ianzeng123
Inventor의 수량 산정 워크플로 관련 FAQ (지속적으로 업데이트됨)
2
719
[TOC]
발명자의 양적 작업 흐름을 사용하는 과정에서, 많은 개발자들이 댓글 구역과 커뮤니티에서 많은 의문을 제기했다. 이 문서는 환경 구성, 노드 사용, 데이터 읽기, AI 호출, 피드백 메커니즘과 같은 여러 측면을 포함하는 이러한 높은 빈도 문제를 정리하여 신속하게 해결책을 찾도록 도와줍니다.
I. 환경 구성 문제
Q1: 왜 내 디스크는 워크플로 전략을 실행하지 못하는가?
최신 버전의 관리자만이 작업 흐름을 실행할 수 있습니다. 귀하의 관리자 버전이 너무 오래되면 작업 흐름 정책이 시작되지 않으며 최신 버전으로 업데이트해야합니다.
Q2: 어떤 프로그래밍 언어를 지원합니까?
작업 흐름의 코드 노드는 자바스크립트를 지원하고, 파이썬을 지원하지 않는다. 만약 파이썬으로 쓰기 익숙하다면, JS 문법으로 변환할 필요가 있다. JS와 파이썬의 기본 논리는 유사하지만, 주로 문법 차이가 있다.
두 번째, 노드의 작동 메커니즘
Q3: 워크플로우의 노드들은 동시에 트리거되나요? 아니면 순차적으로 실행되나요?
워크플로우 노드는 엄격히 연속적으로 작동하며, 동시에 실행되지 않고, 하나씩만 작동할 수 있다. 각 노드는 이전 노드의 실행이 완료될 때까지 기다려야 하며, 정책 메커니즘을 설정할 때 이 특성을 고려해야 한다.
Q4: 왜 K-라인 업데이트 노드를 설정한 후에도 작업 흐름이 실행되지 않고 대기하고 있습니까?
만약 1시간 K라인 업데이트 트리거를 설정하면, K라인 종료 시점까지 기다리게 됩니다. 대기 중에, 작업 흐름이 실행되지 않는 것은 정상입니다. 대기 중에 다른 전략 논리를 실행하고 싶다면, 두 번째 트리거를 설정하여 귀하의 전략 논리를 실행할 수 있습니다.
세, 데이터 읽기 및 변수 저장
Q5: 노드의 출력 데이터를 어떻게 읽을 수 있나요?
표준 문자는:
$node["节点名称"].json
이 문법은 임의의 노드의 JSON 출력을 읽을 수 있다. 그러나 여기에 한계가 있다. 직접 연결된 부모 노드 데이터만 읽을 수 있다. 두 노드 사이에 직접 연결된 관계가 없다면, 이런 식으로 읽을 수 없다.
Q6: 직접 연결되지 않은 노드들 사이에 데이터를 공유하는 방법은 무엇입니까?
사용할 수 있습니다_G세계적 변수._GFMZ 작업 흐름이 제공하는 전 세계 내 저장소이며, 모든 노드, 모든 흐름 사이에 데이터를 공유할 수 있다.
사용법은 간단합니다.
// 保存数据
_G("变量名", 值)
// 读取数据
_G("变量名")
하지만 특히 주의해야 합니다._G이 변수는 항상 존재하며, 리드 디스크를 재부팅하더라도 삭제되지 않습니다. 잘못된 오래된 데이터를 읽었다는 것을 발견하면 수동 설정이 필요합니다._G("变量名",null)은 디스크를 삭제하거나 직접 은 디스크를 다시 만들 수 있습니다.
Q7: JSON.stringify를 언제 사용해야 할까요?
복잡한 데이터를 처리할 때,JSON.stringify이 방법은 복잡한 객체와 배열을 텍스트 문자열로 변환할 수 있습니다. 이는 AI 노드에 데이터를 전달할 때 특히 유용합니다. 왜냐하면 AI는 텍스트 형식의 입력만을 이해할 수 있기 때문입니다.
네, 코드 노드의 데이터 전달
Q8: 코드 노드가 데이터를 반환해야 하나요?
네, 이것은 매우 중요한 요구사항입니다.return데이터를 반환하여 데이터를 노드 사이에 전달하도록 한다. 당신의 코드 논리는 어떤 데이터를 출력할 필요가 없더라도, 빈 배열을 반환한다:
return {}
만약 return를 잊어버린다면, 후속 노드는 데이터를 수신할 수 없고, 전체 작업 흐름이 중단된다.
Q9: 노드에서 나오는 여러 데이터를 어떻게 처리하나요?
만약 하나의 노드가 여러 개의 데이터를 출력한다면, 예를 들어, 10개의 뉴스를 얻으면, 개별적으로 처리하는 대신 통합적으로 처리해야 합니다. 이 경우 다음 노드에 직접 전송할 수 없습니다. 통합 노드 또는 집약 노드를 사용하여 여러 데이터를 하나의 데이터 패키지로 통합해야 합니다.
이렇게 하면 데이터 구조가 명확하고, 후속 노드 처리가 편리하다. 예를 들어, 여러 개의 뉴스를 AI 분석에 전달하려면 먼저 하나의 배열을 집합하여 AI가 한 번에 모든 정보를 볼 수 있습니다.
다섯째, AI 노드 구성 및 디부팅
Q10: 인공지능 노드에서 오류가 발생하면 가장 먼저 무엇을 확인해야 할까요?
먼저 AI 노드의 기본 설정이다. AI 노드는 모델 모델을 추가해야 하며, 모델에서 자격증을 설정해야 한다. 먼저 새로운 자격증을 생성하고, 자격증 구성에는 두 가지 중요한 정보가 포함된다: API key 및 base url. API key는 해당 플랫폼에서 요청한 키이며, base url는 API의 요청 주소이다.
Q11: 어떤 API를 사용하는 것이 좋을까요?
딥시크의 직설 API를 사용하는 것은 권장하지 않습니다. 응답이 느리고 시간이 오래 걸리기도 하고, 사용량이 제한되어 있기 때문입니다. OpenRouter를 사용하는 것이 좋습니다.
Q12: 인공지능 호출에 비용이 들까요?
예, AI 호출은 비용이 많이 들고, 각 요청에 토큰이 소모됩니다. 호출 실패의 경우, 계정 잔액이 충분하는지 확인하십시오. 전략 논리 테스트 단계에서 저렴한 모델을 사용하여 전략 논리가 올바르게 확인된 후 더 강력한 모델로 변경하는 것이 좋습니다.
Q13: 효과적인 인공지능 명령어를 어떻게 작성해야 할까요?
이것은 다른 큰 모델의 특성에 따라 최적화해야 하는 예술이다. 예를 들어, 그록은 더 적극적이며, 클라우드는 더 신중하며, 딥세이크는 A주식 데이터로 훈련된 자연스러운 다중 작업 경향을 가지고 있다. 이러한 특성을 이해하면 더 효과적인 프롬프트를 쓸 수 있다.
6. 인공지능 모델 안정성과 풍력 조절
Q14: 인공지능 모델의 결정은 안정적인가?
AI 모델은 아직 완전히 안정적이지 않습니다. AI는 전략의 의사결정 질을 향상시킬 수 있지만, 그 자체는 잘못된 판단을 할 수 있습니다.
Q15: 인공지능 전략을 사용할 때 주의해야 할 사항은 무엇입니까?
인공지능 전략을 사용할 때, 엄격한 위험 관리 조치를 추가해야합니다. 예를 들어: 단일 거래의 최대 손실 한도를 설정하고, 총 포지션의 상한을 설정하고, 스톱 로직을 추가하여 AI가 자금을 완전히 제어하지 않도록하십시오.
인공지능 (AI) 은 당신의 의사 결정 보조 도구가 되어야 하며, 전권적 위탁의 대상이 되어서는 안된다. 인공지능 (AI) 기술 발전에 따라 모델은 점점 더 안정적이 될 것이지만, 현 시점에서 신중한 선택은 현명하다.
7. AI 전략의 특수성
Q16: 인공지능이 포함된 전략은 정상적으로 추적될 수 있나요?
AI가 포함된 전략은 재검토에 있어서 매우 특이하며, 이는 명확히 이해되어야 한다. 일반적인 전략은 역사적인 데이터로 임의로 재검토할 수 있지만, AI 전략은 그렇지 않다.
왜? 왜냐하면 AI를 호출할 때마다 토큰을 소모하고 실제 비용을 발생시키기 때문입니다. 1년 동안의 역사 데이터를 거슬러 올라가면 수천번의 AI를 호출해야 할 수도 있고 비용이 매우 높습니다.
FMZ는 사람들의 지갑을 보호하기 위해 하나의 메커니즘을 고안했습니다. 재검토 모드에서는 AI 노드가 3번의 실제 호출을 할 뿐이며, 이후에는 3번의 캐시 데이터를 사용합니다. 따라서 재검토 결과는 단지 참고 사항일 뿐이며, 진정한 AI 의사 결정의 질을 나타내지 않습니다.
Q17: 최신 뉴스를 이용한 인공지능 전략이 이를 추적할 수 있을까요?
만약 당신의 전략이 최신 뉴스 정보를 호출한다면, 회귀는 더 불합리하다. 왜냐하면 당신은 과거의 K선 데이터를 사용하고 있지만, 현재 뉴스를 읽고 있기 때문에, 둘의 시간은 완전히 일치하지 않아서, 이러한 회귀 결과는 무의미하다.
Q18: 그럼 AI 전략은 어떻게 테스트해야 할까요?
제안된 방법은: 소액의 자금으로, 소액의 주기적으로 실장 테스트를 실시하고, 일정 기간 동안 AI 의사결정 품질과 전략의 성과를 관찰하고, 안정성을 확인한 후 점차적으로 자금을 확대하는 것이다. AI 전략에 있어 실장 검증은 역사 회귀보다 훨씬 중요하다.
8 HTTP 및 MCP 노드 구성
Q19: HTTP 노드에서 데이터를 얻을 수 없는 경우 어떻게 해야 할까요?
HTTP 노트와 MCP 노트는 일반적으로 외부 데이터를 얻기 위해 사용되지만, 많은 API 서비스는 암호를 사용하여 액세스 할 수 있습니다. HTTP 요청을 구성했지만 지속적으로 데이터를 얻지 못하면 API 키가 필요하는지 확인하고 인증 정보가 올바르게 구성되어 있는지 확인하십시오. 일부 API에는 요청 주파수 제한이 있으며, 너무 자주 호출하면 스트림이 제한되거나 심지어 차단됩니다.
Q20: 어떻게 외부 데이터의 안정성을 높일 수 있을까요?
MCP 노드는 더욱 강력하여 다양한 구조화된 데이터 서비스로 연결할 수 있지만, 구성도 더 복잡하다. 서비스 엔드포인트, 인증 방법, 요청 파라미트 등을 올바르게 설정해야 한다. HTTP 노드를 사용하여 API가 정상적으로 접근할 수 있는지 테스트하고, 데이터 형식을 확인한 후 작업 흐름에 통합하는 것이 좋습니다.
또한, 안정성을 높이기 위해 이러한 노드에 실패 재시험 메커니즘을 추가할 수 있다. 노드 설정에서 재시험을 시작하여 재시험 횟수와 간격 시간을 설정하여 일시적인 네트워크 문제가 전체 작업 흐름을 실패시키지 않도록 한다.
9. 코드 호환성 문제
Q21: FMZ 워크플로우와 n8n의 코드가 상호 사용 가능한가?
발명자의 워크플로우는 n8n 오픈소스 프레임워크를 기반으로 양도적으로 사용자 정의되지만, 둘의 코드는 서로 직접 복제할 수 없습니다. 만약 여러분이 온라인에서 n8n 워크플로우 코드를 발견하고, FMZ에 직접 붙인다면, FMZ의 API와 노드 규격에 따라 수정할 필요가 있습니다. 반대로, FMZ 워크플로우 코드는 n8n에 직접 사용할 수 없습니다.
주요 차이점은: FMZ는 일부 노드들에 대해 사용자 정의 개편을 하고, 파라미터와 출력 형식이 모두 다릅니다. 코드를 마이그레이션하려면, 각 노드의 구성과 함수 호출을 신중하게 검사하여 목표 플랫폼의 규격에 부합하도록 해야 한다.
요약하다
이것은 발명가들의 워크플로우를 정량화하는 일반적인 문제들에 대한 해답입니다. 우리는 환경 구성, 노드 메커니즘, 데이터 읽기, 코드 규격, AI 호출에서 피드백 테스트에 이르기까지 다양한 측면을 다루고 있습니다.
그러나 양자 거래는 지속적인 학습 과정이며, 새로운 문제가 계속 발생할 것입니다. 문제가 발생하면 낙담하지 마십시오. 먼저 FMZ의 공식 문서를 확인하고, 커뮤니티의 토론을 검색하십시오. 많은 문제가 이전에 발생했습니다.
기억하세요: 문제는 최고의 스승입니다. 문제를 하나씩 해결하면, 워크플로우에 대한 이해가 더 깊어집니다. 이 FAQ가 워크플로우 개발의 양적 전략을 더 잘 사용하도록 도와줄 수 있기를 바랍니다!