AI 交易：经验教训 #105：缺少交易后 RAG 同步

Source: Dev.to

事件概述

• 日期： 2026 年 1 月 7 日
• 严重程度： 高
• 类别： 数据完整性、可观测性、违规

问题

在 2026 年 1 月 6 日的 CEO 审核中，我们发现交易在执行后 未写入 Vertex AI RAG 或 ChromaDB。

• 之前已有一个 会前 RAG 检查（在交易前读取课程）。
• 未实现会后同步（在交易后写入交易记录）。

影响

• 违反了 CLAUDE.md 的强制性规定：

  “必须在 ChromaDB 和 Vertex AI RAG 中记录每一笔交易和课程（强制）”

• JSON 备份仍在工作，但数据 未同步 到向量数据库。
• CEO 无法通过 Dialogflow 查询交易，因为数据不在 Vertex AI 中。
• 2026 年 1 月 3‑6 日 的交易在 RAG 数据库中缺失。
• Dialogflow 对交易历史的查询返回 无结果。
• 学习闭环被打断——我们无法从未记录的交易中学习。

根本原因

负责 将交易同步到 RAG 的后置执行步骤从未实现，系统中仅保留了会前检查。

解决方案

• 新增 scripts/sync_trades_to_rag.py 用于 同步交易 到 Vertex AI 和 ChromaDB。
• 更新 daily-trading.yml，加入 “同步交易到 RAG（后置执行）” 步骤，确保在每次交易会话后运行，并在同步失败时回退到 JSON 备份。

实施细节

• 脚本： scripts/sync_trades_to_rag.py – 负责写入 Vertex AI 和 ChromaDB。

• 工作流更改：

  # daily-trading.yml
  - name: Sync Trades to RAG (Post-Execution)
    run: python scripts/sync_trades_to_rag.py
    continue-on-error: true   # fallback to JSON if sync fails

• 该步骤在 每个交易会话结束后 执行，确保会前和会后数据都得到持久化。

建议

1. 确认关键流程中同时存在会前和会后步骤。
2. 进行端到端数据流测试：
   • 执行交易 → 记录到 JSON → 同步到 RAG → 通过 Dialogflow 查询。
3. 添加监控，对比 RAG 语料库大小与 JSON 交易计数，以便及早捕获不匹配。

标签

rag, vertex-ai, chromadb, data-sync, post-execution, mandate-compliance

相关内容

更多经验教训请参阅：rag_knowledge/lessons_learned