区分tickets/exportable与tickets/research_only。 - 工单与导出:按
research_ticket_schema.md维护 research ticket,经export_candidate.py生成strategies//strategy.yaml与metadata.json(含interface_version与工单上下文)。 - 交付前校验:
validate_candidate.py做接口契约检查,并可对照 pipeline 的 StrategySpec / stage 规则;v1 仅导出受支持的 entry 族(如pivot_breakout+vcp_detection、gap_up_continuation+gap_up_detection)。
在拆分工作流里,它通常接在 hint 提取、概念合成、策略设计之后,专职 导出与 handoff;也可端到端单独跑完整检测与校验。
适用边界与注意点
不支持或未映射的假说族应标为 research-only,不要强行 export。导出需保持 validation.method: full_sample,validation.oos_ratio 省略或 null。文件夹名与 candidate id 不一致、或违反 schema 边界(风险、退出、空条件)的候选会被拒绝。交接 pipeline 前务必先 dry-run;若用 pipeline 侧校验,需 Python 3.9+、PyYAML,以及可选的 uv 与 --pipeline-root。
使用场景
- 收盘后要用当日 OHLCV 自动扫异常并生成可导出与仅研究两类 ticket YAML
- 手动把盘面异常整理成 research ticket,再导出 strategy.yaml 与 metadata.json 交给 Phase I
- 拆分工作流最后一步:对 edge-finder-candidate/v1 做接口与 pipeline schema 预检后再 handoff
- 每日例行跑 auto_detect,产出 daily_report、watchlist 并归档 anomalies 供后续工单迭代
适合人员
- 维护 tradermonty 交易技能链、需要把候选策略规范交付 pipeline 的量化研究员
- 负责日终复盘与异常归因,要把观察写成可复现工单而非散落笔记的交易分析
- 集成 trade-strategy-pipeline 的工程师,需在正式跑批前做 StrategySpec 与 stage 规则校验
- 做多技能拆分编排(hint → concept → design → export)的策略开发负责人