jackyu66gitandCursor
bfdb2f2e2a
服务端把增量上线后回传两个热点：add_indicators 为加一根重算全表（占 34%）、 cal_bi_list 整表重扫（51%）。顺着查下来四处都不是算法慢，是算了没人读的结果。 1. cal_trend 挂到 lean 下。它不是笔的依赖（bi.py:221 在它自己的循环里读自身 序列状态），服务端 verify_incr_parity 三币 1800 根已对拍定论。web 走非 lean，klc_trend 图层不受影响。 2. check_fx_pattern 删掉拼完就丢的字符串。它把 klu.to_string() 拼成 p 只为 一行注释掉的 print——2000 根上近 3 万次 f-string 加 6 万次 enum 格式化， 而且在 cal_bi_list 内层。klu.pattern 只被 cal_klu_pattern 自己的双K/三K 判定读，不出模块不进 web，所以整个调用在 lean 下也跳过。 3. ChanBI.add_klc 去二次方。去重原本线性扫 klc_list，且每加一根就把整笔所有 KLU 的 macdhist 重累一遍，往一笔加 k 根是 O(k²)。改成下标集合加 macd_hist/macd_div 惰性求值。这两个值只有背驰判定（bsp.py）读，lean 下 bsp 根本不算。 4. add_indicators 批量挂列。2001 行上 TA 计算合计只有 2.5ms，而 30 多次 df['x']= 要 3.6ms——开销大头是 BlockManager 逐列插入不是计算，改为一次 concat。cal_volume_ratio 里为算一列 rolling 而 copy() 整张 40 列表，一并去掉。 实测（本机，2001 根窗口。服务端基线 21.8ms 是另一台机器，别直接比绝对值）： append_bar 13.9 → 6.6ms └ rebuild_bi_zs 8.7 → 2.8ms └ add_indicators 4.4 → 3.5ms TF_DF lean 49.8 → 32.9ms TF_DF full 72.7 → 64.9ms 对拍用 git worktree 检出改动前的提交，同一份 BTC 1m 4000 根跑 38 项指纹： full 模式 19 项全部一致（web 那条路没动）；lean 模式差 2 项，正是设计要它差 的 klc.trend 和 klu.pattern，而 lean 下 bi/zs/seg/bsp/dataframe 全部一致—— 这就是「这两个字段没人读」的实测证据：打空它们，下游一位不变。 瓶颈已经换位置了。新增 probe_inner.py 拆 inner_ms 分档：本机 TF_DF 两条腿占 70%、build_htf_zones 13%、htf_fx_timeline 6%，而服务端报的是 chan 构建 22ms / 信号链 86ms，机器差解释不了这个四倍差距。曾怀疑是 payload 反序列化，实测 _rebuild 只有 1.0ms，假设不成立。两边跑同一探针对分档表才能定位。 HANDOFF 顺带修掉一处 5.6 重号（增量落地那节改为 5.7，本节挂 5.71）。 Co-authored-by: Cursor <cursoragent@cursor.com>
Chan — 缠论分析引擎
把 OHLCV K 线拆成缠论结构（K 线单元 → 合并 K 线 → 分型 → 笔 → 线段 → 中枢 → 买卖点）， 配一个 TradingView Charting Library 的 Web 界面，外加一套验证信号有效性的回测脚本。
标的不限：加密永续（ccxt）与 A 股（akshare）都走同一条分析链路。
chanlun/ 缠论引擎，纯 pandas/numpy，无外部指标库依赖
web/ Flask API + 图表界面
research/ 信号有效性验证脚本（step1 ~ step30）
data/ 本地 K 线（freqtrade 的 feather 格式）
安装
需要 Python ≥ 3.11（pandas 3.x / numpy 2.x 的要求，不是本项目代码的限制）。
python -m venv .venv
.venv/bin/pip install -r requirements.txt # 核心运行时，8 个包
.venv/bin/pip install -r requirements-dev.txt # 另加测试与 research/ 所需
跑 Web
cd web
../.venv/bin/python app.py # 默认 http://0.0.0.0:8128
从仓库根跑 .venv/bin/python web/app.py 也可以——Python 会把脚本所在目录放进 sys.path。
但不能用 python -m web.app，也不能 import web.app：web/ 内部是无前缀导入
（import config、from api.analyze import bp），-m 方式下 sys.path 里是仓库根而不是
web/，会 ModuleNotFoundError: No module named 'config'。
配置全部走环境变量，见 web/config.py：
| 变量 | 默认值 | 用途 |
|---|---|---|
FLASK_HOST / FLASK_PORT |
0.0.0.0 / 8128 |
监听地址 |
DATA_SERVICE_URL |
https://provider.jackyu66.com |
行情 REST 源 |
DATA_SERVICE_WS_URL |
wss://jackyu66.com/ws |
行情 WebSocket 源 |
ASHARE_DP_URL |
http://103.179.242.166:8000 |
A 股数据源 |
CHAN_HTTP_PROXY |
未设置则不走代理 | ccxt / HTTP 代理 |
MACD_FACTOR / MACD_SMOOTH |
1 / 1 |
MACD 周期倍数，默认 12/26/9 |
主要接口：GET /api/analyze 返回某标的某周期的完整缠论结构，/api/klines/recent
取最新 K 线，/api/trend_filter 与 /api/trend_detail 做多周期趋势筛选，
/api/symbols、/api/search_stock、/api/sectors 等负责标的检索。页面在 / 与 /chan_tv。
作为库使用
import pandas as pd
from chanlun import TF_DF
# 需要 date/open/high/low/close/volume 六列，date 为 datetime
df = pd.read_feather("data/binance/futures/BTC_USDT_USDT-1h-futures.feather")
tf = TF_DF(df, interval=1, timeframe="1h")
len(tf.klu_list) # K 线单元
len(tf.klc_list) # 合并 K 线（处理包含关系后）
len(tf.bi_list) # 笔
len(tf.seg_list) # 线段
len(tf.zs_list) # 中枢
tf.bi_list[-1].dir # Chan_BI_DIR.DOWN
tf.chanmacd # MACD 结构分析（背驰判定用）
interval 的单位是分钟，对传入的 df 做重采样；interval=1 是特例，表示原样使用、
不重采样。所以拿 1h 的 feather 要传 interval=1，拿 1m 数据想看 1h 才传 interval=60：
df1m = pd.read_feather("data/binance/futures/BTC_USDT_USDT-1m-futures.feather")
TF_DF(df1m, interval=5, timeframe="5m")
TF_DF(df1m, interval=60, timeframe="1h")
传错不会报错，只会静默给出错误周期的结构——1h 数据配 interval=4 相当于按 4 分钟
重采样，结果与 interval=1 完全相同。
分析流程
TF_DF.init_TF_DF() 按顺序做这几步，每步的实现在 chanlun/pipeline/builders/ 下同名文件：
resample_to_interval— 重采样（interval != 1时）add_indicators— 追加 33 列指标（MACD / BBANDS / EMA / RSI / ATR 等）cal_kl_data→klu_list— K 线单元get_klc_list→klc_list— 按包含关系合并 K 线，并标记分型cal_bi_list→bi_list— 笔cal_bi_zs_list_pure→bi_zs_list— 笔中枢get_seg_list→seg_list— 线段get_zs_list/get_big_zs_list— 中枢与大级别中枢ChanMACD(klu_list)— MACD 段 / 柱堆结构，供背驰判定
数据
data/<交易所>/futures/<SYMBOL>-<周期>-futures.feather，即 freqtrade 的下载格式，
如 data/binance/futures/BTC_USDT_USDT-1h-futures.feather。
research/lib/data.py 负责定位：BTC/USDT:USDT + 1h 会解析到上面这个路径，
找不到本地文件则回落到远端拉取。
测试
.venv/bin/python -m pytest chanlun/tests web/tests -q
chanlun/tests/test_ta_compat.py 有个需要注意的陷阱：它把 chanlun/indicators/ta.py
的输出逐 bar 钉在 TA-Lib 上，但 TA-Lib 不存在时会静默跳过。也就是说改了 ta.py
之后在没装 TA-Lib 的环境里跑，测试会显示通过，其实一项都没验证。改动那个文件时请先装：
sudo apt-get install -y libta-lib0 ta-lib-dev
.venv/bin/pip install TA-Lib technical
已知问题
web/DEPLOY_GUIDE.md已失效：它引用的deploy_venv.sh、stop_venv.sh、status_venv.sh等 6 个脚本都在7f393b9精简提交里删掉了，目前没有部署脚本。 两个 systemd unit 文件（web/chanlun-web*.service）仍可参考，但它们用 gunicorn 且写死端口 8123，与config.py默认的 8128 不一致，gunicorn 也不在依赖清单里。web/README.txt已过时：它说的web/requirements.txt不存在，依赖清单在仓库根目录。- 四个零引用的死文件：
chanlun/analysis/下的ChanPY.py、ChanLun_Classifier.py、Find_Trend.py、ChanHeng.py全项目无人引用。ChanPY.py依赖未安装的外部 chan.py 库， 另外三个需要 matplotlib / mplfinance / xgboost / scikit-learn——这些都不在依赖清单里， 是有意为之。要用得自行安装。