Agent Skills
返回列表
⚖️

边缘候选策略代理

行业专业 更新于 2026.08.29

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