衡度不替你决定买什么。它做的事是：把决策依据摊开、把风险算清、把执行过程留痕。你看到的不只是一句「买入」，而是一整套能复核的证据。
这件事在交易里格外重要。人对自己的决策记忆是高度失真的——盈利时记得自己「判断准确」，亏损时记得「本来要卖没卖」。当你无法诚实回看过去，就无法改进未来。衡度用留痕把这件事固定下来。
置信度不是一个数字，是一份决策档案
很多软件会给你一个「信号强度 85%」，但你问不出这个数字怎么来的。是哪个因子贡献的？检查过哪些条件？用的是哪个模型？这些追问换来的是沉默，于是这个数字既不能验证也不能改进。
衡度给出的是一个结构化对象，每个字段都能追问、能复核、能复现。
一条 AI 决策记录的组成
- decision_uid: a7f3e9c2 —— 决策唯一编号，可凭此检索完整记录
- allowed = true —— 风控是否放行
- confidence 0.78 —— 综合置信度
- action buy —— 建议动作
- symbol BTC/USDT —— 标的
- provider DeepSeek —— 模型来源，可追溯是哪个模型做的判断
- latency 842ms —— 决策耗时
- run_id #142 —— 关联运行，可回放到当时的完整上下文
probabilities —— 各方向概率分布
看多 0.78 · 看空 0.14 · 观望 0.08。
概率分布比单一数值更有信息量。同样是「看多 0.78」，一种是 0.78 / 0.80 / 0.05（接近持平，模型在犹豫），另一种是 0.78 / 0.14 / 0.08（看多占绝对优势）。单一数值把这两种完全不同的局面抹平了，分布不会。这决定了什么样的信号值得下重手，什么样的信号只配小仓试。
checks —— 逐项检查结果
- 趋势方向一致 —— 通过 · MA50 上行
- 波动率在合理区间 —— 通过 · ATR 1.8%
- 仓位未超上限 —— 通过 · 12.4% / 30%
- 当日交易次数 —— 通过 · 2 / 5
每一项都带实际数值，不是简单的「通过/不通过」。仓位 12.4% 和 29.8% 都算通过，但风险敞口差一倍多。数值留着，事后你才能判断当时的仓位管理是否合理。
人机分工
衡度承担的是重复、密集、需要纪律的部分：全天候盯盘、批量筛选标的、按规则检查风控、准时执行、逐笔留痕。这些事人做不到——不是不够努力，是生理上做不到。
人承担的是设定目标与风险偏好、审阅决策档案、在市场环境发生根本变化时介入。这些需要判断力，不适合写成规则。
分工清楚，才谈得上自动化。如果人还在盘中不断推翻系统决定，那就不叫自动化，叫「用系统辅助手动交易」。
智能体自动化
衡度的 AI 技能可以被智能体调用，串成完整流程：机会雷达筛出候选 → 标的诊断做初筛 → 看图分析判断形态 → 生成指标代码 → 写策略草稿 → 执行回测 → 检查风控 → 下单执行。
每个环节的输出都是结构化数据，能被下一环节直接消费，不需要人工搬运。这是「31 个技能」和「一条流水线」的区别——技能再多，如果需要人来回粘贴，效率提升也有限。
完整流程
设定目标 → 写指标 → 搭策略 → 跑回测 → 风控闸门 → 虚拟运行观察 → 实盘执行 → 复盘优化。
全链路留痕，任一环节可回溯到当时的输入与判断。这条流程不是概念图，在衡度里每一步都有对应的界面和产物。想自己动手走一遍，见如何建立一套交易系统。
