00. 课程设计：我们到底要做一个什么样的 PA 复盘教练

先说边界。

这套教程里的 PA，是 Price Action 训练语境里的 PA。我们不做实盘喊单，不预测未来涨跌，也不告诉用户现在该买还是该卖。我们做的是训练复盘：拿一笔已经发生的训练交易，分析计划、入场、止损、止盈、K 线上下文和执行动作是否一致。

这个边界非常重要。因为只要你把它做成“交易建议机器人”，后面所有工程设计都会变形：提示词会鼓励它猜方向，知识库会被拿去拼观点，搜索会被拿去查最新行情，用户也会不断诱导它回答“现在能不能买”。这不是训练教练，这是风险入口。

所以课程第一条规则是：复盘只处理过去发生的训练样本。

伴生工程先长什么样

伴生工程是一个 Spring Boot 小项目，先不强依赖真实 LLM Key。原因很现实：教程要保证读者能跑起来。真正接 Spring AI Alibaba 的位置，会在 Agent、Tool、Graph、Routing 这些章节讲清楚；本地工程用确定性代码把同一套业务边界跑出来。

项目结构如下：

pa-review-coach-tutorial/
  pom.xml
  src/main/resources/application.yml
  src/main/java/com/example/pareview/
    PaReviewCoachApplication.java
    api/
      ReviewCoachController.java
      ReviewRequestBody.java
      ReviewReportResponse.java
    coach/
      ReviewCoachService.java
      ReviewRequest.java
      ReviewReport.java
      ReviewStatus.java
      TradeRecord.java
      RiskMetrics.java
      RiskCalculator.java
      GuardrailService.java
      TrainingMemory.java
      KnowledgeBase.java
      TradeRepository.java
      KlineWindowRepository.java
      KlineBar.java
      ReviewCoachFixture.java
    data/
      InMemoryTradeRepository.java
      InMemoryKlineWindowRepository.java
  src/test/java/com/example/pareview/
    api/ReviewCoachControllerTest.java
    coach/ReviewCoachServiceTest.java

先把它跑起来：

cd D:\idea_space\pa-review-coach-tutorial
mvn.cmd test
mvn.cmd spring-boot:run -Dspring-boot.run.jvmArguments=-Dfile.encoding=UTF-8

启动后调用：

Invoke-RestMethod `
  -Uri "http://127.0.0.1:18091/api/pa-review/reviews" `
  -Method Post `
  -ContentType "application/json; charset=utf-8" `
  -Body '{"tradeId":"T-1001","includeKline":true,"question":"复盘这笔训练交易"}'

你应该看到 status=REVIEWED，并且有 riskReward=2.0、realizedR=-0.8、primaryProblem、nextTrainingTask 这些字段。

为什么不是一上来就接大模型

因为工程教程最怕两件事。

第一，读者还没理解业务边界，就先被模型 Key、网络、依赖版本、提示词细节卡住。卡住之后，他分不清是自己代码错了，还是模型输出飘了。

第二，教程用 LLM 输出当唯一效果，读者看不出来哪些部分是业务代码保证的，哪些部分只是模型这次刚好说对了。

所以我们先把复盘系统拆成稳定部件：

• Controller 负责接收请求。
• Service 负责编排复盘。
• Repository 负责拿交易和 K 线。
• RiskCalculator 负责算风险收益。
• GuardrailService 负责拦截越界问题。
• TrainingMemory 负责训练者历史摘要。
• KnowledgeBase 负责提供 PA 训练知识。

等这些边界清楚之后，再把其中某些节点换成 Spring AI Alibaba 的 ChatClient、ToolCallback、Advisor、Graph 节点或 Routing 节点，读者就知道自己到底在替换什么。

课程主线

我们会从一个产品经理提的小需求开始：

“能不能做个复盘教练？用户做完训练交易，把 tradeId 发过来，系统给他一个复盘报告。”

第一版很好做，甚至不用消息队列、不用数据库、不用 LLM 都能模拟。但产品很快会继续追问：

只给 tradeId 够吗？如果没有止损和止盈，能不能评价交易质量？如果用户发来的是“我这笔亏了，下一笔能不能买回来”，系统该不该答？如果用户想看长期问题，单笔报告够不够？如果教练要同时看 PA、风险、心理、数据，Service 里是不是会越写越乱？

这些追问，就是整套课的推动力。

学完后的判断标准

学完这套课，你应该能判断三件事：

1. 一个 AI 复盘产品的边界在哪里，哪些问题不能答。
2. 一个训练复盘工程应该有哪些稳定模块，哪些地方适合接入大模型。
3. 当业务增长时，应该引入 Tool、Memory、RAG、Guardrail、Graph、Interrupt、Multi-Agent、Routing 中的哪一个，而不是看到概念就乱用。