DeepSeek 驱动的加密行情分析器：规则看见，模型裁决

每天早上十点，Telegram 会推给我一条两千字左右的简报；盘中想看细节，再问它 /detail。它不说“买”还是“卖”，只说三件事：手上这八个仓位接下来四个小时大概走在什么区间里，每个仓位现在有多危险，以及——为什么。

但真正决定“要不要认输”的不是这条简报。那是另一层：一组确定性规则先把“值得看一眼”的仓位挑出来，再让 DeepSeek 回答一个问题——这一仓开仓时的逻辑，是不是已经被破坏了。它输出 hold / trim / exit，附置信度、风险分和一句理由；至于要不要真的执行，还得过一道确定性门槛。

两层都是只读的。这篇文章讲这条链：规则怎么看见，模型怎么裁决，以及为什么最后一步必须由代码而不是模型来扣扳机。

JR_RULE 的多品种看板：8 个仓位，每个一行健康分和一句定性结论

图 1｜分析层每天 10:00 的多品种看板。标题行写着“未来 4h 环境读数，非交易信号”

一、四个角色，各管一段

角色	可以做什么	不可以做什么
确定性规则	采数、算区间、打分、挑候选、触发 −15% 硬止损	判断“开仓逻辑是否已被破坏”
DeepSeek（deepseek-chat）	输出 hold / trim / exit、置信度、风险分、理由与失效条件	直接下单、改杠杆、改 DCA、改入场
策略（custom_exit）	只读本地 SQLite，命中才执行全平或部分减仓	在策略进程里访问网络
操作员	启停、切 dry/live、调阈值、人工平仓	让 AI 无人值守接管资金

四条边界里最硬的是第二行：模型只能“建议”，执行权在策略和门槛手里。所以这套东西最坏的情况是“给你一个错的建议”，而不是“替你做了一个错的决定”。

这条边界不是为了保守，而是为了可归因。模型说错了，你能翻出它当时看到的数据、给出的理由和失效条件；如果它还能直接下单，这些记录就都变成了事后解释。

二、两层怎么接

币安 REST ─┐
11 个新闻源 ├─→ market_intel（确定性）─→ 简报 / 详细卡 / 四张账本
恐慌贪婪 ─┘        │
                   └─ 4h 区间 · 健康分 · 拥挤度（给人看，也给模型当上下文）

freqtrade API（只读）─→ sentinel 候选规则 ─→ DeepSeek ─→ signals.sqlite
                                                              │ 只读
                                                     策略 custom_exit

一句话分工：分析层负责“把市场说清楚”，裁决层负责“这一仓还成不成立”。

前者可复算，同一个输入永远同一个输出；后者是定性的，同样的事实，不同的人可能给出不同结论。把两者混在一起，出错时你就永远分不清是数据错了还是判断错了。

三、模型看到什么

候选：先把绝大多数时刻排除掉

规则	条件	语义
hard_stop	浮亏 ≤ −15%	直接平，不调用模型
fast_loss	持仓 ≥ 6h 且 ≤ −6%	快速亏损
age_loss	持仓 ≥ 12h 且 ≤ −4%	慢亏但没回本
htf_counter	持仓 ≥ 8h、逆 4h 趋势、≤ −0.5%	方向错了，靠时间阴跌
stale	持仓 ≥ 24h 仍在亏	长期占用保证金

为什么不把所有仓位直接丢给模型？成本和信噪比。8 个仓位、每 60 秒扫一次，一天 11520 次判断，其中绝大多数是“没事”；模型的价值不在这些时候，而真正需要判断的时刻，一天可能只有一两次。

所以顺序是反的：规则先做减法，把候选压到个位数，模型只在候选上做加法。

上下文：一次给全，但不给它编造的机会

持仓侧：开仓价、当前价、杠杆、浮亏、持仓时长、DCA 层数、历史最大浮盈；
市场侧：4h / 1d 的 EMA 结构、RSI、ATR、资金费率、OI；
拥挤度：多空账户比、大户持仓比、主动买卖比、费率趋势、基差、24h 量能，5 个免费端点，15 分钟缓存，单个接口挂了只是缺字段；
组合层：同因子且同方向的保证金占比、整本净敞口、平均相关性。

组合层有个例外要单独处理：同板块反向腿是对冲，不该算成集中风险，所以只统计“同因子 + 同方向”。

Prompt 里写死三条规则：不准编造；必须区分事实与推断；必须给出“失效条件”。数据缺失就写“数据缺失”，宁可 hold + low，也不要为了“做点什么”而减仓。

“失效条件”那条值得单说：它不是给模型自己看的，是给 20 小时后的复盘看的。模型说“跌破 342 就说明这次判断错了”，复盘时就能直接检验这句话——判断从一句形容词变成了一个可验证的命题。

契约：严格 JSON，温度 0

1 2	{"action":"hold\|trim\|exit","size_fraction":0.0,"confidence":"low\|medium\|high", "risk_score":0,"rationale":"...","invalidation":"..."}

校验是逐字段的、确定性的：action / confidence 只能是枚举值，risk_score 必须是 0–5 的整数（布尔值不算），trim 的 size_fraction 必须落在 (0, 0.9] 并吸附到预设档位，rationale 不能为空。任何一条不合规，直接记 llm_failed，不猜、不修、不重试到行为漂移。

temperature: 0，超时 15–20 秒。一个具体的坑：max_tokens 一开始设 256，中文理由经常在句子中间被截断，JSON 直接失效；调到 512 才稳定。

四、模型说 exit，不等于真的平仓

模型输出之后，还有一道 gate：

模型输出	旧行为	现在
`exit` + `high` + risk ≥ 4	全平	全平
`exit` + `medium` + risk ≥ 4	丢弃	降级为 50% 减仓
`exit` + `medium` + risk = 3	丢弃	丢弃
`trim` + `medium`/`high` + risk ≥ 3	减仓	减仓

第一版的门槛是二值的：exit + high + risk≥4 才全平，其余一律不动。上线后拉了 28 小时统计，exit+high 只出现 2 次，而 exit+medium+risk4 出现 42 次、全部被丢掉——其中一笔 XRP 多单就那样一路亏到 −6.6%。

这不是模型不准，是门槛的“分辨率”错了。把确信度当开关（信 / 不信），等于把 42 次中等确信的警告全扔了。改成分级之后，同样的输出变成“先减一半”，风险留在中间地带，既不装死，也不一刀切。

一次真实的裁决长这样：

1
2
3

{"action":"exit","size_fraction":0.0,"confidence":"medium","risk_score":4,
 "rationale":"持仓 14h、浮亏 -4.8%，4h 结构转空、费率由正转负，多头逻辑已破",
 "invalidation":"4h 收盘重新站回 EMA200 上方则本次判断作废"}

过 gate 时，medium + risk 4 不会全平，而是被改写成 action=trim, size_fraction=0.5，并写入一条 gate_note。策略看到的只是“减一半”，账本里留的却是“模型原本想全平、被门槛折中”——两条信息都得留着，否则事后分不清是模型太激进，还是门槛太保守。

状态机只有五个状态：

pending ─┬─ hard_stop ──────────────→ exit_recommended
         ├─ exit/high/risk>=4 ──────→ exit_recommended
         ├─ medium/risk>=4 ─────────→ trim 50%
         ├─ hold 或低置信 ──────────→ no_exit
         ├─ 超时 / 非法 JSON ───────→ llm_failed
         └─ 超过 45 分钟 ───────────→ expired

策略侧只认三件事：status == exit_recommended、未过期、trade_id 匹配。退出原因写成 llm_exit_<signal_id> 或 watchdog_local_hard_stop，事后能追到是哪条判断、哪次调用。

还有两个不起眼但很值的工程细节：同一仓位 15 分钟内不重复送模型（去重），信号 45 分钟过期（防止拿旧判断做新决定）。

五、供数层为什么必须确定性

裁决层再聪明，也得有人先把事实摆对。分析层做的就是这件事，而且它一行 LLM 都没有——判断必须可复算，否则账本没有意义。

三周期投票：15m / 6h / 1d 各投五票，加权成 −1~+1 的方向分；4h 区间用 15m 历史上“恰好 4 小时”的窗口算 P10–P90。

这里最贵的坑是 RSI 和布林读反了：线性上涨的样本里 RSI 打到 100、价格贴着上轨，三个投票项同时给出“超买→看跌”，结果是系统性地做空每一次突破。修正只有一条：突破中顺势，震荡中才反向。

4h 区间还有个更隐蔽的坑：滚动窗口一旦跨过周末缺口，区间宽度会虚胖到 ±2.5%，等于什么都覆盖了。只保留时间严格连续（间隔正好 4h）的窗口后，XAG 收到 ±0.9%。卡片上那行「样本 2984（独立 = 186）」就是它的痕迹——2984 是 15m 的滚动窗口数，按 4h 视界折算，真正独立的只有 186 个：分位数看起来有三千个样本，其实只有一百八十几个。

新闻面：11 个源，金额 ≥ $100M 判重大。第一版 161 条里判出 60 条“重大”，基本是噪声——Rp114 Trillion 被当成 114 万亿美金、$19.5B net income 被当事件、$171B customer assets 盖住了标题里的 $5.8B outflow。修正后同一天只剩 19 条，最大 $6.3B。

衍生品：XAU / CL / XAG 是 4 小时结算，BTC / TSLA / AAPL 是 8 小时，不折算就会得出“黄金比比特币便宜”的反向结论（XAG 那次 0.0298%/4h 折出来是 0.0596%/8h、年化 65.3%，一看就知道是拥挤而不是便宜）；全市场多空比是账户比，大户是持仓比，两者不能相减，只能各自比自己的 20 日分位。

健康度：六个分项可加，方向 ±35、区间 ±20、拥挤 ±25、大户 ±10、新闻 −25~0、浮盈 ±10，正向封顶压低、负向给重。同日同方向的持仓能差出 78 分（ADA −54 对 AVAX +25）——如果所有仓位分数都差不多，这个模型就没有存在价值。

这套东西的价值不在“猜得准”，而在“说得清”：任何一个分数都能拆回分项，任何一个分项都能拆回原始数据。

六、三重滤网：把数字换成一句人话

1d = 潮、6h = 浪、15m = 涟，三层组合映射成一句结论，无量突破一律降级为“存疑”。简报因此从 2975 字符压到 2119 字符——不删信息，只删数值。

AAPL 的详细卡：三层结论、4h 区间、健康分归因、衍生品读数

图 2｜/detail AAPL 的完整卡，下半截是 /status

拿这张卡读一遍：结论行 潮无潮（区间）｜浪区间震荡｜涟区间偏弱 → 无潮·区间交易，三层独立判定，1d 和 6h 的 vote 刚好相互抵消在 +0.00，15m 的 −0.60 是全卡最明确的一项。

健康分 −15（中性）方向 −16 区间 −3 拥挤 +4 可以手算：价格 344.50，4h 区间 343.41–345.98，位置 42%，对多单而言贴边程度 1 − 0.42 = 0.576，代入 (0.5 − 0.576) × 40 得 −3——和中位差的那一点，就是这 −3 分。

吃单 0.65（>1 主动买占优） 括号里是口径说明不是结论，0.65 意味着主动卖占优；R_squeeze_15m 是标记不是结论，波动压缩本身不告诉你往哪边开。整张卡最后一句是给自己看的：非交易信号；不下单、不改杠杆、不改 DCA。

下半截的 /status 是另一条线索：running · FFTAdaptiveCycle · 8 仓 · 权益 391.64 USDT · dry_run=False。策略在跑，分析层在旁路看着它——两者之间只有一条 127.0.0.1 的只读 REST，没有别的耦合。

七、账本：模型也要被记账

判断不能被证伪，就只是噪声的另一种写法。所以两层都有自己的账本。

分析层四张表：scores 记 4h 方向命中，band_scores 记区间覆盖（期望 80%），reviews 记逐仓 4h / 24h 走势与“对持仓有利度”，macro_scores 记 2–5 日宏观判断。

裁决层记的是另一样东西：每条信号保存 snapshot、prompt、模型原始输出、状态、gate 备注和时间。模型说错了，你能翻出它当时看到的是哪几根 K 线、哪一档费率、哪个组合敞口。

一个反直觉的数据点：早期版本上线 8 小时，signals 表 0 条、LLM 调用 0 次。不是程序没跑，是当时的候选规则要求价格偏离 EMA20 达到 2%，而那一夜 BTC/ETH 浮亏扩大到 −20% 以上，价格相对 EMA20 最大只偏离 **−0.88%**——缓跌 + EMA 跟随，规则永远等不到。

“模型一次都没被叫”本身就是一个结论：不是模型没用，是候选规则没覆盖到这种行情。后来候选改成了以浮亏、时长、逆势为主的组合，才有了可用的样本。

八、工程约束

部署在一台 Ubuntu 上，本机只写代码跑单测。原因很实际：本机到币安和英文 RSS 超时，服务器到中文站 403 / 404，只有 ChainCatcher 两边都通。

依赖只有标准库：urllib 而不是 requests，xml.etree 自己解 RSS 和 Atom，数据库用内置 sqlite3。代价是超时、重试、退避要自己写；好处是部署就是 tar 加解包，没有依赖漂移。

调度是“一个心跳”而不是“一排定时器”：mi-tick.timer 每小时 :05 唤醒，decide() 决定跑 daily 还是 hourly，job_state 记“今天跑没跑”，停机错过只补一次。sentinel 是独立进程，60 秒轮询一次，挂了也不影响 bot。

九、边界与风险

模型看不到的东西：链上数据、期权偏斜、新闻原文。Prompt 要求“缺失就说缺失”，不会编造，但这也意味着它的结论有盲区；
股票类标的：AAPL / TSLA 在闭市时段取不到完整的 5m K 线；
阈值仍是先验：所有分数只看相对排序，别看绝对值；n ≥ 20 之前不给调参建议；
gate 不是保险：它只把“高确信”放行，不保证放行的一定对；
执行层也会坑你：有一次 adjust_trade_position 返回 -current_amount * current_rate，在 Freqtrade 2025.10 的负 stake 语义下换算出的数量超过持仓，日志里刷了 21,841 条 Remaining amount of -...，减仓全部被拒。AI 判对了，也不代表能执行——这条链路上一共有三个可能出错的地方：数据、判断、执行。