反思学习机制
Reflection & Learning Mechanism
Agent 交易后自动反思决策质量，将教训存入记忆供未来相似情境检索
子问题
1.反思 prompt 设计
2.多角色独立反思
3.记忆检索与应用
4.经验积累与遗忘
5.反思触发时机与外部信号（收益/亏损）的耦合
6.BM25 词频匹配在金融术语场景下的检索精度
各项目的解法1 solutions
Signals
横向对比
| 维度 | TradingAgents |
|---|---|
| 反思触发 | 交易后显式调用，传入真实收益/亏损值 |
| 反思粒度 | 5 角色独立反思，每角色提取各自决策历史 |
| 记忆检索 | BM25 词频匹配，4 份市场报告拼接为查询 key |
| 记忆注入 | top-2 历史教训拼接到 Agent prompt 尾部 |
| 反思模板 | 统一 4 维框架：Reasoning/Improvement/Summary/Query |
| 持久化 | 纯内存，进程结束即丢失 |
最佳实践
1.每个角色维护独立记忆避免交叉污染
2.反思时提供客观市场数据作为参照
3.用统一反思模板保证多角色反思质量一致性
4.将 4 份市场报告拼接为情境 key 确保检索语义对齐
5.使用 quick_thinking_llm 执行反思以控制成本