ClawScript：专为量化交易与AI自动化设计的领域特定语言

1. 项目概述：ClawScript，一个为交易与自动化而生的领域特定语言

如果你像我一样，在量化交易和自动化流程的构建上投入了大量时间，那你一定对那种在通用编程语言的灵活性与专用交易平台的便捷性之间反复横跳的体验深有感触。用Python写策略，功能强大但部署和可视化是痛点；用平台自带的脚本语言，虽然集成度高，但扩展性和跨平台能力又常常受限。几年前，我开始为我的OpenClaw项目寻找一种更优雅的解决方案，目标是创造一种语言，它既能像Pine Script那样专注于交易逻辑的表达，又能无缝集成AI代理、神经网络计算和复杂的自动化工作流。这就是ClawScript诞生的初衷。

简单来说，ClawScript是一个专为自动化、AI智能体编排、神经计算和应用脚本设计的领域特定语言。它的核心思想是“写你所想”——用高度可读、接近自然语言的命令来描述复杂的交易策略、数据管道或AI工作流，然后由编译器将其转换为可直接在生产环境运行的JavaScript模块。它不是一个独立的软件，而是深度嵌入在OpenClaw生态中的“超级胶水”，将数据分析、AI决策、交易执行和流程自动化粘合在一起。无论你是想构建一个基于神经网络的模式识别交易机器人，还是一个能自动抓取新闻、分析情绪并执行交易的智能体集群，抑或只是一个简单的每日数据报告自动化脚本，ClawScript都试图提供一套统一的语法来解决。

1.1 核心设计哲学：从代码到流程的无缝映射

ClawScript的设计遵循几个关键原则，这些原则直接源于我过去在构建交易系统时踩过的坑。首先，是双向可视化。代码和流程图应该是一体两面，修改代码，流程图实时更新；拖拽节点，代码自动生成。这解决了策略逻辑复查和团队协作时的理解成本问题。其次，是渐进式复杂。新手可以用十几个核心命令写出一个可用的RSI策略，而专家则可以调用BRAIN_STIMULATE、SPAWN_AGENT等高级命令构建混合智能系统。最后，是零部署摩擦。编写、编译、保存、运行——整个过程在编辑器内一气呵成，生成的.cjs模块会被OpenClaw引擎自动发现和加载，你几乎感觉不到从开发到生产的切换。

这套语言目前包含了超过120个命令，横跨20多个类别。从最基础的变量定义(DEF,SET)、控制流(IF,LOOP)，到AI查询(AI_QUERY)、神经网路控制(BRAIN_系列命令)、数据抓取(CLAW_系列)、智能体编排(SPAWN_AGENT)，再到完整的交易指令(BUY,SELL,TRAILSTOP)和投资组合管理(PORTFOLIO_BUILD)，它试图覆盖一个自动化交易系统从感知、决策到执行的全链路。更值得一提的是，它内置了超过30种技术指标（如RSI, MACD, 布林带等）和40多个与ProRealTime平台兼容的命令(PRT_前缀)，让从其他平台迁移策略变得非常容易。

2. 核心架构与设计思路拆解

要理解ClawScript能做什么，以及它为何如此设计，我们需要深入到它的架构层面。它不是一个简单的“脚本翻译器”，而是一个完整的、包含编译器、运行时和可视化编辑器的开发栈。

2.1 三层架构：语言、编译器与运行时

ClawScript的架构可以清晰地分为三层，这保证了它的灵活性和可扩展性。

第一层：ClawScript语言层。这是开发者直接交互的部分，即.cs源文件。其语法设计刻意追求简洁和表达力。例如，一个完整的条件开仓命令IF rsi < 30 THEN BUY 1 AT MARKET STOP 20 LIMIT 40 REASON “RSI oversold” ENDIF，几乎就是交易想法的直译。所有命令都是关键字驱动，参数按位置或关键字传递，避免了括号嵌套过深带来的阅读障碍。这种设计降低了非专业程序员的入门门槛，也让策略逻辑在代码审查时一目了然。

第二层：编译器与中间表示层。这是项目的“心脏”，位于lib/clawscript-parser.cjs。它负责词法分析（将源代码拆分成令牌）、语法分析（根据语法规则构建抽象语法树AST）和代码生成（将AST转换为JavaScript）。我选择JavaScript作为编译目标，是因为OpenClaw本身基于Node.js生态，这样可以实现零成本的运行时集成。编译器生成的不是一个简单的函数，而是一个完整的、继承自BaseStrategy的ES6类，这个类包含了策略的配置、入场/出场逻辑以及生命周期钩子。这种设计使得编译后的策略模块能够直接插入OpenClaw的策略执行引擎，享受统一的回测、风控和实盘调度。

第三层：运行时与集成层。这包括lib/clawscript-brain.cjs（神经网络运行时）、lib/indicators.cjs（技术指标库）以及一系列openclaw/*.cjs包装器。这些模块为编译后的JS代码提供具体的实现。例如，当你的脚本中调用了AI_QUERY，运行时层会通过对应的OpenClaw API包装器，将请求路由到后端的AI服务。这种松耦合的设计至关重要，它意味着ClawScript的核心语言和编译器可以独立于具体的OpenClaw服务进行测试和演进。

2.2 可视化流程构建器的双向同步机制

可视化编程是ClawScript的一大亮点，但实现双向同步却是一个技术挑战。编辑器中的ig-clawscript-flow.js模块是实现这一功能的核心。

其工作原理是建立一个统一的中间表示。无论是代码编辑器中的文本，还是流程构建器中的节点图，在内存中都会维护一份相同的AST。当你在代码编辑器中键入字符时，解析器会增量式地更新这份AST。AST的任何结构变化（如新增一个IF语句）都会触发流程构建器的“差异对比”算法。这个算法会计算出节点图的变更集：需要新增哪些节点（矩形命令节点或圆形操作符节点），需要删除哪些节点，以及节点之间的连接线需要如何调整。然后，它以动画方式将这些变更应用到画布上。

反过来，当你在画布上拖拽一个“BUY”节点到连接线中时，编辑器会捕获这个操作，将其转换为对AST的“插入”操作。编译器再根据新的AST重新生成代码文本，并替换代码编辑器中对应的代码段。这里的一个关键细节是源代码映射。为了在代码更新后保持光标位置和选择区域尽可能合理，系统会记录代码文本与AST节点之间的位置映射关系。

实操心得：节点与连接线的设计在设计流程节点时，我刻意区分了“命令节点”（矩形）和“操作符节点”（圆形）。命令节点代表一个具有副作用的动作，如交易、发消息、写文件，它通常有输入端口（条件）和输出端口（执行结果）。操作符节点代表纯计算，如+、AND、CROSSES OVER，它只有输入和输出端口，用于数据流转换。这种视觉区分能帮助开发者快速理解数据流与控制流的区别。连接线也分为两种：实线代表“数据流”（一个节点的输出作为另一个节点的输入），虚线代表“控制流”（一个节点执行完毕后触发下一个节点）。在实际使用中，明确区分这两种流能极大减少逻辑错误。

2.3 与OpenClaw引擎的深度集成策略

ClawScript不是孤立的，它的价值很大程度上体现在与OpenClaw引擎的深度集成上。这种集成主要通过两种机制实现：自动发现加载和配置注入。

自动发现加载：OpenClaw的策略引擎会定期扫描skills/bots/strategies/目录。任何符合命名规范（*.cjs）且导出一个继承自BaseStrategy的类的模块，都会被自动加载并注册。ClawScript编译器生成的模块完全符合这个规范。这意味着你保存脚本后，无需重启任何服务，新的策略就会出现在策略列表中，可以立即进行回测或实盘。

配置注入：这是提升用户体验的关键。在ClawScript中，你可以使用INPUT_INT、INPUT_FLOAT等命令声明策略参数。编译器会将这些声明转换为策略类的getConfigSchema()方法。当该策略在OpenClaw的仪表板中被添加时，这个方法会被调用，并自动生成对应的表单字段。更妙的是，如果你在DEF语句后添加了双斜杠注释，这个注释会成为表单字段的悬浮提示信息。例如：

INPUT_INT lookback DEFAULT 50 // 计算指标所用的历史K线数量（范围：10-200）

编译后，在仪表板上你会看到一个标签为“lookback”、默认值为50的数字输入框，鼠标悬停时会显示那段提示文字。这实现了文档、代码和用户界面的三统一。

3. 核心命令解析与实战应用要点

ClawScript的命令集是其强大功能的直接体现。我们不可能逐一讲解120多个命令，但可以按功能域深入剖析几个最具代表性的类别，理解其设计意图和实战用法。

3.1 交易与风控命令：从简单到复杂

交易命令是核心中的核心。ClawScript的交易指令设计追求明确无歧义，同时提供专业级的风控选项。

基础开平仓：BUY和SELL命令是基石。它们的语法结构为：动作 数量 AT 价格类型 [STOP 点数] [LIMIT 点数] [REASON 字符串]。这里的关键是AT子句，它定义了订单类型。

• AT MARKET：市价单，立即以当前最好价格成交。
• AT LIMIT 价格：限价单，只在指定或更优价格成交。
• AT STOP 价格：止损单，价格突破指定价位后以市价成交（常用于开仓或移动止损）。

一个完整的例子：BUY 2 AT LIMIT 1805.50 STOP 15 LIMIT 40 REASON “突破前高回调买入”。这表示：尝试在1805.50限价买入2个单位，如果成交，同时设置一个15点的初始止损单和一个40点的止盈限价单。REASON参数非常重要，它会记录在交易日志和数据库中，对于事后分析和策略优化至关重要。

高级风控：TRAILSTOP（移动止损）是趋势跟踪策略的利器。命令TRAILSTOP 20 ACCEL 1.5 MAX 50意味着：启动一个移动止损，始终与当前市价保持20点距离。ACCEL是加速因子，当利润每增加ACCEL个点时，止损距离会缩小1点（让止损跟得更紧）。MAX设置了止损距离的最小值，防止在市场剧烈波动时止损被触发得过快。这个命令的实现，需要运行时在每次价格跳动时重新计算并更新止损订单，展示了ClawScript与交易平台底层API的紧密配合。

注意事项：订单执行语义新手常混淆SELL和SELLSHORT。在多数交易语境和ClawScript中，SELL用于了结现有的多头头寸。如果你想主动建立一个空头头寸（看跌），必须使用SELLSHORT。此外，CLOSE和EXIT也有细微差别：CLOSE通常指关闭当前活跃的订单或最近一次交易，而EXIT ALL则是平掉所有仓位，无论方向。在编写策略时，务必根据你的风险管理逻辑精确选择命令。

3.2 神经计算命令：将大脑接入交易流

BRAIN_系列命令是ClawScript最前瞻性的功能之一，它允许你将一个脉冲神经网络（Spiking Neural Network, SNN）“大脑”作为决策组件嵌入策略。这并非噱头，而是为处理高维、非线性、时序性强的市场数据提供了一种新范式。

核心概念：你可以创建多个独立的“大脑”实例，每个都有可配置的感官神经元、中间神经元和运动神经元数量。感官神经元接收输入（如价格变化率、波动率、情绪分数），经过网络内部复杂的脉冲传递和突触权重调整，最终由运动神经元产生输出信号（如“买入强度”、“卖出强度”）。

工作流程：

1. 创建与启动：BRAIN_CREATE “scalp-brain” SENSORY 800 INTER 5000 MOTOR 200创建一个名为“scalp-brain”的网络。BRAIN_BOOT启动它。
2. 刺激：BRAIN_STIMULATE {“price_change”: 0.02, “rsi”: 0.7, “volatility”: 1.5}。你需要将市场数据归一化到合适的范围（如0到1之间）作为输入。
3. 观察：DEF output = BRAIN_OBSERVE。这会返回一个对象，包含各个运动神经元的放电率。你可以定义规则，例如IF output.neuron_120 > 0.8 THEN BUY …。
4. 反馈与学习：交易结束后，根据结果给予反馈。BRAIN_FEEDBACK “sugar” WITH {“pips”: 25}或BRAIN_FEEDBACK “pain”。这相当于强化学习中的奖励/惩罚信号，会调整网络内部的突触权重，让大脑逐渐“学会”在什么市场状态下应该采取什么行动。
5. 持久化：BRAIN_SAVE将训练好的权重保存到磁盘，下次可用BRAIN_LOAD “scalp-brain”加载。

实操心得：从简单规则到神经网络的过渡不建议一开始就用神经网络处理所有决策。一个稳健的做法是混合系统：用传统的技术指标（如RSI、MACD）作为过滤器，生成初步的交易信号。然后，将这些信号和原始市场数据一起作为神经网络的输入，让神经网络学习在何种过滤条件下应该“增强”或“忽略”该信号。例如，当RSI超卖（传统信号）时，如果神经网络同时输出高“买入”强度，则执行交易；如果神经网络输出低强度或“卖出”信号，则放弃这次机会。这样既利用了神经网络的模式识别能力，又用规则系统兜底，降低了初期的不稳定性。

3.3 智能体编排与自动化命令：构建协同工作流

SPAWN_AGENT、TASK_DEFINE、CRON_CREATE等命令将ClawScript从单一策略脚本提升到了自动化工作流和智能体协作系统的层面。

智能体编排：你可以将不同的AI角色实例化为“智能体”。例如：

SPAWN_AGENT “sentiment-analyst” WITH “你是一个金融市场情绪分析专家，专注于从新闻和社交媒体中提取情绪信号。” SPAWN_AGENT “risk-manager” WITH “你是一个风险控制专家，负责评估交易策略的潜在风险。”

之后，你可以用AGENT_PASS在智能体间传递数据，用AGENT_CALL让某个智能体执行任务。这允许你构建一个流水线：一个智能体抓取数据，另一个分析，第三个做出交易建议，最后由主策略执行。智能体之间可以通过会话内存保持上下文，实现复杂的多轮协作。

任务与调度：TASK_DEFINE和TASK_CHAIN让你可以封装可重用的逻辑块。CRON_CREATE则提供了基于Cron表达式的定时任务能力。这对于日常维护、定期数据报告、投资组合再平衡等场景非常有用。例如，一个简单的每日报告任务：

TASK_DEFINE “DailyReport” SET market_data = CLAW_WEB “https://api.market.com/summary” SET analysis = AI_QUERY “简要总结今日市场数据: ” + market_data FILE_WRITE “./reports/” + (TODAY()) + “.md” analysis CHANNEL_SEND “#daily-brief” “今日市场报告已生成。” ENDTASK CRON_CREATE “ReportJob” “0 18 * * 1-5” “DailyReport” // 每周一至五下午6点运行

4. 从零构建一个双因子策略：完整实操过程

理论说得再多，不如亲手实现一个。让我们构建一个结合了传统技术分析和简单市场情绪因子的双因子交易策略。这个策略将使用RSI作为动量过滤器，并使用AI查询来获取特定资产的简要情绪分析作为确认信号。

4.1 环境准备与策略初始化

首先，确保你有一个运行中的OpenClaw环境，并且已经通过bash install.sh成功安装了ClawScript。安装后，你应该能在OpenClaw的导航栏看到“Code”链接，点击即可进入ClawScript集成编辑器。

在编辑器中，我们开始编写策略。第一步总是定义策略的配置参数，这些参数未来可以在UI中调整。

// 双因子RSI-情绪策略 // 配置参数 INPUT_INT rsi_period DEFAULT 14 // RSI计算周期 INPUT_FLOAT oversold DEFAULT 30.0 // 超卖阈值 INPUT_FLOAT overbought DEFAULT 70.0 // 超买阈值 INPUT_SYMBOL asset DEFAULT “CS.D.CFAGOLD.CFA.IP” // 交易标的（黄金CFD） INPUT_FLOAT position_size DEFAULT 1.0 // 每次交易手数 INPUT_STRING sentiment_keyword DEFAULT “gold” // 情绪分析关键词 // 定义内部变量 DEF rsi = RSI(rsi_period) // 计算RSI指标 DEF price = LAST_PRICE() // 当前价格

这里我们使用了INPUT_*系列命令来声明参数。DEFAULT关键字提供了默认值。DEF用于定义常量（在策略执行周期内不变），RSI()和LAST_PRICE()是内置函数，直接返回计算好的值。

4.2 核心逻辑：情绪因子获取与整合

接下来，我们引入情绪因子。我们将使用AI_QUERY命令，向集成的AI模型询问当前市场对特定关键词的情绪。

// 情绪分析模块 - 每30根K线执行一次以避免频繁调用 DEF bar_index = BAR_INDEX() // 当前K线索引 IF bar_index % 30 == 0 THEN SET sentiment_prompt = “用一句话分析当前” + sentiment_keyword + “市场的整体情绪是偏多、偏空还是中性，只输出一个词：Bullish, Bearish 或 Neutral。” SET sentiment_raw = AI_QUERY sentiment_prompt // 清理AI回复，提取关键词 SET sentiment = TRIM(sentiment_raw) STORE_VAR “latest_sentiment” sentiment // 存储到持久化变量中 ENDIF // 加载存储的情绪结果，如果不存在则默认为中性 DEF current_sentiment = LOAD_VAR “latest_sentiment” DEFAULT “Neutral”

这里有几个关键点：

1. 频率控制：通过BAR_INDEX() % 30，我们让情绪分析每30根K线执行一次。AI查询可能有延迟和成本，不宜每个Tick都调用。
2. 提示词工程：我们要求AI只输出一个词，这简化了后续的文本解析逻辑。
3. 状态持久化：STORE_VAR和LOAD_VAR命令用于在策略的多次执行调用之间保存状态。情绪分析的结果会被保存下来，供没有执行AI查询的K线周期使用。

4.3 交易信号生成与执行

现在，结合RSI和情绪因子，生成交易信号。

// 多头入场条件：RSI超卖 AND 情绪非看空 IF rsi < oversold AND current_sentiment != “Bearish” THEN BUY position_size AT MARKET STOP 25 LIMIT 60 REASON “RSI超卖且情绪支撑” ENDIF // 空头入场条件：RSI超买 AND 情绪非看多 IF rsi > overbought AND current_sentiment != “Bullish” THEN SELLSHORT position_size AT MARKET STOP 25 LIMIT 60 REASON “RSI超买且情绪支撑” ENDIF // 出场条件：RSI回归中性区域或情绪反转 DEF in_long_position = POSITION_COUNT() > 0 AND POSITION_DIRECTION() == “LONG” DEF in_short_position = POSITION_COUNT() > 0 AND POSITION_DIRECTION() == “SHORT” IF in_long_position AND (rsi > 50 OR current_sentiment == “Bearish”) THEN CLOSE REASON “RSI回归中性或情绪转空” ENDIF IF in_short_position AND (rsi < 50 OR current_sentiment == “Bullish”) THEN CLOSE REASON “RSI回归中性或情绪转多” ENDIF

逻辑很清晰：

• 入场：需要技术指标（RSI）和情绪因子同时满足条件。情绪因子在这里充当“过滤器”，避免了在整体市场情绪与信号相反时入场。
• 出场：条件更宽松。只要RSI回到中性区域（50）或情绪发生反转，就平仓离场。这是一种保护利润、控制回撤的出场方式。

4.4 使用流程构建器进行可视化设计

编写完代码后，点击编辑器右侧的“Flow”标签页，切换到流程构建器。你会看到刚才编写的代码已经自动转换成了节点图。

1. 观察结构：左侧的“Commands”侧边栏分类列出了所有可用节点。你应该能看到一个以IF节点开始的决策树，连接着AI_QUERY、RSI计算节点、比较操作符节点（圆形）以及BUY/SELLSHORT/CLOSE等执行节点。
2. 拖拽修改：尝试从侧边栏拖拽一个新的INDICATOR节点（比如MACD）到画布上。双击节点可以配置其参数（快线周期、慢线周期等）。然后，将其输出端口连接到其中一个IF节点的条件输入端口。你会发现，代码编辑器中的对应位置自动添加了MACD的计算和引用。
3. 连接与布局：使用画布顶部的“Connect”模式，可以连接节点。尝试创建一个并行流程：复制现有的情绪分析IF块，修改其条件为bar_index % 60 == 0，并让其调用另一个不同的AI分析任务（例如，分析特定新闻源）。然后使用TASK_PARALLEL节点（在Automation类别）来并行执行这两个分析任务。画布支持缩放、平移和自动布局，让复杂的流程图也能清晰可读。

4.5 编译、回测与实盘部署

策略逻辑确认无误后，就是验证和部署的环节。

1. 编译与保存：点击工具栏的“Compile & Save”按钮（一个磁盘图标）。会弹出一个对话框，要求输入“Strategy Name”（在UI中显示的名称）和“Filename”（保存的.cjs文件基名）。填写后点击保存。控制台会输出编译成功的日志，生成的模块会自动放入strategies/目录。
2. 运行回测：点击工具栏的“Backtest”按钮（图表图标）。在弹出的配置窗口中，选择交易品种、时间框架（如H1）、回测的K线数量（如1000）。点击运行。回测引擎会使用历史数据逐根K线模拟策略执行。完成后，会弹出结果窗口，展示资金曲线、胜率、最大回撤、夏普比率等关键指标，以及每一笔交易的详细列表。仔细分析亏损交易，看是否由情绪因子误判或RSI参数不适用导致。
3. 实盘模拟（Simulation）：在实盘前，先用“Simulation”模式（绿色播放按钮）跑一下。此模式使用实时或缓存的数据流，但不发出真实订单。观察Output/Logs面板，看策略逻辑是否按预期触发，AI查询是否正常返回。
4. 实盘部署：如果模拟结果满意，点击“Run Live”按钮。你需要为这个实盘实例起个名字（如“Gold-RSI-Sentiment-Live”），并选择交易品种。确认后，策略会作为一个持久的后台进程启动。编辑器底部会打开一个实时日志查看器，显示策略的每一次评估、信号和订单状态。你可以随时在此面板暂停、停止或重启策略。

5. 高级技巧、常见问题与排查实录

在实际使用ClawScript构建复杂系统的过程中，你会遇到各种预料之外的情况。以下是我从大量实践中总结出的高级技巧和常见问题的解决方案。

5.1 性能优化与资源管理

ClawScript脚本在每个Tick或每根K线都会被调用，因此效率至关重要。

• 避免在循环内进行昂贵操作：如AI_QUERY、CLAW_WEB（网络请求）、FILE_READ（磁盘IO）。像前面的例子一样，通过BAR_INDEX()取模来控制执行频率，或者使用STORE_VAR缓存结果。
• 合理使用DEF和SET：DEF用于定义在策略周期内不变的常量或指标计算。编译器会优化DEF语句，确保相同的计算只执行一次。而SET用于变量赋值，其值可能改变。对于需要重复使用的计算结果，优先用DEF。
• 精简BRAIN网络规模：虽然可以创建数万个神经元的大脑，但庞大的网络会显著增加每个Tick的计算延迟。从较小的网络开始（如SENSORY 200, INTER 1000, MOTOR 100），只有当简单网络无法学习到有效模式时再考虑增加复杂度。
• 利用INDICATOR命令的缓存：内置的指标计算（如RSI(14)）是高度优化的，并且结果会被缓存。在同一脚本中多次调用RSI(14)不会导致重复计算。

5.2 错误处理与脚本健壮性

金融市场数据充满噪声，外部服务（AI、数据API）可能不稳定，健壮的错误处理是生产级策略的必备品。

• 使用TRY...CATCH块包裹不稳定操作：

  TRY SET news = CLAW_WEB “https://api.news.com/latest” SET sentiment = AI_QUERY “分析情绪: ” + news CATCH error // 记录错误，并使用默认值或跳过本次逻辑 LOG “获取新闻或分析情绪失败: ” + error SET sentiment = “Neutral” STORE_VAR “latest_sentiment” sentiment ENDTRY

• 为外部调用设置超时：虽然ClawScript命令本身没有直接提供超时参数，但你可以通过WAIT和状态标志结合来实现简单的超时控制（需要更复杂的异步逻辑，通常放在TASK中处理）。更常见的做法是依赖OpenClaw底层API的超时设置。
• 验证数据有效性：在使用任何外部数据前，检查其是否存在或符合预期格式。

  DEF data = CLAW_X “#Bitcoin” IF data == NULL OR LENGTH(data) == 0 THEN LOG “未获取到X数据，跳过本次分析。” RETURN ENDIF

5.3 可视化流程构建器的实用技巧

流程构建器不仅是查看工具，更是强大的设计工具。

• 使用“Operator”节点简化复杂条件：当你的IF条件非常复杂时，可以将其拆解。例如，条件(rsi < 30 AND volume > sma_volume) OR (macd_signal > 0 AND sentiment == “Bullish”)。你可以在画布上拖入两个AND操作符节点和一个OR操作符节点，将各个子条件连接起来，最后将OR节点的输出连接到IF节点。这样逻辑关系一目了然。
• 利用“注释”节点进行文档化：在“Other”类别中，有一个COMMENT节点。你可以把它拖到画布上，双击输入描述性文字。这对于向团队解释某一块复杂逻辑的意图非常有用，且不会影响生成的代码。
• 分组与折叠：对于大型流程图，你可以选择多个节点，使用右键菜单中的“Group”功能将其组合。组合后的节点可以作为一个整体移动、折叠，保持画布整洁。
• 导出为PNG：在向他人展示策略逻辑或留存文档时，使用工具栏的“Export PNG”功能，可以导出清晰的流程图图片。

5.4 常见问题排查速查表

下表列出了一些最常见的问题及其解决方法：

5.5 与版本控制系统协同工作

你的ClawScript脚本是宝贵的代码资产，应该使用Git等版本控制系统进行管理。

• 跟踪什么：主要跟踪.cs源文件。编译生成的.cjs文件是衍生文件，不建议加入版本库（可以在.gitignore中添加*.cjs）。
• 流程图的保存：流程图状态（节点位置、连接）默认保存在浏览器的localStorage中。对于团队协作，更可靠的方式是将逻辑以.cs代码形式作为唯一信源。流程图可以从代码随时重新生成。
• 使用模板：项目自带的templates/目录提供了多个策略模板。你可以将这些模板作为新策略的起点，或者复制到你的项目库中，建立自己的策略模板库。

ClawScript的设计始终围绕着提升交易者和开发者的效率与表达能力。它试图在简洁性、功能性和可视化之间找到平衡点。无论是快速验证一个想法，还是构建一个包含多种AI智能体和自适应神经网络的复杂交易系统，这套工具链都旨在提供支持。记住，所有复杂的系统都是从简单的脚本开始的。不妨从修改一个RSI模板开始，逐步加入你自己的逻辑，探索可视化编程的便利，最终打造出属于你自己的自动化交易解决方案。