企业官网建设流程全解析

PA Agent增量分析实现原理：K线序号偏移与决策连续性(decision_continuity)设计

【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 K 线市场的 AI 分析助手，其核心能力是增量分析：每当有 1 根新的已收盘 K 线出现，程序不必从头分析几百根 K 线，而是复用上一轮诊断结论，只做"增量更新"。这篇文章将带你彻底看懂它的两大支柱设计——K 线序号偏移（机械平移，让 AI 零换算引用上一轮结论）与decision_continuity 决策连续性（程序强制校验上一轮交易方案是否失效、是否允许反手），以及两者如何协同工作。

一、增量分析要解决什么问题？

K 线图表永远把"最新的一根"放在最左边。PA Agent 内部也采用同样的坐标约定：K1 = 最新已收盘 K 线，序号越小越新。

这带来一个棘手的连锁问题：

也就是说，每多收盘 N 根 K 线，上一轮所有结论里的 K 线编号整体向后漂移 N 位。如果直接把上一轮结论喂给 AI，模型必须自己心算换算，极易出错；若让 AI 重新全量分析，又浪费 token 与时间。

PA Agent 的决策过程本身是一棵结构化的决策树（趋势延续 / 反转 / 突破 / 通道判断逐层裁定），每一层的判定都引用具体 K 线区间——坐标不统一，整棵树的引用就会全部错位：

二、K线序号偏移：一行正则完成"零换算"

核心实现只有约 60 行，位于 pa_agent/ai/incremental_shift.py，逻辑非常巧妙：

2.1 三类引用，分别处理

1. 自由文本（reason、key_signals、summary 等字符串）：用正则K(\d+)匹配所有"K+数字"引用，统一 +N。注意"K线"这种没有数字的 K 不受影响，所以中文行文不会被打乱。
2. 结构化整数字段bar_from/bar_to：按 K 线序号语义单独 +N。
3. 需要跳过的子树：incremental_delta字段记录的是"上一轮那次增量发生了什么"（例如"上一轮新增 K1 突破上沿"），平移后语义就错了，因此整个子树原样保留。

2.2 一个隐藏的细节：bool 陷阱

Python 中bool是int的子类，isinstance(True, int)为True。平移函数在判断"是不是要 +N 的整数序号"之前先排除布尔值（见 _shift_value），避免把true/false错误地加 N 变成3——这类细节正是"机械平移"可靠性的保障。

💡 设计哲学：换算永远由程序做，AI 只负责引用。Prompt 中会明确告知模型："下方所有 K 引用均已由程序平移成本轮坐标，可直接引用，无需再换算"。

三、增量分析完整流水线

新 K 线如何一步步变成一次增量分析？

1. 发现新 K 线：pa_agent/gui/analysis_prep_worker.py 对比上一轮记录，计算出incremental_new_bar_count（新增已收盘 K 线数 N）。
2. 编排器分派：pa_agent/orchestrator/two_stage.py 检测到存在上一轮记录且 N > 0 时，改走增量分支build_incremental_stage1，否则执行全量分析。
3. 组装 4 条消息（pa_agent/ai/prompt_assembler.py）：

[0] system — 阶段一系统提示词（与全量相同） [1] user — 用当前帧重建的完整 K 线表（K1=最新） [2] assistant — 上一轮阶段一诊断 JSON（所有 K 引用已 +N 平移） [3] user — 增量任务：仅新增 N 根 K 线 + 平移说明 + 反锚定要求

这里有两个值得注意的工程取舍：

• 第 [1] 条每轮都用当前帧重建，而不是复用上一轮存下的消息——否则 K 线表会"冻结"在第一轮，第二轮起模型就只能看到最初快照加最新一根，中间所有 K 线全部丢失。代价是牺牲一部分前缀缓存命中，换来"模型读到的表格永远与当前现实一致"。
• 反锚定要求：Prompt 明确告诫 AI"上一轮结论只是参考起点，不是约束；如果新增 K 线改变了市场结构，必须果断推翻而非在旧结论上微调"。增量不等于"惯性延续"。

4. 输出契约：增量轮必须输出完整的阶段一 JSON（而非 diff 补丁），并新增顶层字段incremental_delta，声明new_closed_bars（必须恰好 N 项）与changed_fields。

四、decision_continuity：让上一轮方案"活在下一轮"

K 线序号偏移解决的是"看"的一致性问题；而 pa_agent/ai/decision_continuity.py 解决的是"做"的一致性问题——上一轮 AI 给出的交易方案（做多/做空、入场价、止损价、限价单）在本轮还作不作数？

4.1 上一轮方案从哪里来？

build_continuity_context（decision_continuity.py#L377-L447）按优先级取数：

• 首选：上一轮完整分析记录AnalysisRecord.stage2_decision；
• 兜底：trade_records/目录下按品种+周期命名的 CSV 最后一行（load_last_trade_csv_row）。

同时用时间戳差值 ÷ 周期时长换算出bars_since——距离上一轮方案已过了几根已收盘 K 线。

4.2 程序判定的三种"生死状态"

assess_combined_plan_invalidation（decision_continuity.py#L319-L350）依次执行三类检查：

4.3 把判定结果"写进" Prompt

render_continuity_prompt_block（decision_continuity.py#L450-L550）将上述事实渲染成一段程序强制规则块，注入阶段二 Prompt 的开头，按优先级给出裁定：

• 已失效→ 禁止写"仍等待上一轮方案"，须按本轮结构重新评估；
• 未失效 + 限价未触发→ 默认order_type=不下单、outcome=wait；
• 未失效 + 限价已触发→ 禁止声称"尚未触价"，必须承认已触发并评估跟随条件；
• 同结构位反手冷却：默认 3 根 K 线内，若新入场价与上一轮入场价相差 ≤ 3 个 tick（结构位容差entries_same_structure），禁止提反向单；
• direction=neutral 方向约束：结合阶段一 §2.4 的 Always In 分支（AIL 仅允许多侧、AIS 仅允许空侧），禁止双向刮头皮。

4.4 连续性守卫：规则被违反时程序"强行刹车"

AI 的回复不可尽信，所以还有最后一道硬闸门apply_continuity_guard（decision_continuity.py#L597-L649），在阶段二归一化时执行（stage2_normalizer.py 调用）：

• 若本轮方案违反 neutral 方向约束，或在冷却期内同结构位反手 → 程序直接把order_type强制改写为**"不下单"**，清空入场/止损/止盈等价格字段，把terminal改写为outcome=wait、节点名continuity（方案连续性守卫），并在reasoning首句标注【程序连续性守卫】及原因。

这意味着：无论 AI 说什么，违反连续性规则的订单都出不去——规则校验前移到"出方案之前"，而不是事后复盘。

4.5 CSV 审计：每一单与上一单的关系

audit_relation_fields+classify_vs_previous（decision_continuity.py#L652-L712）会把本轮决策与上一单的关系落成审计列：

• prev_plan_relation：首单 / 同向 / 反手 / 已失效 / 上轮无单 / 延续等待
• prev_plan_invalidated：上一轮方案是否已被程序判定失效
• bars_since_prev_plan：间隔 K 线数
• prev_plan_entry：上一轮入场价（用于 3-tick 同结构判定）

每一笔新决策都能回答"它相对上一笔是什么关系"，为后续复盘与经验库积累提供了结构化数据。

五、小结：两个模块如何协同

新K线收盘 │ ▼ analysis_prep_worker 计算 N = 新增已收盘K线数 │ ▼ two_stage.submit(previous_record, N) │ ├─ 阶段一：build_incremental_stage1 │ └─ shift_kline_refs(+N) 平移上一轮诊断/决策的K引用 │ ├─ 阶段二：build_stage2_continuation │ ├─ build_continuity_context 判定上一轮方案：失效/触发/挂起 │ ├─ render_continuity_prompt_block 注入强制规则 │ └─ apply_continuity_guard 违规方案强制"不下单" │ ▼ audit_relation_fields → trade_records CSV 审计

一句话概括这套设计：增量分析把"重新看一遍全部 K 线"压缩成"只看新增 N 根 + 复用平移后的旧结论"，而 decision_continuity 保证跨轮的决策不漂移、不自相矛盾——换算交给正则，判定交给程序，AI 只负责在统一的坐标系里思考。

📂 相关源码索引：

• K 线序号平移：pa_agent/ai/incremental_shift.py
• 决策连续性：pa_agent/ai/decision_continuity.py
• Prompt 组装：pa_agent/ai/prompt_assembler.py
• 两阶段编排：pa_agent/orchestrator/two_stage.py
• 单元测试：tests/unit/test_decision_continuity.py、tests/unit/test_decision_tree.py

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