albrooks-perspective

把 Al Brooks 的价格行为交易思维蒸馏成一个可复用的 AI Skill —— 让 AI 以「逐根 K 线分析」的方式陪你看图、审视交易决策、解读价格行为。

An AI skill distilled from Al Brooks' price action framework: bar-by-bar chart analysis, probability thinking, and disciplined trade review.

这是什么

本项目是一份 思维蒸馏产物（基于女娲 v2.0 流程）。它把 Al Brooks —— 价格行为交易法的集大成者、前眼科医生转职全职交易员 —— 的公开方法论提炼为一份可供 AI Agent 加载的 SKILL.md。

一旦安装到你的 AI Agent（如 Claude Code），当你说出「用 Al Brooks 的视角看看这个图」这类请求时，Agent 会直接以 Al Brooks 的身份回应：

用概率语言说话（从不说「一定」）
永远从左侧开始：先看背景（Context），再看信号 K 线
按 背景 → 信号 → 风险 → 陷阱 四步分析图表
落实 Al Brooks 的 10 个核心心智模型和 10 条决策启发式

⚠️ 非投资建议：本 Skill 是思维框架与学习方法，不构成任何投资建议。交易有风险，入市需谨慎。

核心能力

能力	说明
🎭 角色扮演	激活后以 Al Brooks 本人语气、节奏、词汇直接回应
🧠 10 大心智模型	市场周期四态、Always In、交易者方程式、背景+信号+跟随、80% 法则、测量移动/磁吸、大反转(MTR)、急速变通道、开盘/90 分钟定理、双重随机性
🎯 决策启发式	背景先于信号、趋势只做顺势、区间高抛低吸、回报≥2 倍风险、数 K 线等二次入场、止损在信号 K 之外、看跟随确认突破、早盘等反转、沃尔玛交易法、多时间框架对齐
🗣️ 表达 DNA	复刻其概率化、条件句、自嘲式冷幽默的说话方式
📊 图表分析协议	有图先取真实行情 → 判断背景 → 识别信号 → 评估风险 → 检测陷阱
🚫 诚实的边界	明确标注方法主观、主用于 ES、未量化验证，不与量化项目混淆

快速开始

安装到 Claude Code

# 方法 A：软链（推荐，源目录改动即时生效）
ln -s /path/to/albrooks-perspective ~/.claude/skills/albrooks-perspective

# 方法 B：直接复制（独立副本）
cp -r /path/to/albrooks-perspective ~/.claude/skills/albrooks-perspective

其他支持 skill 的 Agent（Codex / OpenCode 等）同理，把目录放进它对应的 skills 目录即可。

触发方式

出现以下关键词时，Skill 会自动激活：

「用 Al Brooks 的视角」
「价格行为分析」「逐根 K 线分析」
「Brooks 会怎么看」「Al Brooks mode」
「看看这个图」

示例提问

用 Al Brooks 的视角看这张 5 分钟 ES 图，当前是交易区间还是趋势？有没有值得入场的信号 K 线？

我这笔交易止损被打掉了，但市场又回去了，是不是我错了？

用 Al Brooks 的方式解释一下什么是「测量移动」。

首次激活会声明一次免责声明，之后不再重复；说「退出角色」即可恢复正常模式。

项目结构

albrooks-perspective/
├── SKILL.md                    # 最终产物：可直接加载的技能文件
├── README.md                   # 本文件
├── scripts/
│   ├── pre_extract.py          # Phase 1.5 预提炼工具
│   └── quality_gate.py         # 质量门禁脚本
├── references/
│   ├── research/               # 6 个维度的调研结果
│   │   ├── 01-writings.md      #   著作与系统思考
│   │   ├── 02-conversations.md #   对话与访谈素材
│   │   ├── 03-expression-dna.md#   表达 DNA
│   │   ├── 04-external-views.md#   他者视角
│   │   ├── 05-decisions.md     #   决策记录
│   │   └── 06-timeline.md      #   人物时间线
│   ├── extraction-framework.md # 思维框架提炼方法论
│   └── skill-template.md       # SKILL.md 构建模板
└── knowledge-acquisition/      # 知识获取系统
    ├── config/                 #   tools / channels / quality-rules
    └── scripts/                #   channel_manager / quality_evaluator

📌 语料说明：本仓库只包含蒸馏产物与工程代码。课程转写、书籍、抓取文章等原始素材（references/sources/）不随仓库分发，以免涉及版权。

与 albrooks-quant 的关系

本 Skill 刻意与量化项目 albrooks-quant 解耦：

本 Skill：教你像 Al Brooks 一样 看图说话（思维框架 + 主观判断）
albrooks-quant：把形态检测变成 可回测的代码（量化计算）

两者通过「形态名称」对齐（如「信号 K 线」在两边都这么叫），但互不越界：本 Skill 不给具体公式阈值，quant 不做主观判断。

本地开发

质量门禁

检查 6 个调研文件是否达到进入下一阶段的质量标准（来源数量、一手占比、置信度标注、矛盾/缺口标注、过程密度）：

python3 scripts/quality_gate.py .

预提炼报告

生成 Phase 1.5 预提炼报告（来源统计、置信度总评、矛盾点、缺口、时间跨度、思想转折点信号）：

python3 scripts/pre_extract.py .

蒸馏流程

项目按 Phase 0 → 5 推进：入口确认 → 信息采集 → 预提炼与质量门禁 → 框架提炼 → 提炼确认 → Skill 构建 → 质量验证 → 双 Agent 精炼。详见 references/extraction-framework.md 与 references/skill-template.md。

调研来源与诚实边界

调研截止：2025 年初，基于 Al Brooks 公开课程、著作与访谈整理
方法高度主观：两个学过同样课程的人可能对同一图表做出不同分析
主要适用于 E-mini S&P 500（ES），其他品种需自行验证
方法论未做系统化回测，概率判断属于经验估计（量化验证交给 albrooks-quant）

版权与许可

SKILL.md 及本仓库工程内容为作者原创整理，基于 Al Brooks 公开课程与著作的 学习性提炼，仅供学习交流。
原始素材（课程转写、书籍摘录等）版权归原作者所有，本仓库不包含也不授权分发这些素材。
本项目的任何内容不构成投资建议。

致谢

基于 Al Brooks 公开的《Trading Price Action》三部曲、Brooks Pricing Course 视频课程及相关访谈，以及中文社区「方方土」系列的学习性梳理蒸馏而成。