DevLog #010: Antigravity 文档评审 — Phase 3 完成确认 + Phase 4 改进建议

日期: 2026-04-06 状态: 评审完成 Tags: phase3, phase4, its, debate-engine, architecture-review

Phase 3: QSS 实盘策略 — 全部已完成 ✅

文档任务实际状态Commit
实现 Titan Resonance Strategyqss/strategy/resonance_strategy.py 222行，三维共振（价值30+趋势40+择时30 - 波动率惩罚）0865571
策略防护状态机扩容qss/core/signal.py 已有 stop_loss_price + metadata 字段0865571
Chandelier Exit 吊灯止损qss/risk/stop_loss.py 143行，ATR 动态乘数 + 超级趋势检测 + 硬止损 max(吊灯线, 成本*0.92)0865571
测试覆盖tests/test_phase3_strategies.py 429行，22个测试0865571

结论: Phase 3 已在 commit 0865571 中全部完成。文档应标记为 DONE。

Phase 4: ITS Harness 维度隔离 — 方向正确，需补充

文档诊断正确的问题

  1. “大锅炖"确实存在: engine.py:_build_prompt_context() 把整个 DebateContext 一锅端进 dict
  2. Bull/Bear/Arbiter 收到相同数据: prompts.py 中 build_bull_prompt() 和 build_bear_prompt() 都拿到同一个 technical_summary
  3. LLM 容易产生附和幻觉: 当 Bull 说"MA60 支撑"时，Bear 因为也看到 MA60，可能只是反驳但不会从基本面角度独立思考

文档遗漏或需要修正的问题

1. context_builder.py 根本不存在

文档说要"修改 its/debate/context_builder.py"，但该文件不存在。上下文构建逻辑目前内嵌在 engine.py:_build_prompt_context()。

需要新建而非修改。

2. 数据模型层缺少基本面和情绪结构

DebateContext 当前只有:

@dataclass
class DebateContext:
    technical: TechnicalData      # 技术指标 (已有)
    position: PositionData        # 持仓 (已有)
    recent_signals: list[dict]    # 近期信号 (已有)
    # ❌ 缺少 FundamentalData
    # ❌ 缺少 SentimentData

隔离不能只靠 Prompt 层剪枝，必须先补数据模型:

  • FundamentalData: PE/PE_TTM/PB/ROE/营收增长率/净利润率…
  • SentimentData: 新闻情感得分/量比/换手率异常/行业资金流向…

3. 异步数据层已就绪，可直接复用

Phase 4 刚完成的异步基础设施可以直接为 ITS 提供多源并发数据:

  • _retry.py: 指数退避重试 (AKShare 网络请求)
  • _batch.py: Semaphore 并发获取多只股票
  • AsyncDataService: 多源竞速 (AKShare + QMT + CSV)
  • DataFeed.get_pe_history(): PE 分位数据 (已接入 ResonanceStrategy)

新增 Agent 角色定义

当前只有 Bull/Bear/Arbiter 三个角色，全部基于同一份混合数据。隔离后应该变为:

角色数据范围盲区
Technical AgentK线、MA/MACD/BOLL/SKDJ、成交量看不到 PE/财务/新闻
Fundamental AgentPE/PB/ROE/财报/行业对比看不到价格走势图形
Sentiment Agent新闻情感/量比/资金流向/换手率看不到具体技术指标数值
Arbiter多空观点汇总 + 价格 (仅价格)不直接看原始数据，只看三方观点

三层隔离实现策略

Layer 1: Data Model 隔离
  ├── FundamentalData (新)
  ├── SentimentData (新)
  └── TechnicalData (已有)

Layer 2: Context Builder 路由
  ├── build_technical_context() → 只返回技术指标
  ├── build_fundamental_context() → 只返回基本面数据
  └── build_sentiment_context() → 只返回情绪数据

Layer 3: Prompt 盲区
  ├── Technical Agent prompt → 零财务/情绪关键词
  ├── Fundamental Agent prompt → 零技术图形关键词
  └── Arbiter prompt → 只看三方观点 + 价格

★ Insight ───────────────────────────────────── 隔离的本质是"强制盲区”。 不是告诉 Agent"你应该忽略 X"，而是干脆不把 X 传给它。 这样才能真正避免 Agent 在多个维度之间做加权平均， 而是从每个维度独立的视角出发做纯粹判断。 ──────────────────────────────────────────────────

下一步行动

  1. ✅ Phase 3 文档标记为 DONE
  2. ⏳ Phase 4 按"数据模型 → Context Builder → Prompt 隔离"顺序推进
  3. ⏳ 利用已有异步数据层获取基本面和情绪数据
  4. ⏳ 新增穿刺测试: 高 PE 烂图形 → 应被拒绝; 好图形烂基本面 → 也应被拒绝

Generated from: docs/ANTIGRAVITY_REVIEW.md