HyperTrade & ARC (Autonomous Research Core)

生产级受治理 Agent Runtime 与通用自主进化控制内核 (ARC)

🌐 中文主文档 · 🇬🇧 English Documentation · ARC 核心架构 · MCTS与QD搜寻设计 · 红蓝对抗博弈设计 · 归因反思账本设计 · Voyager技能蒸馏设计

---

🌟 概要介绍

HyperTrade 是一个自托管、受治理的量化研究与交易执行 Agent Runtime。在通用 ARC (Autonomous Research Core) 控制内核 的驱动下，HyperTrade 将自然语言量化目标转化为连续、自主演进的策略研发与模拟孵化全流程。

与传统的静态 Agent 框架（如 LangChain、AutoGen、CrewAI）不同，ARC 作为一个循环工程化 Agent 内核 (Loop-Engineered Agent Kernel)，使用蒙特卡洛树搜索 (MCTS) 动态探索策略解空间，通过红蓝对抗引擎（蓝队发明 vs. 红队找茬攻击）审查漏洞，提取多 Regime 因果归因反思，自动蒸馏 Voyager 式可复用 Python 技能组件，并在策略过检后自动上线模拟盘运行。

---

🚀 核心 SOTA 架构创新

┌─────────────────────────────────────────────────────────────────────────────┐
│ ARC (Autonomous Research Core) 通用控制内核 │
│ │
│ ┌────────────────────┐ ┌────────────────────┐ ┌───────────────────┐ │
│ │ 1. 目标编译器 │──►│ 2. MCTS & MAP-Elites│──►│ 3. 状态控制器 │ │
│ │ (ARCGoalCompiler) │ │ (策略树搜寻引擎) │ │ (ARCController) │ │
│ └────────────────────┘ └────────────────────┘ └─────────┬─────────┘ │
│ ▲ │ │
│ │ ▼ │
│ ┌─────────┴──────────┐ ┌───────────────────┐ │
│ │ 5. 归因反思账本 │◄───────────────────────────│ 4. 红蓝对抗引擎 │ │
│ │(ARCReflexionLedger)│ │(ARCAdversarialEngine) │
│ └────────────────────┘ └───────────────────┘ │
└──────────────────────────────────────┬──────────────────────────────────────┘
│ (标准协议接口)
═══════════════════════════════════════╧═══════════════════════════════════════
外层插拔式领域适配器 (Domain Adapters)
┌──────────────────────┬──────────────────────┬───────────────────────────┐
│ 加密货币 SWAP 适配器│ 股票市场适配器 │ 其他未知领域适配器 │
│ (OKX / BitPro MCP) │ (StockPro / A股) │ (AI代码重构/生物AI) │
└──────────────────────┴──────────────────────┴───────────────────────────┘

1. MCTS 与 MAP-Elites 质量-多样性搜寻引擎

• 蒙特卡洛树搜索 (MCTS)：管理策略代码 AST 节点树 (MCTSNode)，采用上限置信区间公式 ($UCB1 = \bar{V}i + c \sqrt{\frac{\ln N{parent}}{N_i}}$) 进行节点展开选择。
• MAP-Elites 网格归档：在多维特征空间（持仓周期 x 市场 Regime 适应度）中保留各单元格的精英策略，防止策略演化早熟收敛到单一拥挤因子。
• 设计文档：docs/architecture/38-arc-mcts-and-quality-diversity-search-design.md

2. 红蓝对抗博弈引擎 (Adversarial Red-Teaming)

• 蓝队 (Blue Team Quant / Inventor)：提出 Alpha 假设、策略代码 AST 突变与参数边界。
• 红队 (Red Team Quant / Falsifier)：专职“找茬”，施加黑天鹅高波震荡、流动性踩踏与宽止损陷阱攻防测试。
• 确定性沙箱裁判：做无偏样本外 (OOS) 验证；只有击败红队攻防的候选策略才能通过。
• 设计文档：docs/architecture/39-arc-adversarial-red-blue-engine-design.md

3. 多 Regime 定量因果归因与 Reflexion 记忆账本

• 定量因果归因：拆解策略在牛市趋势、熊市趋势、高波震荡、低波盘整 4 种 Regime 下的性能表现。
• Reflexion 记忆账本：生成结构化否定约束（例如："禁止在高波震荡 Regime 下使用宽止损 >10%"），注入后续进化轮次的 Prompt 上下文。
• 设计文档：docs/architecture/40-arc-reflexion-causal-attribution-design.md

4. Voyager 风格技能自动提取与基因库 (Skill Distillation)

• AST 技能提取：策略通过验证后，自动解析 AST 发现并提取优良子函数（如自适应通道计算、订单簿失衡退出算法）。
• 不可变技能库：注册提取的技能 (ARCSkillLibrary)，生成文档与代码片段，供后续进化循环继承复用。
• 设计文档：docs/architecture/41-arc-voyager-skill-distillation-design.md

5. 模拟盘自动化上线孵化

• 预授权派生：从用户 PaperPreauthorizationV1 预授权中自动派生 Candidate-bound 模拟盘授权。
• 零触碰上线：通过验证的策略无需人工干预自动配置并上线 BitPro 模拟盘运行 (paper_observing)。

---

⚡ 工业级基础设施 (Harness 3.0, Context 2.0, Memory 3.0, Flight Recorder)

┌─────────────────────────────────────────────────────────────────────────────────────────┐
| HyperTrade 工业级底层基础设施体系 |
├────────────────────────────┬────────────────────────────┬───────────────────────────────┤
| 1. Industrial Harness 3.0 | 2. Advanced Context 2.0 | 3. Autonomous Memory 3.0 |
| - 工具结果感知 LRU 缓存 | - 4-3-2-1 动态 Token 护城河| - 三层金字塔记忆 (Working/ |
| - KV Prompt Cache 前缀对齐 | - Schema/AST 语义折叠剪裁 | Episodic/Semantic Pyramid) |
| - MCP 动态 Schema 展平翻译 | - 洞察感知摘要 2.0 (提取 | - 艾宾浩斯时间衰减重排序 |
| - MCP 链接三态熔断 (30s) | 夏普率/回撤/错误Traceback| - 自动盘后反思刷盘 (Flusher) |
| - L1/L2/L3 工具风险门禁 | 与原始观测掩码) | - Regime 上下文感知与冲突裁决 |
├────────────────────────────┼────────────────────────────┴───────────────────────────────┤
| 4. DAG Pipeline Aggregator | 5. Observability & Flight Recorder |
| - DAG 2 阶段分发器 | - 黑盒全轨迹单步 Snapshots (Input/Output Token, Latency) |
| - MCP 同源管道 JSON-RPC | - Step Replay 单步回退与轨迹离线 JSON 导出 |
└────────────────────────────┴────────────────────────────────────────────────────────────┘

🛠️ 1. Industrial Agent Harness 3.0 与 Prompt 缓存治理

• ToolResultLRUCache (工具结果感知 LRU 缓存)：对只读工具引入基于 MD5(tool_name + canonical_args) 的 TTL 缓存（默认 15 秒），遇到写工具操作自动清空失效，杜绝重复网络请求开销。
• PromptCachePrefixAligner (KV Prompt Caching 前缀对齐器)：将 System Prompt、System Rules 与 Tools 结构静态对齐置于 Message 数组 index 0，显著提升 DeepSeek V3 / Claude 3.5 / Gemini 的 API KV Cache 命中率（降低 50%~90% Token 费用与 TTFT 延迟）。
• MCPToolSchemaTranslator (Schema 展平翻译)：解耦并展平 MCP Server 复杂的 $ref 与 allOf 嵌套 Schema。
• MCPConnectionCircuitBreaker (MCP 三态熔断器)：连续 3 次失败自动触发 30s 熔断，引导优雅降级。
• ToolCallPermissionSandboxGuard (L1/L2/L3 风险门禁)：L1 自动放行、L2 沙箱校验、L3 实盘强校验 approval_token。
• 架构文档：docs/architecture/58-tool-result-cache-and-prompt-cache-prefix-aligner.md

📼 2. 黑盒飞行记录仪与全轨迹单步重放 (flight_recorder.py)

• AgentFlightRecorder (全轨迹快照记录仪)：以 Session 为单位不可变记录每个 Step 的 Input/Output Token 消耗、Tool Call 详情、Tool Result、Model Output 与响应延迟。
• FlightRecorderReplayEngine (单步重放引擎)：支持指定 Session 与 Step 索引进行单步重放与全轨迹 JSON 导出会话审计。
• 架构文档：docs/architecture/59-agent-flight-recorder-and-replay-telemetry.md

🔀 3. DAG 依赖图分发与 MCP 批量管道 (tool_pipeline.py)

• ToolDependencyGraphDispatcher (DAG 2 阶段分发)：Stage 0 并发分发无依赖只读工具，完成倒换 Stage 1 串行执行写工具。
• MCPBatchPipelineAggregator (MCP 管道聚合)：打包同源 MCP 工具请求为单一 JSON-RPC Batch 消息，一趟 RTT 取回结果。
• 架构文档：docs/architecture/57-dag-tool-dispatcher-and-mcp-batch-pipeline.md

🧠 3. Advanced Context Management 2.0 深度上下文管理

• DynamicTokenBudgetManager (动态 Token 护城河)：识别 DeepSeek (128K)、Claude (200K)、Qwen (32K) 模型上限，划分 20% System / 40% Tool History / 30% Memory / 10% Output Reserve 物理隔离预算 Guard。
• SemanticContextPruner (Schema 语义剪裁)：保留 Dict 与 Key 结构，对 List 采用“前 2 项 + 后 3 项”语义折叠，绝不损坏 JSON 语法。
• TurnSlidingWindowSummarizer 2.0 (选择性洞察摘要)：对话 Turn $>12$ 时，扫描历史提取夏普率/回撤指标、用户指令与报错 Traceback，掩码原始观测，生成 [Selective Executive Insight Summary] 节点，支持无限轮次长会话。
• 架构文档：docs/architecture/54-advanced-context-and-memory-management-v2-architecture.md

💾 4. Autonomous Memory Subsystem 3.0 自主进化记忆体系

• HierarchicalMemoryPyramid (三层记忆金字塔)：划分 Working Memory (短暂变量)、Episodic Memory (7日任务与回测实验)、Semantic Memory (长期 Regime 规则与避坑账本)。
• EbbinghausDecayScorer (艾宾浩斯时间衰减)：结合向量相似度、时间衰减 $e^{-0.05 \Delta t}$ 与重要性权重计算综合得分：$\text{Score} = 0.5 \text{Sim} + 0.3 \text{Decay} + 0.2 \text{Imp}$。
• MemoryConsolidator (记忆聚类去重)：相似度 $>0.85$ 时自动合并增量 Observation 进既有 Memory 节点，防止数据库污染。
• AutoReflexionMemoryFlusher (自动反思刷盘)：任务结束自动挂载反思，成功任务提炼策略规律入 Semantic，失败提炼教训入 Episodic。
• MarketRegimeMemoryFilter (Regime 感知隔离)：为记忆打上 bull_trend, bear_crash, sideways_range, high_volatility 标签，同 Regime 优先召回，跨 Regime 0.5x 惩罚。
• MemoryContradictionResolver (记忆冲突裁决)：自动检测新旧记忆的语义矛盾，标记旧假设为 deprecated: true，确保送入 Context 的知识库无冲突。
• 架构文档：docs/architecture/55-autonomous-memory-v3-regime-filter-and-reflexion-flusher.md

---

🛠️ 技术栈

图层	技术选择
控制内核	ARC (Autonomous Research Core) Python 3.12+ 通用事件驱动 Agent 运行库
后端与 Web API	FastAPI, Uvicorn, 可续传游标 SSE (Server-Sent Events)
ORM 与数据库	SQLAlchemy 2.0 (Async), Alembic, PostgreSQL 14+ 带 pgvector 扩展
LLM Provider 抽象	ProviderRuntime (OpenAI, DeepSeek, Claude / Vide Coding, Codex, OpenRouter, Qwen)
量化与回测	BitPro 平台 (经由 Model Context Protocol - MCP) + Backtrader 回测引擎
安全沙箱	Linux 进程/容器隔离 (只读根目录, 无网络, tmpfs 限制)
前端与 UI	React 18, TypeScript 5, Vite, TanStack Query, Recharts, Tauri 2 (macOS 悬浮侧边助手), Textual (终端 TUI)

---

🧪 自动化测试套件与验证

ARC 引擎包含 11 项全自动化测试套件，全面验证内核状态机、UCB1 节点选择、AST 突变、红蓝对抗、Reflexion 归因记忆、技能提取及端到端模拟盘上线：

python3 -m pytest tests/test_arc_kernel.py tests/test_arc_adversarial.py tests/test_arc_reflexion.py tests/test_arc_mcts.py tests/test_arc_skills.py tests/test_arc_acceptance.py -v

测试验证输出：

============================= test session starts ==============================
collected 11 items
tests/test_arc_kernel.py::test_arc_goal_and_budget_contracts PASSED [ 9%]
tests/test_arc_kernel.py::test_arc_controller_state_machine_and_event_reduction PASSED [ 18%]
tests/test_arc_kernel.py::test_arc_controller_reflexion_and_budget_exhaustion PASSED [ 27%]
tests/test_arc_adversarial.py::test_blue_team_strategy_generation PASSED [ 36%]
tests/test_arc_adversarial.py::test_red_team_adversarial_attack PASSED [ 45%]
tests/test_arc_adversarial.py::test_ast_mutation_and_red_team_survival PASSED [ 54%]
tests/test_arc_reflexion.py::test_reflexion_ledger_failure_diagnosis PASSED [ 63%]
tests/test_arc_mcts.py::test_mcts_tree_construction_and_ucb1_selection PASSED [ 72%]
tests/test_arc_mcts.py::test_map_elites_quality_diversity_grid PASSED [ 81%]
tests/test_arc_skills.py::test_arc_skill_distillation_and_registration PASSED [ 90%]
tests/test_arc_acceptance.py::test_arc_end_to_end_autonomous_loop_acceptance PASSED [100%]
======================== 11 passed, 42 warnings in 0.11s ========================

---

💻 快速开始与 API

1. 启动 API 服务

uv run uvicorn hypertrade.main:app --app-dir backend/src --host 0.0.0.0 --port 3334

2. 触发 ARC 自主探索与进化循环

curl -X POST http://localhost:3334/api/v1/arc/missions \
-H "Content-Type: application/json" \
-d '{ "objective": "研究一个适应BTC高波动的趋势打破策略，过检后自动上线模拟盘", "symbol": "BTC-USDT-SWAP", "max_candidates": 5, "paper_preauth_approved": true }'

3. 查询 Mission 状态与事件重放

curl http://localhost:3334/api/v1/arc/missions/{mission_id}

---

📚 详细技术架构设计文档

模块	架构设计文档
通用控制内核	37 ARC 自主进化控制内核架构设计
搜寻引擎	38 MCTS 与 MAP-Elites 质量-多样性搜寻引擎设计
红蓝对抗	39 ARC 红蓝对抗博弈引擎技术设计
归因反思	40 多 Regime 定量因果归因与 Reflexion 记忆账本设计
技能提取	41 Voyager 风格技能自动提取与基因库设计
活动合同	用户定向合同 — ARC

---

📄 开源许可与免责声明

基于 MIT 许可证开源。详见 LICENSE 文件。

免责声明：本仓库中包含的任何内容均不构成投资建议。主网实盘交易执行由风控硬性禁用 (live_allowed=false)。