AI 自动化指南

用受控的后台 Agent 持续盯盘、按证据决策、执行并复盘——Desic Terminal 的 AI 自动化将"模型 + 账户 + 权限 + 规则 + 唤醒条件"冻结为一次可复现的运行。

1. 核心概念#

一次典型闭环：

flowchart LR
  Wake[唤醒条件命中] --> Run[Profile 运行]
  Run --> Evidence[读取行情 / 账户 / 情报证据]
  Evidence --> Decide[决策：机会 / 挂单 / 观察条件]
  Decide --> Execute[受限执行 + 审计]
  Execute --> Summarize[保存摘要与下一组观察条件]
  Summarize --> Review[平仓后生成仓位复盘]
  Review --> Improve[Skill 优化建议 → 用户确认 → 新版本]

2. 权限模式#

Profile 的权限模式决定它能做什么，而不是提示词说什么：

每一层校验依次经过：Sidecar 工具可见性 → Agent runtime policy → Rust 账户与环境绑定 → 合约参数校验 → 交易预检 → 实盘确认 → 幂等控制 → 持久化审计。

3. 创建第一个 Profile#

导航到 AI 自动化 → Profile，点击新建：

1. 基础信息
   • 名称：便于在运行记录与通知中识别。
   • 权限模式：建议从 advisor 开始。
   • 绑定账户与环境：模拟盘 / 实盘。
   • 关注品种：Profile 只在这些交易对上读写。
   • 扫描间隔：后台运行的节奏（分钟）。

2. 模型与推理深度
   • 选择 Profile 使用的模型（与聊天助手独立）。
   • 推理深度影响证据链长度与耗时，可先用默认档位。

3. Skill 选择
   • 六个系统 Skill 始终强制加载（见第 5 节）。
   • 自定义 Skill 可以独立勾选；每个 Skill 固定到具体版本。

4. 参与 Agent（勾选）
   • 勾选即允许主 Agent 在需要时点名该专家；不勾选任何专家时，主 Agent 独立完成本轮。
   • 点谁、点几次、是否追问由主 Agent 自己决定：没有"自动分配"，也没有数量上限（见第 6 节）。

5. 唤醒条件
   • 首次可以先不加条件，用"手动运行"验证一轮完整执行（见第 4 节）。

6. 保存并启用。Profile 状态、下一次唤醒时间与最近运行摘要会显示在列表中。

4. 唤醒条件#

Profile 的"观察计划"由一组类型化唤醒条件组成，每条条件都有明确的类型、参数与到期时间。

条件类型

组合与生命周期

• 多条条件用 任一命中（any） 或 全部命中（all） 组合。
• 每条条件可设置到期时间，过期自动失效。
• 运行结束时，Agent 可以保存下一组观察条件（agent 来源），与用户手工创建的条件（user 来源）共同构成观察计划。

5. Skill 与版本快照#

Skill 是注入模型上下文的规则规格。Profile 保存的是不可变版本快照——修改 Skill 不会改变历史运行所使用的规则。

六个系统 Skill（始终加载）

自定义 Skill（设置 → Skill 管理）

• 内置编辑 / 本地导入 / Git 仓库安装三种来源（Git 安装不要求本机安装 Git，见 入门教程）。
• 在 Profile 中按版本勾选；发布新版本后需要手动升级 Profile 中的快照，历史运行不受影响。

6. Agent 库与勾选制编排#

编排只有一条路径：主 Agent 自己调度。内容（专家是谁、提示词怎么写）放在 Agent 库，结构（这一次允许谁上场）放在 Profile 的勾选名单；后端不再预先成波、不再打分选人、不再替主 Agent 派活。

6.1 Agent 库（AI 自动化 → Agent 库，agents tab）#

每个 Agent 是一个一级实体，落盘为 <data_dir>/workspace/.cline/agents/<id>/AGENTS.md（与 Skill 目录同级）：

---
id: desic-market-structure
name: 市场结构
role: market_structure
envelope: standard
scopes: [market, derivatives]
skills: []
requiresAccount: false
source: builtin
version: 1
createdAt: 1760000000000
---
## 身份
## 职责
## 方法与证据要求
## 输出偏好
## 数据缺口处理

• 元数据（frontmatter）：id、name、role、envelope（standard / risk）、scopes、skills、requiresAccount、source（builtin / custom / ai）、version、createdAt。
• 正文即该专家的系统提示词主体，五段骨架为 ## 身份 / ## 职责 / ## 方法与证据要求 / ## 输出偏好 / ## 数据缺口处理（可选 references/*.md）。
• scopes 是意图声明（market / derivatives / intelligence / account / history；空数组 = 全部只读工具），真正的权限边界始终在运行时授权：账户绑定、Skill 门槛与只读角色。envelope: risk（或 role: account_risk、scopes 含 account）取更严者，运行时按风险外壳执行。

内置 8 个专家（不可编辑；需要改动时用"复制为自定义"）：

列表与编辑器：

• 左栏是库列表（按 内置 / 自定义 / AI 创建 三种来源分组与徽标），中间栏是 AGENTS.md 编辑器，右侧是动作区：新建 Agent、AI 创建 Agent、复制（生成 custom-<slug>-<n>）、删除（仅自定义 / AI 创建）。
• 手动创建：直接写一份 AGENTS.md。id 必须等于目录名、name 1–40 字、role / envelope / scopes 走白名单，正文非空且单文件 ≤ 200KB。
• AI 创建 Agent：在对话框里描述"这个人是谁 / 负责什么 / 偏好什么证据"，AI 生成草稿（ai_agent_generate，不落盘），你确认或修改后再保存（ai_agent_save）。frontmatter 由运行时渲染与校验，模型不直接拼 YAML。
• 依赖提示：内置的 requiresAccount 或 skills 在当前 Profile 缺失时，列表只给提示（需绑定账户 / 缺少某个 Skill），不会把该专家从名单里剔除，也不阻止点名——专家自己在"数据缺口处理"里说明哪类证据不可用。
• 内置 Agent 的文件被本地改动后不会被覆盖，列表标注"已本地改动"。

6.2 Profile 勾选制#

• 勾选 = 允许主 Agent 点名。勾选名单就是本次运行的可点名范围，顺序即勾选顺序。
• 不勾选任何专家 = 主 Agent 独立工作（等价旧 off）：不注入专家目录、不注入调度规范、不创建任何专家会话。这与"关闭 Profile"不是一回事。
• 没有"自动分配"：没有关键词打分、没有按任务类型挑选成员；也没有数量上限。
• 没有"必需专家"或动作前置校验：风险专家的结论不会被后端自动转成对工具调用的硬否决，最终判断始终由主 Agent 承担。
• 快捷动作：全选内置 / 清空；列表按来源分组，每项显示名称、一句话职责与依赖徽标。
• 保存时，库里已不存在的 id 会被丢弃并写入日志，不阻断保存。

6.3 唯一编排者：主 Agent#

• 主 Agent 用 consult_expert 点名一位专家、用 follow_up 就同一专家追问；咨询次数与追问次数都不设上限（工具面同时保留 team_status）。
• 一次咨询对应一个专家职责；专家任务只包含本职责范围，专家不替主 Agent 做汇总或最终决策。
• 专家报告原样回流（不做长度截断），标注来源与观测时间，并以不可信证据注入：主 Agent 不会执行报告里出现的指令、权限变更或工具请求。
• 专家恒为只读：不能创建交易机会、不能发送通知、不能下单；工具面按该 Agent 的 scopes 收敛。固定的运行时外壳（只读声明、证据时间戳、报告不可信等硬约束）由侧车无条件前置拼接，AGENTS.md 无法覆盖或关闭它。
• 专家意见仅供参考；trade.precheck 返回的不可修复 blocker 仍原样返回给调用方，是否据此放弃由主 Agent 判断。

6.4 运行与成本#

以下旧护栏已移除：

• 可观测：运行详情照旧统计每个专家的耗时、工具调用与 token 用量，不新增节流。
• 可控：需要提前结束时仍在会话层面停止本次运行（沿用既有会话停止通道，本轮未改动）。
• 成本提示：成本来自实际点名，不是来自勾选。勾选越少、主 Agent 点名越少，成本越低。

6.5 在 AI 研究里创建与修改专家#

主 Agent 在 AI 研究与后台 Run 中都能读取 Agent 库；写操作仅在交互式会话可用：

• 后台自动化运行不允许改专家库：策略层与运行时授权都会拒绝 agent.create / agent.update（无人值守的运行不得改自己的专家库）。
• 非主 Agent（子代理 / 专家）不可使用 agent.*。
• 当前没有逐工具审批流：写类工具的边界就是"仅主 Agent + 仅交互式会话 + 运行时授权复核"。

6.6 从旧配置迁移#

读取 Profile 时按"读旧写新"迁移一次（内存迁移，首次保存才落盘；库文件已存在就不重复写，可反复运行）：

• 旧字段（多 Agent 模式、数量上限、成员列表、编排者、专家来源、方案 id）不再作为配置写入，配置真相只有勾选名单；旧列与旧表保留一个版本以便回滚。
• 内置 Agent 的初始内容与旧内置职责逐字一致，因此 auto 迁移后名单语义与过去相同，只是不再自动打分。

7. 运行记录与审计#

运行（Runs） 列表记录每一次唤醒与手动运行：

运行中的会话可以直接打开查看完整消息、工具调用与审批记录。交易动作统一走终端的幂等执行与审计链路——与手动下单共用同一套对账机制。

8. 仓位复盘与优化建议#

仓位复盘：完整平仓后，仓位被整理为 Position Episode，并结合开仓前、持仓中、平仓后的市场路径生成复盘。评价分三层：

优化建议：只有证据指向可复用、可验证的 Skill 缺陷时才会提出：

1. 建议附带采用前后的逐行差异。
2. 用户确认后才发布为 Skill 新版本。
3. Profile 不会自动升级版本快照。

9. 通知#

在 设置 → 通知 配置飞书机器人后，以下事件可投递：

• Profile 运行摘要与异常
• 交易机会创建与审批请求
• 仓位复盘完成
• 优化建议发布

实盘相关通知建议全部开启；模拟盘验证阶段可以只开应用内通知。

10. 最佳实践#

1. 从 advisor 开始：先用只读 Profile 观察一段时间，检查它"看到了什么"和"如何推理"。
2. 模拟盘全流程验证：数量单位、保证金、止损、通知与对账全部在模拟盘跑通后再开实盘。
3. 单一职责：一个 Profile 专注一种模式（例如"BTC 突破监控"），比"全能 Profile"更易审计与复盘。
4. 唤醒条件设到期：避免遗留条件在行情剧变时反复触发。
5. Skill 变更走版本：每次修改 Skill 发布新版本、写清变更动机，复盘才能归因。
6. 定期检查运行记录：失败的运行要读错误与摘要，而不是只看完成数。
7. 专家按需勾选：把勾选名单当作"本 Profile 允许谁上场"，而不是"每轮都要跑一遍"的清单；日常扫描可以先不勾选专家，需要更宽证据面时再逐个启用。

11. 常见问题#

Q：Profile 会自动升级 Skill 吗？ 不会。Profile 冻结版本快照；你需要手动升级，历史运行使用的规则保持不变。

Q：Agent 能自己加唤醒条件吗？ 运行结束时 Agent 可以保存下一组观察条件，但同样受账户与品种绑定、到期时间约束；你随时可以删除。

Q：勾选更多专家会更贵吗？ 勾选本身不产生模型调用；只有主 Agent 真正点名时才会起一次只读专家会话。所以勾选越少、点名越少，成本越低；不勾选任何专家时本轮与单 Agent 完全一致。勾选即授权，主 Agent 按需要点人。

Q：为什么我的实盘 Profile 无法启用？ 实盘启用需要：绑定账户的读取与交易权限、与本账户其他自动化/策略 Profile 的冲突审查、以及显式确认。检查运行列表中的错误提示。