symbol_blacklist 表说明(代币黑名单)

symbol_blacklist 表说明(代币黑名单)

1. 概述与用途

  • 表名symbol_blacklist
  • 用途:记录未通过相关系数 / Gate1 / Gate2 校验的代币,在配置的有效期(默认 24 小时)内跳过分析,避免重复失败。

2. 表结构(列定义)

列名 类型 约束/说明
id SERIAL 主键,自增
symbol TEXT NOT NULL,代币符号(如 SOL/USDC:USDC)
base_symbol TEXT NOT NULL,计价/基准币(如 BTC/USDC:USDC)
failure_reason TEXT NOT NULL,失败原因(如 correlation / gate1 / gate2)
corr_4h DOUBLE PRECISION 可选,4h 相关系数
cointegration_count INTEGER 可选,协整数量
health_passed BOOLEAN 可选,健康检查是否通过
blacklisted_at TIMESTAMPTZ NOT NULL,默认 NOW(),加入黑名单时间
expires_at TIMESTAMPTZ NOT NULL,过期时间
created_at TIMESTAMPTZ 默认 NOW(),创建时间

3. 唯一约束

  • UNIQUE(symbol, base_symbol, failure_reason)
    同一 (symbol, base_symbol, failure_reason) 组合只保留一条记录,避免重复插入。

4. 索引

索引名 用途
idx_blacklist_symbol_expires (symbol, base_symbol, expires_at DESC) 按 symbol/base_symbol 查询未过期黑名单
idx_blacklist_expires (expires_at) 按过期时间做批量清理

5. 清理函数

  • 函数名cleanup_expired_blacklist()
  • 作用:删除 expires_at < NOW() 的记录,并返回删除行数。
  • 调用:由服务端按 BLACKLIST_CLEANUP_INTERVAL(默认 3600 秒)定时调用,或手动执行。
SELECT cleanup_expired_blacklist() AS cnt;

6. 抽样数据示例

以下为从 symbol_blacklist 表抽样的一条真实记录(按 blacklisted_at 取最新一条):

字段
id 212
symbol SOL/USDC:USDC
base_symbol BTC/USDC:USDC
failure_reason gate2
corr_4h NULL
cointegration_count 4
health_passed False
blacklisted_at 2026-02-17 20:00:58.167100+00:00
expires_at 2026-02-18 20:00:58.170971+00:00
created_at 2026-02-17 20:00:58.167100+00:00

含义简述SOL/USDC:USDC 在以 BTC/USDC:USDC 为 base 的校验中因 gate2 未通过被加入黑名单;协整数量为 4,健康检查未通过;在 expires_at 之前该 symbol 会被跳过分析。


7. 相关配置(src/config.py)

配置项 默认值 说明
BLACKLIST_TTL_HOURS 24 黑名单有效期(小时)
BLACKLIST_CACHE_SIZE 5000 黑名单缓存容量
BLACKLIST_CLEANUP_INTERVAL 3600 过期记录清理间隔(秒)

8. DDL 来源

表与索引、清理函数的定义见:database/init_timescaledb.sql(约 489–528 行)。
代码侧读写通过 src.utils.database.timescaledb.BlacklistRepositoryTimescaleDBClient 完成。

Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG