企业官网建设流程全解析

ruflo 神经交易插件市场分析师 Agent 实战：基于 neural-trader 的市场状态识别与 RegimeVerdict 流水线接入

【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

导读

market-analyst（市场分析师）是 ruflo-neural-trader 插件中四个专业化交易 Agent 之一，承担「市场状态（Regime）识别 + 技术指标分析」的职责，是整个神经交易实时流水线（ADR-126 Phase 5）的唯一入口。本文围绕其 Agent 定义文档展开，完整覆盖六类市场状态分类规则、npx neural-trader核心技术命令、记忆持久化工作流，以及通过RegimeVerdict消息协议将分析结论传递给下游trading-strategist的接入方式，并结合仓库源码（plugins/ruflo-neural-trader/src/pipeline-messages.ts）与运行时冒烟测试给出可验证的工程证据。读完本文，你将掌握如何独立运行一个市场状态识别 Agent、如何把分析结果结构化地送入多 Agent 交易流水线，以及该流水线的线性风险门控约束。

一、Agent 定位：流水线入口与职责边界

市场分析师的定义位于 plugins/ruflo-neural-trader/agents/market-analyst.md，其 frontmatter 明确了三个关键信息：

• name：market-analyst；
• model：sonnet（下游trading-strategist使用更强的opus，见 README 的 Agents 表）；
• 职责：基于npx neural-trader完成 RSI、MACD、布林带（Bollinger Bands）、成交量分布（volume profile）等技术分析，输出市场状态分类，并作为流水线入口将RegimeVerdict消息发送给trading-strategist。

它在流水线中的位置是entry（入口）——没有上游 Agent。流水线由团队负责人（team lead）直接向market-analyst发起分析请求；而下游只有trading-strategist一个接收方。文档明确规定：不得直接给risk-analyst或其他任何 Agent 发消息，流水线严格线性为market-analyst → trading-strategist → risk-analyst。

二、核心技术命令：npx neural-trader 用法

市场分析的全部数据操作都经由neural-tradernpm 包的 CLI 完成（Rust/NAPI 绑定，自带 112+ MCP 工具）。以下命令均来自 Agent 文档，并已被 scripts/runtime-smoke.sh 的运行时冒烟测试逐条验证过（该脚本断言每条命令都返回包含预期command字段的 JSON）。

技术指标分析：

# 计算 RSI / MACD / 布林带等指标 npx neural-trader --symbol AAPL --indicators rsi,macd,bollinger # 成交量分布分析 npx neural-trader --symbol SPY --volume-profile

指标选择可以扩展组合，例如trader-regime技能（plugins/ruflo-neural-trader/skills/trader-regime/SKILL.md）中使用了更完整的组合：

npx neural-trader --symbol TICKER --indicators rsi,macd,bollinger,adx,atr

市场状态识别：

# 识别单标的 npx neural-trader --regime-detect --symbol SPY # 批量识别多标的 npx neural-trader --regime-detect --symbols "AAPL,MSFT,GOOGL,AMZN"

相关性分析：

npx neural-trader --correlation --symbols "AAPL,MSFT,GOOGL" --window 30d

板块分析：

npx neural-trader --sector-analysis --sectors "tech,healthcare,energy"

安装注意事项：冒烟测试使用npm install --ignore-scripts安装并锁定neural-trader@2.8.11（NT_PIN环境变量可覆盖）。这与 README 的前置条件一致——--ignore-scripts用于跳过上游安装钩子，防御安装脚本回归风险。仓库中的audit-neural-trader-safety.mjsCI 守卫会对每条文档化命令强制该参数。

三、市场状态分类体系（六类 Regime）

Agent 文档给出了一张可直接套用的分类决策表，这是市场分析师的核心判断逻辑：

六个状态在源码中被固定为联合类型，src/pipeline-messages.ts 中的RegimeVerdict.regime字段只接受这六个字符串字面量之一：

regime: | 'bull-trending' | 'bear-trending' | 'ranging' | 'high-volatility' | 'low-volatility' | 'transitioning';

这意味着消息协议层面不存在「第七种状态」——任何超出该集合的分类都会被类型系统拒绝。这份分类表也是下游trading-strategist选择策略族（momentum / mean-reversion / pairs / multi-indicator / adaptive）的依据：例如 bull-trending 对应动量策略，ranging 对应均值回归策略，adaptive策略则会按识别出的状态自动切换（README 的策略类型表与runtime-smoke.sh第 18 步的.regimePicked字段断言印证了这一点）。

四、技术指标工作流：从取数到记忆沉淀

Agent 文档给出了标准五步工作流，这里结合trader-regime技能实现逐条展开：

1. 获取当前数据：

   npx neural-trader --symbol TICKER --indicators all

2. 分类市场状态：

   npx neural-trader --regime-detect --symbol TICKER

   多标的场景使用--symbols变体（trader-regime技能第 2 步）。

3. 检查相关性：

   npx neural-trader --correlation --symbols "TICKERS" --window 30d

4. 将分析结果持久化到记忆（AgentDB 命名空间路由）：

   npx @claude-flow/cli@latest memory store --namespace trading-analysis --key "regime-TICKER-DATE" --value "ANALYSIS"

5. 与历史状态做相似性检索：

   npx @claude-flow/cli@latest memory search --query "similar regime to CURRENT_REGIME" --namespace trading-analysis

这里的trading-analysis命名空间正是为市场分析师输出预留的。根据 docs/adrs/0001-neural-trader-contract.md 与 README 的 Namespace coordination 章节，该插件拥有五个命名空间：trading-strategies、trading-backtests、trading-risk、trading-analysis（市场分析师的 regime 分类、指标摘要、模型训练结果）、trading-signals。注意前缀是trading-而非neural-trader-——这是刻意为之的可用性设计，下游消费者按「交易」这一意图域寻址。

值得一提的底层增强：trader-regime技能第 5 步的「相似状态检索」在 ADR-125/ADR-126 的集成下自动升级为混合检索（RRF + MMR）——密集 ANN 向量检索与稀疏 FTS5 关键词检索融合，且当 embedding 生成器不可用时会优雅降级为纯关键词检索而不是抛错（见 README Memory lifecycle 章节）。这让「寻找与当前状态相似的历史 regime」这一查询在长会话中保持可用与去重。

五、Agent 可用工具清单

Agent 文档声明了四类工具，它们分别对应「数据计算、记忆持久化、智能预测、历史模式检索」四条能力线：

其中 SONA 预测在trader-regime技能中的调用形态为：

mcp__plugin_ruflo-core_ruflo__neural_predict({ input: "indicators: RSI=X, ADX=Y, VIX=Z" })

即把当前指标快照作为输入交给神经预测器，得到模型视角下的状态预测，与规则引擎的--regime-detect结果互为印证。

六、神经学习回路：任务后自动训练

完成分析任务后，Agent 可通过 hooks 把成功经验回灌给神经模型，形成持续学习闭环：

npx @claude-flow/cli@latest hooks post-task --task-id "TASK_ID" --success true --train-neural true

这与trading-strategist的 SONA 集成（neural train --pattern-type trading-strategy、neural predict）共同构成插件的自学习能力：市场分析师产出的状态判断成为策略轨迹训练素材，训练后的模型又反过来提升neural_predict的预测质量。

七、Comms 协议：RegimeVerdict 消息契约（ADR-126 Phase 5）

这是 Agent 文档中工程价值最高的部分。当状态分类完成时，市场分析师必须按如下契约向trading-strategist发送RegimeVerdict：

SendMessage({ to: "trading-strategist", summary: "Regime verdict for <symbol(s)>", message: { type: "regime-verdict/v1", from: "market-analyst", timestamp: <ISO-now>, regime: "bull-trending" | "bear-trending" | "ranging" | "high-volatility" | "low-volatility" | "transitioning", symbols: ["SPY", ...], confidence: 0.0..1.0, indicators: { adx: ..., rsi: ..., vix: ... } } })

该消息的正式 TypeScript 接口定义在 src/pipeline-messages.ts：

export interface RegimeVerdict { type: 'regime-verdict/v1'; from: 'market-analyst'; timestamp: string; regime: | 'bull-trending' | 'bear-trending' | 'ranging' | 'high-volatility' | 'low-volatility' | 'transitioning'; symbols: string[]; confidence: number; // [0,1] indicators?: Record<string, number>; // ADX、RSI、MACD、VIX 等 }

几个需要遵守的字段语义：

• type / from 是判别字段：type: 'regime-verdict/v1'用于路由与校验；from必须严格等于market-analyst，否则视为非法消息；
• confidence 取值域 [0,1]：量化模型对分类结果的置信度，供下游决定仓位权重；
• indicators 可选：携带支撑该结论的指标快照（ADX、RSI、MACD、VIX 等），是下游SignalProposal元数据的候选来源；
• symbols 为数组：一次分类可覆盖多个标的（对应--regime-detect --symbols "..."的批量调用）。

需要强调的工程背景：该消息类型只是文档化契约 + 未来程序化分发器（dispatcher）的约定——当前 SendMessage 载荷是 JSON 字面量，未来类型化分发器可直接import并按type判别联合类型PipelineMessage = RegimeVerdict | SignalProposal | RiskDecision做校验与路由（src/pipeline-messages.ts）。

八、下游链路与结构性风险门控

RegimeVerdict不是终点。trading-strategist（见 agents/trading-strategist.md）收到消息后：

1. 依据 regime 选择策略族；
2. 生成SignalProposal发送给risk-analyst；
3. 必须阻塞等待RiskDecision且decision: 'approved'，否则拒绝调用实盘经纪商（--broker <name>），并输出如下硬性报错：

[ERROR] trading-strategist: refusing --broker call — no risk-analyst approval RiskDecision event found for signalId=<id>. ADR-126 Phase 5 risk-gate is structural; route the SignalProposal through risk-analyst first.

这是 ADR-126 Phase 5 定义的结构性风险门控（non-negotiable）：市场分析师自身不接触风险层，风险审批完全由下游完成，从而保持流水线职责单一。若RiskDecision.adjustedSizePct存在，trading-strategist必须采用该调整后的仓位而非提案原始值。该守卫由仓库根目录的 scripts/smoke-neural-trader-pipeline.mjs 回归冒烟测试保护——一旦该守卫被削弱，构建即失败。

九、验证方式

如需验证本文所述命令与契约，可执行插件自带的冒烟测试：

# 结构化冒烟（文件存在性、frontmatter、命名空间、v3.6 引脚，共 11 项检查） bash plugins/ruflo-neural-trader/scripts/smoke.sh # 预期输出：11 passed, 0 failed # 运行时冒烟（真实安装 neural-trader@2.8.11，逐条执行 20 个文档化命令并断言 JSON 输出形状） bash plugins/ruflo-neural-trader/scripts/runtime-smoke.sh # 预期输出：20 passed, 0 failed

runtime-smoke.sh覆盖的断言包括：--regime命令返回command="regime"（第 5 步）、--backtest --strategy adaptive输出.regimePicked字段（第 18 步）、多指标策略--strategy multi-indicator可运行（第 19 步）等，与市场分析师依赖的--regime-detect、--indicators、--correlation同属一套命令面，可作为本 Agent 数据底座可用性的自动化依据。

十、小结

market-analystAgent 的价值在于把「市场状态判断」这一主观任务工程化、可验证化：规则引擎（--regime-detect+ 六类状态表）给出确定性分类，神经模型（neural_predict）提供交叉验证，AgentDB 记忆（trading-analysis命名空间 + 混合检索）沉淀历史先例，最终以类型化的RegimeVerdict消息精确衔接下游策略与风险环节。这套「入口 → 策略 → 风险」的线性流水线与结构性风险门控，是 ruflo 神经交易插件在实盘执行安全上最值得借鉴的设计。

【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