| name | wp-reasoning |
| description | 通用 LLM 推理 Skill，根据 prompt_template_id 参数加载对应 prompt 模板，调用 GPT-4.1 生成结构化决策。支持 5 种 prompt 模板（position_decision / portfolio_review / asset_allocation / performance_analysis / general_chat）对应 5 种意图。这是 v3.0 设计的核心创新——把"每意图一个推理 Skill"统一为"通用推理 Skill + 参数化 prompt 模板"。 |
| version | 1.0.0 |
| type | llm_dispatch |
| entry_point | decision_engine.llm_engine |
| prompt_templates_dir | prompts/ |
| inputs | {"type":"object","properties":{"prompt_template_id":{"type":"string","enum":["position_decision","portfolio_review","asset_allocation","performance_analysis","general_chat"]},"user_query":{"type":"string"},"context":{"type":"object","description":"ExecutionContext 对象，含 loaded_data / rule_result / signal_result 等"}},"required":["prompt_template_id","user_query","context"]} |
| outputs | {"type":"LLMResult or GenericLLMResult","description":"含 chat_answer / structured_payload / decision / reasoning / risk"} |
| tags | ["llm","reasoning","prompt-template"] |
wp-reasoning
通用 LLM 推理能力。
设计哲学
v3.0 之前的设计是"每个意图一个推理 Skill"（5 个 Skill），但 5 个 Skill 之间的差异
仅在 prompt 内容，而不是"推理逻辑"——它们都是"调 LLM 拿结构化输出"。
v3.0 重新设计为：
- 1 个通用推理 Skill（wp-reasoning）
- 5 个独立 prompt 模板（prompts/*.md）
通过 prompt_template_id 参数选择模板。这种设计：
- Skill 数量正确反映"原子能力数量"（推理是 1 个能力）
- prompt 作为独立数据资产管理，可以版本化和 A/B 测试
- 新增意图不需要新增 Skill，只需要加 prompt 模板
prompt 模板映射
| prompt_template_id | LLM engine 函数 | 模型 |
|---|
| position_decision | reason() | gpt-4.1, 4096 tokens |
| portfolio_review | review_portfolio() | gpt-4.1, 2048 tokens |
| asset_allocation | analyze_allocation() | gpt-4.1, 2048 tokens |
| performance_analysis | analyze_performance() | gpt-4.1, 2048 tokens |
| general_chat | chat() | gpt-4.1-mini, 512 tokens |
prompt 资产保护
5 个 prompt 模板是 case 驱动迭代的产品资产（在 decision_engine/llm_engine.py 里
作为常量字符串存储）。v3.0 阶段保持这种存储方式不变，避免改动 prompt 文本。
v3.1 演进：把 prompt 抽到 prompts/*.md 独立文件，wp-reasoning 通过 prompt_template_id 加载。
调用方式
from backend.skills import invoke_skill
result = invoke_skill(
"wp-reasoning",
prompt_template_id="position_decision",
user_query="茅台还能拿吗",
context=execution_output,
)
上下游关系
- 上游：所有数据获取/计算分析类 Skills 的输出（聚合到 ExecutionContext）
- 下游：wp-citation-rules（注入引用规则）/ wp-output-validator（校验输出）
