# 🎯 ИНСТРУКЦИЯ ДЛЯ НОВОГО ЧАТА - КРИТИЧЕСКИЕ ИСПРАВЛЕНИЯ
## Дата: 2025-11-21
## Проект: TRADER-AGENT - AI Trading System
изучи документы :
/Users/Gyber/GYBERNATY-ECOSYSTEM/TRADER-AGENT/SYSTEM_COMPLETE_AUDIT_EXTENDED.md
/Users/Gyber/GYBERNATY-ECOSYSTEM/TRADER-AGENT/SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md
---
## 📋 КРАТКОЕ РЕЗЮМЕ ПРОБЛЕМ
### 🔴 КРИТИЧЕСКАЯ ПРОБЛЕМА
**MCP сервер показывает "0 prompts" несмотря на наличие промптов в папке `prompts/`**
**Причина:** Отсутствуют функции `@app.list_resources()` и `@app.read_resource()` в MCP серверах
**Последствия:**
- Autonomous agent не использует промпты через MCP
- База знаний не интегрирована в систему
- Качество анализа низкое (нет best practices валидации)
- Не соблюдается CRITICAL_REQUIREMENTS.md
---
## ✅ ЧТО НУЖНО СДЕЛАТЬ (ПРИОРИТЕТЫ)
### 🔴 КРИТИЧЕСКИЙ ПРИОРИТЕТ #1: Интеграция Промптов в MCP
**Файл:** `mcp_server/full_server.py`
**Добавить в конец файла (перед `async def main()`):**
```python
from mcp.types import Resource, TextResourceContents
@app.list_resources()
async def list_resources() -> List[Resource]:
"""Список всех промптов и базы знаний"""
base_path = Path(__file__).parent.parent
resources = []
# Промпты
prompts_dir = base_path / "prompts"
if prompts_dir.exists():
for prompt_file in prompts_dir.glob("*.md"):
resources.append(Resource(
uri=f"prompt:///{prompt_file.stem}",
name=prompt_file.stem,
description=f"Trading prompt: {prompt_file.stem}",
mimeType="text/markdown"
))
# База знаний
kb_dir = base_path / "knowledge_base"
if kb_dir.exists():
for kb_file in kb_dir.glob("*.md"):
resources.append(Resource(
uri=f"knowledge:///{kb_file.stem}",
name=kb_file.stem,
description=f"Trading knowledge: {kb_file.stem}",
mimeType="text/markdown"
))
logger.info(f"Listed {len(resources)} resources")
return resources
@app.read_resource()
async def read_resource(uri: str) -> TextResourceContents:
"""Чтение промпта или базы знаний"""
base_path = Path(__file__).parent.parent
if uri.startswith("prompt:///"):
prompt_name = uri.replace("prompt:///", "")
prompt_file = base_path / "prompts" / f"{prompt_name}.md"
if not prompt_file.exists():
raise ValueError(f"Prompt not found: {prompt_name}")
content = prompt_file.read_text(encoding="utf-8")
logger.info(f"Read prompt: {prompt_name} ({len(content)} chars)")
return TextResourceContents(
uri=uri,
mimeType="text/markdown",
text=content
)
elif uri.startswith("knowledge:///"):
kb_name = uri.replace("knowledge:///", "")
kb_file = base_path / "knowledge_base" / f"{kb_name}.md"
if not kb_file.exists():
raise ValueError(f"Knowledge base not found: {kb_name}")
content = kb_file.read_text(encoding="utf-8")
logger.info(f"Read knowledge: {kb_name} ({len(content)} chars)")
return TextResourceContents(
uri=uri,
mimeType="text/markdown",
text=content
)
else:
raise ValueError(f"Unknown resource URI: {uri}")
```
**Также добавить в `mcp_server/autonomous_agent_server.py`** - аналогично
---
### 🔴 КРИТИЧЕСКИЙ ПРИОРИТЕТ #2: Улучшить Autonomous Agent
**Проблемы:**
- Confluence score не основан на Entry Decision Framework
- Не всегда показывает ОБА направления (LONG и SHORT)
- Нет валидации по чеклисту из `7_zero_risk_methodology.md`
**Решение - Читай детали в:**
- `SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md` - основной план
- `SYSTEM_COMPLETE_AUDIT_EXTENDED.md` - advanced фичи
**Ключевые изменения в `autonomous_agent/autonomous_analyzer.py`:**
1. **Улучшить `_calculate_final_score()`** - использовать матрицу из Entry Decision Framework
2. **Улучшить `_finalize_top_3_longs_and_shorts()`** - ВСЕГДА возвращать оба направления
3. **Добавить ValidationEngine** - проверка по чеклисту
---
### 🟡 ВЫСОКИЙ ПРИОРИТЕТ #3: Создать ValidationEngine
**Создать новый файл:** `mcp_server/validation_engine.py`
**Цель:** Валидация всех возможностей по чеклисту из `7_zero_risk_methodology.md`
**10 критериев безопасного входа:**
1. Trend alignment (3-4 TF)
2. Multiple indicators (5+)
3. Strong S/R Level
4. Volume confirmation
5. Pattern >70% reliability
6. R:R ≥ 1:2
7. Favorable market conditions
8. BTC supports direction
9. Positive sentiment
10. On-chain supports
**Минимум 8/10 критериев для валидного сигнала!**
---
### 🟡 ВЫСОКИЙ ПРИОРИТЕТ #4: Улучшить QwenClient
**Файл:** `autonomous_agent/qwen_client.py`
**Добавить:**
- `_validate_critical_requirements()` - проверка что есть 3 LONGS и 3 SHORTS
- `_fix_critical_requirements()` - исправление если Qwen не выдал оба направления
- Structured output validation
---
## 📚 ПОЛНАЯ ДОКУМЕНТАЦИЯ
### Основные Документы:
1. **SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md**
- Подробный план исправлений
- Примеры кода для всех изменений
- План действий с приоритетами
2. **SYSTEM_COMPLETE_AUDIT_EXTENDED.md**
- Advanced фичи (Order Flow, ML Integration)
- Best Practices 2025
- Production deployment guide
3. **MASTER_PROMPT.md**
- Оригинальное видение проекта
- Требования к системе
- Expected результаты
### Промпты (в `prompts/`):
- `agent_core_instructions.md` - основные инструкции для AI
- `market_analysis_protocol_optimized.md` - оптимизированный протокол анализа
- `entry_decision_framework.md` - framework принятия решений
- `CRITICAL_REQUIREMENTS.md` - ОБЯЗАТЕЛЬНО показывать оба направления!
### База Знаний (в `knowledge_base/`):
- `7_zero_risk_methodology.md` - методология нулевого риска
- `6_market_analysis_framework.md` - framework анализа рынка
- `4_entry_strategies.md` - стратегии входа
- Всего 8 документов с best practices
---
## 🎯 ОЖИДАЕМЫЕ РЕЗУЛЬТАТЫ
### После Исправлений:
```
2025-11-21 XX:XX:XX [info] Found 35 tools, 12 prompts, 8 resources
```
**Вместо текущего:**
```
2025-11-21 09:18:55.725 [info] Found 35 tools, 0 prompts, and 0 resources
```
### Качество Анализа:
- ✅ **ВСЕГДА** показывает ОБА направления (LONG и SHORT)
- ✅ Confluence score >= 8.0 для рекомендованных сигналов
- ✅ Вероятность >= 70% для всех сигналов
- ✅ R:R >= 1:2 минимум
- ✅ Детальное обоснование каждой возможности
- ✅ Предупреждения для слабых setup (score < 8.0)
### Процесс Анализа (OPTIMIZED):
1. **ШАГ 1:** Быстрый market overview + BTC analysis (2 мин)
2. **ШАГ 2:** Параллельное сканирование (scan_market + find_*) (1 мин)
3. **ШАГ 3:** Фильтрация по score >= 7.0 (30 сек)
4. **ШАГ 4:** Детальный анализ ТОП 3-5 кандидатов (5 мин)
5. **ШАГ 5:** Валидация через ValidationEngine (1 мин)
6. **ШАГ 6:** Финализация ТОП 3 LONGS + ТОП 3 SHORTS (1 мин)
**ИТОГО:** < 10 минут качественного анализа
---
## 🚀 QUICK START ДЛЯ НОВОГО ЧАТА
### Шаг 1: Понять Проблему
```bash
# Читай:
cat SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md
```
### Шаг 2: Начать с Критических Исправлений
```bash
# 1. Интеграция промптов в MCP
code mcp_server/full_server.py
# Добавь @app.list_resources() и @app.read_resource()
# 2. То же для autonomous_agent_server.py
code mcp_server/autonomous_agent_server.py
```
### Шаг 3: Создать ValidationEngine
```bash
# Создай новый файл
code mcp_server/validation_engine.py
# Используй код из SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md
```
### Шаг 4: Обновить Autonomous Analyzer
```bash
code autonomous_agent/autonomous_analyzer.py
# Улучши _calculate_final_score()
# Улучши _finalize_top_3_longs_and_shorts()
```
### Шаг 5: Тестирование
```bash
# Запусти MCP server
uv run python mcp_server/full_server.py
# Проверь что видно resources
# Должно быть: "35 tools, 12 prompts, 8 resources"
```
---
## 🧪 ТЕСТИРОВАНИЕ
### Проверка Интеграции Промптов:
```python
# В новом Python shell
from pathlib import Path
import asyncio
from mcp_server.full_server import list_resources, read_resource
# Список всех resources
resources = asyncio.run(list_resources())
print(f"Total resources: {len(resources)}")
# Чтение промпта
content = asyncio.run(read_resource("prompt:///CRITICAL_REQUIREMENTS"))
print(f"Prompt length: {len(content.text)} chars")
```
### Проверка Autonomous Agent:
```python
# Запуск анализа
python scripts/test_autonomous_agent.py
# Проверь результат:
# 1. Есть ли 3 LONGS?
# 2. Есть ли 3 SHORTS?
# 3. Confluence score >= 8.0?
# 4. Есть ли детальное обоснование?
```
---
## ⚠️ КРИТИЧЕСКИЕ НАПОМИНАНИЯ
### ❌ НЕ ДЕЛАЙ:
1. ❌ НЕ игнорируй одно из направлений (LONG или SHORT)
2. ❌ НЕ предлагай сигналы с confluence < 8.0 без предупреждения
3. ❌ НЕ используй статический баланс ($30) - ВСЕГДА проверяй реальный через get_account_info()
4. ❌ НЕ пропускай валидацию по чеклисту из 7_zero_risk_methodology.md
### ✅ ОБЯЗАТЕЛЬНО ДЕЛАЙ:
1. ✅ ВСЕГДА показывай ОБА направления (LONG и SHORT)
2. ✅ Используй Entry Decision Framework для confluence scoring
3. ✅ Валидируй через ValidationEngine перед показом пользователю
4. ✅ Проверяй CRITICAL_REQUIREMENTS.md перед финализацией
5. ✅ Детально объясняй каждое решение
---
## 📊 МЕТРИКИ УСПЕХА
### Технические Метрики:
- ✅ MCP resources > 0 (должно быть 12 prompts + 8 knowledge)
- ✅ Время анализа < 10 минут
- ✅ Memory usage < 2GB
- ✅ No errors в логах
### Качественные Метрики:
- ✅ Win rate > 70% для сигналов с score >= 8.0
- ✅ Probability estimation accuracy > 80%
- ✅ R:R actual > R:R predicted (95% времени)
- ✅ User satisfaction (качество обоснования)
---
## 🔗 ПОЛЕЗНЫЕ ССЫЛКИ
- [Bybit API Docs](https://bybit-exchange.github.io/docs/v5/intro)
- [MCP Protocol Spec](https://spec.modelcontextprotocol.io/)
- [Entry Decision Framework](prompts/entry_decision_framework.md)
- [Zero Risk Methodology](knowledge_base/7_zero_risk_methodology.md)
---
## 📝 ФИНАЛЬНЫЙ ЧЕКЛИСТ
Перед тем как считать задачу выполненной:
- [ ] MCP показывает "35 tools, 12 prompts, 8 resources"
- [ ] Autonomous agent использует промпты через MCP
- [ ] ValidationEngine создан и интегрирован
- [ ] ВСЕГДА показывает оба направления (LONG + SHORT)
- [ ] Confluence score основан на Entry Decision Framework
- [ ] Проверка по чеклисту из 7_zero_risk_methodology.md
- [ ] Тесты пройдены (unit + integration)
- [ ] Документация обновлена
- [ ] Production-ready (error handling, logging, monitoring)
---
## 🎯 ИТОГ
**Эта инструкция содержит ВСЁ необходимое для исправления критических проблем системы.**
**НАЧНИ С:**
1. Интеграции промптов в MCP (Приоритет #1)
2. Создания ValidationEngine (Приоритет #2)
3. Улучшения Autonomous Agent (Приоритет #3)
**ИСПОЛЬЗУЙ:**
- `SYSTEM_COMPLETE_AUDIT_AND_FIX_INSTRUCTION.md` - для деталей реализации
- `SYSTEM_COMPLETE_AUDIT_EXTENDED.md` - для advanced фич
- Существующие промпты и базу знаний - для контекста
**ЦЕЛЬ:**
Превратить систему из прототипа в профессиональный торговый инструмент с качеством анализа на уровне best practices 2025.
---
**Удачи!** 🚀
**Версия:** 1.0
**Дата:** 2025-11-21
**Автор:** System Audit Team
**Статус:** READY FOR NEW CHAT