Python-远程-1个月

项目编号：【43055】
AI 一體化策略技術開發計劃書（條例式）（台指期）
一、專案核心目標
開發完全本地化、單機運行的期貨日內策略研發系統。

系統功能：

遺傳演算法自動組裝交易積木。

本地 Ollama 模型輔助策略診斷。

建立穩定、私密、低延遲的研發閉環。

二、核心技術棧
中樞管理：Dify（Local Docker）

本地推論：Ollama（Llama 3 / DeepSeek）

通訊解耦：ZeroMQ（單機進程間 IPC）

演化引擎：DEAP（單進程多執行緒）

回測框架：Nautilus Trader

開發環境：Python 3.10+

三、系統模組與任務
3.1 Dify 單機工作流
任務下達 Agent：傳送演化參數至 ZeroMQ 通道。

狀態監聽 Agent：透過 ZMQ SUB 接收演化進度，Dify 介面即時顯示百分比。

智能輔助 Agent：演化停滯時調用 Ollama 查詢本地 RAG 知識庫，提供診斷建議。

流程編排 Agent：管理完整策略研發循環。

RAG 知識庫配置：

儲存本地量化文檔與交易積木手冊。

向量化存儲供 Ollama 檢索。

支援增量更新與版本管理。

3.2 ZeroMQ 異步通訊橋接
通訊架構：

任務下達通道：Dify PUSH → DEAP PULL

監控回傳通道：DEAP PUB → Dify SUB

狀態查詢通道：雙向 REQ/REP

進程隔離：

LLM 推理進程獨立運行，避免阻塞。

GA 演化進程單進程多執行緒運行。

回測驗證進程與演化分離。

確保單點故障不影響全局系統。

3.3 DEAP 策略演化核心
基因架構（STGP）：

條件積木：價格行為、量價特徵、時間閾值、技術指標

動作積木：進場、減碼、全平、移動停損

演化算子：

選擇：精英保留 + 輪盤賭

變異：多點變異 + 自適應變異率

雜交：單點 + 子樹

多樣性維持：共享適應度 + 懲罰相似個體

適應度函數：

獲利因子 0.4

最大回撤 0.3

夏普比率 0.2

交易次數平滑度 0.1

3.4 Nautilus Trader 回測驗證
數據處理層：

歷史數據載入：Parquet / CSV

Tick 數據重播：毫秒級精度

資料檢查：跳空檢測、異常值處理

記憶體優化：分塊載入與流式處理

回測引擎：

撮合：第一檔 + 滑價模型

手續費：期交所標準 + 交易稅

保證金計算：動態 + 風險係數

日內強制平倉：13:45 淨倉

績效指標：

收益：累計、年化

風險：最大回撤、虧損期

效率：夏普、卡瑪

交易質量：勝率、盈虧比、獲利因子

日內特徵：平均持倉時間、周轉率

日內交易規範：

開盤前不開倉（08:45 前）

收盤強制平倉（13:45）

午休不交易（12:00-13:30）

流動性過濾：開收盤高波動期控制

四、系統整合
數據流整合：

配置數據流：Dify → ZeroMQ → DEAP

演化數據流：DEAP → 策略樹 → Nautilus

回測數據流：Nautilus → 績效 → DEAP

監控數據流：DEAP → ZeroMQ → Dify

診斷數據流：Dify → Ollama → 優化建議 → DEAP

狀態管理：

演化狀態：世代數、最佳適應度、種群多樣性

回測狀態：進行中策略、已完成策略、異常策略

系統狀態：CPU / 記憶體、進程健康度

任務狀態：等待中、執行中、已完成、已失敗

五、本地化部署方案
Docker 容器：

Dify：工作流管理 + Web 界面

Ollama：本地 LLM 推理

DEAP：演化引擎 + Python 環境

數據容器：本地資料庫 + 文件儲存

單機資源規劃：

CPU：演化進程 4 核、回測進程 2 核、LLM 推理 2 核

記憶體：演化快取 8GB、回測數據 4GB、LLM 模型 8GB

儲存：歷史數據 50GB、策略庫 10GB、日誌文件 5GB

網路：僅本地通訊，禁止外部連線

六、效能優化策略
計算優化：

numpy 向量化計算

多執行緒回測

記憶體及時回收

結果快取避免重算

通訊優化：

ZeroMQ inproc 高頻通訊

訊息壓縮

批次處理小訊息

連線池重用

七、安全與穩定性
數據安全：

全本地存儲

配置檔加密

本地使用者權限管理

完整操作日誌

系統穩定：

進程監控與自動重啟

單任務資源限制

斷電保護（定期檢查點保存）

回滾機制（異常狀態快速恢復