边缘研究流水线编排器
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-pipeline-orchestrator。
技能介绍
要解决什么问题
量化或边缘研究往往拆成多条脚本:auto_detect 出工单、hints 抽线索、concepts 合成抽象概念、drafts 出策略草案,再单独做审阅与导出。阶段之间靠手工传文件,断在中间只能自己记状态,也很难在不动盘的前提下先看一遍全链路会产出什么。
Edge Pipeline Orchestrator 把这些阶段收成一次 CLI 流水线运行:从工单(或原始 OHLCV)一路写到 --output-dir 里的工件,并在末尾生成带完整执行轨迹的 pipeline_run_manifest.json。
技能如何工作
编排器按固定顺序驱动各 stage,并支持几种典型入口:
- 全量跑通:
auto_detect(可选--from-ohlcv)→hints→concepts→drafts→ 审阅—修订闭环 → 导出符合条件的草案 - 断点续跑:
--resume-from drafts从草案阶段接着跑,跳过前面的 hints/concepts(与全量相关的--llm-ideas-file、--promote-hints在此模式下不生效) - 仅审阅:
--review-only对已有草案做反馈循环,不重新跑上游 - 干跑预览:dry-run 可预览结果而不执行导出
审阅—修订环节有明确规则:最多 2 轮迭代;PASS/REJECT 累加,REVISE 触发 apply_revisions 再审;超出轮次仍未通过的 REVISE 会降级为 research_probe。导出门槛包括 PASS、export_ready_v1 与可导出的 entry_family;--strict-export 会把带 warn 的草案从 PASS 压成 REVISE。
在 Claude Code 场景下,可先跑 auto_detect 得到 market_summary.json 与 anomalies.json,由模型生成 edge hints 写入 YAML,再以 --llm-ideas-file 与 --promote-hints 接入全量流水线。
适用边界与注意点
--llm-ideas-file、--promote-hints仅在全量流水线中有效;--resume-from drafts与--review-only会跳过 hints/concepts,相关 flag 会被忽略。- 其它可选参数如
--as-of(日期过滤)、--max-synthetic-ratio、--overlap-threshold、--no-dedup主要作用在对应 stage,改的是合成工单上限与概念去重等行为,而非替换各 stage 自身逻辑。 - 阶段契约与修订规则见
references/pipeline_flow.md、references/revision_loop_rules.md,排错时应以 manifest 与各 stage 输出为准。
使用场景
- 手头只有原始 OHLCV,需要一次性从 auto_detect 跑到可导出策略草案
- hints/concepts 已跑完但 drafts 中途失败,要从 drafts 阶段续跑并走完审阅与导出
- 已有策略草案,只想在不动上游的前提下跑 review-revision 闭环收集 PASS/REJECT/REVISE
- 改配置或合成工单比例前,用 dry-run 先看各 stage 产出,再决定是否正式导出
适合人员
- 维护 tradermonty 边缘研究脚本的量化开发,希望用 manifest 串起多 stage 而不是手写中间文件
- 在 Claude Code 里据 market_summary 与 anomalies 手写 hints YAML,再接入 promote-hints 全量流水线
- 负责策略入库前审阅的人,需要按 revision_loop_rules 跑最多两轮 REVISE 并区分 PASS 与 research_probe
- 做研究基础设施的同学,要为团队统一 pipeline 配置与 strict-export 下的导出门槛