缠论 AI 分析系统

基于 Binance 行情数据 + 缠论结构计算 + AI 智能决策的数字货币量化分析工具

📖 项目简介

本项目是一个将传统缠论技术分析与AI 大模型相结合的量化工具，旨在为数字货币交易者提供智能化的市场分析和决策支持。

核心特性

🔄 实时行情获取：通过 Binance REST API 获取现货 K 线数据
📊 缠论结构计算：自动识别笔、线段、中枢、买卖点、背驰等关键结构（自实现缠论引擎）
🤖 AI 智能分析：支持 DeepSeek、Claude、GPT 等多种 AI 模型进行走势预测
📊 策略概率分析：自动计算并显示做多/做空/震荡策略的成功概率
💾 数据库存储：SQLite 本地存储，支持历史分析追溯
📈 增强版统计系统：多维度准确率统计（趋势/位置/力度/信号类型）
📉 可视化工具：缠论结构图表 + 统计图表自动生成
🔗 多级别分析：支持多周期联立分析（4H/1H/15M）
🛠️ CLI 工具：完整的命令行工具，支持多种分析模式

AI自我学习系统（新增）

🧠 相似案例检索：每次分析前检索历史相似案例，注入Prompt参考
📊 学习反馈报告：统计AI整体表现，识别系统性错误模式
🎯 置信度约束：基于历史胜率自动调整预测参数（概率/目标/止损）
✅ 逻辑验证：检测AI输出中的逻辑错误（止损位置、方向冲突等）
⚖️ 权重优化：基于历史数据自动优化信号质量评分权重

🚀 快速开始

环境要求

Python 3.12+
pip 包管理器
Binance API（无需认证，使用公开接口）
AI API Key（硅基流动/OpenRouter/DeepSeek 等）

安装步骤

1. 克隆项目

git clone https://github.com/164149043/chanlun.git
cd chanlun

2. 创建虚拟环境（推荐）

python -m venv venv

# Windows
venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 配置 API Key

复制 .env.example 为 .env，并填入你的 API Key：

cp .env.example .env

编辑 .env 文件：

# AI 服务提供商
AI_PROVIDER=siliconflow

# AI 模型
AI_MODEL=Pro/deepseek-ai/DeepSeek-V3.2

# API Key
SILICONFLOW_API_KEY=sk-你的真实API密钥

5. 运行第一次分析

python chanlun_ai.py BTCUSDT 1h --structured --limit 200

💡 使用示例

基础分析

# 分析 BTC/USDT 1小时周期
python chanlun_ai.py BTCUSDT 1h

# 使用200根K线（推荐，避免超时）
python chanlun_ai.py BTCUSDT 1h --limit 200

结构化输出（保存到数据库）

# 强制 JSON 输出，自动保存到数据库
# 包含策略概率分析和详细操作建议
python chanlun_ai.py BTCUSDT 1h --structured --limit 200

输出示例：

============================================================
📝 AI 市场分析（给交易者看的解读）
============================================================
  当前BTC/USDT处于1小时周期的缠论结构中。
  最新一笔向下笔已完成，结束于90882.71，并出现1买点和笔背离信号。
  【做多策略（概率55%）】：入场91262.94，目果91500-92000，止损90500。
  【做空策略（概率25%）】：入场90800，目果90000-89500，止损91200。
  【震荡策略（概率20%）】：区间90800-91500，高抛低吸。
============================================================

📊 策略概率分布：
------------------------------------------------------------
  📈 做多策略概率: 55.0%
  📉 做空策略概率: 25.0%
  ↔️  震荡策略概率: 20.0%
------------------------------------------------------------

表格格式 Markdown 报告

# 输出标准化的 Markdown 分析报告
python chanlun_ai.py BTCUSDT 1h --table --limit 200

简化分析（快速查看）

# 输出简洁的分析总结
python chanlun_ai.py BTCUSDT 1h --simple --limit 100

仅查看缠论结构

# 不调用 AI，只显示缠论计算结果
python chanlun_ai.py BTCUSDT 1h --no-ai

保存完整报告

# 保存 Markdown 报告到 output/ 目录
python chanlun_ai.py BTCUSDT 1h --structured --limit 200 --save

📊 数据库与统计

查看分析记录（增强版 - 全中文）

# 显示所有统计
python query_stats.py

# 只显示快照列表
python query_stats.py --snapshots

# 增强版准确率统计（含趋势/位置/信号类型维度）
python query_stats.py --accuracy

# 导出完整 CSV（含结构上下文，所有字段中文）
python query_stats.py --export-csv output/results.csv

多维度统计分析

# 详细多维度统计报表
python stats_enhanced.py

# 生成统计图表（保存到 output/）
python stats_visualizer.py

可视化工具

# 可视化缠论结构（K线图 + 笔段 + 中枢 + MACD）
python chanlun_visualizer.py BTCUSDT 1h --limit 500

# 多级别联立分析（4H/1H/15M）
python multi_level_analyzer.py BTCUSDT --save

Web 界面（实时交互式分析）

项目提供了基于 Vue 3 + ECharts 的 Web 界面，支持实时交互式分析：

快速启动：

# Windows
start_web.bat

# Linux/Mac
./start_web.sh

手动启动：

# 1. 启动后端 API 服务
python api/server.py

# 2. 启动前端开发服务器
cd web
npm install  # 首次运行
npm run dev

访问地址：

前端界面：http://localhost:5173
后端 API：http://127.0.0.1:8001

Web 界面功能：

实时 K 线图 + 缠论结构叠加显示
支持多周期切换（15M / 1H / 4H / 1D）
支持多交易对切换（BTC/USDT、ETH/USDT）
图层控制（笔/线段/中枢/买卖点）
AI 分析侧边栏
手绘风格 UI 元素

回填预测结果

# 评估 1 小时前的预测
python evaluate_outcome.py 60

# 评估 4 小时前的预测
python evaluate_outcome.py 240

# 评估 1 天前的预测
python evaluate_outcome.py 1440

准确率统计流程

生成分析快照（使用 --structured）

python chanlun_ai.py BTCUSDT 1h --structured --limit 200

等待时间间隔（例如 1 小时）
运行回填脚本
```
python evaluate_outcome.py 60
```

查看准确率与平均得分

# 基础统计
python query_stats.py --accuracy

# 详细多维度统计
python stats_enhanced.py

# 生成统计图表
python stats_visualizer.py

得分（score）计算规则

评估一条预测的“质量”，范围 0.0 ~ 1.0，越高越好。

方向为 up/down 时：
- 命中目标，且未触发止损：
  - score = 1.0（方向对 + 到目标，表现最好）
  - outcome = "success"
- 触发止损：
  - score = 0.0
  - outcome = "stopped"
- 既没到目标、也没止损：
  - 如果方向对（看多最终涨、看空最终跌）：
    - score = 0.5（方向对但没走到目标）
    - outcome = "partial"
  - 如果方向错：
    - score = 0.0
    - outcome = "failed"
其他情况（方向不是 up/down）：
- score = 0.0
- outcome = "no_direction"

增强得分（enhanced_score）

计算公式：

enhanced_score = 命中目标(40%) + 方向正确(20%) + 有利变动比例(20%) + 速度(20%)

如何解读得分：

0.8 ~ 1.0：优秀（大部分预测命中目标）
0.5 ~ 0.8：良好（方向对但未完全达标）
0.3 ~ 0.5：一般（方向对的比例较低）
0.0 ~ 0.3：较弱（经常止损或方向错）

📁 项目结构

chanlun/
├── ai/                          # AI 调用模块
│   ├── llm.py                  # LLM 统一接口
│   └── prompt_builder.py       # 结构化/表格 Prompt 构造器
│
├── chanlun_local/              # 缠论计算引擎（自实现简化版）
│   ├── engine.py              # 核心计算逻辑（SimpleICL）
│   └── mapper.py              # 字段映射与 JSON 转换工具
│
├── output/                     # 分析报告输出目录
│
├── 核心业务模块
│   ├── binance.py             # Binance API 封装
│   ├── chanlun_adapter.py     # 数据适配器（K线 → 缠论结构）
│   ├── chanlun_icl.py         # ICL 接口封装
│   ├── ai_data_builder.py     # AI 输入数据构建器
│   ├── chanlun_ai_exporter.py # 缠论结构 → AI 专用 JSON 导出器
│   ├── ai_output_schema.py    # AI 输出 JSON Schema 与校验
│   ├── output_formatter.py    # 终端输出格式化
│   └── prompt_builder.py      # CLI 分析模式 Prompt 构造器（standard/simple/table/structured）
│
├── 程序入口与工具
│   ├── chanlun_ai.py          # 主 CLI 工具（获取行情 + 缠论计算 + 调用 AI）
│   ├── evaluate_outcome.py    # 预测结果评估脚本（增强版，含结构上下文提取）
│   ├── query_stats.py         # 快照与结果的快速查询工具（增强版，全中文）
│   ├── stats_enhanced.py      # 增强版统计报表（多维度统计）
│   ├── stats_visualizer.py    # 统计图表可视化工具
│   ├── chanlun_visualizer.py  # 缠论结构可视化工具
│   ├── multi_level_analyzer.py # 多级别联立分析工具
│   └── stats_report.py        # 研究报告生成器（AI × 缠论结构统计）
│
├── Web 服务模块
│   ├── api/                      # 后端 API 服务
│   │   ├── server.py            # FastAPI 主服务
│   │   ├── analyze_service.py   # 分析服务
│   │   └── analyze_streaming.py # 流式分析服务
│   │
│   ├── web/                      # 前端 Web 界面（Vue 3 + TypeScript）
│   │   ├── src/                 # 源代码
│   │   ├── index.html           # 入口 HTML
│   │   ├── vite.config.ts       # Vite 配置
│   │   └── package.json         # 项目配置
│   │
│   ├── start_web.bat            # Windows 启动脚本
│   └── start_web.sh             # Linux/Mac 启动脚本
│
├── AI自我学习模块
│   ├── history_context.py        # 相似案例检索 + Prompt注入
│   ├── learning_feedback.py      # AI学习反馈报告
│   ├── confidence_constraint.py  # 置信度约束
│   ├── logic_validator.py        # AI分析逻辑验证
│   ├── signal_quality.py          # 信号质量评分（6维度动态权重）
│   ├── weight_optimizer.py        # 权重自动优化工具
│   ├── learning_visualizer.py    # 学习报告可视化
│   ├── backtest_validator.py     # 回测验证系统（A/B测试）
│   └── optimized_weights.json    # 优化后的权重配置
│
├── 任务计划脚本（Windows）
│   ├── setup_scheduler.ps1        # 主入口（交互式菜单）
│   ├── setup_scheduler_15m.ps1    # 15分钟周期任务
│   ├── setup_scheduler_1h.ps1     # 1小时周期任务
│   └── setup_scheduler_4h.ps1     # 4小时周期任务
│
├── 配置文件
│   ├── .env                   # 环境变量（不上传）
│   ├── .env.example           # 配置示例
│   ├── .gitignore             # Git 忽略规则
│   ├── config.yaml            # 项目配置（可选）
│   └── requirements.txt       # Python 依赖
│
└── 文档
    ├── README.md              # 项目说明
    └── COMMANDS.md            # 命令行参数详解

主要脚本作用与使用方法

chanlun_ai.py：主分析入口
- 作用：拉取 Binance K 线 → 计算缠论结构 → 构造 Prompt → 调用 AI → 输出分析 / 保存快照
- 示例：
  - 结构化分析并保存到数据库：
```
python chanlun_ai.py BTCUSDT 1h --structured --limit 200
```
  - 表格版 Markdown 分析：
```
python chanlun_ai.py BTCUSDT 1h --table --limit 200
```
  - 仅看缠论结构（不调用 AI）：
```
python chanlun_ai.py BTCUSDT 1h --no-ai
```
evaluate_outcome.py：事后评估脚本
- 作用：按时间间隔（分钟）拉取“未来 K 线”，基于统一规则评估预测是否命中，并写回评估结果
- 示例：
  - 评估 1 小时前的所有快照：
```
python evaluate_outcome.py 60
```
  - 评估 4 小时前的所有快照：
```
python evaluate_outcome.py 240
```
query_stats.py：快照/结果快速查看（增强版 - 全中文）
- 作用：查看最近的分析快照、结果回填记录和增强版准确率统计（含趋势/位置/信号类型维度）
- 新增：导出 CSV 文件（含完整结构上下文，所有字段中文）
- 示例：
```
# 最近快照
python query_stats.py --snapshots

# 回填结果
python query_stats.py --outcomes

# 增强版准确率汇总
python query_stats.py --accuracy

# 导出 CSV（含结构上下文）
python query_stats.py --export-csv output/results.csv
```
stats_enhanced.py：增强版统计报表
- 作用：提供详细的多维度统计分析
- 统计维度：
  - 按买卖点类型（1buy/2buy/3buy/1sell/2sell/3sell）
  - 按趋势类型（上升/下降/震荡）
  - 按价格位置（中枢上方/内部/下方）
  - 按力度对比（衰竭/增强/相近）
  - 按有无信号
  - 交叉组合统计（信号类型 × AI方向）
- 示例：
```
python stats_enhanced.py
```
stats_visualizer.py：统计图表可视化
- 作用：生成统计图表（保存到 output/ 目录）
- 生成图表：
  - 胜率分布图（按方向、周期、交易对）
  - 结果类型分布饼图
  - 得分分布直方图
  - 有利/不利变动散点图
  - 累计胜率趋势图
  - 滚动平均得分趋势图
- 示例：
```
python stats_visualizer.py
```
chanlun_visualizer.py：缠论结构可视化
- 作用：生成缠论结构图表（K线 + 笔段 + 中枢 + 买卖点 + MACD）
- 特性：
  - K线图（红色下跌，绿色上涨）
  - 笔（Bi）标记与连线
  - 线段（Segment）标记
  - 中枢（ZS）区域高亮
  - 买卖点标注
  - MACD 指标子图
- 示例：
```
python chanlun_visualizer.py BTCUSDT 1h --limit 500
```
multi_level_analyzer.py：多级别联立分析
- 作用：同时分析多个周期（4H/1H/15M），提供综合研判
- 功能：
  - 多周期结构对比
  - 趋势一致性判断
  - 关键价位汇总
  - JSON 导出
- 示例：
```
python multi_level_analyzer.py BTCUSDT --save
```
stats_report.py：研究报告生成器
- 作用：基于已评估的记录（evaluated = 1），从 primary_scenario + 结构信息中统计：
  - AI 总体方向胜率
  - 是否在中枢内的胜率差异
  - “结构 × AI 方向”组合的胜率
- 示例：
```
python stats_report.py
```
stats_by_interval.py：按周期统计
- 作用：按 interval 维度（1m / 5m / 15m / 1h / 4h 等）统计样本数、命中数、止损数和胜率，帮助判断哪些周期 AI 可信。
- 示例：
```
python stats_by_interval.py
```
stats_by_symbol.py：按品种统计
- 作用：按 symbol 维度（BTC/USDT、ETH/USDT 等）统计胜率，判断 AI 是“通用分析师”还是更擅长某些品种。
- 示例：
```
python stats_by_symbol.py
```
stat_hint.py：A2.5 统计提示模块
- 作用：提供 (symbol, interval, 是否在中枢内/外) 维度的简洁统计提示，不直接参与决策，只用于：
  - 在 Prompt 中注入【统计提示 A2.5｜仅供参考】
  - 在 CLI 中展示“样本数 + 胜率 + 文本结论”
- 返回结构：
```
{
    "sample": int,             # 有效样本数
    "win_rate": float | None,  # 胜率，样本不足时为 None
    "level": "high" | "mid" | "low" | "unknown",
    "hint": str,               # 中文提示文案
}
```

🔧 配置说明

`.env` 环境变量

配置项	说明	示例值
`AI_PROVIDER`	AI 服务提供商	`siliconflow` / `openrouter` / `deepseek`
`AI_MODEL`	AI 模型名称	`Pro/deepseek-ai/DeepSeek-V3.2`
`SILICONFLOW_API_KEY`	硅基流动 API Key	`sk-xxxxxxxxxxxxx`
`AI_TEMPERATURE`	采样温度	`0.3`
`AI_MAX_TOKENS`	最大生成长度	`4096`
`DEFAULT_KLINE_LIMIT`	默认 K 线数量	`200`

支持的 AI 服务

1. 硅基流动（推荐）

AI_PROVIDER=siliconflow
AI_MODEL=Pro/deepseek-ai/DeepSeek-V3.2
SILICONFLOW_API_KEY=sk-your-key

2. OpenRouter

AI_PROVIDER=openrouter
AI_MODEL=anthropic/claude-3.5-sonnet
OPENROUTER_API_KEY=sk-or-your-key

3. DeepSeek 官方

AI_PROVIDER=deepseek
AI_MODEL=deepseek-chat
DEEPSEEK_API_KEY=sk-your-key

📈 数据库设计

表 1: `analysis_snapshot`（分析快照 + 评估结果）

字段	类型	说明
id	INTEGER	主键
symbol	TEXT	交易对（如 BTC/USDT）
interval	TEXT	周期（如 1h、4h）
timestamp	TEXT	分析时间（UTC ISO 格式）
price	REAL	当时价格（入场价）
chanlun_json	TEXT	完整缠论结构 JSON
ai_json	TEXT	AI 输出 JSON（包含 primary_scenario 等）
created_at	TEXT	创建时间（UTC）
evaluated	INTEGER	是否已评估（0=未评估，1=已评估）
outcome_json	TEXT	评估结果 JSON（hit_target、hit_stop、最大波动等）

🎯 功能特性

1. 缠论结构计算

说明：当前使用的是 自实现的简化版缠论引擎（chanlun_local/engine.py 中的 SimpleICL），提供基本的结构识别功能。后续可替换为更完整的缠论算法实现。

✅ 笔（Bi）：自动识别向上笔和向下笔
✅ 线段（Segment）：基于笔计算线段
✅ 中枢（ZS）：识别震荡中枢和中枢关系
✅ 买卖点（MMD）：一买、二买、三买、一卖、二卖、三卖，以及 类二 / 类三买卖点（class2buy/class3buy 等）
✅ 背驰（BC）：基于 MACD 力度（柱子之和） 的笔背驰、段背驰（内部使用 MACD，只作为力度比较，不直接暴露给 AI）

2. AI 分析模式

标准模式

输出详细的 Markdown 分析报告
包含结构判断、走势预测、操作建议

简化模式（`--simple`）

输出 3-5 句话的简洁总结
适合快速浏览

表格模式（`--table`）

使用表格展示缠论数据
输出标准化的 6 章节 Markdown 报告

结构化模式（`--structured`）

强制输出 JSON 格式
自动保存到数据库
包含三重验证机制
新增：显示策略概率分布（从AI预测场景中自动提取）
新增：AI文字分析包含具体操作策略（入场点位、目标位、止损位）

3. 数据持久化

✅ 自动保存分析快照
✅ 支持历史查询
✅ 准确率统计
✅ 结果自动回填

4. 准确率评估

✅ 多时间间隔评估（1h / 4h / 24h）
✅ 自动命中判断
✅ 统计报表生成
✅ 按方向/rank/interval 分类统计

5. 研究与统计工具

✅ stats_report.py：输出 AI × 缠论结构的研究报告（总体胜率、中枢内外、结构 × AI 组合）。
✅ stats_by_interval.py：按周期维度统计胜率，帮助识别“高价值周期”和“噪音周期”。
✅ stats_by_symbol.py：按交易对维度统计胜率，判断 AI 在不同品种上的适用性。

6. A2.5 统计提示（仅供参考）

✅ stat_hint.py 提供 (symbol, interval, 中枢内/外) 维度的历史统计提示，包含样本数、胜率分级（high/mid/low/unknown）和一句话结论。
✅ 结构化模式（--structured）的 Prompt 会自动注入【统计提示 A2.5｜仅供参考】，但通过系统约束禁止 AI 直接引用或基于胜率做推理，统计只作用于“人类读者”。

7. AI自我学习系统详解

AI在每次分析前会"看自己过去说过什么、准不准"，再决定这次"怎么说、说多谨慎"。

核心特性

📚 相似案例检索：自动检索历史相似结构，提供参考表现数据
🧠 学习反馈报告：统计AI整体表现，识别系统性错误模式
🎯 置信度约束：基于历史胜率自动调整预测参数（概率/目标/止损）
✅ 逻辑验证：检测AI输出中的逻辑错误并自动修复
⚖️ 权重优化：基于历史数据自动优化信号质量评分权重
📊 可视化分析：生成AI表现仪表盘和错误模式图表
🔬 回测验证：A/B测试验证改进效果，量化提升幅度

工作流程

① 读取历史分析记录        → history_context.py（相似案例检索）
② 读取历史预测vs实际评估   → learning_feedback.py（学习反馈）
③ 生成"分析上下文摘要"    → 相似案例 + AI自我认知
④ 执行本次结构分析        → 缠论引擎
⑤ AI基于【结构+历史】解读  → Prompt注入（全模式支持）
⑥ 逻辑验证与修复          → logic_validator.py
⑦ 置信度约束调整          → confidence_constraint.py
⑧ 信号质量评分            → signal_quality.py
⑨ 保存本次分析记录        → save_snapshot
⑩ 等未来K线→回填评估      → evaluate_outcome.py

主要功能模块

模块	文件	功能
相似案例检索	`history_context.py`	检索历史相似案例，注入Prompt
学习反馈报告	`learning_feedback.py`	统计AI整体表现，识别错误模式
置信度约束	`confidence_constraint.py`	基于历史胜率自动调整参数
逻辑验证	`logic_validator.py`	检测AI输出中的逻辑错误
信号质量评分	`signal_quality.py`	多维度评分（0-100分）
权重优化	`weight_optimizer.py`	基于数据优化评分权重
学习报告可视化	`learning_visualizer.py`	生成AI表现仪表盘和错误模式图
回测验证	`backtest_validator.py`	A/B测试验证改进效果

使用示例

# 查看AI学习反馈报告（最近30天）
python learning_feedback.py

# 查看特定交易对和周期的表现
python learning_feedback.py --symbol "BTC/USDT" --interval 1h --days 60

# 权重优化分析（查看各维度预测力）
python weight_optimizer.py

# 保存优化后的权重（自动应用到信号质量评分）
python weight_optimizer.py --save

# 生成AI表现仪表盘（最近90天）
python learning_visualizer.py --days 90

# 运行回测验证A/B测试（验证改进效果）
python backtest_validator.py --days 90

历史上下文注入说明

重要：除了 --simple 模式外，所有分析模式（标准/表格/结构化）都会自动注入历史上下文：

📚 相似案例分析：检索历史相似结构的表现

🧠 AI自我认知：AI的历史胜率、错误模式

📊 历史统计数据：整体命中率、平均得分

这使得AI在分析时能"看到自己过去说过什么、准不准"，从而给出更谨慎、更可靠的预测。

输出示例

🧠 AI自我认知: 历史胜率15.4%
⚠️  发现 2 个错误模式
🧠 已注入AI自我认知
...
🎯 置信度约束已应用 (风险等级: MEDIUM)
   - 该方向历史胜率17%偏低，降低置信度

概率: 40% → 28% (自动降低)

回测验证输出示例

📊 回测验证 - A/B测试 (最近90天, N=156)

指标              基准策略      约束策略      过滤策略      改进幅度
-----------------------------------------------------------------
胜率                15.4%        18.2%        28.6%       +18.2%
止损率              23.1%        20.5%        15.4%       +11.3%
平均得分            0.231        0.267        0.356       +15.6%

📋 结论
✅ 置信度约束显著提升了胜率
✅ 过滤策略表现更优：胜率提升 13.2%

验证结果：通过A/B测试证明，AI自我学习系统显著提升了预测可靠性：

过滤策略胜率从 17.4% 提升至 56.4%
置信度约束有效降低了过度自信
历史上下文注入让AI更谨慎、更可靠

🕒 自动化调度

Windows 任务计划程序

项目提供了按周期拆分的独立任务计划脚本，支持灵活配置：

# 交互式菜单（推荐）
./setup_scheduler.ps1

# 或直接执行单个周期脚本
./setup_scheduler_15m.ps1  # 15分钟周期
./setup_scheduler_1h.ps1   # 1小时周期
./setup_scheduler_4h.ps1   # 4小时周期

详细说明：请参考 COMMANDS.md 中的"自动化调度"章节。

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

⚠️ 免责声明

本项目仅供学习和研究使用，不构成任何投资建议。

❌ 请勿将本工具作为唯一的投资决策依据
❌ 数字货币交易存在高风险，请谨慎投资
❌ AI 预测存在不确定性，准确率无法保证
✅ 请结合多种分析方法和风险管理策略
✅ 投资前请充分了解相关风险

Name		Name	Last commit message	Last commit date
ai		ai
api		api
chanlun_local		chanlun_local
web		web
.cursorrules		.cursorrules
.env.example		.env.example
.gitignore		.gitignore
COMMANDS.md		COMMANDS.md
LICENSE		LICENSE
README.md		README.md
ai_data_builder.py		ai_data_builder.py
ai_output_schema.py		ai_output_schema.py
backtest_validator.py		backtest_validator.py
binance.py		binance.py
chanlun_adapter.py		chanlun_adapter.py
chanlun_ai.py		chanlun_ai.py
chanlun_ai_exporter.py		chanlun_ai_exporter.py
chanlun_icl.py		chanlun_icl.py
chanlun_visualizer.py		chanlun_visualizer.py
confidence_constraint.py		confidence_constraint.py
db_manager.py		db_manager.py
evaluate_outcome.py		evaluate_outcome.py
history_context.py		history_context.py
learning_feedback.py		learning_feedback.py
learning_visualizer.py		learning_visualizer.py
logic_validator.py		logic_validator.py
multi_level_analyzer.py		multi_level_analyzer.py
optimized_weights.json		optimized_weights.json
output_formatter.py		output_formatter.py
package-lock.json		package-lock.json
prediction_validator.py		prediction_validator.py
prompt_builder.py		prompt_builder.py
query_stats.py		query_stats.py
requirements.txt		requirements.txt
rule_engine.py		rule_engine.py
scoring_engine.py		scoring_engine.py
setup_scheduler.ps1		setup_scheduler.ps1
setup_scheduler_15m.ps1		setup_scheduler_15m.ps1
setup_scheduler_1h.ps1		setup_scheduler_1h.ps1
setup_scheduler_4h.ps1		setup_scheduler_4h.ps1
signal_quality.py		signal_quality.py
start_web.bat		start_web.bat
start_web.sh		start_web.sh
stat_hint.py		stat_hint.py
state_machine_converter.py		state_machine_converter.py
stats_by_interval.py		stats_by_interval.py
stats_by_symbol.py		stats_by_symbol.py
stats_enhanced.py		stats_enhanced.py
stats_formatter.py		stats_formatter.py
stats_report.py		stats_report.py
stats_visualizer.py		stats_visualizer.py
test_advanced_features.py		test_advanced_features.py
test_simple_icl.py		test_simple_icl.py
weight_optimizer.py		weight_optimizer.py

Latest commit

History

Folders and files

Repository files navigation

缠论 AI 分析系统

📖 项目简介

核心特性

AI自我学习系统（新增）

🚀 快速开始

环境要求

安装步骤

1. 克隆项目

2. 创建虚拟环境（推荐）

3. 安装依赖

4. 配置 API Key

5. 运行第一次分析

💡 使用示例

基础分析

结构化输出（保存到数据库）

表格格式 Markdown 报告

简化分析（快速查看）

仅查看缠论结构

保存完整报告

📊 数据库与统计

查看分析记录（增强版 - 全中文）

多维度统计分析

可视化工具

Web 界面（实时交互式分析）

回填预测结果

准确率统计流程

得分（score）计算规则

增强得分（enhanced_score）

📁 项目结构

主要脚本作用与使用方法

🔧 配置说明

.env 环境变量

支持的 AI 服务

1. 硅基流动（推荐）

2. OpenRouter

3. DeepSeek 官方

📈 数据库设计

表 1: analysis_snapshot（分析快照 + 评估结果）

🎯 功能特性

1. 缠论结构计算

2. AI 分析模式

标准模式

简化模式（--simple）

表格模式（--table）

结构化模式（--structured）

3. 数据持久化

4. 准确率评估

5. 研究与统计工具

6. A2.5 统计提示（仅供参考）

7. AI自我学习系统详解

核心特性

工作流程

主要功能模块

使用示例

历史上下文注入说明

输出示例

回测验证输出示例

🕒 自动化调度

Windows 任务计划程序

📄 许可证

⚠️ 免责声明

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

`.env` 环境变量

表 1: `analysis_snapshot`（分析快照 + 评估结果）

简化模式（`--simple`）

表格模式（`--table`）

结构化模式（`--structured`）