ruflo 实战用 neural-trader 的 trader-regime 技能完成市场行情状态Regime检测与策略匹配【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本文围绕 ruflo 插件体系中的trader-regime技能系统讲解如何在 ruflo 中通过npx neural-trader检测当前市场处于 bull / bear / ranging / volatile 中的哪一种行情状态market regime并结合技术指标、SONA 预测与 AgentDB 记忆检索给出可落地的策略建议。读完本文你将掌握 regime 检测的完整命令行流程、六大行情分类的判定规则、与trading-strategist/risk-analyst等智能体协作的消息契约以及如何在回测与实盘前让信号生成具备“行情状态感知”能力。一、trader-regime 技能定位行情状态是策略选择的“前置开关”在量化交易流水线中最昂贵的错误往往不是信号算错而是在错误的市场状态下使用了错误的策略类型震荡市里追趋势、单边牛市里做均值回归都会带来系统性亏损。trader-regime技能解决的就是这个问题——它把“当前市场处于什么状态”这一判断从策略内部剥离出来作为独立的检测步骤前置到回测、信号扫描甚至实盘之前。在 ruflo 中该技能归属于ruflo-neural-trader插件元数据定义位于 plugins/ruflo-neural-trader/skills/trader-regime/SKILL.mdnametrader-regime触发场景用户询问市场状况、想为当前行情选择策略、或准备运行一个应当感知行情状态的回测/信号扫描允许工具Bash、Read以及mcp__plugin_ruflo-core_ruflo__memory_store、mcp__plugin_ruflo-core_ruflo__memory_search、mcp__plugin_ruflo-core_ruflo__neural_predict三个 MCP 工具参数提示[--symbol SPY] [--symbols AAPL,MSFT]即单标的与多标的两种调用方式。该技能对应 README 中trader-regime一行用法/trader-regime [--symbol SPY]定位为“Market regime detection and classification”完整插件说明见 plugins/ruflo-neural-trader/README.md。二、环境准备安全安装 neural-trader技能的第一步是确保neural-tradernpm 包可用npm ls neural-trader 2/dev/null || npm install --ignore-scripts neural-trader--ignore-scripts并非可有可无neural-trader的安装钩子在非 linux-x64 平台上有过 fork-bomb 前科README 的 Prerequisites 一节记录了 2.5.0 之后一连串安装缺陷的修复过程当前插件锁定neural-trader^2.8.11。README 给出的推荐安装命令为npm install --ignore-scripts neural-trader^2.8.11仓库里的运行时冒烟脚本 plugins/ruflo-neural-trader/scripts/runtime-smoke.sh 也把这一安全习惯固化为契约它在一个临时目录中执行npm install --ignore-scripts --no-audit --no-fund neural-trader${NT_PIN}NT_PIN默认2.8.11并逐一验证 20 个文档化的 CLI 入口点。三、核心命令单标的与多标的行情检测3.1 单标的检测npx neural-trader --regime-detect --symbol TICKER以 SPY 为例npx neural-trader --regime-detect --symbol SPY3.2 多标的批量检测npx neural-trader --regime-detect --symbols AAPL,MSFT,GOOGL,AMZN--symbols接收逗号分隔的代码列表适合对一篮子股票或一个板块同时做状态扫描。这与 runtime-smoke.sh 第 5 步的验收一致npx neural-trader --regime --symbol SPY必须返回 JSON 且command字段等于regime凡是命令不输出可解析 JSON 的构建都会被标记 FAIL。3.3 补充技术指标上下文仅凭一个状态标签不足以支撑交易决策技能要求同时拉取技术指标作为上下文npx neural-trader --symbol TICKER --indicators rsi,macd,bollinger,adx,atrmarket-analyst智能体定义见 plugins/ruflo-neural-trader/agents/market-analyst.md的完整工作流把这两步串成一条链路拉取全量指标npx neural-trader --symbol TICKER --indicators all分类行情状态npx neural-trader --regime-detect --symbol TICKER检查相关性npx neural-trader --correlation --symbols TICKERS --window 30d存入记忆见下文第五节与历史行情比对四、六大行情状态分类与策略匹配结合 SKILL.md 的产出要求与 market-analyst.md 的判定表regime 检测引擎将行情归入六类状态每类对应明确的指标判定条件与推荐的策略家族行情状态判定指标推荐策略Bull trending牛市趋势ADX 25价格 200 SMA成交量放大动量、趋势跟踪momentumBear trending熊市趋势ADX 25价格 200 SMA成交量放大做空动量、对冲hedgingRanging震荡ADX 20价格在支撑/阻力之间布林带收口均值回归mean-reversionHigh volatility高波动VIX 25ATR 扩张降低仓位、放宽止损Low volatility低波动VIX 15ATR 收缩准备突破breakoutTransitioning状态切换中背离形成、量能转移平掉旧仓等待确认4.1 与内置策略类型的映射trading-strategist智能体plugins/ruflo-neural-trader/agents/trading-strategist.md正是依据这张表来挑选策略族而neural-trader内置了五种可直接创建的策略类型与之呼应策略类型CLI Flag入场逻辑Momentum--strategy momentumRSI MACD 确认趋势跟随Mean-reversion--strategy mean-reversionZ-score 2.0布林带极端Pairs trading--strategy pairs协整价差发散Multi-indicator--strategy multi-indicatorRSI MACD 布林带组合Adaptive--strategy adaptive依据 regime 检测自动切换其中adaptive策略把本文讨论的“状态感知”直接内建到策略执行层runtime-smoke.sh 第 18 步专门断言npx neural-trader --backtest --strategy adaptive --symbol AAPL的输出中包含非空的.regimePicked字段即回测必须明确报告“本次运行选择了哪个行情状态”。五、三层深化SONA 预测、历史检索与记忆沉淀regime 检测不是终点SKILL.md 的第 47 步要求将检测结果接入 ruflo 的记忆与预测基础设施形成可积累的分析闭环。5.1 SONA 神经网络预测mcp__plugin_ruflo-core_ruflo__neural_predict({ input: indicators: RSIX, ADXY, VIXZ })把刚拉取的指标快照作为输入喂给 SONAruflo 的自学习智能体核心得到对后续状态的预测输出。trading-strategist还提供了对应的离线训练入口用于把回测轨迹反哺给 SONAnpx claude-flow/clilatest neural train --pattern-type trading-strategy --epochs 20 npx claude-flow/clilatest neural predict --input current market: high volatility, upward drift5.2 相似历史行情检索mcp__plugin_ruflo-core_ruflo__memory_search({ query: regime similar to CURRENT, namespace: trading-analysis })在trading-analysis命名空间中检索历史上出现过相似 regime 的时段为当前判断提供“历史先例”证据。该检索在 ruflo 的记忆栈中自动获得混合检索能力稠密 ANN 稀疏 FTS5 关键词经 RRF 融合与 MMR 去重当嵌入模型不可用时优雅降级为纯关键词检索不会报错中断。5.3 分析结果持久化mcp__plugin_ruflo-core_ruflo__memory_store({ key: regime-DATE, value: REGIME_ANALYSIS, namespace: trading-analysis })以regime-日期为键、完整分析为值写入trading-analysis命名空间。trading-analysis是 ruflo-neural-trader 插件拥有的五个 AgentDB 命名空间之一规范见 README “Namespace coordination” 一节专门存放 market-analyst 的输出——regime 分类、技术指标摘要与模型训练结果。命令行等价形式为npx claude-flow/clilatest memory store --namespace trading-analysis --key regime-TICKER-DATE --value ANALYSIS npx claude-flow/clilatest memory search --query similar regime to CURRENT_REGIME --namespace trading-analysis六、流向下游RegimeVerdict 消息契约在 ruflo 的 live 流水线中ADR-126 Phase 5market-analyst是流水线入口regime 检测的产物通过类型化消息RegimeVerdict发送给trading-strategist再由其生成SignalProposal交给risk-analyst做风险审批。整个链路的类型定义集中在 plugins/ruflo-neural-trader/src/pipeline-messages.tsexport interface RegimeVerdict { type: regime-verdict/v1; from: market-analyst; timestamp: string; regime: | bull-trending | bear-trending | ranging | high-volatility | low-volatility | transitioning; symbols: string[]; confidence: number; // [0, 1] indicators?: Recordstring, number; }confidence字段0~1 之间的置信度是 SKILL.md 第 6 步要求向用户呈现的核心产出之一。SignalProposal中还有一个可选的regime字段用于把“触发该信号的上游行情状态”一并带上方便risk-analyst在审批时结合状态做仓位调整——例如RiskDecision可以携带adjustedSizePct收缩提议仓位。值得注意的是trading-strategist被结构性风险闸门约束未收到decision: approved的RiskDecision前禁止调用--broker实盘下单。七、检测结果的呈现与回测前校验SKILL.md 第 6 步要求向用户完整呈现四类信息regime 分类六类之一可给出多标的时逐标的列出置信度对应RegimeVerdict.confidence推荐的策略类型对照第六节映射表历史先例来自第 5.2 节的相似行情检索。在投入实盘前建议先用回测验证“状态感知策略”的收益质量。可复用trader-backtest技能的 walk-forward 能力npx neural-trader --backtest --strategy adaptive --symbol SPY --period 2020-2024 --walk-forward--walk-forward使用训练窗口/测试窗口滑动推进的方式验证策略稳健性避免一次性回测的过拟合幻觉runtime-smoke.sh 对.walkForward.windowsRun字段做了非空断言。若回测结果显示 Sharpe 超过 1.5trader命令文档plugins/ruflo-neural-trader/commands/trader.md建议将结果存入trading-backtests命名空间并触发 SONA 训练。八、与风险控制的联动regime 检测结果直接参与风控决策。trader-risk技能plugins/ruflo-neural-trader/skills/trader-risk/SKILL.md中的熔断机制与行情状态高度耦合波动率 regimeVIX 历史均值 2 倍 → 强制最小仓位日亏损单日回撤 3% → 暂停新开仓高波动行情下更容易触发周亏损单周回撤 5% → 仓位整体减半相关性尖峰组合相关性 0.85 → 削减相关头寸集中度单标的 10% → 强制减仓。实操上检测到high-volatility状态后应同步执行npx neural-trader --risk assess --symbol TICKER与npx neural-trader --risk-tolerance 0.02 --symbol TICKER按 2% 风险预算计算仓位并把结果写入trading-risk命名空间。九、验证与回归把技能行为固化为测试ruflo 为这套流程提供了两层可执行验证文件契约层bash plugins/ruflo-neural-trader/scripts/smoke.sh校验插件文件存在性与 README 版本钉住预期输出11 passed, 0 failed运行时契约层bash plugins/ruflo-neural-trader/scripts/runtime-smoke.sh在真实安装上逐条执行技能文档化的 CLI 命令断言 JSON 结构与关键字段--regime的command字段、adaptive 回测的.regimePicked等产出$PASS passed, $FAIL failed的统计。此外plugins/ruflo-neural-trader/benchmarks/signal-generation.bench.mjs 用 mulberry32 种子合成确定性 OHLCV 序列对信号扫描的异常检测算术核心spike / drift / flatline / oscillation / pattern-break / cluster-outlier 六分类做延迟基准保证同一 seed 下结果跨机器可复现——这套方法论同样适用于 regime 检测的算术核心。十、完整实操流程速查把以上内容收敛为一条可直接照做的流程# 1. 安全安装锁定 2.8.11跳过安装钩子 npm ls neural-trader 2/dev/null || npm install --ignore-scripts neural-trader^2.8.11 # 2. 单标的 regime 检测 npx neural-trader --regime-detect --symbol SPY # 3. 多标的批量检测 npx neural-trader --regime-detect --symbols AAPL,MSFT,GOOGL,AMZN # 4. 拉取指标作为上下文 npx neural-trader --symbol SPY --indicators rsi,macd,bollinger,adx,atr # 5. 指标快照喂给 SONA 做预测 # mcp__plugin_ruflo-core_ruflo__neural_predict({ input: indicators: RSIX, ADXY, VIXZ }) # 6. 检索相似历史行情 # mcp__plugin_ruflo-core_ruflo__memory_search({ query: regime similar to CURRENT, namespace: trading-analysis }) # 7. 呈现regime 分类 / 置信度 / 推荐策略 / 历史先例 # 8. 持久化分析 # mcp__plugin_ruflo-core_ruflo__memory_store({ key: regime-DATE, value: REGIME_ANALYSIS, namespace: trading-analysis })在 ruflo 中行情状态检测的价值不止于“告诉用户现在是牛是熊”——它通过RegimeVerdict把状态判定注入下游策略选择、通过trading-analysis命名空间沉淀可检索的历史先例、通过 SONA 预测引入前瞻能力最终让每次回测和实盘信号都带上“状态感知”这一关键维度。掌握trader-regime技能等于为整条量化流水线装上了正确的起跑开关。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考