附录. 坑点清单与上线检查清单：别让项目在细节里翻车

上一章练习参考答案

第一题，promptVersion 要进日志，因为模型输出变化时，你需要知道是不是提示词变了。没有版本，复盘结果无法追踪。

第二题，用户身份、交易记录、截图内容、训练记忆、原始对话、账户信息都属于敏感数据。普通日志里只放必要 ID 和状态，敏感内容要脱敏或进受控审计日志。

第三题，专家组慢时先看 Routing。能不进专家组的请求先分出去。然后看并行执行、模型选择、RAG 召回数量、K 线读取和超时策略。

最容易踩的坑

第一，把复盘教练做成喊单助手。

这是最大的方向错误。只要系统开始回答“现在能不能买”，所有训练价值都会被实盘风险淹没。保护栏必须从第一天就做。

第二，让模型计算关键数字。

盈亏比、R 值、仓位风险这些应该由工具计算。模型可以解释，但不能心算。

第三，信息不足还硬写报告。

没有止损、止盈、入场计划时，系统应该追问。专业不是话多，专业是知道什么时候不能下结论。

第四，知识库乱塞材料。

训练知识库要服务你的训练体系。不要把行情观点、论坛争论和未经验证的战法都塞进去。

第五，多智能体过早上。

单笔简单复盘不需要专家组。先把单教练做稳，再拆专家。

第六，没有版本和 trace。

模型、提示词、知识库、工具逻辑都会变。没有版本，线上问题就会变成玄学。

上线前检查清单

业务边界

• 系统明确只做已发生训练交易的复盘。
• 用户问实时买卖方向时返回 BLOCKED。
• 响应里有边界提示。
• 前端不会把复盘结果包装成实盘建议。

数据和工具

• 交易模型包含入场、方向、止损、止盈、出场、计划和截图备注。
• 风险收益由工具计算。
• 关键信息缺失时进入 NEEDS_MORE_CONTEXT。
• K 线窗口有快照或可追溯读取方案。

报告和体验

• 报告是结构化对象，不只是一段自然语言。
• 用户能看到主要问题、证据、训练任务。
• 信息不足时有明确追问。
• 越界时有改写建议，而不是冷冰冰拒绝。

AI 能力

• Agent 系统提示词写清楚训练边界。
• RAG 只检索训练知识。
• Web 搜索只用于概念补充。
• 输出层会检查危险表达。
• Routing 不让所有请求都走最重流程。

工程质量

• Service 和 Controller 有测试。
• 正常复盘、信息不足、越界拦截三条路径都跑过。
• 记录 reviewId、route、status、promptVersion、modelVersion、latency。
• 敏感数据不进普通日志。
• 失败时能定位是数据、工具、模型、知识库还是保护栏问题。

最后怎么继续练

你可以从伴生工程继续扩展三件事。

第一，把 InMemoryTradeRepository 换成真实数据库。

第二，把 KnowledgeBase 换成向量检索，并给每条训练知识加版本。

第三，把 ReviewCoachService 里的流程拆成真正的 Graph 节点，再把复杂请求路由到多智能体专家组。

做到这里，你就不只是写了一个聊天接口，而是有了一个能持续演进的 PA 训练复盘系统。