一ARCHITECTURE · 双层架构
太极生两仪One whole splits into two. Trust goes only to the deterministic.
一画开天，分阴阳。下层是阳——确定性 Python 交易核心；上层是阴——可替换的 LLM 分析层。两者不混，信任只给确定性代码。
核心内部无 LLM：录制、执行、风控全是确定性代码路径。每个订单都带最大价格 / 滑点 / 数量保护、超时撤单、幂等键与重复订单防护。分析层只把外部文本结构化成 JSON 证据，由确定性代码校验后才使用。
阳 · LAYER 1 · PYTHON
确定性核心无 LLM
数据 · 执行 · 风控。签名、滑点、幂等、超时撤单全部走校验后的安全路径。买盘为阳。
recorder.wsreplay.book_atarb.vwaprisk.guards
阴 · LAYER 2 · SWAPPABLE
分析层仅结构化
条款 → 可验证特征（每 flag 附原文引用）。模型可换：sonnet / opus，凭证与交易钱包完全隔离。卖盘为阴。
extractor.llmvalidate_quotesequivalence.ladder
铁律 · INVARIANT
LLM 只做证据结构化，绝不直出概率、绝不下单。 外部新闻、市场描述、API 返回一律视为不可信数据——任何未落地原文的伪造字段 → 标 untrusted → 管线不评分。注入探针实测未劫持模型。
二L2 RECORDER · 录制器
观象录爻Record the shape of change. The book becomes a forming hexagram.
易者，象也。录制器录下市场变化之象——订单簿每一次深度起伏，都是一爻正在生成。
没有官方历史 L2 订单簿数据，自录 WebSocket 是唯一高保真来源，所以录制器是第一优先级组件，必须永续运行。每 10s PING，断线即重连快照对账，压实写入 Parquet——行数核对一致才删源。
0压实消息
识变 · STATE
每条记录都钉上 event_time / received_time / source；book-hash 缺口入账本。心跳超时门限 30s → 超时即进安全态，重连计入缺口账本。象不可伪，爻不可漏。
三UMA DISPUTE ENGINE · 争议风险
卦象辨险The stronger the position, the heavier its tail. Map risk to a hexagram.
道德经曰：物壮则老，极则反。UMA 预言机争议 2026 年已逾 1,150 起，发生过鲸鱼强扭结算——高概率仓位的尾部风险，主要来自结算。
引擎不让 LLM 猜分数：LLM 只抽取带原文引用的语义特征，dispute_risk = clamp(base + class + mods, 1, 5) 由确定性映射表计算。客观性越低，卦越凶——把 1–5 的风险阶梯铸成一个会变的六爻卦象。点击阶梯任意一档，观其卦。
1data_threshold数值数据流穿越阈值class +0
2institutional官方机构裁定结果class +1
3occur事件是否发生 · 解释性class +2
4announce宣布 / 措辞 · 活争议落点class +2 ±1
5announce + ambiguity主观判定 · 凶class +3 封顶
RISK → 卦象
坤
客观数据阈值 · 风险 1 / 5 · 至顺
CLEAN n=24
0.00
institutional · 全 0 flag
DISCR n=42
0.00
announce / occur
置换 p · 5000×
p=0.0000
簇稳健 · grounding 全成立
辨信 · 控险 · INFO + RISK
判别的是结构性结算歧义（机械数据 / 官方结果 vs 解释性 announce/occur），不是 disputed-vs-同胞——后者文本上不可分。ambiguity 封顶 +1、credible_reporting 权重置 0，防真实 LLM 标注饱和。凶卦不可强解，结算规则解析是第一层风控。
四COMPLETE-SET ARB · 完整集套利
混沌之窗Profit lives only in the transient window of a chaotic dislocation.
静止的簿无利可图。机会只在瞬态错位的混沌窗口——敏感依赖于初值，转瞬即逝，如奇异吸引子上一段永不重复的轨迹。
LORENZ · σ=10 ρ=28 β=8/3 · 敏感依赖
买全套若 ∑ask < 1，扣费后仍 < 1 即套利。
—— 机会只在瞬态错位的混沌窗口里短暂张开。
净边际 = 1 − Σ VWAP(逐档, 目标深度) − fee | fee = shares × feeRate × p × (1−p) // p=0.5 处最大；逐市场读 feeSchedule，不按类别硬编码
crypto0.07
economics · culture · weather0.05
finance · politics · tech0.04
sports0.03
geopolitics0 FEE
定价 · PRICE
maker 永远免费，并有 20–25% 日返佣（pUSD 结算）。残余套利受深度强约束——76.9% 的回合平均可成交仅 ~14.8 股（arXiv 2605.00864，仅作量级参考）。容量假设一律保守；静止簿无利 → 只猎瞬态。
五BAYESIAN UPDATE · 信念更新
贝叶斯更新Prior meets evidence, becomes posterior. The model never speaks the price.
信念非一锤定音。先验遇证据，化为后验——玄之又玄，众妙之门。门内是确定性的更新规则，不是模型的口断。
LLM 出带原文引用的证据，确定性 scorer 据映射表更新信念。模型给的是似然的素材，不是后验本身。下图：浅灰先验 + 朱砂证据 → 琥珀后验，峰移而方差收。
prior · 先验
evidence · 证据
posterior · 后验
外部文本→
LLM 抽取→
特征 JSON + 引用→
関 · validate_quotes→
确定性 scorer→
后验信念
門，即验证边界。関者，检查站也——证据穿过门、被 validate_quotes 验证、方可通行，交确定性 scorer 定价。
玄之又玄，众妙之门 · sekio.dev · 関 与之同义：未落地原文者拒于门外，过门者方为可信证据。
门 · 绝不直出概率
Prophet Arena 实测：23 个前沿模型无一保本，最佳者平均回报仅 0.943。LLM 直出概率对赌市价是证伪方向。贝叶斯之门的钥匙握在确定性代码手里——模型只递证据，门内才定价。