llm-arbitration-policy

name	llm-arbitration-policy
description	基于专家 Signal、编排 trace 与外部 MCP 工具完成 Orchestrator LLM 仲裁，输出兼容 ArbitrationResult 的最终交易决策 JSON。
owner_group	开发2组（Orchestrator）
domain	orchestrator
status	draft

LLM 仲裁策略 Skill

1. 适用范围

所属小组：开发2组（Orchestrator）

适用任务：

• 汇总多个专家 Agent 产出的 SignalBundle
• 结合编排 trace 检查专家执行失败、超时、无效信号等上下文
• 在必要时调用 MCP 工具补充市场、风险或外部上下文
• 输出兼容 agents.orchestrator.arbitration.ArbitrationResult 的最终仲裁结果

边界说明：

• 本 Skill 只定义 LLM 仲裁方法和输出约束，不直接获取原始行情、财报、新闻或股吧数据
• 不替代专家 Skill 的专业判断；专家 Signal 是主要输入，外部 MCP 信息只作为补充证据
• 当专家信号数量不足、方向严重冲突或 MCP 工具不可用时，应降低 confidence，必要时输出 wait 或 hold
• 不得输出超出 schema 的交易指令，例如具体买入价格、止损价或卖出批次

2. 输入材料

必填输入

• stock_code：股票代码
• signal_bundle：专家 Agent 产出的信号集合，包含方向、置信度、权重、推理和来源
• execution_trace：Orchestrator 编排 trace，包含专家执行状态、失败数、超时数、无效数等
• available_skills：当前框架加载到的 Skill 列表
• required_output_schema：必须遵守的最终输出结构

可选输入

• mcp_tools：可用 MCP 工具列表及注册信息
• MCP 工具返回的市场上下文、风险事件、数据质量说明或其他外部证据

缺失处理

• 如果 signal_bundle.signals 为空，输出 decision: "wait"、direction: "neutral"，confidence 不高于 0.3，position_ratio 为 0
• 如果多数专家执行失败或超时，在 risks 中说明数据覆盖不足，并降低 confidence
• 如果 MCP 工具不可用，不应阻塞仲裁，但必须在 risks 或 reasoning_chain 中说明外部验证不足

3. 仲裁流程

按下面步骤执行：

1. 读取 signal_bundle，按方向统计 bullish、bearish、neutral 信号数量。
2. 结合每个信号的 confidence 与 weight，评估看多、看空和中性证据强度。
3. 检查 execution_trace，识别专家失败、超时、无效输出和数据覆盖缺口。
4. 如存在可用 MCP 工具，优先补充与当前标的相关的市场上下文和风险事件。
5. 判断主方向：证据明显偏多时为 bullish，明显偏空时为 bearish，证据冲突或不足时为 neutral。
6. 计算 confidence：方向一致性越高、专家覆盖越完整、证据质量越高，置信度越高；反之降低。
7. 计算 position_ratio：只在 direction 为 bullish 或 bearish 且 confidence 足够时给出非零仓位；中性或等待时为 0。
8. 输出最终 JSON，不添加 Markdown 解释或额外文本。

4. 判断规则

方向判断

• 多数高置信度加权信号为 bullish，且无重大风险抵消时，输出 direction: "bullish"
• 多数高置信度加权信号为 bearish，或风险类信号强烈负面时，输出 direction: "bearish"
• 多空信号接近、核心专家缺失、证据质量不足或外部上下文不明确时，输出 direction: "neutral"

决策映射

• direction: "bullish" 且 confidence >= 0.6 时，通常输出 decision: "buy"
• direction: "bearish" 且 confidence >= 0.6 时，通常输出 decision: "sell"
• direction: "neutral" 或多空证据冲突时，通常输出 decision: "hold"
• 输入不足、执行失败较多、外部验证缺失或风险不可判断时，输出 decision: "wait"

仓位约束

• position_ratio 必须在 0 到 1 之间
• decision 为 hold 或 wait 时，position_ratio 应为 0
• 非零仓位应随 confidence、信号一致性和风险水平调整
• 当风险提示包含重大不确定性、数据缺失或专家执行异常时，应主动下调仓位

风险处理

需要重点识别并写入 risks：

• 专家信号数量不足
• 关键专家失败、超时或返回无效结果
• 多空信号冲突
• 单一来源信号占比过高
• MCP 外部验证失败或缺失
• 市场上下文存在重大不确定性

5. 标准输出

必须只返回一个 JSON 对象，字段如下：

{
  "decision": "buy | hold | sell | wait",
  "direction": "bullish | bearish | neutral",
  "confidence": 0.0,
  "position_ratio": 0.0,
  "reasoning": "",
  "signals_summary": {
    "total": 0,
    "bullish": 0,
    "bearish": 0,
    "neutral": 0,
    "by_type": {}
  },
  "risks": [],
  "reasoning_chain": []
}

字段约束：

• decision 只能是 buy、hold、sell、wait
• direction 只能是 bullish、bearish、neutral
• confidence 必须是 0 到 1 之间的数字
• position_ratio 必须是 0 到 1 之间的数字
• signals_summary 必须是对象
• risks 必须是字符串数组
• reasoning_chain 必须是字符串数组
• reasoning 必须是字符串，简明说明最终结论

6. 输出示例

{
  "decision": "buy",
  "direction": "bullish",
  "confidence": 0.72,
  "position_ratio": 0.25,
  "reasoning": "多数高置信度专家信号偏多，且未发现足以抵消的重大风险；考虑到部分外部验证不足，仓位保持克制。",
  "signals_summary": {
    "total": 5,
    "bullish": 3,
    "bearish": 1,
    "neutral": 1,
    "by_type": {
      "financial": {"bullish": 1, "bearish": 0, "neutral": 0},
      "news": {"bullish": 1, "bearish": 0, "neutral": 0},
      "risk": {"bullish": 0, "bearish": 1, "neutral": 0}
    }
  },
  "risks": [
    "存在一条风险类负面信号",
    "外部 MCP 市场上下文覆盖不足"
  ],
  "reasoning_chain": [
    "统计专家信号：看多 3 条，看空 1 条，中性 1 条。",
    "看多信号在数量和加权置信度上占优。",
    "风险信号提示需控制仓位。",
    "最终输出 buy，仓位比例 0.25。"
  ]
}

7. 关联模块

• agents/orchestrator/arbitration_strategy.py：加载本 Skill，并将其作为 LLM 仲裁框架的外部裁决方法来源
• agents/orchestrator/arbitration.py：定义 ArbitrationResult 结构，约束最终输出字段
• agents/orchestrator/agent.py：收集专家信号后调用仲裁策略