NeoTrade：把真實交易反饋轉化為可驗證的自我改進

如果一個 AI 能夠全天候盯盤、分析新聞、自動下單，它能否發現：自己正在熟練執行的方法，已經開始失效？

一條曾經領先的信息，如今可能早已被價格消化；一個過去有效的信號，可能因為更多參與者的加入而失去優勢。Agent 仍然按時分析、嚴格執行，但市場已經變了。

這時，持續運行積累下來的經驗，能否幫助它識別問題、調整方法？再進一步，它能否改進自己尋找問題、驗證方法的能力，讓下一次學習變得更有效？

這些正是 NeoTrade 在持續探索的問題。

市場持續製造新問題，真實交易提供外部反饋，而 NeoTrade 要建立的，是把這些反饋轉化為可驗證自我改進的機制。

這項探索指向遞歸式自我改進（即 Recursive Self-Improvement，簡稱 RSI）：讓 Agent 在完成任務的過程中，逐步改善自己的工作方式，以及產生下一次改進的能力。

理解這個方向，可以先從今天的 AI 如何工作說起。許多 AI 產品的核心是大語言模型，它通過訓練獲得語言、知識和推理能力，也能結合當前輸入處理新問題。但模型可能生成看似合理卻不準確的答案；在通常的使用方式下，一次成功或失敗，也不會自動更新它的模型參數，變成持久的新能力。

Agent 則是在模型之外，增加工具、記憶和行動流程，讓系統能夠圍繞目標連續工作。例如，獲取市場信息、形成判斷、調用交易接口，再檢查執行結果。組織這些能力的外層運行系統，就是本文所說的 harness。模型提供基礎能力，harness 決定這些能力如何被用於具體任務，以及經驗如何被保留、檢驗和再次使用。

NeoTrade 正在探索的技術方向，是在 Agent 的 harness 層實現遞歸式自我改進，這是一項需要通過實驗逐步驗證的研究目標。

交易為這項探索提供了具體的任務，也提供了嚴苛的檢驗。

設想一個根據新聞變化參與預測市場的 Agent。它曾經依靠某類信息源發現機會：新聞出現，市場尚未充分反應，Agent 完成分析並執行交易。

一段時間之後，情況發生了變化。更多參與者開始關注同一個信息源，價格反應更快，原有的交易窗口縮短。Agent 仍然按時獲取新聞、完成分析、發出訂單，但過去有效的方法已經失去了部分價值。

問題可能出在信息到達的時間、判斷所需的步驟，也可能出在成交成本。單純提高執行頻率，並不能確定解決其中任何一個問題。

Agent 需要重新檢查自己的工作方式：信息是否已經過時？不同報導是否只是轉述同一個來源？價格是否已經反映了這些信息？分析帶來的預期優勢，能否覆蓋手續費、滑點和推理成本？

這些問題解釋了 NeoTrade 為什麼關心自我改進。

市場中的參與者會學習，策略會被複製，流動性會遷移，機會也會隨競爭而改變。Andrew Lo 的適應性市場假說，就將競爭、適應和參與者變化作為理解市場效率的重要因素。它提供了一個有用的視角：策略的有效性依賴環境，歷史表現需要放回其發生的條件中理解。適應性市場假說

因此，一個長期運行的交易 Agent，既要執行已經驗證過的方法，也要識別這些方法何時開始失效，並調整自己的信息來源、判斷和執行方式。

"混沌是階梯"可以作為理解這一過程的比喻：市場中的信息噪聲、動態博弈和環境變化，會暴露系統的能力邊界。信息失效可以推動來源核驗，判斷偏差可以推動概率校準，執行損耗可以推動流程優化。

但這種轉化有一個前提：Agent 能夠區分信號與噪聲，並驗證變化是否有效。隨機性不會自動產生知識，波動也不意味著收益；只有經過檢驗的經驗，才可能成為後續改進的基礎。

這種適應能力，是 NeoTrade 探索 RSI 的起點。

這裡需要澄清"遞歸"的含義。根據最近的盈虧調整參數，或者在記憶中增加一條經驗，都可能是有用的學習，但還不足以證明 RSI。

遞歸式自我改進要求系統進一步改善自己尋找改進的方法。例如，Agent 發現自己的復盤總是把上漲行情誤認為策略有效，於是改進對照方法；又發現自己總會重複測試已經失敗的方案，於是改進實驗記憶與候選方案篩選。新的研究方法隨後參與下一輪改進，使系統更有機會找到有效變化。

Agent 改進的不僅是任務表現，也包括產生下一次改進的能力。

這件事對 AI 的意義，超出了交易本身。

部署到真實環境中的 Agent，會遇到訓練數據未能充分覆蓋的任務、不斷變化的工具，以及不同用戶的工作習慣。如果每一次環境變化都需要開發者逐項發現問題、重新設計流程，系統的適應速度就會受到人工維護能力的限制。

RSI 這個概念提供了一種值得探索的思路：讓系統參與觀察自己的失效、提出假設、設計實驗和保留有效改進。經過驗證的經驗可以進入下一輪工作，逐漸減少重複犯錯和重複研究的成本。

至於這種能力與更通用的智能之間的關係，NeoTrade 把它當作一個值得探索的開放問題，能否在新環境中發現自身不足、並改進學習方法本身，被一些研究視為衡量是否實現 AGI 的維度之一（Levels of AGI）。

這項探索已經有一些研究基礎。圍繞 harness 層的自我改進，現有思路大致可以歸為三類：

•通過反思和記憶改善行為。 Agent 將任務反饋整理為經驗，在後續任務中重新使用。Reflexion 展示了無需更新模型權重、通過語言反饋和記憶改善決策的方式。這是持續學習的重要基礎，但單純積累經驗還不等於遞歸改進。Reflexion

•自動優化工作流與上下文組織。 系統嘗試調整任務分解、工具調用和 Agent 之間的信息傳遞。ADAS 探索自動設計 Agent 結構；Recursive Harness Self-Improvement（下稱 RHI）則根據歷史版本的比較反饋，迭代描述 Agent 運行方式的 harness，並在包括量化金融在內的合成研究任務中進行評估。ADAS、RHI

•修改自身代碼，並搜索更好的版本。 SICA 和 Darwin Gödel Machine 讓 Agent 修改自己的工具或運行代碼，再用任務表現檢驗候選版本。DGM 進一步保留多個版本和演化分支，讓後續改進能夠從不同路徑繼續探索。SICA、DGM

這些路線說明，即使底層模型保持不變，系統也可能通過改變工作方式提升表現。

NeoTrade 希望在這些研究基礎上，進一步建立面向真實交易的持續改進機制。研究任務中的表現提升，要轉化為長期運行的交易能力，還需要面對不斷變化的市場、真實執行成本和用戶授權邊界。

NeoTrade 選擇市場作為探索環境，看重的是市場能夠為這些改進提供外部約束。

在交易中，判斷會進入真實的行動鏈條。Agent 對事件的預測最終能與結果對照；訂單是否成交、成交價格如何、等待了多久，都有記錄；策略在不同環境下的表現，也可以持續觀察。

這些後果不會因為 Agent 寫出了一篇更有說服力的復盤，就隨之改變。

這讓交易成為一種有約束力的檢驗。系統需要同時處理信息、概率、時間、成本和有限資源。一個邏輯完整的分析，如果總在機會消失之後完成，其實際價值仍然有限；一個方向正確的判斷，如果執行成本吞噬了優勢，也需要被重新審視。

真實交易由此能夠暴露僅靠文本評價不容易發現的問題：判斷與行動之間，究竟在哪一步丟失了價值？

不過，外部反饋並不等於清晰答案。

Agent 預測某事件有 70% 的概率發生，最終事件沒有發生，不能僅憑這一次結果判定預測錯誤。同樣，一筆盈利也可能來自運氣、行情或額外承擔的風險。交易數據具有低信噪比，歷史研究還容易受到幸存者偏差和過擬合影響；這些也是金融強化學習研究明確指出的困難。FinRL-Meta

好在預測市場的交易，恰好提供了一條比盈虧更快的證據通道。Agent 的每一次決策都以明確的概率形式給出，這讓"預測質量"可以用嚴格適當評分規則（proper scoring rules，如 Brier 分數）和校準曲線來度量：單次"70% 未發生"無法判定對錯，但如果一百次標注為 70% 的預測中只有四成發生，偏差就有了明確的統計證據。幾十到上百次概率預測就能形成有意義的校準評估，而等待盈虧曲線達到統計顯著，往往需要長得多的樣本。Proper Scoring Rules

NeoTrade 不承諾獲利，也不保證任何策略或 Agent 能夠持續盈利。更完善的學習機制、更準確的判斷和更嚴格的執行，仍然可能伴隨交易虧損。RSI 的研究目標是讓改進能夠被驗證，而"改進得到驗證"也只意味著它在特定條件和評價範圍內獲得了證據，不代表未來收益得到保證。

因此，NeoTrade 要解決的關鍵問題，是如何把結果整理成能夠支持改進判斷的證據。

這要求系統保留決策時的信息與時間戳、採用的配置和 skill（策略能力包）版本、決策摘要、訂單及成交記錄，並將它們與後續結果關聯起來。只有這樣，復盤才有機會區分：問題來自信息質量、概率判斷、執行流程，還是原有方法的適用條件已經改變。

評估的次序也隨之確定：校準與判斷質量的證據來得最快，執行與成本次之；PnL（盈虧）是重要的最終結果，但它最慢、噪聲最大，無法獨自解釋全部過程。

NeoTrade 正在嘗試把這套能力建立在 harness 層。具體而言，harness 負責組織記憶、上下文、工具、配置、執行與評估。即使使用同一個底層模型，不同的工作流程也可能帶來明顯不同的表現。

NeoTrade 的探索主要從幾個可迭代的組件開始：

•記憶： 將決策證據、結果和失敗條件組織成可檢索的經驗，並保留來源、時間與適用範圍。Agent 需要學會什麼時候調用經驗，也需要識別什麼時候舊經驗已經不再適用。

•代理配置（運行配置）： 在授權範圍內調整信息源選擇、上下文組織、分析步驟和工具調用方式。例如，減少低價值信息的重複處理，把更多研究資源用於真正影響判斷的證據。

•技能： 對策略方法及其適用條件進行版本化迭代。一個技能可以逐步補充信息核驗、機會識別、執行檢查和失效判斷，並通過比較決定是否保留新版本。

這些組件提供了改進的入口。要進一步接近 RSI，系統還需要能夠改進它使用這些入口的方法：如何定位問題、如何提出候選變化、如何選擇實驗，以及如何判斷證據是否足夠。

NeoTrade 正在探索的方向還包括：

•錯誤歸因： 從決策與執行記錄中提出可檢驗的原因假設，識別問題可能出在信息、判斷還是執行環節，並持續改善歸因方法。

•工具生成與代碼修改： 針對反復出現的能力缺口，生成或修訂數據處理、核驗與計算工具，經測試驗證後納入工作流程。

•研究資源調度： 在既定預算內，學習何時深入分析、調用更多工具或結束研究，並把評估資源分配給更值得驗證的候選改進。

仍以新聞交易為例。代理可能發現，多篇看似獨立的報導實際來自同一個原始來源，而自己曾將它們當作相互支持的證據。它可以提出一個 harness 修改：在分析前增加來源追溯與去重。

接下來，系統需要驗證這項變化。它是否減少了重複計數？是否改善了概率判斷？增加的檢查時間會不會錯過執行窗口？效果是否只存在於用於發現問題的歷史樣本中？

這些檢驗不必從真金白銀開始：NeoTrade 的第一站是模擬市場環境的影子運行------與現行版本消費同一份即時行情、並行給出決策而不動用資金，通過獨立驗收後，才進入實盤。

如果改進有效，這個代理才值得保留。進一步地，實驗還可能幫助代理改進自己的複盤方法：以後遇到"多來源支持"的判斷時，主動檢查這些來源是否獨立。一次局部修復由此可能形成可重用的研究能力。

"可驗證"是這套機制的核心。

NeoTrade 希望每一次候選改進都有明確的問題、可追溯的變更和可比較的結果。研究中需要保留舊版本作為對照，在未參與調優的後續數據與市場環境中檢驗變化，並同時觀察預測質量（以 Brier 分數、校準曲線等適當評分規則度量）、執行可靠性、成本和風險。

所有嘗試，包括失敗版本，也應進入實驗記錄。否則，系統只展示篩選後的成功結果，就容易把偶然表現誤認為進步。

回測過擬合研究表明，在同一批數據上反復嘗試大量方案，會顯著增加發現虛假優勢的可能性。回測過擬合研究

改進循環本身就是一台候選方案的生成機器。低頻風格的實盤樣本天然稀少------一個高選擇性的代理每週可能只交易幾次------而候選 harness 版本的生成幾乎沒有成本。在小樣本上從大量候選中挑選贏家，正是上述虛假優勢機制的現場重演。

因此，驗證流程需要內置幾條對自己的約束：實驗預註冊，假設、驗收指標與樣本窗口在實驗開始前固定，事後不得更換記分方式；限制同時在測的候選數量，並對多重比較做出校正；用統計功效更高的校準類指標承擔日常篩選，讓盈虧承擔最終驗收而不是每輪評比；評估資源向少數高價值候選集中，而不是廣撒網。

與此同時，可修改的研究與執行方法，需要與用戶授權邊界區分開。代理可以提出更好的工作方式，但資金權限、可交易範圍、風險上限，以及用於判斷候選版本是否通過的獨立驗收約束，不能由它為了獲得更高分數而自行放寬。

授權邊界之外，自我改進還必須直面一個更隱蔽的對手：針對學習循環本身的攻擊。一個會把經驗寫回記憶、會修訂自己技能與工具的系統，等於把提示注入（prompt injection）的影響從一次對話延長到了未來的每一輪改進------被污染的一條"經驗"，會以正常知識的面目參與後續決策。這不是假設的風險：研究者已經展示過，對開源交易代理框架的記憶注入可以誘導真實的鏈上轉帳，且注入內容能夠跨會話持續存在；也發生過自動化交易代理被注入指令、造成六位數美元損失的真實事件。Real AI Agents with Fake Memories、AIXBT 事件

因此，學習循環需要自己的防線，而不能只依賴交易環節的風控：外部內容永遠作為待分析的數據、而不是待執行的指令進入系統；經驗在寫入記憶之前經過來源標記、過濾與審計------記憶寫入本身被當作攻擊面對待；改進候選的提出與驗收相互隔離，避免同一段可能被污染的上下文既提出修改、又批准修改；實驗與經驗記錄保持只增不改，使任何異常行為都能回溯到污染源頭。催促立即行動、要求放寬風控、自稱系統通知的"經驗"內容，屬於最高優先級的紅旗。

這使自我改進成為一項有邊界、有記錄、防投毒、可以拒絕或回滾的工程過程。

NeoTrade 希望推進的創新，集中在把學習、驗證和實際運行連接起來。

這一方向的獨到之處，體現在幾個相互關聯的問題上：

•持續變化中的有效性： 不只檢查一個版本是否優於舊版本，還要識別這種優勢何時開始失效，以及系統能否重新適應。適用條件和失效證據，需要與改進一起被保存。

•包含真實成本的改進： 將預測、成交、延遲、手續費、滑點和推理開銷納入同一套評估。增加分析步驟可能提高準確性，也可能讓交易錯過時機；改進需要接受完整執行鏈條的檢驗。

•有授權邊界的自我修改： 將可演化的研究與執行方法，同獨立風控、驗收機制和學習循環的注入防護結合，讓代理能夠嘗試新方法，同時保持權限可審計、變更可撤回、經驗可溯源。

•面向具體用戶的長期適應： 在本地運行和用戶掌控數據的設計下，探索適合不同市場範圍、研究預算和風險要求的 harness。通用經驗如何遷移、個體經驗何時有效，都需要被驗證。

這些組合帶來了值得研究的新問題，也構成 NeoTrade 希望形成的工程與產品貢獻。它們的價值需要由實際運行和對照實驗建立。

隨著這項探索推進，NeoTrade 需要回答一個具體問題：在相同模型、資源預算和風險約束下，一個能夠改進自身 harness 的代理，能否更可靠地適應新的市場環境？

更有分量的遞歸證據，則要小心度量。"找到有效改進的成本隨時間下降"聽上去是自然的標準，但它帶著兩個混淆：早期改進多是低垂的果實，越往後天然越貴，成本上升並不能證偽遞歸；反過來，成本下降也可能只是市場恰好進入了更容易的階段。

市場會繼續變化。對手會學習，舊機會會消失，新的問題總會出現。

NeoTrade 希望建立的能力，是讓代理在這些變化中積累可檢驗的經驗，修正自己的方法，並讓經過驗證的改進參與下一輪學習。