当需要根据特朗普 Truth Social/X 发帖预测…

适用于已安装或可访问 trump-code，并希望基于特朗普发帖信号生成美股/预测市场交易信号与回测的场景。

适用场景

解决思路

1. 安装：运行 `git clone https://github.com/sstklen/trump-code.git`。
2. 进入项目目录：运行 `cd trump-code`。
3. 安装依赖：运行 `pip install -r requirements.txt`。
4. 配置 AI briefing 和 chatbot 必需环境变量：运行 `export GEMINI_KEYS="key1,key2,key3"`，多个 Gemini API key 用逗号分隔。
5. 可选配置 Claude Opus 深度分析：运行 `export ANTHROPIC_API_KEY="your-key-here"`。
6. 可选配置 Polymarket/Kalshi 集成：运行 `export POLYMARKET_API_KEY="your-key-here"`。
7. 查看今日从特朗普帖子检测到的信号：运行 `python3 trump_code_cli.py signals`。
8. 查看模型表现排行榜（全部 11 个命名模型）：运行 `python3 trump_code_cli.py models`。
9. 获取 LONG/SHORT 共识预测：运行 `python3 trump_code_cli.py predict`。
10. 查看预测市场套利机会：运行 `python3 trump_code_cli.py arbitrage`。
11. 检查系统健康（熔断器状态）：运行 `python3 trump_code_cli.py health`。
12. 生成完整每日报告（三语）：运行 `python3 trump_code_cli.py report`。
13. 以 JSON 转储全部数据：运行 `python3 trump_code_cli.py json`。
14. 运行实时特朗普帖子监控（每 5 分钟轮询）：运行 `python3 realtime_loop.py`。
15. 运行暴力模型搜索（约 25 分钟，测试数百万组合）：运行 `python3 overnight_search.py`。
16. 运行单个分析：运行 `python3 analysis_06_market.py`，分析帖子与 S&P 500 相关性。
17. 运行组合评分分析：运行 `python3 analysis_09_combo_score.py`。
18. 启动 Web 仪表盘和 AI chatbot（端口 8888）：先运行 `export GEMINI_KEYS="key1,key2,key3"`，再运行 `python3 chatbot_server.py`，访问 `http://localhost:8888`。
19. 设置 REST API 基础地址：`BASE = "https://trumpcode.washinmura.jp"`。
20. 一次调用获取所有仪表盘数据：`requests.get(f"{BASE}/api/dashboard").json()`。
21. 获取今日信号 + 7 天历史：`requests.get(f"{BASE}/api/signals").json()`。
22. 获取模型表现排名：`requests.get(f"{BASE}/api/models").json()`。
23. 获取最新 20 条特朗普帖子及信号标签：`requests.get(f"{BASE}/api/recent-posts").json()`。
24. 获取实时 Polymarket 特朗普预测市场（316+）：`requests.get(f"{BASE}/api/polymarket-trump").json()`。
25. 获取 LONG/SHORT playbooks：`requests.get(f"{BASE}/api/playbook").json()`。
26. 获取系统健康/熔断器状态：`requests.get(f"{BASE}/api/status").json()`。
27. 调用 AI Chatbot API：向 `https://trumpcode.washinmura.jp/api/chat` POST JSON，例如 `{"message": "What signals fired today and what's the consensus?"}`，读取 `response.json()["reply"]`。
28. 在 `~/.claude/settings.json` 配置 MCP server：在 `mcpServers` 下添加 `trump-code`，`command` 为 `python3`，`args` 为 `["/path/to/trump-code/mcp_server.py"]`。
29. 可用 MCP 工具：`signals`、`models`、`predict`、`arbitrage`、`health`、`events`、`dual_platform`、`crowd`、`full_report`。
30. 读取开放数据目录 `data/`，该目录每日更新。
31. 读取 `data/trump_posts_all.json` 获取 44,000+ Truth Social 帖子。
32. 读取 `data/trump_posts_lite.json` 获取已预标记信号的帖子。
33. 读取 `data/predictions_log.json` 获取 566 条已验证预测及结果。
34. 读取 `data/surviving_rules.json` 获取 551 条活跃规则（暴力搜索 + 进化）。
35. 读取 `data/daily_features.json` 获取 384 个特征 × 414 个交易日。
36. 读取 `data/market_SP500.json` 获取 S&P 500 OHLC 历史。
37. 读取 `data/circuit_breaker_state.json` 获取熔断器/系统健康状态。
38. 读取 `data/evolution_log.json` 获取规则进化日志（crossover/mutation）。
39. 通过 API 列出可用数据集：`requests.get(f"{BASE}/api/data").json()`。
40. 通过 API 下载指定文件：`raw = requests.get(f"{BASE}/api/data/surviving_rules.json").content`，再 `rules = json.loads(raw)` 解析。
41. 解析今日信号：GET `https://trumpcode.washinmura.jp/api/signals`，读取 `today`，打印 `signals`、`consensus`（LONG/SHORT/NEUTRAL）、`confidence`（0.0–1.0）、`active_models`。
42. 从存活规则找表现最佳规则：加载 `data/surviving_rules.json`，按 `hit_rate` 降序排序，打印前 10 条的 `id`、`hit_rate`、`n_trades`、`avg_return`。
43. 检查预测市场机会：GET `/api/insights` 和 `/api/polymarket-trump`，筛选 `active` 市场，按 `volume` 降序排序，打印前 5 条 `title`、`yes_price`、`volume`。
44. 关联帖子特征与收益：加载 `data/daily_features.json` 和 `data/market_SP500.json`，用日期建立 `close_pct` 收益映射，将 `post_count` 与同日收益配对，用 `np.corrcoef(xs, ys)[0, 1]` 计算相关性并打印。
45. 对自定义信号回测：加载 `data/trump_posts_lite.json` 和 `data/market_SP500.json`，建立日期收益映射；筛选 9:30 AM ET 前出现 `RELIEF` 信号的日子（`hour < 9`），计算命中收益的 n、平均值、命中率。
46. 识别 `RELIEF` pre-market 信号：9:30 AM 前的 relief 语言，当日平均 +1.12%。
47. 识别 `TARIFF` market hours 信号：交易时段提到关税，次日平均 -0.758%。
48. 识别 `DEAL` 信号：deal/agreement 语言，52.2% 命中率。
49. 识别 `CHINA`（Truth Social only）信号：中国相关提及（从不在 X 上），1.5× 权重提升。
50. 识别 `SILENCE` 信号：零发帖日，80% 看涨，平均 +0.409%。
51. 识别 Burst → silence 信号：快速发帖后沉默，65.3% LONG 信号。
52. 参考模型 `A3`：盘前 RELIEF → 暴涨，命中率 72.7%，平均 +1.206%。
53. 参考模型 `D3`：成交量飙升 → 恐慌底，命中率 70.2%，平均 +0.306%。
54. 参考模型 `D2`：签名切换 → 正式声明，命中率 70.0%，平均 +0.472%。
55. 参考模型 `C1`：爆发 → 长时间沉默 → LONG，命中率 65.3%，平均 +0.145%。
56. 参考模型 `C3`：深夜关税（反指标），命中率 37.5%，平均 −0.414%。
57. 注意 `C3` 是反指标：如果触发，熔断器自动反转为 LONG（反转后 62% 准确率）。
58. 按系统架构流程运行：每 5 分钟检测 Truth Social 帖子 → 分类信号（RELIEF/TARIFF/DEAL/CHINA 等）→ 双平台 boost（仅 TS 的 China = 1.5× 权重）→ 快照 Polymarket + S&P 500 → 运行 551 条存活规则生成预测 → 在 1h/3h/6h 追踪 → 验证结果并更新规则权重 → 熔断器在系统退化时暂停/反转 → 每日进化规则（crossover/mutation/distillation）→ 同步数据到 GitHub。
59. 如果 `realtime_loop.py` 未检测到新帖子：检查到 Truth Social scraper 端点的网络访问；验证 `data/trump_posts_all.json` 时间戳是近期；运行 `python3 trump_code_cli.py health` 查看熔断器状态。
60. 如果 `chatbot_server.py` 启动失败：确保 `GEMINI_KEYS` 环境变量已设置；用 `lsof -i :8888` 检查 8888 端口占用。
61. 如果 `overnight_search.py` 内存不足：它运行约 31.5M 组合，需要约 4GB RAM；在 8GB+ 机器运行或减少脚本配置中的搜索空间。
62. 如果命中率降到 55% 以下：检查 `data/circuit_breaker_state.json`，系统可能已自动暂停；查看 `data/learning_report.json` 中降级规则；重新运行 `overnight_search.py` 刷新存活规则。
63. 如果 `data/` 数据过期：每日管道会自动同步到 GitHub；手动触发 `python3 trump_code_cli.py report` 强制刷新；或运行 `git pull origin main` 拉取最新。

适用边界 · 注意事项

• 无法获取或配置 Gemini API key，或不能访问 trump-code 仓库与 trumpcode.washinmura.jp 服务时，AI briefing、chatbot 和在线 REST API 无法完整使用。
• 只需要通用股市分析、不接受依赖特朗普社媒信号的统计模型或预测准确率风险时，不适用。
• 运行环境不足约 4GB RAM（完整暴力搜索建议 8GB+），或无法访问 Truth Social scraper 与预测市场数据源时，不要运行实时监控/暴力搜索等完整流程。