diff --git a/CHANGELOG.md b/CHANGELOG.md
index 6e93a26..8a5a82e 100644
--- a/CHANGELOG.md
+++ b/CHANGELOG.md
@@ -13,11 +13,15 @@
 - **`easy-tdx strategies` 内置策略列表命令**：列出注册表全部策略（名称/中文标签/参数默认值/预设寻优网格点数/说明），`--output json` 输出与 Web API `GET /backtest/strategies` 同构的完整 schema。
 - **`easy-tdx portfolio --evaluate / --wf`**：组合级一条龙评估（组合回测 + 组合 WF + 跨标的适配性体检 + 综合评分 + 组合评级 + 等权买入持有基准对比，调 `evaluate_portfolio`）与组合级 Walk-Forward（`PortfolioWalkForwardEngine`），输出与 Web UI /portfolio 页同构；同时补上 `--auto-fees` 品种感知费率旗标。
 
+### 修复
+
+- **寻优指标缓存自 v1.25 起全程 0 命中（两段式加速静默失效）**（[indicator_cache.py](src/easy_tdx/backtest/indicator_cache.py)）：缓存键此前用数组**对象 id** 做签名，而引擎每次 run 会重建数组对象，id 逐点漂移导致跨网格点永不命中——`test_optimizer_cache_reuse_across_grid_points` 一直在失败（仅在带缓存统计的测试里暴露，正确性对拍不受影响，属纯性能回归）。改为**内容哈希**签名（blake2b 16 字节 + dtype/shape），同值不同对象视为同一数据；附带删除防 id 复用的 `_array_refs` 强引用表（内容寻址下不再需要，缓存生命周期内的数组引用也随之释放）。实测 16 点网格命中率 38%，新增「同内容不同对象必须命中」回归测试。
+
 ### 测试
 
-- 新增 12 例：`optimize` 命令互斥/未知策略/未知参数/畸形参数校验（联网前快速失败）、`strategies` 表格与 JSON 输出、`portfolio --help` 新旗标、`optimize_all_strategies` 排名序/label/skipped/JSON 原生类型。
+- 新增 13 例：`optimize` 命令互斥/未知策略/未知参数/畸形参数校验（联网前快速失败）、`strategies` 表格与 JSON 输出、`portfolio --help` 新旗标、`optimize_all_strategies` 排名序/label/skipped/JSON 原生类型、指标缓存「同内容不同对象必须命中」回归。
 - 实测验证：`strategies` 列出 54 策略；`optimize --strategy`（3×3 网格）与 `optimize --all --workers 4`（54 策略 316 网格点）真实行情跑通；`portfolio --evaluate`（完整报告含评分/评级/WF/基准）与 `--wf` 真实跑通。
-- 全量回归：pytest 1611 通过（`test_optimizer_cache_reuse_across_grid_points` 为 main 既有失败，与本次无关）、ruff/ruff format/mypy 全绿。
+- 全量回归：pytest 1613 全部通过、ruff/ruff format/mypy 全绿（原 v1.25 既有失败 `test_optimizer_cache_reuse_across_grid_points` 随缓存键修复转绿）。
 
 ## [1.31.2] — 2026-09-04
 
diff --git a/src/easy_tdx/backtest/indicator_cache.py b/src/easy_tdx/backtest/indicator_cache.py
index a7f9cf2..d68f12f 100644
--- a/src/easy_tdx/backtest/indicator_cache.py
+++ b/src/easy_tdx/backtest/indicator_cache.py
@@ -6,9 +6,11 @@
 例如 ``{"fast": [5,10,20], "slow": [10,20,30]}`` 的 9 个点里，
 ``MA(close, 5)`` 会被计算 3 次（与每个 slow 组合各一次），实际只需 1 次。
 
-:key 设计：``(函数限定名, 参数原子序列)``。数组参数用 ``(id, shape)`` 做
-签名——缓存持有数组强引用，id 在缓存生命周期内不会被复用；标量参数直接
-repr。跨进程不共享（进程池并行模式下各 worker 各自建缓存）。
+:key 设计：``(函数限定名, 参数原子序列)``。数组参数用 ``(dtype, shape,
+内容哈希)`` 做签名——引擎每次 run 会重建数组对象（对象 id 不稳定），
+必须按内容寻址才能跨网格点命中；标量参数直接 repr。哈希用
+blake2b（16 字节摘要），对回测级数组（KB 量级）开销可忽略。跨进程不
+共享（进程池并行模式下各 worker 各自建缓存）。
 
 收益上限取决于指标层在回测耗时中的占比；引擎的逐 bar Python 循环无法
 通用缓存，故大网格另配 ``ParamGridOptimizer(workers=N)`` 进程级并行，
@@ -17,6 +19,7 @@ repr。跨进程不共享（进程池并行模式下各 worker 各自建缓存
 
 from __future__ import annotations
 
+import hashlib
 from collections.abc import Callable
 from typing import Any
 
@@ -30,7 +33,6 @@ class IndicatorCache:
 
     def __init__(self) -> None:
         self._store: dict[tuple[Any, ...], Any] = {}
-        self._array_refs: dict[int, np.ndarray] = {}  # 防 id 复用：持有数组强引用
         self.hits = 0
         self.misses = 0
 
@@ -86,9 +88,11 @@ class IndicatorCache:
     def _atom(self, a: Any) -> Any:
         """把单个参数转为可哈希原子。"""
         if isinstance(a, np.ndarray):
-            arr_id = id(a)
-            self._array_refs[arr_id] = a  # 持引用，防 id 复用
-            return ("arr", arr_id, a.shape)
+            # 内容寻址：同值不同对象必须视为同一数据（引擎每次 run 重建数组，
+            # 对象 id 不稳定）。NaN 按字节参与哈希，位模式不同只多算一次，
+            # 不会误命中。
+            digest = hashlib.blake2b(a.tobytes(), digest_size=16).hexdigest()
+            return ("arr", str(a.dtype), a.shape, digest)
         if isinstance(a, int | float | str | bool | None):
             return ("s", type(a).__name__, repr(a))
         return ("o", type(a).__name__, repr(a))
diff --git a/tests/unit/test_optimizer_cache_multiseed.py b/tests/unit/test_optimizer_cache_multiseed.py
index 999b334..491bf96 100644
--- a/tests/unit/test_optimizer_cache_multiseed.py
+++ b/tests/unit/test_optimizer_cache_multiseed.py
@@ -62,6 +62,22 @@ def test_indicator_cache_distinguishes_arrays():
     assert cache.misses == 2  # 不同数组不误命中
 
 
+def test_indicator_cache_hits_copied_array_with_same_content():
+    """同内容、不同对象（引擎每次 run 重建数组的情形）必须命中。
+
+    回归：键曾用对象 id 做数组签名，引擎逐 run 重建数组对象导致寻优
+    缓存全程 0 命中（两段式加速静默失效）。
+    """
+    from easy_tdx.MyTT import MA
+
+    arr = _pool_df(100)["close"].to_numpy()
+    cache = IndicatorCache()
+    cache.get_or_compute(MA, (arr, 5), {})
+    cache.get_or_compute(MA, (arr.copy(), 5), {})  # 同内容不同对象
+    assert cache.hits == 1
+    assert cache.misses == 1
+
+
 # ── 优化器集成（缓存命中 + 结果一致 + 并行）─────────────────────────────────