mcpField
E
edge-pipeline-orchestrator

edge-pipeline-orchestrator

github.com/tradermontyAgent 工作流3.4k3.2k 次安装2 天前更新
代码仓库

关于 edge-pipeline-orchestrator

Edge Pipeline Orchestrator 协调边缘研究各阶段，从 tickets 或 OHLCV 数据推进到策略导出，适合运行或续接研究流程的用户。它包含草案评审与修订循环，并生成执行步骤清单。

主要功能

  1. 01从 OHLCV 数据生成 tickets
  2. 02运行提示、概念和草案阶段
  3. 03通过反馈循环评审并修订草案
  4. 04从草案阶段恢复运行
  5. 05导出符合条件的策略草案
  6. 06写入流程执行清单

适用场景

  1. 01从 tickets 运行研究并导出策略
  2. 02基于原始 OHLCV 数据构建流程
  3. 03恢复中断的草案阶段运行
  4. 04预览流程结果而不导出

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tradermonty/claude-trading-skills --skill edge-pipeline-orchestrator

安装后在 Claude Code 中输入/edge-pipeline-orchestrator确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

requirements.txt
references/
pipeline_flow.md
revision_loop_rules.md
scripts/
orchestrate_edge_pipeline.py
scripts/tests/
conftest.py
test_orchestrate_edge_pipeline.py

详细介绍

Edge 管道编排器

将所有 Edge 研究阶段协调为一次自动化管道运行。

适用场景

  • 从工单（或 OHLCV）运行完整的 Edge 管道，直到导出策略
  • 从草稿阶段恢复未完成的管道
  • 通过反馈循环审查和修订现有策略草稿
  • 试运行管道，在不导出的情况下预览结果

工作流

  1. 从 CLI 参数加载管道配置
  2. 如果提供了 --from-ohlcv，则运行 auto_detect 阶段（从原始 OHLCV 数据生成工单）
  3. 运行 hints 阶段，从市场摘要和异常中提取 Edge 提示
  4. 运行 concepts 阶段，根据工单和提示综合抽象的 Edge 概念
  5. 运行 drafts 阶段，根据概念设计策略草稿
  6. 运行审查-修订反馈循环：
    • 审查所有草稿（最多 2 轮）
    • 累积 PASS 结果；累积 REJECT 结果
    • REVISE 结果会触发 apply_revisions，然后重新审查
    • 达到最大轮数后，仍为 REVISE 的结果将降级为 research_probe
  7. 导出符合条件的草稿（PASS + export_ready_v1 + 可导出的 entry_family）
  8. 写入包含完整执行跟踪记录的 pipeline_run_manifest.json

CLI 用法

# Full pipeline from tickets
python3 scripts/orchestrate_edge_pipeline.py \
  --tickets-dir path/to/tickets/ \
  --output-dir reports/edge_pipeline/

# Full pipeline from OHLCV
python3 scripts/orchestrate_edge_pipeline.py \
  --from-ohlcv path/to/ohlcv.csv \
  --output-dir reports/edge_pipeline/

# Resume from drafts stage
python3 scripts/orchestrate_edge_pipeline.py \
  --resume-from drafts \
  --drafts-dir path/to/drafts/ \
  --output-dir reports/edge_pipeline/

# Review-only mode
python3 scripts/orchestrate_edge_pipeline.py \
  --review-only \
  --drafts-dir path/to/drafts/ \
  --output-dir reports/edge_pipeline/

# Dry run (no export)
python3 scripts/orchestrate_edge_pipeline.py \
  --tickets-dir path/to/tickets/ \
  --output-dir reports/edge_pipeline/ \
  --dry-run

输出

所有产物都会写入 --output-dir：

output-dir/
├── pipeline_run_manifest.json
├── tickets/          (from auto_detect)
├── hints/hints.yaml  (from hints)
├── concepts/edge_concepts.yaml
├── drafts/*.yaml
├── exportable_tickets/*.yaml
├── reviews_iter_0/*.yaml
├── reviews_iter_1/*.yaml  (if needed)
└── strategies/<candidate_id>/
    ├── strategy.yaml
    └── metadata.json

Claude Code 大模型增强工作流

完全在 Claude Code 中运行大模型增强管道：

  1. 运行 auto_detect，生成 market_summary.json + anomalies.json
  2. Claude Code 分析数据并生成 Edge 提示
  3. 将提示保存到 YAML 文件：
- title: Sector rotation into industrials
  observation: Tech underperforming while industrials show relative strength
  symbols: [CAT, DE, GE]
  regime_bias: Neutral
  mechanism_tag: flow
  preferred_entry_family: pivot_breakout
  hypothesis_type: sector_x_stock
  1. 使用 --llm-ideas-file 和 --promote-hints 运行编排器：
python3 scripts/orchestrate_edge_pipeline.py \
  --tickets-dir path/to/tickets/ \
  --llm-ideas-file llm_hints.yaml \
  --promote-hints \
  --as-of 2026-02-28 \
  --max-synthetic-ratio 1.5 \
  --strict-export \
  --output-dir reports/edge_pipeline/
可选标志
  • --as-of YYYY-MM-DD — 传递给 hints 阶段，用于按日期筛选
  • --strict-export — 对包含任何 warn 发现的问题的可导出草稿，使用 REVISE 代替 PASS
  • --max-synthetic-ratio N — 将合成工单数量限制为真实工单数量的 N 倍（下限：3）
  • --overlap-threshold F — 概念去重的条件重叠阈值（默认值：0.75）
  • --no-dedup — 禁用概念去重

注意：--llm-ideas-file 和 --promote-hints 仅在运行完整管道时生效。 --resume-from drafts 和 --review-only 会跳过 hints/concepts 阶段，因此这些标志会被忽略。

资源

  • references/pipeline_flow.md — 管道阶段、数据契约和架构
  • references/revision_loop_rules.md — 审查-修订反馈循环规则和启发式方法

评论

支持 Markdown