日期：2026-07-01
主题：黄金期货 / 黄金资产 / 黄金产业链
结论用途：投资研究备忘录，不构成任何证券、期货或基金买卖建议。
数据可靠性说明：宏观与工具端优先引用 WGC、Fed、CFTC、CME、交易所与基金官网；公司端因实时行情与部分年报抓取受限，估值使用“区间/相对指标”，具体买入价需在交易前用实时行情复核。
黄金期货主题不是“通胀单变量交易”，而是：
法币信用与财政赤字压力
→ 央行储备多元化 + 私人部门避险需求
→ ETF/期货/实物金流动性通道放大资金流入
→ 黄金价格上行
→ 金矿利润弹性、权利金现金流、交易所成交量受益这篇只讲配置和使用。目标是让 VS Code Copilot 生成稳定、具体、适合中文团队的 commit message。
推荐配置到项目级 .vscode/settings.json，这样团队成员可以共享同一套提交信息规则。个人使用也可以写到 User Settings JSON。
打开方式：
Preferences: Open User Settings (JSON)。.vscode/settings.json。Pi 的官方定义很克制：a minimal terminal coding harness。翻译成人话就是：Pi 不是一个预设了全部工作流的“超级 IDE”，而是一个在终端里运行的 AI 编程代理底座。它负责把模型、工具、会话、终端 UI、配置和扩展机制连接起来，让你可以把自己的开发方式搭在上面。
传统 AI 编程工具通常会把很多功能内置进去：计划模式、权限弹窗、任务列表、MCP、子代理、后台命令、状态栏等。这样开箱即用，但也会带来一个问题：工具越“完整”，用户越难按自己的习惯改造它。
Pi 选择了相反路线：
这一篇把我的个人配置迁移指南整合进专题，目标是在新机器上快速复刻一套可用的 Pi Coding Agent 环境。
安全提醒：Pi 扩展拥有较高系统权限。只安装可信来源的扩展；不要把 API Key、登录凭据、浏览器授权状态写入公开文档或仓库。
pi>= 22.20.0（Pi 源码当前要求 Node >= 22.19.0）前两篇回答了“Pi 是什么”和“怎么把我的环境迁移到新机器”。这一篇聚焦日常使用：进入一个项目后，如何让 Pi 帮你读代码、改代码、运行验证、做 Review，并把长期上下文管理好。
Pi 的工具都以当前工作目录为基准，所以建议在项目根目录启动：
cd /path/to/project
piPi 的核心非常克制：默认工具少、内置工作流少。真正让 Pi 变强的是扩展系统。理解扩展系统后，你会发现 Pi 不是一个固定形态的产品，而是一套可以组合的 Agent 平台。
Pi 的可定制能力主要分成五类：
| 类型 | 解决什么问题 | 典型例子 |
|---|---|---|
| Prompt Templates | 复用一段常用提示词 | /review、/fix-tests、/write-doc |
| Skills | 按需加载的专业能力说明 | PDF 处理、GitNexus 使用、shadcn 组件操作 |
| Extensions | TypeScript 扩展，改变运行时行为 | 权限拦截、状态栏、自定义工具、Provider |
| Themes | 终端 UI 颜色主题 | dark、light、tokyo-night |
| Pi Packages | 把上面几类打包分发 | pi-subagents、@ollama/pi-web-search、@juicesharp/rpiv-todo |
本文基于本地 Pi 源码 checkout 和 packages/coding-agent/docs/，梳理 Pi Coding Agent 的核心架构。当前校对的 @earendil-works/pi-coding-agent 包版本为 0.75.5。下文源码路径均以 Pi 仓库根目录为基准。
Pi 仓库是一个 monorepo，核心包如下：
| 包 | 路径 | 职责 |
|---|---|---|
@earendil-works/pi-ai |
packages/ai |
统一 LLM Provider API、模型定义、streaming、OAuth/API key、成本统计 |
@earendil-works/pi-agent-core |
packages/agent |
Agent Loop、消息状态、工具调用、steering/follow-up 队列 |
@earendil-works/pi-coding-agent |
packages/coding-agent |
CLI、TUI、会话、内置工具、扩展系统、SDK/RPC |
@earendil-works/pi-tui |
packages/tui |
终端 UI 组件、差分渲染、输入处理 |
Pi 不只是一个交互式终端工具。它还提供非交互 CLI、JSON 事件流、RPC 模式和 Node.js SDK，适合把 Coding Agent 能力接入脚本、CI、IDE、桌面端、Web 服务或其它自动化系统。
最简单的自动化方式是 -p：
pi -p "总结这个仓库，并列出可运行的检查命令"传统量化交易系统依赖人工编写的规则和统计模型：技术指标交叉、均线策略、布林带突破……这些方法的共同问题是无法理解非结构化信息（新闻、财报、社交媒体情绪），更无法像人类分析师那样综合多维度信息进行推理判断。
TradingAgents 的答案是：用多个专业化 LLM Agent 模拟一个真实的交易分析团队。
TradingAgents 采用 分层 + 管道 的混合架构，核心编排引擎是 LangGraph：
TradingAgents 模拟了一个完整的交易团队，包含 12 个独立 AI Agent，分布在四个层级。每个 Agent 都有专属的 system prompt、工具集和决策逻辑。
┌──────────────────────────────────────────────────────────────┐
│ 📊 分析师层 (Analyst Layer) │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐ │
│ │ Market │ │ Social │ │ News │ │ Fundamentals │ │
│ │ Analyst │ │ Analyst │ │ Analyst │ │ Analyst │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ └──────┬───────┘ │
│ │ │ │ │ │
│ 技术指标/走势 社交媒体情绪 财经新闻分析 财报/基本面数据 │
├──────────────────────────────────────────────────────────────┤
│ 🔬 研究员层 (Researcher Layer) │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Bull │ │ Bear │ │
│ │ Researcher │←→│ Researcher │ 多轮辩论 │
│ └──────┬───────┘ └──────┬───────┘ │
│ └────────┬───────┘ │
│ 👤 Research Manager (裁决) │
├──────────────────────────────────────────────────────────────┤
│ 💰 交易层 (Trading Layer) │
│ ┌──────────────┐ │
│ │ Trader │ 制定交易计划 │
│ └──────────────┘ │
├──────────────────────────────────────────────────────────────┤
│ ⚠️ 风控层 (Risk Management Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐ │
│ │ Aggressive │ │ Neutral │ │ Conservative │ │
│ │ Analyst │←→│ Analyst │←→│ Analyst │ │
│ └──────┬───────┘ └──────┬───────┘ └──────────┬───────────┘ │
│ └─────────────────┼─────────────────────┘ │
│ 👤 Portfolio Manager (最终决策) │
└──────────────────────────────────────────────────────────────┘