1. 课程导入与标签库定位

在盘口分析的学习与实战中，很多人都会积累大量“看盘记录”：截图、复盘笔记、聊天记录、交易日志。但当需要回答“这种盘口形态以前出现过吗？当时结果如何？我该怎么处理？”时，这些零散材料往往无法快速支撑判断。本课程要搭建的历史盘口案例标签库，正是为了解决这个问题——它不是把资料堆在一起，而是把历史盘口案例按统一的结构化标签组织起来，使案例可检索、可对比、可复用。

一、标签库的核心目标

标签库的核心目标可以概括为三句话：让案例可被准确描述、让相似案例可被快速找到、让历史经验可被稳定复用。具体拆解为四个可检验的目标：

• 描述标准化：同一类盘口现象使用同一套术语和字段描述，避免“我觉得像诱多”“感觉是洗盘”这类无法对齐的主观表达。
• 检索高效化：支持按盘口形态、盘口阶段、资金行为、结果走向等维度组合筛选，在几秒内定位到相似历史案例。
• 对比可量化：相似案例可以并排比较关键参数（如封单变化、撤单节奏、成交量比），形成概率性参考而非单一记忆。
• 经验可迭代：新案例按同一规范入库，标签体系随认知升级而扩展，形成可持续积累的知识资产。

二、服务对象与使用场景

标签库不是只给一个人看的笔记，它要服务三类对象，且各自的使用方式不同：

需要强调的是，标签库提供的是历史相似性与概率参考，不是买卖信号发生器。它的价值在于缩小判断范围、提示风险情形，最终决策仍需结合当下市场环境。

三、标签库、普通数据库与案例集的差异

三者最容易混淆，必须从建设目的上区分清楚：

• 普通数据库：侧重“存得下、查得到”，字段以客观事实为主（时间、代码、价格、成交量），不强调对盘口语义的归纳，检索维度偏机械。
• 案例集：侧重“讲清楚一个故事”，通常以文档、图文形式按主题编排，可读性强但结构松散，难以组合筛选和批量统计。
• 标签库：在客观数据之上叠加结构化语义标签（盘口形态、阶段、资金意图假设、结果标签），既保留事实字段，又支持多维组合检索与统计，是“数据库的骨架 + 案例集的语义”。

四、整体建设流程

标签库建设不是一次性工程，而是一个闭环流程。下图展示了从原始素材到可用标签库、再到持续迭代的完整链路，以及各环节的关键产出：

流程中有两个容易被忽视但决定成败的环节。其一是字段设计：事实字段记录客观信息，例如标的代码、日期、盘口阶段时间点、封单量变化、成交量比；语义标签记录判断性信息，例如“封单骤减”“尾盘拉升”“撤单密集”。二者必须分开存放，避免把主观判断混入客观记录，导致后续统计失真。其二是结果标签回填：案例入库时结果尚未发生，必须在事后补填“次日开盘表现”“三日内最大回撤”等结果字段，否则标签库只有形态没有结论，无法支撑概率参考。

五、一个最小可用的字段示例

下面给出一个示例性的字段结构（参数为教学假设，非实测数据），用于说明标签库条目应包含什么：

案例编号: PA-2024-0001
事实字段:
  标的代码: 示例标的A
  盘口阶段: 尾盘14:45-15:00
  封单量变化: 由 8万手 降至 1.2万手
  成交量比(当日/5日均): 1.9
语义标签:
  盘口形态: 封单骤减
  资金行为假设: 撤单密集
  阶段标签: 尾盘异动
结果标签(事后回填):
  次日开盘: 低开 -2.1%
  三日内最大回撤: -6.4%
  结论标签: 诱多嫌疑成立