这个修改将使数据新鲜度日志能够准确反映实际的数据延迟情况，帮助你更好地诊断和解决数据延迟问题。

freqtrade/templates/freqaiprimer.py

@@ -87,8 +87,8 @@ class FreqaiPrimer(IStrategy):
     
     def calculate_data_freshness(self, data_timestamp: datetime, pair: str, dataframe: DataFrame) -> float:
         """
-        计算数据新鲜度（与交易所最新数据比较）
-        :param data_timestamp: 数据时间戳
+        计算数据新鲜度（与当前时间比较，因为dataframe本身可能已过时）
+        :param data_timestamp: 数据时间戳（来自dataframe的最新时间）
         :param pair: 交易对
         :param dataframe: 数据框
         :return: 数据延迟时间（分钟）
@@ -99,18 +99,10 @@ class FreqaiPrimer(IStrategy):
                 data_timestamp = data_timestamp.replace(tzinfo=timezone.utc)
             data_timestamp_utc8 = data_timestamp.astimezone(UTC_PLUS_8).replace(tzinfo=None)
             
-            # 获取交易所的最新数据时间
-            exchange_latest_candle, exchange_latest_date = self.get_latest_candle(pair, self.timeframe, dataframe)
-            
-            if exchange_latest_date:
-                # 转换为UTC+8时间进行比较
-                if exchange_latest_date.tzinfo is None:
-                    exchange_latest_date = exchange_latest_date.replace(tzinfo=timezone.utc)
-                exchange_latest_utc8 = exchange_latest_date.astimezone(UTC_PLUS_8).replace(tzinfo=None)
-                freshness_minutes = (exchange_latest_utc8 - data_timestamp_utc8).total_seconds() / 60
-            else:
-                # 如果无法获取交易所最新时间，使用保守估计（3分钟延迟）
-                freshness_minutes = 3.0
+            # 使用当前系统时间作为基准，因为dataframe本身可能已过时
+            # 这样可以检测到Freqtrade内部缓存机制导致的数据延迟
+            current_time = datetime.now(UTC_PLUS_8).replace(tzinfo=None)
+            freshness_minutes = (current_time - data_timestamp_utc8).total_seconds() / 60
             
             return max(0.0, freshness_minutes)  # 确保不会返回负数