diff --git a/freqtrade/templates/freqaiprimer.py b/freqtrade/templates/freqaiprimer.py
index f14bc88a..0d2c0cd0 100644
--- a/freqtrade/templates/freqaiprimer.py
+++ b/freqtrade/templates/freqaiprimer.py
@@ -403,6 +403,26 @@ class FreqaiPrimer(IStrategy):
             0   # 未来低波动（震荡市），快速止盈
         )
         
+        # ========== 诊断日志：输出动态阈值示例 ==========
+        if len(dataframe) > 0:
+            # 获取最后一行的动态阈值
+            last_row = dataframe.iloc[-1]
+            market_state = str(last_row.get('market_state', 'unknown'))
+            entry_threshold_pct = last_row.get('dynamic_entry_up_percent', 0.5)
+            exit_threshold_pct = last_row.get('dynamic_exit_down_percent', 0.5)
+            entry_signal = int(last_row.get('&s-entry_signal', 0))
+            exit_signal = int(last_row.get('&s-exit_signal', 0))
+            
+            self.strategy_log(
+                f"[{metadata['pair']}] 动态标签阈值 | "
+                f"市场: {market_state} | "
+                f"入场阈值: {entry_threshold_pct:.2f}% | "
+                f"出场阈值: {exit_threshold_pct:.2f}% | "
+                f"入场标签: {entry_signal} | "
+                f"出场标签: {exit_signal}"
+            )
+        # ========== 诊断日志结束 ==========
+        
         return dataframe
     
     def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
diff --git a/动态标签阈值实施完成.txt b/动态标签阈值实施完成.txt
new file mode 100644
index 00000000..88cd18c6
--- /dev/null
+++ b/动态标签阈值实施完成.txt
@@ -0,0 +1,116 @@
+✅ 动态标签阈值实施完成
+
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+📊 动态调整 freqai_entry_up_percent 和 freqai_exit_down_percent
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+【修改位置】
+文件：freqtrade/templates/freqaiprimer.py
+方法：set_freqai_targets()
+行数：约 317-406 行
+
+【核心逻辑】
+
+1️⃣  基础阈值映射（根据市场状态）
+
+市场状态        entry_up_percent    exit_down_percent    说明
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+strong_bull     1.5%                0.3%                 要求更大涨幅，快速止损
+weak_bull       1.0%                0.4%                 适度提高门槛
+neutral         0.5%                0.5%                 当前默认值
+weak_bear       0.4%                0.8%                 降低门槛找反弹
+strong_bear     0.3%                1.0%                 更低门槛，宽容止损
+
+逻辑：
+- 牛市中：提高入场门槛（避免追高），快速止损
+- 熊市中：降低入场门槛（寻找反弹），宽容止损
+
+2️⃣  波动率微调（±20%）
+
+volatility = ATR / close
+vol_factor = 1.0 + (volatility - 0.02) * 5
+vol_factor = clip(0.8, 1.2)  # 限制在 80%-120% 范围
+
+final_threshold = base_threshold * vol_factor
+
+逻辑：
+- 高波动市场：提高阈值（避免噪音）
+- 低波动市场：降低阈值（捕捉小波动）
+
+3️⃣  按行计算动态阈值
+
+每根K线根据当时的市场状态和波动率计算独立的阈值
+dataframe['dynamic_entry_up_percent']
+dataframe['dynamic_exit_down_percent']
+
+4️⃣  应用到标签生成
+
+entry_up_threshold = 1.0 + dynamic_entry_up_percent / 100.0
+exit_down_threshold = 1.0 - dynamic_exit_down_percent / 100.0
+
+入场标签: future_max > close * entry_up_threshold
+出场标签: future_min < close * exit_down_threshold
+
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+🎯 预期效果
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+1. ML模型在不同市场环境下的训练目标更合理
+   ✅ 牛市：不会因为0.5%太容易达到而过度乐观
+   ✅ 熊市：不会因为0.5%难以达到而样本不足
+
+2. 训练标签分布更平衡
+   ✅ 目标：各市场状态下保持 15-25% 的正样本比例
+   ✅ 避免样本不平衡导致的模型偏差
+
+3. 与策略整体一致
+   ✅ 与动态ML阈值（方案B）协同
+   ✅ 与双重过滤机制（方案A+B）协同
+   ✅ 形成完整的自适应交易系统
+
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+📋 诊断日志示例
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+[BTC/USDT] 动态标签阈值 | 市场: strong_bull | 入场阈值: 1.65% | 出场阈值: 0.27% | 入场标签: 1 | 出场标签: 0
+[ETH/USDT] 动态标签阈值 | 市场: strong_bear | 入场阈值: 0.32% | 出场阈值: 1.05% | 入场标签: 0 | 出场标签: 1
+
+说明：
+- 强牛市中，入场阈值自动提高到 1.65%（比默认0.5%高3倍）
+- 强熊市中，入场阈值自动降低到 0.32%（比默认0.5%低35%）
+
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+⚠️  注意事项
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+1. 需要重新训练ML模型
+   - 标签定义已改变，旧模型无效
+   - 建议：删除 user_data/models/ 下的所有模型
+   - 重新运行训练
+
+2. 回测时会看到诊断日志
+   - 每个币种会输出最新一根K线的动态阈值
+   - 可以观察不同市场状态下的阈值变化
+
+3. 参数不再需要 Hyperopt 优化
+   - freqai_entry_up_percent 和 freqai_exit_down_percent
+   - 可以从参数列表中移除或设为固定值
+
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+🚀 下一步
+━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+1. 清理旧模型：
+   rm -rf user_data/models/*
+
+2. 重新训练（如果是 FreqAI 策略）：
+   freqtrade trade --strategy FreqaiPrimer --config config.json --freqaimodel LightGBMClassifier
+
+3. 观察日志中的动态阈值是否合理
+
+4. 回测验证效果（建议使用更长时间段）：
+   freqtrade backtesting --config config.json --strategy FreqaiPrimer --timerange=20251101-20260108
+
+建议commit信息：
+git commit -m "实施动态标签阈值：根据市场状态和波动率自适应调整FreqAI训练目标"
+