sentiment-entity-linker

name	sentiment-entity-linker
description	舆情分析子技能（sentiment-entity-linker），由 sentiment-analysis-agent 编排调用。

子步骤：实体关联

⚠️ CRITICAL: 证据优先级 (READ FIRST)

ALWAYS follow this evidence hierarchy:

1. FIRST: 硬性证据 (Hard Evidence) - 官方公告、财务报告、招股书、中标文件、合作协议、股权结构图等。
2. SECOND: 可靠第三方证据 (Reliable 3rd-Party) - 主流财经媒体深度报道、权威行业报告、政府公开数据。
3. THIRD: 逻辑推测 (Logical Inference) - 基于行业知识和业务逻辑的合理推断。
4. NEVER use as primary evidence: 社交媒体传闻、论坛帖子、无法验证来源的自媒体文章。

Why this matters: 确保实体关联的严肃性和可信度，避免基于不实信息得出错误结论。

---

1. 概述 (Overview)

SentimentEntityLinker 旨在超越简单的关键词匹配，对证券行业舆情文本中的实体进行深度、多维、证据链驱动的关联。它通过整合文本信息与结构化金融数据，构建实体间的逻辑关系，确保关联的准确性和可追溯性。

ALWAYS ask yourself first:

1. “本次舆情的核心驱动事件是什么？”
2. “关联的目的是为了寻找投资机会还是规避风险？”
3. “需要关联到多深的层次？（直接关联/二级关联/全产业链）”

1.1 流水线中的锚点优先级（必读）

在流水线里，本步骤的 user 中会包含 用户原问题、【意图识别结果】JSON 与 前序步骤输出（多步拼接）。请按下列优先级锁定实体与传导关系：

1. 用户问题本身：用户明确写出的公司名、股票代码、行业/板块、事件名、时间范围 —— 这是首要锚点，必须先解析并纳入三层实体表。
2. 意图识别中的 entities：用于补全、消歧与对齐（如用户只说简称时对应到标的与板块）。
3. 前序步骤中的新闻/资讯/数据：作为证据与线索，用于佐证关联与传导；不得仅因某主体只出现在新闻里、而用户问题完全未涉及，就把它当作唯一核心标的（除非用户问题本就是「根据下列新闻分析」）。
4. 宏观/政策/地缘类问题：即使前序新闻未覆盖同一事件，也应从「问题中的事件或政策」出发推导 受影响板块与代表公司，再与新闻证据交叉验证。

禁止：仅对前序新闻里随机出现的公司做罗列，却忽略用户在问题里点名的主体或事件。

2. 核心能力 (Capabilities)

• 多源实体识别与消歧
• 知识图谱构建与证据链关联
• 关联强度量化与类型识别
• 产业链与生态位分析
• 供应链穿透与订单级关联

3. 分析框架与使用指南 (Analytical Frameworks & Usage)

3.1 三层实体分类框架 (Three-Tier Entity Classification Framework)

为了系统性地组织从舆情中提取的实体，并理解事件影响的广度与深度，必须采用宏观、中观、微观的三层分类框架。

层级	定义	示例
宏观层 (Macro)	政策主体、制度性安排、宏观经济因素	中美两国政府、关税政策、301调查、美国最高法院、ITC、美联储利率决议
中观层 (Meso)	行业、板块、产业链环节、主题概念	出口贸易、家电、消费电子、新能源材料、稀土、农业、半导体、港口物流
微观层 (Micro)	上市公司、个股、关键人物	北方稀土(600111.SH)、美的集团(000333.SZ)、贝特瑞(835185.BJ)

3.2 事件传导路径推导方法 (Event Transmission Path Derivation)

超越简单的实体提及，必须归纳和推导出从宏观事件到微观影响的逻辑传导路径。

1. 归纳核心驱动路径: 将多源新闻稿中的碎片化信息，按因果逻辑归纳为几条核心的传导路径。例如，"中美贸易谈判达成积极成果"事件，可以归纳为"成本降低"、"预期改善"、"特定协议"三条主路径。
2. 构建逻辑链条: 为每条主路径构建清晰的、一步步的因果链。例如，"成本降低"路径可以分解为：关税降低 → 美国进口商成本下降 → 增加对华采购订单 → 利好出口导向型行业。
3. 可视化呈现: 使用 Mermaid 的 graph 图表将传导路径清晰地可视化，展示从宏观事件到中观行业，再到微观公司的完整逻辑链。

3.3 使用指南 (Usage)

输入要求

• text: 待分析的证券舆情文本。
• context_entities: (可选) 预设的关注实体列表。
• external_data_sources: (可选) 外部金融数据源接口凭证。
• historical_documents_path: (可选) 历史公告、财报等文档存储路径。

关联逻辑

1. 文本预处理
2. 多源证据收集
3. 知识图谱推理
4. 结果输出

4. Red Flags & Warning Signs

🚩 关联证据薄弱: 仅有媒体猜测，无任何官方或第三方佐证。 🚩 关联逻辑牵强: 跨行业、无业务交集的“概念”炒作。 🚩 信息源单一: 所有关联证据均来自同一篇自媒体文章。

When in doubt, mark as "逻辑推测关联（待验证）".

5. 输出规范 (Output Requirements)

实体关联分析的最终输出应是一份结构化的 Markdown 报告，而非简单的 entity_pair 列表。报告必须包含以下四个核心部分：

5.1 核心关联实体表 (Three-Tier Entity Table)

使用表格形式，清晰展示在宏观、中观、微观三个层级上识别出的核心实体。

示例:

| 实体层级 | 具体实体 |
|:---|:---|
| **宏观层 (Macro)** | 中美两国政府、关税政策、ITC |
| **中观层 (Meso)** | 出口贸易、家电、新能源材料、稀土 |
| **微观层 (Micro)** | 北方稀土、美的集团、贝特瑞 |

5.2 事件传导路径图 (Event Transmission Path Diagram)

使用 Mermaid graph 图表，可视化从宏观事件到微观影响的传导路径。

5.3 影响层级划分表 (Impact Tiering Table)

根据影响的直接性、强度、确定性，将受影响的中观和微观实体划分为 Tier 1, Tier 2, Tier 3 三个层级。

示例:

| 层级 | 行业板块 | 关联逻辑 | 典型公司 |
|:---:|:---|:---|:---|
| **Tier 1**<br>**(直接核心受益)** | 家电、新能源材料 | **成本降低路径**：关税直接取消，立刻改善盈利。 | 美的集团、贝特瑞 |
| **Tier 2**<br>**(间接显著受益)** | 稀土、半导体 | **预期改善路径**：消除出口管制担忧，提振估值。 | 北方稀土、中芯国际 |
| **Tier 3**<br>**(潜在关联受益)** | 农业 | **特定协议路径**：扩大采购协议，影响复杂但利好供应链。 | 北大荒 |

5.4 详细证据链附录 (Detailed Evidence Appendix)

作为报告的附录，提供详细的实体关联证据表，用于支撑以上分析。此表应遵循以下格式：

关联实体对	关联类型	证据类型	证据详情	证据来源	验证状态
(贝特瑞, ITC)	监管裁定	硬性证据	ITC裁定取消对华负极材料双反关税	新浪财经	已验证
(美的集团, 关税)	成本影响	逻辑推测	关税降低将提升其出口产品价格竞争力	兴业证券研报	已验证

6. Output Checklist

• 三层实体表：是否已按宏观/中观/微观三层分类展示所有核心实体？
• 传导路径图：是否已用 Mermaid 图表可视化了从宏观事件到微观影响的完整传导链？
• 影响层级表：是否已按 Tier 1/2/3 划分受影响实体，并标注关联逻辑和典型公司？
• 证据链附录：所有关联关系是否都已找到最强的可用证据？
• 是否已明确区分“硬性证据”和“逻辑推测”，并在证据链附录中标注验证状态？
• 关联强度评分是否与证据强度匹配？
• 是否已为所有“待验证”的关联提供了清晰的验证路径？

7. Continuous Improvement

• 本次关联中最难验证的环节是什么？
• 是否有新的数据源可以提高关联的准确性？
• 下次进行类似事件的关联时，可以如何优化流程？