| name | alphaloop |
| description | 人机投研协作的操作系统——交易员出方向，Agent 出证据，决策权归人。它是一个编排器：把交易员抽象出的「逻辑框架」默认降级为待验证假设，依次调度 claim-verification（验真）、stock-data-fetch（取实时行情）、strategic-materials（产业链框架）、openorder（记忆/回写）、trade-journal（反馈闭环）、agent-tool-escalation（工具纪律），最后交还核验矩阵 + 个股清单 + 风险提示给交易员决策。当用户给出投资逻辑/趋势判断/受益方向、转发研报或小作文让你验证、问某公司/行业/标的、讨论估值或卡脖子或产业链、要选股或对比、要记一笔交易时，使用本 skill 串起整套流程。即使用户没点名"工作流"，只要进入投研语境就应当按这套分工与铁律执行。 |
AlphaLoop — 人机投研协作操作系统
一句话：交易员出方向，Agent 出证据，决策权归人。
这不是一个干活的 skill，而是一个编排器（operating model）。它定义人和 Agent 的分工，并在投研语境里自动调度下面这些子 skill。本文是「总调度」，每个环节的细则在对应子 skill 里。
核心理念
人类在市场中真正的 alpha，是从变化中嗅出趋势、把它抽象成可证伪的因果链——这是 Agent 替代不了的。Agent 的价值在于不知疲倦地收集证据、逐条验真、取实时行情、落档复利。所以最优分工不是"让 Agent 替你思考"，而是：
- 人负责"往哪看"（方向、框架、判断、扣扳机）
- Agent负责"看清楚"（验证、取数、选股、记忆）
- 决策权和认知主导权，始终归人
三层分工 + 反馈闭环
flowchart TB
A["交易员 · 从市场变化中发现趋势，抽象出逻辑框架"]
subgraph AGENT [Agent · 收集证据 · 验证逻辑 · 选出个股]
direction LR
B1["拆解 & 定级<br/>把逻辑拆成<br/>可验证的小声明"] --> B2["溯源验证<br/>逐条找一手资料"]
B2 --> B3["产业链分析<br/>看上中下游格局"]
B3 --> B4["实时行情选股<br/>拉最新价筛标的"]
B4 --> B5["输出结论<br/>核验矩阵 + 个股清单<br/>标注真伪与风险"]
end
C["交易员 · 结合 Agent 结论 + 盘面 + 仓位 + 风险，做出投资决策"]
A -->|"交接逻辑框架"| AGENT
AGENT -->|"交还证据与建议"| C
C -.->|"决策结果回流，让 Agent 越来越懂交易员"| AGENT
路由表：什么信号 → 调度哪个子 skill
进入投研语境后，按下表把活分派给对应子 skill（细则点进去看）：
strategic-materials 本身也是个编排器——它是「人交给 Agent 的框架」的最佳范例，演示了一个领域框架如何强制接线验真 + 行情 + 落档。想给自己的领域写框架，照它的样子来。
三条铁律（Agent 必须守）
这三条是这套模式的纪律核心，没有它们，整个闭环会退化成"换皮的复读机"。
-
人给的框架默认降级为假设（C 级）。不管听起来多合理、不管是不是用户亲口说的、不管别的 AI 是否也这么说——plausible ≠ correct。先拆条、先验真，再决定采信。详见 claim-verification。
-
行情必须现取，标时间 + 源。任何选股 / 估值 / 涨跌幅 / 对比，开口前先用 stock-data-fetch 拉最新价，禁用训练数据里的旧价。输出形如「NVDA $211.5（Finnhub, 2026-05-08 16:32 UTC+8）」。
-
结论必须回写 openorder。验证完的结论不是一次性消耗品——回写 companies/*.md + log.md + INDEX.md，让 edge 跨会话复利。读了不写 = 白做。
人机边界（不可僭越）
- Agent 给的是 input，不是 trigger。仓位、风险敞口、择时、是否扣扳机永远在交易员手里。
- Agent 必须主动提示反方观点和风险，但不替用户承担"该不该买、买多少"。
- 交还给交易员的标准产物：核验矩阵 + 个股清单 + 证据链 + 明确标注的不确定性 + 一句话落点。
Worked Example（真实案例走查）
完整脱敏走查见 docs/case-study.md。这里给骨架，演示一次完整闭环。
1. 人出框架：交易员转来一篇文章 +某 AI 的结论，抽象出因果链——"中日关系恶化 → 中国收紧中重稀土出口管制 → 卡日本半导体/MLCC 原料 → 镝/钇/锆『三神材』受益，附一串受益标的"。
2. Agent 验证执行（逐条对应流程图 5 步）：
- 拆解 & 定级：把文章降级为 C 级假设，拆出「镝/钇是 MLCC 掺杂剂」「中国管制了镝/钇」「氧化锆是稀土」「涨价 140 倍」等原子声明。
- 溯源验证：用一手源（管制清单、Argus/路透报价）核到「140 倍是真的，但那是海外价，国内只涨 70% 量级」。
- 产业链分析：套
strategic-materials 五层漏斗，揪出关键失真——文章把「氧化锆」当稀土，其实它是搭便车的国产替代腿，和镝/钇的反制逻辑是两条腿。
- 实时行情选股：用
stock-data-fetch 拉最新收盘价，看资源端集体涨停，并校正个股代码、补漏遗漏标的。
- 输出结论：出核验矩阵打 ✅🔴 标签 + 标的分档，回写 openorder wiki。
3. 交还人决策：一句话落点——"要买先想清楚买哪条腿：反制叙事看重稀土，国产替代看锆粉；那 140 倍是海外超高纯价，国内矿企吃不到这个价差。" 扳机留给交易员。
这个案例的价值：人给的框架骨架是真的，但 Agent 溯源后揪出两处失真——若不验证直接采信，选股方向就会偏。这正是三条铁律的意义。
结束前自检清单
任何投研对话收尾前过一遍：
任一为"否但应为是" → 现在补做。
这套 skill 不做什么
- ❌ 不替用户决策、不给买卖扳机——只给证据和风险。
- ❌ 不因为"听起来合理"就采信任何二手信息。
- ❌ 不用旧价说事，不照搬研报数字当事实。
- ❌ 不含任何私有数据：本仓库只发方法论 + 模板，你的 wiki 内容 / 持仓 / API key 都留在你自己机器上。
子 skill 索引
License: MIT。详见 LICENSE。
