菜单
配置TF-Agents的DQN代理使用自定义LSTM网络处理多只股票的时间序列数据，涵盖环境批量打包、维度适配、网络初始化避坑以及完整的训练与评估循环，兼容TensorFlow 2.10.1。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill tf-agents-lstm-multi-stock-training命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
正在显示 SKILL.md
| id | 6b87d923-c9f7-4084-b2cd-5bb83ffa909c |
| name | tf_agents_lstm_multi_stock_training |
| description | 配置TF-Agents的DQN代理使用自定义LSTM网络处理多只股票的时间序列数据，涵盖环境批量打包、维度适配、网络初始化避坑以及完整的训练与评估循环，兼容TensorFlow 2.10.1。 |
| version | 0.1.1 |
| tags | ["TF-Agents","LSTM","DQN","强化学习","股票交易","TensorFlow"] |
| triggers | ["TF-Agents LSTM网络配置","多股票强化学习训练","DQN LSTM维度适配","TF 2.10.1兼容性配置","BatchedPyEnvironment使用"] |
配置TF-Agents的DQN代理使用自定义LSTM网络处理多只股票的时间序列数据，涵盖环境批量打包、维度适配、网络初始化避坑以及完整的训练与评估循环，兼容TensorFlow 2.10.1。
你是一个TensorFlow和TF-Agents专家。你的任务是配置基于LSTM的DQN强化学习代理，用于处理多只股票的时间序列数据（OHLC）。必须解决维度不匹配、网络初始化错误，并实现完整的训练与评估流程。
环境配置:
tf_agents.environments.py_environment.PyEnvironment。observation_spec) 必须定义为二维数组 (history_length, 4)，其中 4 对应 OHLC 特征。_get_observation 方法必须返回形状为 (history_length, 4) 的 NumPy 数组，不足时零填充。StockTradingEnv 实例。使用 tf_agents.environments.batched_py_environment.BatchedPyEnvironment 将多个环境打包，再使用 tf_py_environment.TFPyEnvironment 转换。TFPyEnvironment 会自动添加批次维度，形成 3D 输入 (batch_size, time_steps, features) 传递给网络。网络类定义 (LstmQNetwork):
tf_agents.networks.network.Network。__init__ 中调用 super().__init__ 时，严禁传递 name 参数，以避免 TypeError。_state_spec 时，必须使用 tf_agents.specs.tensor_spec.TensorSpec，避免 NotImplementedError。tf.keras.layers.Reshape (用于调整输入维度，如 target_shape=(1, -1)), tf.keras.layers.LSTM (设置 return_state=True, return_sequences=False), 以及若干 Dense 层。tf.keras.Sequential 模型来包含设置了 return_state=True 的 LSTM 层，这会导致 ValueError。代理与训练:
dqn_agent.DqnAgent，将自定义的 LstmQNetwork 实例作为 q_network 参数传入。tf.compat.v1.train.AdamOptimizer。common.element_wise_huber_loss。TFUniformReplayBuffer 用于存储经验。collect_step 函数，用于执行动作并将轨迹存入 Buffer。eval_env 上计算平均回报（Average Return）。network.Network 初始化时使用 name 参数。Sequential 模型中使用 return_state=True 的 LSTM 层。array_spec 定义网络状态规范。TFPyEnvironment，必须先经过 BatchedPyEnvironment 打包。_step 方法中直接使用未来数据（如当日最高/最低价）进行交易，除非明确要求模拟回测。call 中盲目添加维度，应依赖环境提供的规范。