trader-cloud-backtest

云端回测 / 训练（在 Managed Agent 上运行 neural-trader）

将一个高负载的 neural-trader 任务分派给 Anthropic Claude Managed Agent（云容器），而不是在本地运行。请参阅项目 ADR-117（方案 + 成本规则）和 ADR-115（managed_agent_* 运行时）。

何时使用此技能，而非 trader-backtest（本地）

任务	运行环境
快速健全性检查；一次短时回测（< ~1 分钟）	本地 — 使用 trader-backtest 技能
多年期滚动前推、大量蒙特卡洛次数、网格上的参数扫描或模型训练（LSTM/Transformer/N-BEATS）	云端 — 使用此技能

前提条件：ANTHROPIC_API_KEY（或 CLAUDE_API_KEY）+ Managed Agents beta 访问权限。如果 managed_agent_* 返回 "needs ANTHROPIC_API_KEY"，请改用本地 trader-backtest 技能。

步骤

1. 先估算。 根据任务规模打印预计成本（≈ 容器分钟数 × 费率 + token）——长时间扫描应是经过慎重考虑的选择，而非默认做法。

2. 创建（或复用）容器——在容器启动时安装 neural-trader，避免 Agent 在运行过程中重新安装：

   managed_agent_create({
     name: "nt-cloud",
     model: "claude-haiku-4-5-20251001",            // orchestration only — the compute is the Rust engine, not the LM (ADR-026)
     system: "You operate the `neural-trader` CLI in this container. Run exactly the commands asked, report the metrics, write requested artifacts, then stop.",
     networking: "unrestricted",                     // or "restricted" pinned to your data host
     packages: { npm: ["neural-trader"] },           // add apt:["build-essential"] ONLY if there's no prebuilt NAPI binary for the arch (neural-trader ships prebuilds → usually omit)
     initScript: "npm install -g --ignore-scripts neural-trader >/dev/null 2>&1 || npx -y neural-trader --version >/dev/null 2>&1 || true"
   })
   → { sessionId, agentId, environmentId }
   

   对于参数扫描：只创建一次环境，在一个 managed_agent_prompt 中运行所有配置（使用一个容器），而不是启动 N 个会话。

3. 先进行低成本预检。 在运行 1000 条路径 / 多年期任务前，先执行一次小型冒烟测试（1 条 MC 路径，~3 个月）——几秒内即可发现策略名称 / 交易标的无效的问题：

   managed_agent_prompt({ sessionId, message: "Run `npx neural-trader --backtest --strategy <name> --symbol <TICKER> --period <last 3 months> --mc-paths 1`. Just confirm it ran and report the Sharpe. Then stop.", maxWaitMs: 60000 })
   

   如果失败，请在正式运行前修正参数（并执行 managed_agent_terminate）。

4. 运行正式任务：

   managed_agent_prompt({
     sessionId,
     message: "Run `npx neural-trader --backtest --strategy <name> --symbol <TICKER> --period <range> --walk-forward --mc-paths <N>` (for training: `npx neural-trader --train --model <lstm|transformer|nbeats> --symbol <TICKER> --period <range>`; for a sweep: loop the configs and run each). Report: total return, annualized return, Sharpe, Sortino, max drawdown, win rate, profit factor, # trades, 95% CVaR. Write the equity curve to /tmp/equity.csv and the trade log to /tmp/trades.csv. Then stop.",
     maxWaitMs: <generous — minutes>
   })
   → { finished, status, stopReason, assistantText (the metrics), toolUses }
   

   如果 finished:false，请继续调用 managed_agent_events({ sessionId })，直到空闲。

5. 拉取产物（如有需要）： 调用 managed_agent_prompt({ sessionId, message: "cat /tmp/equity.csv" })，或调用 managed_agent_events 并读取 tool_result。

6. 在本地摄取并使用 Ed25519 验证（ADR-126 第 4 阶段的失败关闭门控）：

   • 根据云端返回的指标 + 参数哈希 + 运行哈希构建 SignedBacktestArtifact 正文。使用 plugins/ruflo-neural-trader/src/signed-artifact.mjs 中的 signBacktestArtifact(body, privateKeyHex) 在本地签名（密钥解析顺序与 trader-backtest 相同：RUFLO_WITNESS_KEY_PATH → verification/witness-key.json → 降级为未签名警告）。
   • 在存储产物或将其提升为实时策略之前：调用 await verifyBacktestArtifact(artifact, trustedPublicKey)，其中 trustedPublicKey 是固定在项目配置中的 Ed25519 公钥（而非 artifact.witnessPublicKey 字段——该字段可由攻击者控制；参见 CWE-347 / #1922）。如果验证返回 false：拒绝提升——输出醒目的错误 "[ERROR] ruflo-neural-trader: SignedBacktestArtifact signature INVALID against trusted key — refusing to promote to live strategy"，并提前返回。这是 ADR-126 规定的失败关闭门控。
   • 验证成功后：memory_store({ key: "backtest-<strategy>-<ts>", value: JSON.stringify(signedArtifact), namespace: "trading-backtests" })。存储的值包含 witnessSignature + witnessPublicKey。
   • 如果 Sharpe > 1.5：agentdb_pattern-store({ pattern: "profitable-<strategy-type>", data: "<params + results>" })。
   • 将本次运行的容器时长 + token 成本记录到 cost-tracking 命名空间（根据 ADR-117，云端会话会持续计费，直到终止）。

7. 立即终止——拿到结果后：

   managed_agent_terminate({ sessionId, environmentId })   → { sessionDeleted: true, environmentDeleted: true }
   

   切勿让计费容器处于空闲状态。（ruflo doctor / GC 会清理孤立容器 — #1931。）

成本规则（切勿跳过）

• 只安装一次（initScript），复用环境，将参数扫描批量放入一个提示词中，进行低成本预检，尽早终止，Agent 循环使用 Haiku/Sonnet，并在启动前估算成本。（ADR-117 §"成本优化"。）
• 云端回测运行一小时，就会产生一小时的容器运行成本 + Agent 循环的 token 成本。请谨慎安排。

快速示例

managed_agent_create  { "name":"nt-cloud", "model":"claude-haiku-4-5-20251001", "packages":{"npm":["neural-trader"]}, "initScript":"npm install -g --ignore-scripts neural-trader >/dev/null 2>&1 || true" }
  → { sessionId:"sesn_…", environmentId:"env_…" }
managed_agent_prompt   { "sessionId":"sesn_…", "message":"Run `npx neural-trader --backtest --strategy multi-indicator --symbol SPY --period 2020-2024 --walk-forward --mc-paths 1000`. Report Sharpe/Sortino/max-DD/win-rate/CVaR; write /tmp/equity.csv. Then stop.", "maxWaitMs":600000 }
  → { finished:true, status:"idle", assistantText:"<metrics>", toolUses:[{bash:"npx neural-trader --backtest …"}] }
# … memory_store the metrics, agentdb_pattern-store if Sharpe>1.5, record cost …
managed_agent_terminate { "sessionId":"sesn_…", "environmentId":"env_…" }