企业官网建设流程全解析

PA Agent提示词工程揭秘：30+策略文件、市场诊断框架与二元决策树如何构建AI K线分析

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

PA Agent 是一款面向主观交易者的价格行为（Price Action）AI K线分析辅助工具。它不靠截图识图，而是将结构化K线数据送入大模型做两阶段AI分析（市场诊断 → 交易决策）。本文揭秘其提示词工程体系：prompt_engineering/ 目录下的30余个策略文件、三层递进的市场诊断框架，以及如何用"是/否"二元决策树约束AI的每一次下单判断。

🧭 为什么提示词文件是 PA Agent 的"大脑"

PA Agent 的智能并不来自模型本身，而来自一套精心组织的提示词知识库——大模型扮演"精通 Al Brooks 价格行为体系的交易分析师"，而它的全部专业立场、识别标准与风控红线，都由提示词文件注入。

整个系统围绕三个核心设计展开：

阶段一（读懂市场）只做定性判断，不允许写入场价/止损/止盈；只有诊断闸门gate_result=proceed后，程序才会进入阶段二（单次决策）。两阶段的编排逻辑见 pa_agent/orchestrator/two_stage.py。

📚 30+策略文件全景：一份按需加载的"交易教科书"

打开 prompt_engineering/ 目录，你会看到30个策略.txt文件加_reference/下的3个参考.md文件。它们不是每次全量塞给AI，而是按市场状态路由加载——这就是提示词工程的精髓之一。

四大"通用"文件

• 提示词大纲_人设与思维方式.txt：角色指令 + 四条全局硬禁令 + 四种核心思维（频谱/概率/惯性/嵌套）
• 市场诊断框架.txt：阶段一统一诊断框架（1400余行）
• 二元决策.txt：阶段二决策树主干（1100余行）
• 逐棒分析检查单.txt：K5–K1 逐根K线的操作清单（playbook）

五大市场形态的策略对

每个主要形态都有"分析识别 + 交易策略"两份文件，分工明确：识别篇教AI"看懂"，策略篇教AI"怎么做"。

• 尖峰类：极速上涨分析识别.txt / 极速上涨交易策略.txt、极速下跌分析识别.txt / 极速下跌交易策略.txt
• 通道类：上涨通道分析识别.txt / 上涨通道交易策略.txt、下跌通道分析识别.txt / 下跌通道交易策略.txt
• 震荡类：震荡区间分析识别.txt / 震荡区间交易策略.txt

15个主题深潜文件

针对具体价格行为模式逐一立卷：楔形（文件14）、二次入场（文件15）、K线信号识别（文件16）、H1/H2 回调计数（文件19）、Always In 与 20GB（文件20）、铁丝网无交易环境（文件21）、磁力位（文件22）、Measured Move 结构目标（文件23）、主要趋势反转 MTR（文件25）、三角形收敛（文件27）、双重顶底（文件28）等。

💡 值得注意：文件21-铁丝网与无交易环境.txt 教AI学会"不交易"——极端混乱时输出等待，是提示词中少见的风控自觉。

参考层：不参与加载的知识索引

_reference/ 下还有 kb_concept_map.md（知识库概念 ↔ 提示词文件映射）、pattern_enum.md（模式枚举）、abbrev_glossary.md（缩写词表），供开发者维护提示词时查阅。

🩺 市场诊断框架：三层递进读懂市场

阶段一的市场诊断框架.txt要求AI必须按顺序完成三层诊断，全部完成并互相验证后才能进入阶段二：

1. 周期频谱定位：判断市场处于8种周期状态中的哪一种——尖峰、微型通道、紧凑通道、常规通道、宽通道、趋势型交易区间、普通交易区间、极端交易区间（从最强趋势到最弱趋势的连续频谱）。
2. 市场背景评估：从长程结构窗口（约K100–K41）判断大背景与方向偏好。
3. 逐K信号确认：在K10–K1即时窗口确认K线类型、跟随与潜在信号，但不写入场价/止损/止盈。

阶段一输出的cycle_position是后续一切的起点：它既是经验库检索的索引（对应 experience/ 下的 spike、micro_channel、tight_channel、trading_range 等8个目录），也是阶段二策略路由的依据。

🌳 二元决策树：把"该不该买"变成一连串是非题

阶段二的主干是二元决策.txt。它的核心思想极其朴素：每一步只问一个问题：是/否。如果答案不清楚，默认进入"等待"，而不是强行做多或做空。

上图就是这套决策树的完整形态：从"是否看得懂当前市场"开始，依次判断数据是否足够、周期是否可识别、方向偏好如何、能否找到入场信号，任何一步存疑都会导向"等待"出口。

决策树的末端还有一道数学闸门——交易者方程：

胜率 × 预期回报 > 败率 × 预期风险

在止损与目标确定之后、下单之前执行最终裁定，不满足则一律不下单。

四条全局硬禁令

提示词大纲_人设与思维方式.txt 写下的禁令优先级覆盖全部专篇文件：

这四条禁令让AI从"什么都敢说的分析器"变成了"有纪律的场景与风控引擎"——这正是提示词工程对AI行为最强的约束手段。

⚙️ 程序侧：提示词如何被动态组装

静态.txt文件只是"教材"，真正发给AI的是程序每次动态拼装出的提示词。核心实现见 pa_agent/ai/prompt_assembler.py：

• 数据注入：将最近N根已收盘K线表、EMA20/ATR14、K线几何特征拼入用户消息，AI无需再拉数据；
• 策略路由：根据阶段一的cycle_position与detected_patterns，只加载对应的形态策略文件（pa_agent/ai/pattern_routing.py），控制Token开销；
• 语言约束：注入"通俗易懂"硬要求与价格行为术语对照表，英文缩写必须附中文解释（如"H2（第二次顺势回调）"）；
• 输出纪律：规定思考与正文分离，正文content只能输出可解析的裸JSON，随后由校验体系（JSON校验、一致性检查、语义校验、失败自动重试）把关。

也就是说，提示词工程 + 程序化组装 + 结构化校验三者闭环，AI输出的每一份诊断和决策都是机器可解析的JSON，而不是自由发挥的散文。

上图是群友在实战中收到的分析结果：市场结构、关键价位、逐棒解读与下一K线预期，全部以通俗中文呈现——这正是提示词中"像给新手讲解一样"语言约束的直接效果。

📊 实盘效果：群友的交易记录

提示词约束得越严格，输出反而越可用。以下来自项目群友的真实反馈截图：

🎯 小结：这套提示词工程值得借鉴的三点

1. 分阶段、分职责：诊断与决策拆开，各自只回答自己该回答的问题，避免AI在一步里同时"既看盘又下单"；
2. 用是非题代替开放题：二元决策树把每个判断压缩为是/否，答不清就等待，从结构上消灭"强行给答案"；
3. 硬禁令 + 概率锚点：四条禁令划定不可逾越的红线，关键概率（如区间突破失败约70–80%）写进提示词作为决策锚，让AI的概率管理有据可依。

如果你想动手研究，从 提示词大纲_人设与思维方式.txt 读起，再到 市场诊断框架.txt 和 二元决策.txt，半天时间就能读懂这套"AI交易分析师"的完整人格。

⚠️ 免责声明：PA Agent 仅供学习与研究，不构成投资建议；它输出的是分析计划，不自动下单，交易有风险。

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