| name | wealthpilot-position-decision |
| description | 为单一持仓标的（股票/基金）生成投资决策建议。适用场景包括用户询问"X 还能拿吗"、"X 该不该卖"、"X 涨了好多要不要止盈"等明确针对单标的的决策问题。该 Skill 编排 5 个阶段的工作流：数据加载 → 前置校验 → 规则校验 → 信号生成 → LLM 推理，最后输出 6 档结构化决策（BUY/HOLD/TAKE_PROFIT/REDUCE/SELL/STOP_LOSS）。 |
| version | 1.0.0 |
| tags | ["position-decision","single-asset","investment-decision"] |
| intent_binding | PositionDecision |
WealthPilot 单标的决策 SOP
本 Skill 描述 WealthPilot 处理单标的投资决策的标准操作流程。
当用户的请求被识别为针对单一具体标的的决策问题时，
按本 SOP 编排 decision_engine/decision_flow.py:_run_pipeline 的 5 个阶段。
工作流程
Step 1: 数据加载 (Data Loading)
入口：data_loader.load(asset_name, portfolio_id, user_query)
加载决策所需的全部上下文数据：
- 用户投资画像（风险偏好、投资目标）
- 全部持仓快照（聚合后的 AggregatedPosition 列表）
- 目标标的信息（target_position）
- 投资纪律配置（InvestmentRules，从 handbook_official.md 加载）
- 投研观点（local 投研卡 + 实时联网搜索 + 盈米 MCP 基金诊断）
- 组合总市值
中断条件：
- 数据加载异常 → ABORTED
- 标的歧义匹配 → 返回候选清单让用户澄清（不进 Step 3）
- 数据质量错误 → ABORTED
Step 2: 前置校验 (PreCheck)
入口：pre_check.check(loaded_data)
对加载到的数据做完整性校验，确保后续流程有足够的输入。
中断条件：not passed → ABORTED
Step 3: 规则校验 (Rule Check)
入口：rule_engine.check(loaded_data, intent)
执行决策管道层级的规则检查。注意这里是简化版，仅检查单标仓位上限，
完整的纪律体系（11 条纪律 / 3 引擎）见 references/discipline_overview.md。
简化版的设计动机：决策管道追求实时响应，完整纪律体系在投资纪律页面、组合健康度评估等异步场景使用。
中断条件：
- 未持仓 + 非买入意图 → ABORTED（LLM 引导回复）
Step 4: 信号生成 (Signal)
入口：signal_engine.generate(loaded_data, intent, rule_result)
生成 4 维度市场信号（仓位 / 基本面 / 事件 / 情绪），作为 LLM 推理的环境因子。
中断条件：仓位口径不一致 → ABORTED
Step 5: LLM 推理 (Reasoning)
入口：llm_engine.reason(user_query, data, intent, rule_result, signals, history)
调用 GPT-4.1，基于前 4 步的全部输出生成结构化决策。
LLM 输出 LLMResult，包含：
- decision：6 档枚举之一（见下文"决策档位"）
- reasoning：list[str]，推理依据（每条独立逻辑链）
- risk：list[str]，风险提示
- strategy：list[str]，操作策略
- chat_answer：str，面向用户的中文自然语言回答
- structured_result：完整结构化 JSON（含 confidence、infoNeeded、evidenceSources 等）
无中断：始终返回 LLMResult，错误时 is_fallback=True
Step 6: 运行时校验 (Validator) [Skill 边界外]
注意：Validator 在 _run_pipeline 之外、由 SSE 服务层在 yield done 事件前调用。
参见 backend/graph/decision_validator.py。
校验项：
- decision 必须在 6 档枚举内
- reasoning / risk 列表非空
- 纪律严重违规时不能给激进决策（BUY/TAKE_PROFIT）
- chat_answer 长度 >= 20 字
- 通用层 + PositionDecision 专项层
校验失败 action="retry"，验证仍失败 action="fallback"。
决策档位（6 档）
代码位置：decision_engine/llm_engine.py 的 _VALID_DECISIONS
| 档位 | 中文 | 含义 |
|---|
| BUY | 加仓 | 基本面 + 情绪 + 纪律均支持加仓 |
| HOLD | 观望 | 当前状态无显著调整必要 |
| TAKE_PROFIT | 部分止盈 | 累计盈利达阈值，建议落袋部分仓位 |
| REDUCE | 逐步减仓 | 基本面或纪律出现弱化信号 |
| SELL | 减仓/清仓 | 基本面恶化或重大利空 |
| STOP_LOSS | 止损离场 | 触发被动止损纪律 |
输出格式约束
最终给用户的 chat_answer 必须包含 5 个部分：
- 结论（一句话核心建议）
- 核心依据（3-5 条具体数据支撑）
- 主要风险（2-3 条）
- 操作建议（2-4 条具体可执行的步骤）
- 免责声明（仅供参考，不构成投资建议）
数据来源优先级
- 用户持仓数据（必须）
- 投资纪律配置
data/handbook_official.md（必须）
- 盈米 MCP 基金诊断（基金类标的优先使用，见 backend/mcp_client/yingmi_client.py）
- 实时联网搜索（股票类标的的投研补充）
- LLM 自身知识（仅作为兜底，不能作为唯一依据）
引用规范
引用事实时明确标注来源：
（据盈米基金数据）（据公开数据） （联网搜索）（据您当前组合数据）- 自身推理：不加来源标注
完整纪律体系参考
本 Skill 在 Step 3 仅做仓位上限快速校验。完整纪律体系（11 条纪律）由 app/discipline/ 的 3 引擎实现（risk_engine / decision_engine / psychology_engine），详见 references/discipline_overview.md 和 references/handbook_official.md。
