PA Agent 分析后自由对话（Free Chat）完全实操指南：如何向 AI 追问 K 线决策上下文
【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent
PA Agent是一款面向主观交易者的 K 线 AI 分析辅助工具，从 MT5 / TradingView / yfinance / AkShare 读取 K 线数据，经两阶段 AI 分析（市场诊断 → 交易决策）给出结构化结论。它的「分析后自由对话（Free Chat）」功能，让你在每次分析完成后直接追问 AI：止损放哪、跌破支撑怎么办、仓位如何管理——AI 带着本次分析的完整上下文作答，而不是冷启动重新猜。
上图展示了 PA Agent 两阶段分析背后的二元决策树逻辑。自由对话时，AI 正是在这棵树的结论基础上继续推演。
一、什么是 PA Agent 的"分析后自由对话"？
普通大模型聊 K 线，最大的痛点是**"失忆"**：你刚让它分析完，再问"那我该止盈吗？"，它已经不记得上次的止损位和关键价位了。
PA Agent 的 Free Chat 针对这个问题做了专门设计（见 pa_agent/orchestrator/free_chat.py）：
- 锚定分析记录：对话会话始终锚定在一份已完成的两阶段分析上，AI 天然掌握 K 线数据、诊断结果与决策过程；
- 自动附加最新 K 线快照：每次发送追问时，程序会把发送瞬间的最新已收盘 K 线表格一并附上，保证 AI 看到的是最新市场；
- 追问助手人设：AI 以"post-analysis advisor"身份回答，默认用自然语言直接作答，不会擅自重新跑完整的下单决策流程；
- 对话持久化：每一轮追问自动写入
.followups.jsonl记录文件，随时可复盘。
二、如何打开追问对话：4 步实操教程
- 提交分析：在主界面选择品种与周期，点击「提交分析」，等待两阶段分析完成（「实时」标签页可看到思考过程与正文流式输出）；
- 找到输入框：分析完成后，「实时」标签底部会出现自由对话输入框，此时输入框变为可用状态；
- 输入问题：例如"如果明天跌破止损位怎么办？"，回车发送，AI 流式回复实时显示；
- 多轮追问：可连续多次提问，上下文自动保持。若发错问题，还支持「重发上一条消息」（重发时自动丢弃已发送消息中的思考内容，节省 Token）。
界面流程速查：
提交分析 → 分析完成 → 「实时」标签底部出现输入框 → 输入问题 → 流式回复 → 继续追问三、追问时，AI 到底掌握了哪些"K 线决策上下文"？
这是 Free Chat 与普通聊天窗口最本质的区别。每一轮追问，AI 实际看到的上下文包含四块（源码详见 free_chat.py 前缀构建逻辑）：
| 上下文块 | 内容 | 作用 |
|---|---|---|
| 追问助手指令 | 仓位管理类问题只回答管理方案、不重新下单 | 防止 AI 答非所问 |
| 上次分析结果 | 品种、周期、Stage 1 诊断、Stage 2 决策 JSON | 让 AI 精确引用止损位/关键价位 |
| 程序计算的 K1 事实 | 最新已收盘 K 线的开高低收、实体、上下影线 | 禁止 AI 凭记忆"编"棒型特征 |
| 最新 K 线快照 | 发送追问瞬间的 K 线表格 | 追问始终基于最新行情 |
一个值得注意的细节：AI 引用的 K1 棒型描述来自程序计算字段（实体占比、影线长度），而非它自己上次的文字回复。这样即使原分析里有过描述偏差，也不会被追问轮次"二次放大"。
四、5 个高价值的追问问题示例
- 仓位管理类："如果明天跌破止损位，我应该减仓还是直接离场？"
- 关键价位类："上次决策里的关注点里，哪个价位触发后我会改变方向？"
- 结构确认类："K1 这根阴线是趋势延续还是反转信号？依据是什么？"
- 风险量化类："按当前止损距离，这笔交易最大亏损是多少？"
- 条件推演类："如果下一根 K 线突破前高但量能不足，该怎么处理？"
信息不足时，AI 最多反问 1–2 个澄清点（仓位大小、入场价、止损距离），不会连环追问。
五、对话记录保存在哪里？
每次分析完成后自动落盘到records/pending/目录（见 PA_Agent 使用文档·记录章节）：
- 主文件：
YYYY-MM-DD_HH-mm-SS_品种_周期.json— 完整的 K 线、Prompt、AI 响应、诊断/决策结果与 Token 用量； - 对话文件：
YYYY-MM-DD_HH-mm-SS_品种_周期.followups.jsonl— 自由对话的逐轮记录，包含你的问题与 AI 完整回复。
对话界面交互由 pa_agent/gui/conversation_widget.py 与 pa_agent/gui/ai_stream_window.py 实现，完整的界面说明可在 PA_Agent使用文档.md 第 11 章查到。
六、Token 消耗与 3 个实用注意事项
- 自由对话消耗额外 Token：底部 Token 用量进度条会实时更新（绿色 <80%、黄色 80%–95%、红色 >95%），追问前留意余量；
- 切换品种/周期会销毁当前会话：想保留当前对话的上下文，请固定在同一品种、同一周期内连续追问，需要对比多品种时分批次提问；
- 稳定前缀缓存省 Token：同一会话的前缀消息逐字节保持一致，从第 2 轮起 API 前缀缓存命中，多轮追问的 Prompt 成本显著降低——这也是"同一分析内多问几句比反复重新分析更省"的原因之一。
💡小结：PA Agent 的 Free Chat 不是普通聊天框，而是"带着分析结果说话"的追问通道——分析给出结论，追问负责把结论落到你的仓位、止损与风险控制上。完成一次两阶段分析后，把「实时」标签底部的输入框用起来，才算真正解锁了这套 K 线 AI 决策工作流的完整价值。
【免费下载链接】PA_Agent项目地址: https://gitcode.com/gh_mirrors/pa/PA_Agent
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
