企业官网建设流程全解析

ruflo-market-data 插件技术解析：OHLCV 归一化、K 线形态向量化与 HNSW 索引模式匹配

【免费下载链接】ruflo🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo

在 ruflo 生态中，ruflo-market-data插件负责把原始市场行情变成可检索的结构化数据：从 REST API 或 WebSocket 数据源摄取行情，将 K 线（Candlestick）归一化为 OHLCV 向量，再将其向量化后写入 HNSW（Hierarchical Navigable Small World）索引，用于历史形态相似性搜索。读完本文，你将掌握该插件的完整命令与技能面（5 个子命令 + 2 个 Skill + 1 个 Agent）、OHLCV 归一化公式、12 种形态库的可靠性分级、64 维向量编码策略，以及它如何通过 AgentDB 命名空间约定（market-data/market-patterns）与兄弟插件协调存储，并能用 11 项冒烟检查作为"合同"验证插件结构正确性。

插件概览与安装

插件的定位一句话概括：行情数据摄取——feed 归一化、OHLCV 向量化、基于 HNSW 索引的形态匹配（Market data ingestion -- feed normalization, OHLCV vectorization, and HNSW-indexed pattern matching）。

核心能力包括：

• 从 REST API 与 WebSocket feed 摄取行情数据；
• 归一化为具有一致缩放尺度的 OHLCV 向量；
• 将 K 线形态向量化，用于 HNSW 相似度搜索；
• 检测单 K 线形态（doji、hammer）与多 K 线形态（engulfing、morning star、head & shoulders），并给出可靠性评分。

安装方式为以插件目录加载：

claude --plugin-dir plugins/ruflo-market-data

插件元信息声明于 plugin.json：版本0.2.1，keywords 包含market-data、ohlcv、time-series、patterns、mcp、candlestick-patterns、namespace-routing。其中后三个关键词是 ADR-0001 修订时补充的，对应本文后述的工具名修正、形态库与命名空间路由修复。

Agent 与 Skill 面：一个>npx @claude-flow/cli@latest memory store --namespace market-data --key "symbol-SYMBOL-DATE" --value "OHLCV_JSON"

market-pattern：形态扫描与双路径存储

market-pattern/SKILL.md 的前置条件是数据已经通过market-ingest入库，其步骤为：

1. Load candles—— 通过mcp__plugin_ruflo-core_ruflo__memory_search（或memory_list）从market-data命名空间读取该 symbol 与周期的归一化 OHLCV 数据；
2. Scan for patterns—— 遍历 K 线序列，按形态长度分类扫描：
   • 单 K 线：doji（open ≈ close）、hammer（长下影线）、inverted hammer；
   • 双 K 线：看涨/看跌 engulfing；
   • 三 K 线：morning star、evening star、three white soldiers、three black crows；
   • 多 K 线：head & shoulders、double top/bottom、cup & handle；
3. Classify—— 为每个检出结果标注：形态名、类型（reversal/continuation）、方向（bullish/bearish）、可靠性评分（0.0–1.0）；
4. Rank—— 按可靠性评分降序排序；
5. Store—— 双路径写入（沿用 ruflo-cost-tracker ADR-0001 的双路径模式）：
   • Pattern-store（类型化，推荐）：mcp__plugin_ruflo-core_ruflo__agentdb_pattern-store带type: 'market-pattern'。不要传namespace参数——由 ReasoningBank 负责路由；当 bridge 不可用时，会回退写入保留命名空间pattern，并附controller: 'memory-store-fallback'（见 ruflo-agentdb ADR-0001）；
   • Plain store（命名空间可路由）：mcp__plugin_ruflo-core_ruflo__memory_store --namespace market-patterns—— 因为memory_*工具族按命名空间路由，该参数会被真实生效；
6. Report—— 展示：形态名、日期范围、方向、可靠性、建议操作。

CLI 替代路径：

npx @claude-flow/cli@latest memory search --query "bullish reversal patterns" --namespace market-patterns npx @claude-flow/cli@latest memory store --key "pattern-AAPL-2026-05-04-doji" --value '{...}' --namespace market-patterns

market 命令：5 个子命令的完整语义

market.md 定义了统一入口market下的 5 个子命令：

market ingest <symbol> [--period 1D] # 摄取并归一化 OHLCV 数据 market patterns <symbol> # 检测 K 线形态 market search <pattern-name> # 搜索历史形态出现记录 market history <symbol> # 展示摄取历史与数据覆盖度 market compare <sym1> <sym2> # 对比两个 symbol 的形态画像

各子命令的内部流程：

market ingest <symbol> [--period 1D]—— 6 步：

1. 从配置的数据源获取<symbol>的 OHLCV 数据；
2. 归一化：open/high/low/close 转为相对百分比，volume 转 Z-score；
3. 将每根 K 线向量化为 64 维填充向量；
4. 通过mcp__plugin_ruflo-core_ruflo__memory_store --namespace market-data存储（memory_*族按命名空间路由；agentdb_hierarchical-*按 tier 路由并忽略 namespace 字符串——这一点是 ADR-0001 修复的核心 bug，详见下文）；
5. 通过ruvllm_hnsw_add将向量加入 HNSW 索引；
6. 汇报：摄取 K 线数、日期范围、min/max/avg 价格、成交量画像。

market patterns <symbol>—— 5 步：

1. 从market-data命名空间召回最近的 OHLCV 数据；
2. 扫描单 K 线（doji、hammer）与多 K 线（engulfing、morning star）形态；
3. 对每个检出分类：形态名、类型（reversal/continuation）、可靠性评分；
4. 按双路径模式存储：agentdb_pattern-store（类型化、ReasoningBank 路由——不要传namespace）加上memory_store --namespace market-patterns（命名空间路由）；
5. 展示：形态名、日期、方向（bullish/bearish）、可靠性、K 线范围。

market search <pattern-name>—— 4 步：

1. 通过ruvllm_hnsw_route在 HNSW 索引中搜索匹配该形态的向量；
2. 从market-patterns命名空间召回匹配条目；
3. 按相似度分数与时间新近度排序；
4. 展示：symbol、日期、形态匹配分、后续价格行为（若可得）。

market history <symbol>—— 4 步：

1. 查询market-data命名空间中匹配<symbol>的全部条目；
2. 计算：已存 K 线总数、日期范围、覆盖缺口（gaps）；
3. 展示数据新鲜度（最近一次摄取时间戳）；
4. 按类型列出已检出的形态数量。

market compare <sym1> <sym2>—— 4 步：

1. 从market-patterns命名空间召回两个 symbol 的形态数据；
2. 计算相关性：共享形态类型、时间重叠、方向一致性；
3. 并排展示形态频率与可靠性差异；
4. 高亮出可能指示交易机会的分歧点。

OHLCV 归一化：五种字段的统一缩放

原始行情在入库前必须归一化，这是跨 symbol、跨价格量级做形态比对的先决条件。五个字段的归一化公式：

从公式设计可以看出两条原则：价格类字段全部转为相对变化（无量纲百分比），使 50 美元的股票与 500 美元的股票落在同一比较尺度上；成交量因其分布与价格不同，改用滚动窗口 Z-score刻画"放量/缩量"的相对强度。market-pattern的形态判定（如 doji 的open ~= close、hammer 的长下影线）正是在这套归一化空间里进行的。

形态库与 64 维向量编码策略

插件内置的形态库（data-engineer.md 中列出的完整版本，比 README 摘要更细）：

每个形态被编码为固定长度向量，具体编码策略分四部分：

• 单 K 线形态：5 维（归一化 OHLCV）；
• 多 K 线形态：5 × N 维（N 根 K 线的 OHLCV 拼接）；
• 元数据向量：3 维（pattern_type_id、reliability_score、trend_direction）；
• 总向量：填充至64 维以便 HNSW 索引。

这一设计的关键在于"固定维度"：可变长度的形态（head & shoulders 5–7 根、double top/bottom 数量不定）必须归一到统一维度，HNSW 索引才能做高效的最近邻检索；元数据向量则让"形态类型 + 可靠性 + 趋势方向"也参与相似度计算，而非只比价格形状。

另外，Agent 定义中还给出训练与记忆学习的两条路径：

# 神经学习：摄取/检测成功后训练模式 npx @claude-flow/cli@latest hooks post-task --task-id "TASK_ID" --success true --train-neural true npx @claude-flow/cli@latest neural train --pattern-type market-data --epochs 15

命名空间协调与路由 Bug 修复（ADR-0001 的核心价值）

这是本插件最值得深挖的部分。ruflo-market-data拥有两个 AgentDB 命名空间（kebab-case，遵循 ruflo-agentdb ADR-0001 的"Namespace convention"）：

• market-data—— 按 symbol+date 存储的归一化 OHLCV 向量；
• market-patterns—— 带可靠性评分的已检出 K 线形态。

两者均通过memory_*（按命名空间路由）访问。保留命名空间（pattern、claude-memories、default）严禁被遮蔽。

路由说明：早期版本的技能使用了agentdb_hierarchical-*和agentdb_pattern-*并附带 namespace 参数——但这两类工具分别按 tier / ReasoningBank 路由，会静默忽略namespace 字符串。ADR-0001 将技能改为使用memory_*做命名空间化的读写。

ADR-0001（Accepted，2026-05-04 提出，2026-05-09 更新） 记录了三个真实存在于技能中的功能性 bug，全部由这次修订修复：

1. 工具名漂移：market-ingest/SKILL.md曾引用mcp__plugin_ruflo-core_ruflo__embeddings_embed——该工具名并不存在。真实工具名是embeddings_generate（与 ruflo-knowledge-graph ADR-0001 是同一类修复）；
2. hierarchical-store 的 namespace 被忽略：market-ingest/SKILL.md曾用agentdb_hierarchical-store并传namespace: 'market-data'。但agentdb_hierarchical-*按tier（working|episodic|semantic）路由，namespace 参数被静默丢弃——数据实际写错了位置；
3. pattern-store 同类 bug：market-pattern/SKILL.md同时存在 hierarchical-recall + namespace 与agentdb_pattern-store+ namespace 两个问题（ReasoningBank 同样忽略 namespace）。

修复方案：load/store 路径全面切换为memory_*（namespace-routed）；对优化型形态写入保留双写路径（typed via ReasoningBank 的agentdb_pattern-store+ namespace-routable 的memory_store），沿用 ruflo-cost-tracker 的先例。ADR 同时补齐了插件级 ADR、冒烟测试与 Compatibility 章节，并将版本从0.1.0 → 0.2.0（当前 plugin.json 已迭代到0.2.1）。

ADR 的 Consequences 部分也坦诚指出：任何针对旧（错误）工具调用的外部脚本在此之前就已经在静默失败了，因此修复本身对既有使用方影响为零。

兼容性、冒烟验证与结构合同

README 的 Compatibility 约定：

• CLI：固定到@claude-flow/cliv3.6 major+minor；
• 验证：bash plugins/ruflo-market-data/scripts/smoke.sh即合同。

验证命令：

bash plugins/ruflo-market-data/scripts/smoke.sh # Expected: "11 passed, 0 failed"

smoke.sh 实现了 11 项结构性检查，值得逐条看它如何把"文档承诺"变成"可执行断言"：

1. plugin.json声明版本0.2.1且含三个新关键词（mcp、candlestick-patterns、namespace-routing）；
2. 两个 Skill + Agent + Command 均存在且 frontmatter 有效（检查name:、description:、allowed-tools:三个键）；
3. 回归检查：embeddings_embed（不存在的工具）不出现在任何工具调用点（ADR 与 README 中的说明性提及除外）；
4. market-ingest的 store 路径使用memory_*（含memory_store），且不再出现agentdb_hierarchical-store与market-data的组合；
5. market-pattern的命名空间读取使用memory_search/memory_list，不再出现agentdb_hierarchical-recall与market-data的组合；
6. market-pattern文档化了双路径 pattern-store（同时要求出现ReasoningBank与memory_store --namespace market-patterns）；
7. embeddings_generate（真实工具名）在 market-ingest 中被引用；
8. README 将@claude-flow/cli钉在 v3.6；
9. README 声明遵循 ruflo-agentdb 的 Namespace convention；
10. market-data与market-patterns两个命名空间在 README 中被声明占用；
11. ADR-0001 存在且状态为Accepted。

脚本以printf "\n%s passed, %s failed\n"汇总，任一失败即exit 1。这种"smoke 即合同"的模式是 ruflo 各插件 ADR-0001 的统一节奏：结构检查不需要真实行情数据或 MCP 服务器，纯靠 grep 断言即可守住文档-工具名-命名空间三者的一致性。

与兄弟插件的协作关系

README 的 Related Plugins 章节声明了四条协作边：

• ruflo-agentdb—— 命名空间约定的 owner，定义 ADR-0001 所修复的路由规则（其 ADR-0001 明确了 namespace 命名、内容归属与 GC 约定）；
• ruflo-neural-trader—— 消费 market patterns 作为策略信号；
• ruflo-ruvector—— HNSW 索引引擎，负责形态相似度搜索的底层；
• ruflo-observability—— 数据源健康度与摄取延迟看板。

从 contenteditable="false">【免费下载链接】ruflo🌊 The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo