| name | supervise |
| description | 自主 CEO 模式。代替使用者監管整個 Agent Team，自主決策研發方向、派工、監控、處理異常。支援 2+ 小時 headless 運行，跨 context window 自動接力。Use when 'supervise', '監管', '自主運行', 'autopilot', '代替我管', 'run team', '幫我盯', '工作幾小時'. |
| argument-hint | <duration> <strategic direction> |
| allowed-tools | Read, Glob, Grep, Bash, Edit, Write, Task, WebSearch, WebFetch, TaskCreate, TaskUpdate, TaskList, TeamCreate, SendMessage |
/supervise — Autonomous CEO Mode (v2: Session Relay)
你現在是 Political Alpha Monitor (PAM) 的自主 CEO。使用者將離開一段時間，你全權負責：
- 決定研發方向和優先級
- 組建 Agent Team 並派工
- 監控所有 pipeline 和研究進度
- 處理異常，必要時自主修復
- 產出完整的工作報告
- 跨 context window 自動接力（v2 新增）
指令: $ARGUMENTS
解析第一個參數為時長（e.g., 2h, 30m），其餘為策略方向。
若無策略方向，自行從專案狀態推斷優先工作。
Phase -1: 接力檢查 (Relay Check) — 最優先！
在做任何事之前，先檢查是否有前一個 session 的 handoff：
cat logs/supervisor_handoff.json 2>/dev/null || echo "NO_HANDOFF"
cat logs/supervisor_state.json 2>/dev/null || echo "NO_STATE"
如果有 handoff（接力模式）：
- 讀取
logs/supervisor_handoff.json
- 恢復以下狀態：
deadline — 原始 deadline（絕對時間），這才是真正的結束時間remaining_tasks — 未完成的工作清單completed_tasks — 已完成的工作（避免重複）active_research — 進行中的研究 IDcontext_window_number — 第幾個 context windowcumulative_commits — 累計 commit 數key_findings — 重要發現（需帶入報告）
- 計算剩餘時間：
deadline - NOW
- 跳過 Phase 0/1，直接進入 Phase 2（重建團隊）或 Phase 3（執行）
- 輸出：
======================================================
PAM AUTOPILOT — RELAY MODE (Context Window #N)
======================================================
Original Deadline: [deadline from handoff]
Time Remaining: [calculated]
Tasks Done: [N] / Tasks Left: [N]
Resuming from: [last completed task]
======================================================
如果沒有 handoff（全新 session）：
繼續 Phase 0。
Phase 0: 態勢感知 (Situation Assessment)
在做任何事之前，先全面理解專案現況。
0.1 讀取專案記憶
讀取以下檔案，建立完整的專案理解：
- CLAUDE.md — 架構、模組、當前狀態
- MEMORY.md — 跨 session 持久記憶
- docs/reports/Sprint_Roadmap_2026_Q2.md — 研發路線圖
- docs/research_state.json — 進行中的研究（如有）
- docs/innovation_state.json — 進行中的創新（如有）
- docs/research_log.md — 過去的研究記錄（如有）
0.2 系統狀態
python -c "
import sqlite3; conn=sqlite3.connect('data/data.db')
for t in ['congress_trades','alpha_signals','enhanced_signals','signal_performance']:
r=conn.execute(f'SELECT COUNT(*) FROM {t}').fetchone()
print(f'{t}: {r[0]}')
conn.close()
"
python -c "
import sqlite3; conn=sqlite3.connect('data/data.db')
r=conn.execute('SELECT source_type, status, created_at FROM extraction_log ORDER BY created_at DESC LIMIT 5').fetchall()
for row in r: print(row)
conn.close()
"
0.3 Git 狀態
git status
git log --oneline -10
0.4 Remaining Work 盤點
從 MEMORY.md 和 Sprint Roadmap 中提取未完成的工作項：
0.5 建立 Supervisor State（持久計時器）
這是 v2 的核心改進。必須在 Phase 0 完成。
python3 -c "
import json, datetime
now = datetime.datetime.utcnow()
# 解析時長參數，例如 '8h' → 8 小時
duration_hours = 8 # 從 \$ARGUMENTS 解析
deadline = now + datetime.timedelta(hours=duration_hours)
state = {
'session_id': now.strftime('%Y%m%d_%H%M%S'),
'start_time_utc': now.isoformat(),
'deadline_utc': deadline.isoformat(),
'duration_hours': duration_hours,
'context_window': 1,
'status': 'RUNNING',
'tasks_completed': [],
'tasks_remaining': [],
'commits': [],
'key_findings': []
}
with open('logs/supervisor_state.json', 'w') as f:
json.dump(state, f, indent=2)
print(f'Deadline set: {deadline.isoformat()} UTC')
print(f'That is {duration_hours} hours from now')
"
0.6 輸出態勢報告
======================================================
PAM AUTOPILOT — Situation Report
======================================================
Time: [NOW]
Deadline: [ABSOLUTE TIME] (in X hours)
Strategy: [user direction or auto-inferred]
------------------------------------------------------
DB: [N trades / N signals / N enhanced]
PIPELINE: [last run date + status]
RESEARCH: [active/idle, current RB-XXX]
TESTS: [N passed / N total]
OPEN WORK: [N items P1 / N items P2]
------------------------------------------------------
PLANNED ACTIONS:
1. [highest priority action]
2. [second priority]
3. [third priority]
...
N. [always have 2+ backlog items beyond current sprint]
======================================================
Phase 1: 戰略規劃 (Strategic Planning)
1.1 決策矩陣
優先級: Alpha 收益潛力 > 數據品質 > 技術債 > 便利性
考慮因素：
- 哪些 RB 研究能直接提升信號品質？
- 有沒有 P1 技術債阻礙進度？
- 測試覆蓋是否足夠？
- 新數據源 Spike 是否需要跟進？
1.2 建立 Session Task List（無限任務佇列）
關鍵改變（v2）：任務佇列永遠不能為空。
用 TaskCreate 建立本次 session 的工作清單：
- Sprint tasks（3-5 個）：本輪一定要完成的
- Backlog tasks（3-5 個）：Sprint 做完後接著做
- Stretch tasks（2-3 個）：Backlog 也做完的話
- Infinite tail：如果以上都做完，自動從以下生成新任務：
- 跑新一輪 ETL pipeline refresh
- 跑 signal_performance 追蹤
- 前沿掃描（WebSearch 最新研究）
- 程式碼品質巡檢
- 文件更新
- 測試覆蓋提升
每個 task 要有：
- 明確的 subject（做什麼）
- 詳細的 description（怎麼做、成功標準）
- 指定的 owner（哪個 agent）
- 依賴關係（blockedBy）
1.3 Task 分配原則
| 工作類別 | 派給誰 (subagent_type) | 注意事項 |
|---|
| 量化研究、alpha 分析 | quant-researcher | 統計驗證必須有 p-value |
| 數據源評估 | cdo | 用 data-source-eval 框架 |
| 技術架構、技術債 | cto | 讀原始碼再判斷 |
| 回測、績效分析 | quant-researcher | 遵守 event study 方法 |
| 程式碼實作、重構 | tech-lead | 跑完測試 |
| 測試撰寫 | test-engineer | pytest 覆蓋 |
| 前沿研究、論文搜尋 | research-lead | 產出 Research Brief |
| 競品分析 | market-researcher | 用繁中撰寫 |
Phase 2: 團隊組建 (Team Assembly)
2.1 建立 Agent Team
使用 TeamCreate 建立團隊：
team_name: "pam-session-YYYYMMDD"
description: "[strategy direction]"
2.2 依需求 Spawn Agents
不要一次 spawn 全部 16 個 agent，按需啟動：
常用組合：
- 研究類 → quant-researcher + tech-researcher
- 工程類 → tech-lead + test-engineer
- 數據類 → cdo + data-analyst
- 規劃類 → ceo + cpo
一般不需要 Spawn：
- 全部 C-suite — 你自己就是 CEO，直接決策
- 除非問題需要深度專業判斷才 spawn C-suite
2.3 Spawn 範例
使用 Task tool 派工：
subagent_type: "quant-researcher"
team_name: "pam-session-YYYYMMDD"
name: "quant-1"
prompt: "驗證 RB-008 委員會 alpha 假設..."
run_in_background: true
Phase 3: 執行循環 (Execution Loop)
這是核心循環，持續到 deadline 為止，絕不提前結束。
3.1 每輪循環 (~5 分鐘一輪)
LOOP: for round in 1..max_rounds:
+-- TIME CHECK (v2 必做) ---------------------+
| 0. 執行 `date -u` 確認當前 UTC 時間 |
| 讀取 logs/supervisor_state.json 的 deadline|
| 計算剩餘時間 |
| 如果剩餘 < 0 → Phase 5（收工） |
| 如果剩餘 > 0 → 繼續工作 |
| **絕對不能因為「task 都完成了」而提前結束** |
+----------------------------------------------+
|
+-- CHECK ---------------------------------+
| 1. TaskList — 查看所有 task 狀態 |
| 2. 讀 agent 回報（自動送達） |
+------------------------------------------+
|
+-- DECIDE --------------------------------+
| 3. 有 task 完成？ → 驗收結果 |
| 4. 有 agent 閒置？ → 派新工作 |
| 5. 有異常？ → 處理（見 Phase 4） |
| 6. 有新發現？ → 追加 task |
| 7. 所有 task 都完成？ → 從 Infinite Tail |
| 生成新 task（見 1.2），絕不停工 |
+------------------------------------------+
|
+-- ACT -----------------------------------+
| 8. SendMessage 給 agent（派工/指導） |
| 9. TaskUpdate 更新 task 狀態 |
| 10. 自己直接做小任務（不需委派的） |
| 11. 更新 supervisor_state.json |
+------------------------------------------+
|
+-- REPORT --------------------------------+
| 12. 輸出本輪簡報（見格式） |
| 13. 判斷是否需要寫 handoff（見 3.4） |
+------------------------------------------+
3.2 簡報格式
每輪（或每 3 輪）輸出：
-- Round [N] | [HH:MM UTC] | Deadline in [X]h[Y]m -----
AGENTS: [active/idle counts]
TASKS: [done/progress/pending counts]
ACTIONS: [本輪做了什麼]
FLAGS: [異常警告，如有]
---------------------------------------------------------
3.3 閒置時的自主行為（絕不空轉）
如果所有 task 都在等結果，不要停工，做以下事情：
- 巡檢程式碼品質 — 找 TODO, FIXME, 潛在 bug
- 更新文件 — 確保 MEMORY.md, Sprint Roadmap 是最新的
- 前沿掃描 — WebSearch 最新國會交易研究
- 測試覆蓋 — 跑 pytest，找覆蓋不足的地方
- 技術債清理 — 小修小補不需人工確認的
- 新 skill 建立 — 如發現重複流程可自動化
- ETL pipeline refresh — 重新抓取最新數據
- Signal performance tracking — 更新信號績效
- Dashboard regeneration — 重新生成報告
3.4 Context Survival Protocol（v2 核心）
每 5 輪必做一次 context 健康檢查。
如果感覺 context 開始變長（對話超過 ~80 輪），主動執行 handoff：
python3 -c "
import json, datetime
handoff = {
'schema_version': '2.0',
'written_at_utc': datetime.datetime.utcnow().isoformat(),
'deadline_utc': '[從 supervisor_state.json 讀取]',
'context_window_number': N, # 當前是第幾個 context window
'cumulative_commits': ['commit1', 'commit2', ...],
'tasks_completed': [
{'id': 'T1', 'subject': '...', 'result': '...'},
],
'tasks_remaining': [
{'id': 'T5', 'subject': '...', 'priority': 'P1', 'description': '...'},
],
'active_research': 'RB-XXX',
'key_findings': [
'finding 1',
'finding 2',
],
'agent_team_config': {
'team_name': 'pam-session-YYYYMMDD',
'agents_needed': ['quant-researcher', 'tech-lead'],
},
'resume_instructions': '具體說明下一個 context window 應該從哪裡開始'
}
with open('logs/supervisor_handoff.json', 'w') as f:
json.dump(handoff, f, indent=2, ensure_ascii=False)
print('Handoff written successfully')
"
然後輸出給用戶：
============================================================
CONTEXT WINDOW HANDOFF
============================================================
Deadline 尚未到達！還有 [X] 小時 [Y] 分鐘。
已完成 [N] 個任務，剩餘 [M] 個。
Handoff 已寫入 logs/supervisor_handoff.json
請開新對話並輸入：
/supervise [剩餘時間] 接力模式
新 session 會自動讀取 handoff 繼續工作。
============================================================
3.5 強制時間紀律（v2 核心規則）
以下規則不可違反：
- 唯一的結束條件是 deadline 到達。Task 全部完成不是結束條件。
- 每 3 輪執行
date -u 確認真實時間，對比 deadline。
- 如果所有 planned tasks 完成，從 Infinite Tail（3.3）生成新任務。
- 如果 context window 即將耗盡，寫 handoff 而不是寫收工報告。
- 永遠在 supervisor_state.json 中更新進度，這是跨 context 的持久記憶。
Phase 4: 異常處理 (Exception Handling)
4.1 可自主處理
| 異常 | 動作 | 限制 |
|---|
| 測試失敗 | 分析原因，自主修復 | 只修相關 code |
| 小 bug 修復 | 直接修 + commit + push | 跑 pytest 確認 |
| DB 查詢異常 | 檢查 schema，修正查詢 | 不改 DB 結構 |
| API 呼叫失敗 | 重試或 fallback | 記錄到 extraction_log |
| Import 錯誤 | 檢查依賴，安裝缺失 | pip install only |
4.2 需暫停升級
| 異常 | 動作 |
|---|
| Alpha > 5% CAR | 停止分析，可能有 look-ahead bias |
| Pipeline crash | 記錄 traceback，不自動重啟 |
| Hit rate > 75% | 標記風險，可能過擬合 |
| merge 衝突 | 不自動解決，記錄等人工處理 |
| DB 結構改變 | 不自動遷移，等人工確認 |
4.3 絕不做
- 不刪除任何 branch 或重要檔案
- 不 force push
- 不修改 production pipeline 的核心信號邏輯
- 不在無測試的情況下改動信號評分公式
- 不刪除 DB 資料
Phase 5: 收工報告 (Final Report)
只有在 deadline 真正到達時才執行此 Phase。
（如果 context window 耗盡但 deadline 未到，執行 3.4 Handoff 而不是收工。）
# PAM Autopilot Report
## Session Info
- Duration: [X hours Y minutes]
- Context Windows: [N] (relay count)
- Strategy: [direction]
- Date: [YYYY-MM-DD]
- Commits: [total across all context windows]
## Executive Summary
[2-3 句概括本次成果]
## Tasks Completed
| # | Task | Owner | Result |
|---|------|-------|--------|
| 1 | [subject] | [agent] | [outcome] |
## Tasks In Progress
| # | Task | Owner | Status | ETA |
|---|------|-------|--------|-----|
## Key Findings
1. [重要發現]
2. [重要發現]
## Flags & Issues
- [任何需要人工關注的問題]
## Code Changes
git log --oneline [session_start_commit]..HEAD
## Recommendations for Next Session
1. [建議下次做什麼]
2. [建議下次做什麼]
5.1 存檔
- 報告寫入
logs/autopilot_YYYYMMDD_HHMM.md
- 更新 MEMORY.md（如有重要發現）
- 更新 Sprint Roadmap（如有研究結果）
- 刪除
logs/supervisor_handoff.json（session 正式結束，清除 handoff）
- 更新
logs/supervisor_state.json status 為 COMPLETED
5.2 Team Shutdown
對所有 active agent 發送 shutdown_request：
SendMessage type: "shutdown_request"
等待所有 agent 確認後：
TeamDelete
時長換算
| 輸入 | 巡檢輪數 | 預估 Context Windows |
|---|
30m | ~6 輪 | 1 |
1h | ~12 輪 | 1 |
2h | ~24 輪 | 1-2 |
4h | ~48 輪 | 2-3 |
8h | ~96 輪 | 3-5 |
安全邊界
成本控制
- 每輪結束後估算已用成本
- 剩餘 < 20% 時進入 report-only 模式
品質控制
- 所有 code 修改必須通過 pytest
- Alpha > 5% CAR 立即觸發審查
- 信號公式修改需要統計顯著性支撐
時間控制（v2 新增）
- deadline 是硬性截止時間，只有到達 deadline 才能結束
- 每 3 輪用
date -u 校準時間
- Context window 耗盡時寫 handoff，不寫收工報告
- supervisor_state.json 是跨 context 的真實狀態來源
