企业官网建设流程全解析

PA Agent 架构深潜：两阶段 Orchestrator 流水线与 JSON 校验自动重试机制完全解析

【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent

PA Agent 是一个面向主观交易者的AI K线分析辅助工具，它的核心是一套两阶段 Orchestrator 流水线：阶段一做市场诊断，阶段二做交易决策，中间由JSON 校验 + 自动重试机制兜底，保证大模型输出的每一分结论都能被程序可靠地解析、校验和落盘。这篇文章带你从源码视角看懂这条流水线的完整运转逻辑。

一、PA Agent 是做什么的？

PA Agent 从MT5 / TradingView / yfinance / AkShare等数据源读取真实 K 线（不是截图识图），把结构化 K 线数据与预计算特征送入大模型，完成"市场诊断 → 策略路由 → 交易决策"的两阶段分析。它不连接券商、不执行下单，只做决策辅助。

上图：PA Agent 所对接的交易数据源界面，K 线数据是整条分析流水线的起点。

二、两阶段 Orchestrator 流水线：9 步全貌

整条管道由 two_stage.py 中的TwoStageOrchestrator类编排，submit()方法按固定步骤执行：

两个设计亮点值得新手注意：

• 闸门短路：若阶段一输出gate_result = wait / unknown，程序会跳过阶段二的模型调用，直接由 decision_tree.py 短路生成"等待"结果——省 Token，也更符合交易纪律。
• 全链路落盘：无论成功、校验失败、用户取消还是网络错误，pending_writer.py 都会把 Prompt、原始响应、Token 用量完整写入记录，方便复盘。

策略路由：标签驱动的文件加载

阶段一的detected_patterns字段是英文标签（如wedge、mtr、h1），pattern_routing.py 路径下 pa_agent/ai/pattern_routing.py 中的判定表决定阶段二加载哪些策略文件，例如识别到楔形就加载 文件14-楔形形态分析交易.txt、识别到 MTR 就叠加 文件25-主要趋势反转MTR.txt。这套"标签 → 文件"映射让提示词工程模块 prompt_engineering/ 中 20 多个策略文档按需注入，而不是全量塞给模型。

三、JSON 校验器：5 类错误的精准分类

大模型输出不可信，这是所有 LLM 应用的通病。json_validator.py 将每次校验结果归入 5 个类别，这个分类直接决定了后续是否重试：

校验器还很"抗造"：会自动剥离```json围栏、把中文弯引号还原成直引号、提取文本中第一个顶层{...}对象、修复字符串内的裸换行，甚至能从"思考区"（reasoning_content）里捞回模型忘写进正文的 JSON。

四、自动重试机制：带"防作弊"的反馈循环

这是整套架构中最精巧的部分，核心在 validation_retry.py 的validate_with_retry()：

1. 校验失败 → 生成结构化反馈。retry_feedback.py 会把错误打包成一条中文 user 消息追加到对话里，明确列出：

• 失败类型（如"缺少必填字段"）
• 必须修正的字段清单（最多 6 项）
• 禁止为通过校验而修改的字段（如direction、order_type）
• 阶段一还附带程序计算的 K 线几何表，防止模型编造 bar_type

2. 重新调用 API，循环直到通过或耗尽次数。重试次数由 settings.py 中的ValidationSettings控制：retry_enabled（总开关，默认开）、retry_max=3（格式类错误）、retry_max_semantic=1（语义类错误）、retry_stage2（阶段二独立开关）。

3. 防作弊检测（detect_cheat）。这是防止"模型为了过校验而篡改结论"的关键防线：retry_policy.py 定义了不可变字段——阶段一的direction、cycle_position等。若重试后这些字段变了值、且没有增量更新的合法依据（如incremental_delta.changed_fields声明），程序会判定为"作弊"，直接以cheat:错误拒绝整条结果。换句话说：格式可以改，观点不能改。

五、决策输出：从 JSON 到决策树

阶段二校验通过后，最终 JSON 会包含订单类型（限价/突破/市价/不下单）、交易者方程、下一根 K 线预测等内容。程序端还配套了决策树可视化——赛博科幻风格的交互式流程图，自动播放"闸门 → 策略路径"的动画演示：

上图：PA Agent 的二元决策树演示图，展示从"无法决定/等待"到趋势延续、区间交易、突破等策略路径的完整分支。

另外，网络层也有自己的重试：_stream_chat_resilient()在遇到连接超时/重置时，会按模型配置自动切换到备用网关（WorkBuddy / TRAE Work CN / Cursor / QClaw）再试一次，让"网络抖动"不至于毁掉一次分析。

六、如何验证这套机制？

项目自带了完善的测试矩阵，可以边读源码边跑：

• test_two_stage_happy_path.py：两阶段完整成功路径
• test_two_stage_stage1_syntax.py：阶段一语法错误触发重试
• test_validation_retry.py：重试策略与防作弊逻辑单测
• test_gate_shortcircuit.py：闸门短路行为

写在最后

PA Agent 的架构给所有 LLM 应用开发者上了三堂课：先建骨架再填充（部分记录随时可落盘）、错误分类驱动重试策略（5 类错误差异化处理）、程序权威优先（不可变字段防篡改）。如果你想进一步了解界面操作，可阅读 PA_Agent使用文档.md。

免责声明：本工具仅供学习与研究，不构成投资建议。交易有风险，决策后果自负。

【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent