切换主题
PA 交易复盘教练实战教程
这套教程要带你做的不是一个“会聊天的机器人”，而是一个能放进训练流程里的 PA 交易复盘教练。
我们从一个很小的需求开始：交易员做完一笔训练交易，希望系统帮他复盘。刚开始只要能说清楚“这笔交易哪里做错了”就行。可是业务一往前走，问题会自己冒出来：用户给的信息不完整怎么办？模型瞎算盈亏怎么办？用户问“现在能不能买”怎么办？复盘报告要入库、要统计、要形成长期训练记忆怎么办？一个教练不够看，是否要加风险教练、心理教练、数据教练？所有请求都走完整专家组会不会太重？
这套课就按这个节奏走。每一章先让问题出现，再引入一个能力。
你最后会得到什么
你会得到一个可以真实运行的伴生工程 pa-review-coach-tutorial。
它提供一个接口：
http
POST /api/pa-review/reviews你可以传入训练交易 ID、是否带 K 线窗口、用户想问的问题，然后拿到结构化复盘结果：
json
{
"status": "REVIEWED",
"tradeId": "T-1001",
"riskReward": 2.0,
"realizedR": -0.8,
"executionScore": 62,
"primaryProblem": "没有等待回踩确认，入场动作和 plannedSetup 不一致",
"experts": ["PA 教练", "风险教练", "心理执行教练", "数据教练"]
}它还会处理两类真实业务情况：
- 信息不够时，不硬编，先进入追问状态。
- 用户问实盘买卖方向时，不回答，进入保护栏拦截。
怎么读
第一遍读，不要急着背概念。你只需要盯住一件事：为什么上一章的方案撑不住了。
比如第一章我们先做最小 MVP。第二章马上会发现，普通回答太散，需要一个 ReviewCoachAgent。第三章又会发现，自由文本交易记录太乱，必须建交易数据模型。后面每一章都是这样往前推。
课程章节
- 项目边界与最小 MVP：先让复盘闭环。
- 第一个 ReviewCoachAgent：让回答像教练，而不是像闲聊。
- 交易数据模型：别让复盘建立在一段散文上。
- 工具调用：交易读取和风险计算必须可验证。
- K 线窗口：只看交易表，看不懂入场上下文。
- 结构化复盘报告：让报告能入库、能统计、能复查。
- 训练者记忆：从“单笔交易”走向“长期习惯”。
- PA 知识库与 RAG：让教练有训练体系。
- Web 搜索补充：只补概念，不补喊单。
- 复盘保护栏：把训练复盘和实盘建议分开。
- Graph 复盘流程：流程变长后要能维护。
- 中断恢复与人工确认：信息不足时先停下来。
- 多智能体专家组：不同视角分别审。
- Routing 分诊：轻问题轻处理，重问题进专家组。
- 工程化收尾：日志、测试、观测、成本和权限。
- 坑点清单与上线检查清单：上线前别栽在细节里。
学习姿势
每章末尾都有练习题。下一章开头会先给上一章参考答案，再进入新内容。这样你每次读下一章时，都会先复盘一下自己上一章到底有没有想明白。
如果你只想先看效果，可以直接从第一章跑工程；如果你想做成自己的项目，就按章节一步一步改。