模块以 models.py 中的冻结 dataclass（ShadowProfile、ShadowRule、AttributionBreakdown、ShadowBacktestResult）作为稳定契约边界，所有子模块仅通过该层交互： - extractor.py：解析经纪商日志 → FIFO 配对 → 计算特征（含可选价格上下文 RSI/5d 收益）→ KMeans 聚类 + 分位数规则抽取 → 可选 LLM 翻译 → 产出 ShadowProfile。 - codegen.py：用 Jinja2 模板 templates/signal_engine.py.j2 将 ShadowProfile.rules 渲染为 Python 源码，并通过 ast.parse + 结构校验确保生成的 SignalEngine.generate 接口合法；同时生成 config.json。 - backtester.py：按结算货币分组（USD/HKD/CNY）选择流动性标的池，调用 write_run_dir 生成运行目录并驱动 src.tools.backtest_tool.run_backtest，解析 artifacts 得到 ShadowBacktestResult，并用算术方法对噪声交易、早/晚退出、过度交易进行 PnL 归因。 - scanner.py：基于相同 RSI 实现和条件匹配器，在当日 OHLCV 上扫描 ShadowProfile 中的规则，返回研究级候选信号。 - reporter.py + templates/shadow_report.html|css：渲染 HTML 报告。 - storage.py：按 shadow_id 管理 JSON profile 与回测结果的持久化。 依赖方向单向：__init__.py 聚合导出公共 API，各子模块不互相循环引用，外部依赖（sklearn、Jinja2、backtest loaders）均在函数内部延迟导入以避免冷启动开销。