briefing

name	briefing
description	Daily portfolio briefing with 3 tiers: /briefing (quick ~1min), /briefing full (~3min), /briefing deep (~5min). Replaces daily-briefing.
user_invocable	true
model	claude-opus-4-8

Portfolio Briefing

三層結構的每日投資組合簡報，取代原 /daily-briefing。

Arguments

• /briefing → Quick（~1 分鐘）
• /briefing full → Quick + Full（~3 分鐘）
• /briefing deep → Quick + Full + Deep（~5 分鐘）
• /briefing telegram → Telegram Push Tier（~2-3 分鐘）— 盤中推送專用，不跑 Phase 1-3

--send 旗標

任何 tier 加上 --send 會在 tier 執行完後：

1. 把完整 briefing markdown 寫到 briefing-out/YYYY-MM-DD-full.md（Write tool）
2. 把 Telegram 格式純文字寫到 briefing-out/YYYY-MM-DD-telegram.txt（Write tool）
3. 呼叫 python3 tools/send_briefing.py YYYY-MM-DD（Bash tool）推送至 Telegram + Email
   • send_briefing.py 內部自動呼叫 generate_html.py，push HTML 到 reports repo，並在 Telegram 訊息末加上網頁連結

briefing telegram 沒有 --send 時：只寫 briefing-out/ 兩個檔案，不發送。 若需手動生成 HTML（不發送）：python3 tools/generate_html.py briefing YYYY-MM-DD [--push]

執行模型建議

• /briefing（quick）→ Sonnet 4.6（純彙整；session 已長則先 /compact）
• /briefing telegram → Sonnet 4.6（每日 launchd 自動推送，成本敏感，固定 Sonnet；週五 --codex 另走 gpt-5.5）
• /briefing full → Opus 4.8（中等綜合 + Verdict；Phase 2 subagent 已外包 Haiku）
• /briefing deep → Opus 4.8（深度合成 + Codex 整合 + 機率/EV）

切換方式：/model sonnet、/model opus 或 /model fable 後執行 skill。

---

Step 0: 配置同步 & 倉位偵測

執行 CLAUDE.md 的 Step 0 統一規範（0a → 0b → 0c → 0d → 0e）。

• 讀 plan.md + feedback/*.md（必做）
• 呼叫 get_account_position 取即時持倉
• 今日 journal 不存在 → 執行 gap-fill + 變動偵測 + 自動建立 journal
• 若偵測到的變動對應 plan.md 待辦項 → 在 Phase 1 Step 1 標記
• 0e 第一性原理紀律：在 Quick Take 之前必須完成「市場主題 thesis / 證偽條件 / 機率分布」三題（見 CLAUDE.md 0e）

Step 0.5: Macro Snapshot Load（所有 Phase / Tier 共用）

讀 cache（不打 API，所有數據由 tools/fetch_macro.py 預載到 briefing-out/cache/macro-snapshot.json）：

Read briefing-out/cache/macro-snapshot.json

判定：

• status == "ok" 或 "partial" 且 cache mtime < 36h → 使用，在 Quick Take 區前顯示 1 行：

  📊 Macro: Fed {fed_funds}% | 2s10s {value} ({regime}) | HY OAS {value} ({regime}, pct {pct_1y}%) | VIX {value} ({regime}) | regime: {regime_tag}
  

• status == "skipped"（FRED key 缺失）→ 顯示 ⚠️ Macro snapshot unavailable (FRED_API_KEY not set) 並跳過
• mtime > 36h → 顯示 ⚠️ Macro snapshot stale ({mtime_hours}h old) 仍使用但標記

將 5 個 series + regime_tag 內容餵給 Step 0e 與後續呼叫的 probability-honesty-checker agent（其 Step 1i 必須收到此資料）。

Step 0.6: Earnings History Load（所有 Phase / Tier 共用）

讀 cache（由 tools/earnings_history.py 預載）：

Read briefing-out/cache/earnings-history.json
Read briefing-out/cache/earnings-dates.json

判定：

• status == "ok" → 使用，後續 Section 4.5 與 Telegram tier earnings 區直接引用
• status == "skipped" / mtime stale → 標記 ⚠️ Earnings cache stale 但仍使用最後一份

這兩份資料用於：

• Section 4.5 Earnings Calendar 表格的 Trailing 8Q beat / avg surprise 欄位
• Telegram tier 📅 Earnings This Week 加 beat rate 標註
• probability-honesty-checker Step 1d「Base rate」備選來源（EODHD fundamentals-snapshot 為首選）

---

Step 0.65: Fundamentals Snapshot Load（所有 Tier 共用，cache-only）

讀 cache（由 tools/fetch_fundamentals.py 預載，TTL 24h）：

Read briefing-out/cache/fundamentals-snapshot.json

判定：

• status == "ok" 且 mtime < 30h → 使用，供估值區塊、probability-honesty-checker 1d/1h 使用
• status == "skipped" / mtime > 30h / 缺失 → 標記 ⚠️ Fundamentals cache stale/missing；Deep tier 強制派 subagent 刷新，Quick/Telegram 標旗但繼續

EODHD 資料缺口處理（必守）：

• highlights.pe_ratio == 0.0 或 peg_ratio == 0.0 → 丟棄該三錨點錨，標 (anchor unavailable)，不進 Fair PE 計算
• avg_surprise_pct 對低基期股（EPS estimate ≤$0.10）可能失真 → beat 次數可信，avg% 在機率計算中標 (unreliable-low-base) 並拉寬區間

Cache-miss fallback / Deep 強制刷新：

Agent(subagent_type="data-collector",
  prompt: "對以下全部持倉（TICKER.US 格式）呼叫 mcp__eodhd-mcp__get_fundamentals_snapshot 與
           mcp__eodhd-mcp__get_earnings_history，回傳 dict {ticker: {snapshot:{...}, base_rate:{...}}}，
           不分析不合成。")

Deep tier 每次必跑（強制刷新）；Quick/Full 僅在 cache miss 時派。

這份 cache 用於：

• Section 8.5（Full/Deep） 三錨點估值表（A1 pe_ratio / A2 PEG / A3 分析師隱含 PE）
• Quick Take 下方「💰 估值快訊」（一行，最便宜/最貴持倉 vs 公允價）
• probability-honesty-checker Step 1d（beat base-rate 首選來源）與 Step 1h（quarterly growth → fundamental intact X/Y）
• D2 thesis-impact 推理：fair_value_before/after 重算從同一 cache 取三錨點輸入

---

Step 0.67: News Articles Load（所有 Tier 共用，cache-only）

讀 cache（由 tools/fetch_news.py 預載，TTL 6h）：

Read briefing-out/cache/news-articles.json

判定：

• status == "ok" 且 mtime < 8h 且 "content" in fields_available → 使用，P3 信號擷取（Deep tier §9.5）可讀 body
• status == "ok" 但 "content" not in fields_available → 有限使用（只有 headline+sentiment，P3 只能做 headline 掃描，標 ⚠️ news body 不可用）
• status == "skipped" / mtime > 8h / 缺失 → 標記 ⚠️ News cache stale/missing，Quick/Full/Telegram 略過 P3 信號擷取，Deep tier 繼續（P3 降級為僅 SEC/逐字稿）
• Quick / Full / Telegram tier：不讀 body，不做信號擷取；news cache 僅供 Deep tier §9.5 使用

---

Step 0.7: Thesis Ledger 驗收 & 逾期掃描（所有 Tier 共用）

帳本 = research/thesis-ledger.json，工具 = tools/thesis_ledger.py（去重/碰撞/到期/過期/統計全在程式層，Claude 不手改 JSON）。

1. 取得今日到期清單（同時自動 expire sweep）：

python3 tools/thesis_ledger.py due

回傳 {due:[...], expired:[...]}。expired 是工具自動把「逾期 >30 天未驗收」轉掉的，當作無結果。

2. 對每筆 due thesis 驗收：

• 讀該筆 trigger.metric → 知道要抓什麼（財報營收/ASP/毛利率、板塊 ETF、價格…）
• 用既有 MCP（yfinance / earnings_history.py cache / technical 等）抓實際數字
• 對照 thesis + falsification 判定 passed / failed / partial
• 抓不到新數（event 觸發但財報還沒出）→ 用 reschedule 把觸發日往後推、維持 pending，絕不猜 verdict：

  python3 tools/thesis_ledger.py reschedule --id <id> --to YYYY-MM-DD --reason "財報未出"
  

• 有結論 → 先做 D2 三桶股價影響分解，再呼叫 resolve 帶結構化旗標：
  • passed：用財報後新數字重算 D1 三錨點（pe_ratio × fwd_eps 各情境） → fair_value_after；price_impact_pct = (after−before)/before
  • failed：同上但用惡化輸入（成長減速/砍 guide） → fair_value_after 下修
  • partial：拆分 thesis 成分 vs 倍數/價格成分 → impact_decomp = "thesis +X%(基本面)/multiple −Z%(re-rate)=net −W%"

  python3 tools/thesis_ledger.py resolve --id <id> --verdict passed|failed|partial \
    --actual "實際數字" --note "判讀" --next-action "由此推出的操作" \
    --fair-value-before <float> --fair-value-after <float> \
    --price-impact-pct <float> --impact-decomp "thesis +X%/multiple −Z%=net −W%"
  

  fair_value_before/after 取自 Step 0.65 fundamentals cache 的三錨點計算；全部選填，有數就帶。

3. 讀 research/naked-call-watchlist.md（若存在）：

Read research/naked-call-watchlist.md

用 macro-snapshot.json（10Y UST、VIX）+ get_batch_indicators 2 日技術確認，評估其 3 閘門狀態：

• G1 10Y UST ≤4.35%：從 macro snapshot fed_funds 推估或 technical；G2 VIX ≤18：macro VIX；G3 目標 2 日收盤確認：batch indicator 技術
• 更新 watchlist 閘門欄位 → 狀態進 Key Alerts（未達全過則 🔒 LOCKED: G1/G2/G3 [狀態]）
• 3 閘門全過 → 輸出 🎯 樂透閘門達標：{ticker} 可評估進場，加入 Key Alerts actionable 與 Telegram T5/T6
• 日誌最後一行（auto-append）：--send / launchd 路徑用 Write 追加今日欄位到 watchlist；互動 quick/full/deep 僅輸出提議行，不 Write

4. 輸出「📋 thesis 驗收」區塊（接在 Key Alerts 後 / Quick Take 前）：

## 📋 thesis 驗收
| thesis | 命題 | 實際 | verdict | 公允價 before→after | 價格影響 | → actionable |
|--------|------|------|---------|---------------------|---------|-------------|
| MU:memory-cycle | DRAM 漲價毛利率>40% | ASP +8%、毛利率42% | ✅ passed | $320→$370 | +15.6% | HOLD，加碼門檻 $XXX |
（無到期項則略過此區塊；「公允價 before→after」和「價格影響」欄只在 resolve 時填，reschedule 留空）
⏳ 逾期未驗收已歸檔：[expired 清單，若有]

驗收結果直接餵 actionable：passed → 強化/HOLD/加碼（含新公允價上修幅度）；failed → 汰弱/減碼（含公允價下修多少）；partial → 分解 thesis vs multiple 成分後決定操作。resolve --next-action 寫的就是下一步行動，併入 Key Alerts / 行動項。

---

Phase 1: Quick（永遠執行）

1. Trade Journal Auto

若 Step 0b 偵測到倉位變化，輸出差異表：

## ⚡ 倉位變動（vs 上次快照 YYYY-MM-DD）
| 類型 | 操作 | 標的 | 變化 | 計畫對應 |

無變動則顯示「倉位無變化」。

2. Daily Snapshot

日期: YYYY-MM-DD
組合市值: $XXX,XXX (日變動: +/- $X,XXX / +/- X.XX%)
總損益: +/- $X,XXX (+/- X.XX%)
持倉: XX 檔股票 + XX 個選擇權合約

3. Today's Movers

全持倉依日漲跌%排序：

| 標的 | 股數 | 現價 | 日漲跌% | 市值 | 總損益% |

+2% 或 -2% 標記。

4. Options Status

4a. 無現股標的價格確認： 比對選擇權持倉的 underlying ticker vs 現股持倉。若 underlying 沒有對應現股（如 CRWD、DDOG、GOOGL、LRCX、TSLA、TEAM）， 使用 mcp__technical-mcp__get_batch_indicators 或 mcp__yfinance-advanced__get_stock_info 取得該標的目前現股價格。 在 Options Status 表格中加入「標的現價」和「距 Strike %」欄位，方便判斷 ITM/OTM 狀態。

4b. Options 總覽表：

| 合約 | 方向 | 到期日 | 剩餘天數 | 標的現價 | 距Strike% | 損益% | 狀態 |

⚠️ 標記剩餘 <14 天的合約。

4.5 Earnings Calendar Check（Technical Snapshot 前必做）

為何必要： 持倉 ticker 在 ±48h 內若有財報，technical signal（trend / momentum / RSI）會被 earnings reaction 主導，不是結構性訊號。直接套「弱勢持續 → 減碼」會在 fundamental beat 後賣在低點（PLTR 5/5 案例）。

資料來源：Step 0.6 已預載 briefing-out/cache/earnings-dates.json + earnings-history.json，直接從 cache 取，不再呼叫 MCP（若 cache 缺失或 ticker 不在，才 fallback mcp__fmp-mcp__getEarningsCalendar）。

執行步驟：

1. 從 cache 列出未來 7 天內、或過去 48h 內有財報的持倉 ticker

2. 對 earnings window（±48h）內的 ticker，在 Step 5 Technical Snapshot 表格的「標的」欄位前綴 ⚠️

3. 對 earnings window 內的 ticker：

   • 不執行「弱勢持續 → 減碼」「拋物線警示 → 出清」自動規則
   • actionable 改寫為「等 N+1 個交易日 settle 再判斷結構」
   • 若強行給建議，必須先 confirm fundamental 數字（revenue / EPS / guide）方向，不能只看 price action

4. 輸出格式（必須含 base rate）：

   | 標的 | 日期 | 時機 | 距 earnings | Trailing 8Q beat | Avg surprise % | 狀態 |
   |------|------|------|------------|-----------------|---------------|------|
   | NVDA | 2026-05-20 | AMC | 2d | 8/8 (100%) | +6.3% | 🔴 window 內 |
   | AVGO | 2026-06-03 | AMC | 16d | 7/8 (87.5%) | +3.4% | 觀察中 |
   

   Trailing 8Q beat 與 Avg surprise % 從 earnings-history.json 的 beat_count/total 與 avg_surprise_pct 直接讀。

5. 若 cache status ≠ "ok" 或 ticker 不在 cache → 該欄填 (unavailable)，並在輸出末尾加註 ⚠️ N tickers 缺 earnings cache（請手動 python3 tools/earnings_history.py --force）

詳見 feedback/earnings-reaction-window.md 與 feedback/weak-signal-root-cause.md

5. Technical Snapshot

使用 mcp__technical-mcp__get_batch_indicators 取得全持倉技術指標。

欄位順序（依決策權重排列）：

| 標的 | 現價 | 趨勢 | MACD | 量能比 | 動能分 | RSI |

• 趨勢：strong_uptrend / mild_uptrend / consolidation / pullback / weak_downtrend / strong_downtrend
• MACD：顯示 crossover 狀態（golden_cross 🚀 / death_cross ⚠️ / none）
• 量能比：volume_ratio（>1.5 爆量 / <0.7 縮量）
• 動能分：momentum_score（-100 ~ +100）
• RSI：最後參考，不單獨作為買賣訊號

複合訊號標記規則（必須多指標同時觸發 + 無 earnings window）：

標記	觸發條件
🔴 拋物線警示	strong_uptrend + RSI > 75 + volume_ratio < 0.8（創高但量縮，背離）
🔴 弱勢持續	downtrend + momentum_score < -30（不是機會，是落刀）
⚠️ 動能背離	uptrend + momentum_score 轉負 OR death_cross（趨勢未破但動能轉弱）
🚀 強勢確認	golden_cross + strong_uptrend + volume_ratio > 1.2
🟡 留意	RSI > 70 但無以上複合條件 → 只標數字，不加警示標籤
⚠️ earnings window	過去/未來 48h 有財報 → 以上規則一律不套用，標記 wait N+1d

根因分類規則（看到弱勢/強勢訊號必做）：

對任一 weak_down / strong_down / momentum < -20 訊號，先回答根因再行動：

1. 過去 48h 有財報？→ (b) earnings reaction → HOLD wait
2. 同板塊 ETF 也弱？→ (c) sector rotation → 評估板塊配置
3. fundamental 數據惡化？（revenue growth 連 2 季減速 / guide 下修）→ (a) thesis 破裂 → 可執行汰弱
4. 以上皆否 → (d) noise → 忽略

只有 (a) 才執行「汰弱留強」減碼。詳見 feedback/weak-signal-root-cause.md

6. Key Alerts

只在觸發時顯示（無則跳過整個 section）：

• 單日跌 > 5%
• 總虧 > 15%
• 單一持倉 > 8% 組合（過度集中）
• 財報 < 3 天（用已知財報日歷）
• 選擇權 < 14 天到期

7. 計畫進度 Quick

• 近期待辦狀態（✅🔄⏳）
• 今日是否有計畫中的觸發條件被滿足（RSI 破 30、MACD 金叉等）
• 即將到期的選擇權 vs 計畫中的關鍵日期

8. Quick Take

🔒 強制：機率分布必須呼叫 probability-honesty-checker agent

寫出機率分布 / EV 之前必須執行：

Agent(
  subagent_type: "probability-honesty-checker",
  description: "Briefing quick take EV check",
  prompt: """
  計算當前組合 7 日 horizon 機率分布與 EV。

  ## Step 1 九項輸入（已備齊）:
  1a. RSI 分布: [從 Section 5 Technical Snapshot 摘出，每 bucket 檔數 + % of port]
  1b. 距 52w 高: [從 get_stock_info 摘出，中位數/最大/最小]
  1c. 已實現波動: 過去 5d/2d 累積，最大單日
  1d. Binary catalysts (window 7d): [從 Section 4.5 Earnings Calendar Check 摘出，
      **必須含 trailing 8Q beat rate + avg surprise %**。
      資料來源優先順序：
      (1) fundamentals-snapshot.json → tickers.TICKER.base_rate（EODHD，首選）
      (2) earnings-history.json → tickers.TICKER（yfinance，備選）
      格式：「N/8 beat, +X.X% avg」。⚠️ 低基期股（AMD/CRDO/ONTO 等 avg_surprise_unreliable=true）→ 只用 beat N/8，avg% 標 (unreliable-low-base) 不進 Step 3。cache 缺 → (unavailable)]
  1e. 集中度: top 1 / top 5 / 最大板塊（從 Section 1 倉位 + B 板塊配置）
  1f. 板塊輪動曝險: leading 持倉 % / lagging 持倉 %（從 sector rotation）
  1g. Sentiment: 7d/30d 對比（如 quick tier 無 sentiment 數據則標 N/A）
  1h. Thesis 健康度: 持倉 fundamental 是否 intact
  1i. Macro state: [從 Step 0.5 載入的 macro-snapshot.json 完整貼入：
      fed_funds + 30d change / yield_2s10s + regime / hy_oas + regime + pct_1y /
      vix + regime / cpi_yoy + trend / regime_tag]

  ## 額外 context:
  [plan.md 摘要 + 最近 N 天事件]

  請執行你的 6 步流程並回傳完整輸出 + 精簡結論。
  """
)

收到 agent 結果後 verbatim 顯示精簡結論（含 EV 數字）。不可手動改機率或寫質性結論。

第一性檢查（Quick Take 前必填）：

### 第一性檢查（市場主題）
- **核心 thesis：** [1 句可驗證命題]
- **證偽條件：** [2-3 個 falsifiable]
- **機率分布：** [由 probability-honesty-checker agent 算出，引用其精簡輸出]
  - 樂觀 X% / 基準 X% / 悲觀 X%
  - EV (7d) = X.XX%

2-3 句總結（明確 conditional 在 thesis 機率）：

• 今日市場主題（從持倉漲跌推斷，事實非 narrative）
• 是否需立即行動？（明確說 conditional 在哪個情境）
• 明天關注重點（對應到證偽條件）

💰 估值快訊（Quick tier 僅一行，cache 算）：

💰 估值：{最被低估標的} vs 公允價 −X%（三錨點中位） | {最被高估標的} vs 公允價 +X% | 今日 thesis 影響：{ticker} {verdict}→ $FV_before→$FV_after（±X%） | 自建分歧最大：{ticker} A4 vs A3 {±X%}

規則：

• 從 Step 0.65 fundamentals cache 算三錨點 Fair PE（A1 PE / A2 PEG×growth / A3 PT÷FwdEPS），各持倉公允價 = 中位錨 × analyst fwdEPS
• 最被低估 = min(現價/公允價)；最被高估 = max(現價/公允價)；≥3% 持倉優先
• 今日 thesis 影響：從 Step 0.7 resolve 結果取，無 resolve 或 cache missing 則省略
• 自建分歧：從 self_valuation.own_target_price vs A3 wall_street_target 計算 A4vsA3 = (own_target − A3_target)/A3_target；取 ≥3% 持倉中絕對分歧最大者；confidence==unavailable 的 ticker 跳過；整段在所有 ≥3% ticker 都是 unavailable 時省略

禁止偷懶（直接由 agent self-audit 攔截，主 skill 絕不可寫）：

• ❌ 30/45/25、35/45/20 default mirror shape
• ❌ 「略偏正」「略偏負」「中性偏多」
• ❌ EV 寫成「整體 EV 略偏正」而非數字

第一性檢查產出後 → 登錄 Thesis Ledger（收尾步驟）：

只登錄有明確時間/事件觸發點的 thesis（當日核心市場 thesis + 行動項裡帶「請在財報後/N 日後檢視」的個股 micro thesis）；沒有觸發點的泛泛評論不登錄。

每筆登錄前先看既有，避免 slug 飄移：

python3 tools/thesis_ledger.py list --ticker <T>

• 同論點 → 沿用既有 slug（變 update）；新論點 → 取區隔 slug

python3 tools/thesis_ledger.py add --ticker <T> --slug <slug> \
  --thesis "<可驗證命題>" --falsification "<證偽點1>" "<證偽點2>" \
  --trigger-type event|date --trigger-date YYYY-MM-DD \
  [--event earnings] [--metric "到期要比的指標"] --source briefing --ev "<EV snapshot>"

• exit code 2 = 碰撞（同 slug 但 thesis 差很多）：改取區隔 slug，或確定舊論點被推翻 → 改用 supersede
• market-level thesis 用 --ticker MARKET

---

Phase 2: Full（/briefing full 或 /briefing deep 時執行）

8.5 個股估值（三錨點公允價）

資料來源： Step 0.65 fundamentals-snapshot.json（cache-first；Deep tier 強制已刷新）

執行範圍：

• Full tier：≥3% 持倉全部（純股票持倉；選擇權部位只列 underlying 若持有現股）
• Deep tier：全持倉（含 <3% 小倉）+ 每檔加 DCF 交叉檢核行

三錨點 Fair PE 計算規則（每檔必守）：

錨點	來源欄位	規則
A1（市場隱含）	highlights.pe_ratio	== null / 0.0 → 丟棄，標 (N/A)
A2（成長合理）	highlights.peg_ratio × (quarterly_revenue_growth_yoy × 4 或 fwdEPS_growth%)；AI 龍頭（NVDA/AVGO/CRWD/AMD）目標 PEG 1.5，其餘 1.0	== null / 0.0 → 丟棄
A3（分析師隱含）	highlights.wall_street_target ÷ fwdEPS。fwdEPS 來源優先序： ① snapshot.forward_estimates.curr_fy.eps_avg（EODHD 真實賣方共識，當前 FY）→ ② forward_estimates.next_fy.eps_avg（次年 FY）→ ③ 保底 eps_ttm × (1 + growth%) 近似。cache 已在 self_valuation.a3_fwdeps_source 標來源（consensus_curr_fy/consensus_next_fy/approx），直接讀勿重推	任一缺 → 丟棄

情境指派規則（可重複）：

• 基準 Fair PE = median(有效錨點)
• 樂觀 Fair PE = max(有效錨點) × 1.25，上限：current_PE × 1.25（不得無限擴張）
• 悲觀 Fair PE = min(有效錨點) × 0.70，下限：current_PE × 0.70
• 僅 1 個有效錨 → 用該錨 ×1.10 / ×0.90，並在備註標 ⚠️ 單錨低信心

情境 FwdEPS：

• 基準 = analyst 共識 fwdEPS（forward_estimates.curr_fy.eps_avg；缺則 next_fy；再缺才用 eps_ttm×(1+growth) 近似）
• 樂觀 = 基準 × (1 + min(avg_surprise_pct, 15%))；avg_surprise_unreliable=true → 直接用 +5%
• 悲觀 = 基準 × (1 − 5%) [beat_pct≥75%] 否則 × (1 − 10%)
• EPS 修正動能（P3 訊號）：forward_estimates.{curr_fy,next_fy} 另帶 eps_revision_30d_pct 與 revisions_up_30d / down_30d——共識 30 日內上修（up≫down 或 pct>0）= guidance 偏正領先訊號，可在備註或 P3 訊號推導引用（非估值輸入）

Full tier 輸出表（每持倉一行）：

| 標的 | 現價 | A1 PE | A2 PEG錨 | A3 PT錨 | Fair PE(基/牛/熊) | FwdEPS | 公允價(基/牛/熊) | A4自建目標 | A4vsA3分歧% | 現價/公允基% | 備註 |
|------|------|-------|---------|---------|-----------------|--------|----------------|----------|------------|------------|------|
| MU | $XXX | 40.8 | 35.2 | 44.1 | 40.8/55.1/28.6 | $9.2 | $375/507/263 | $987 ⚠️低信心 | +33% | −8% | beat 8/8 |
| CRWD | $XXX | N/A | 62.1 | 71.3 | 66.7/89.1/46.7 | $3.8 | $253/339/177 | (self-val N/A) | — | +5% | A1 anchor N/A |

欄位說明：

• 現價/公允基% = (現價 − 基準公允價) / 基準公允價；負 = 被低估；正 = 被高估
• 若 abs > 30% → 在備註標 ⚠️ 大幅偏離；若 abs > 50% → 標 ⚠️⚠️ 異常大偏離，錨點可能失效
• A4自建目標：從 self_valuation.own_target_price（cache 已算，不重算）；confidence=="unavailable" → 標 (self-val N/A)；confidence=="low" → 標 ⚠️低信心
• A4vsA3分歧% = (A4目標 − A3 wall_street_target) / A3 wall_street_target；A4 不進 median(A1,A2,A3)，不進 EV（與 DCF 同為 sanity/divergence flag）
• A4vsA3 > +20% → 我較 Street 樂觀：檢查是否有 Street 未定價的成長 driver；A4vsA3 < −20% → 我較 Street 保守：Street 可能過度樂觀，留意下修風險

DCF 交叉檢核（Deep tier 每檔追加一行）：

mcp__fmp-mcp__getDCFValuation(ticker)

• 有值 → 追加： DCF 交叉: $XXX (vs 基準公允 $XXX, 差 ±X%)　[⚠️ 乖離>30% → 錨點存疑]
• 402 / empty / 免費版限制 → 標 DCF 不可用 (FMP free tier) 靜默略過
• DCF 結果僅為 sanity flag，不進 EV 計算

資料缺口標準處理（不得猜測）：

• pe_ratio = 0.0 → A1: N/A （CRWD 已知缺口）
• peg_ratio = 0.0 → A2: N/A（CRDO 已知缺口）
• wall_street_target 缺 → A3: N/A
• fwdEPS 三來源（consensus curr_fy / next_fy / approx）皆缺 → 整欄標 (fwdEPS unavailable)，不輸出公允價

9. Sentiment Analysis

使用 Agent 子代理（subagent_type: "data-collector"）取 top 5 持倉的情緒數據：

• Agent: EODHD Sentiment（subagent_type: "data-collector"）→ get_sentiment_trend（ticker format: "TICKER.US"）

| 標的 | 7日情緒 | 30日情緒 | 趨勢 | 備註 |

情緒 < -0.3 的標的額外調用 get_news_sentiment 顯示負面新聞。

9.5 訊號擷取 & Thesis 候選（僅 Deep tier）

目的： 從 news body + SEC 8-K + 宏觀 calendar 抽已量化陳述，推導可驗證 thesis 候選，補上財報間隙的高頻 thesis-health 信號。

反幻覺門檻（必守）： 每個 signal 必須附 raw_quote（≤120 字逐字引用）；無 quote → 無 signal；只有 narrative → 明寫「無可量化信號（only narrative news）」，不捏造數字。

資料管道優先順序（可靠度由高到低）：

1. SEC 8-K 硬數字（mcp__sec-edgar-mcp__analyze_8k）→ confidence: high；僅針對 ≥3% 持倉在過去 14 天有新 8-K 者
2. 財報逐字稿 guidance 數字（mcp__fmp-mcp__getEarningsTranscript 最新一份，取 capex/ASP/wafer/utilization 句）→ confidence: high；僅財報後 30 天內
3. EODHD raw news body（Step 0.67 news-articles.json，需 "content" in fields_available）→ confidence: medium（一般新聞常缺晶圓級細節）
4. 宏觀 calendar（macro-snapshot.json regime_tag + get_economic_calendar(high_impact_only=True)）→ 宏觀主題 thesis 輸入

訊號 record shape（Claude 輸出，不寫 JSON 到 cache）：

metric: wafer_starts / capex / ASP_QoQ / segment_revenue / utilization / Fed_rate / CPI
value: "+8% QoQ"（逐字含單位）
direction: up | down | flat
ticker/theme, source_url_or_desc, source_type: news|sec_8k|transcript|macro, date
confidence: high | medium | low
raw_quote: "<逐字引用，≤120 字>"    ← 無此欄 = 不成立

訊號 → thesis 轉換（Step 0e 紀律）： signal 需轉成 1 句可驗證命題 + 2-3 量化證偽點 + 觸發點才算完整 thesis：

SIGNAL: MU 投片量 +8% QoQ (source: EODHD/Reuters, conf medium)
→ THESIS: "MU 投片量 +8% QoQ 預示 FY27 bit 出貨 YoY >25% 且 DRAM ASP 不跌破 −5% QoQ"
→ FALSIFY: ["下季 bit shipment YoY <25%","DRAM ASP QoQ <−5%","guide 下修 >10%"]
→ TRIGGER: event, <next_earnings from earnings-dates.json>, metric="bit shipment YoY + DRAM ASP QoQ"

Thesis 登錄規則： 僅 confidence ∈ {high, medium} 且有明確前瞻 trigger → 登錄 ledger（--source signal-inference，--ev 存 signal provenance）；confidence=low 只在 briefing 文字呈現，不入 ledger；exit-code-2 碰撞 → 改 slug 或 supersede。

python3 tools/thesis_ledger.py list --ticker <T>         # check existing first
python3 tools/thesis_ledger.py add --ticker <T> --slug <slug> \
  --thesis "..." --falsification "..." "..." \
  --trigger-type event|date --trigger-date YYYY-MM-DD \
  --event earnings --metric "..." \
  --source signal-inference \
  --ev "signal: <metric> <value>, <source>, conf=<confidence>"

誠實退化（必守）： 若此 tier 的 ≥3% 持倉全部回傳「只有 narrative，無量化數字」→ 整段輸出：

§9.5 訊號擷取：本期無可量化信號（只有 narrative news，無 SEC 8-K / 逐字稿量化句）

不輸出任何推測數字，不改寫 qualitative 為 quantitative。

10. Market Dynamics

• mcp__fmp-mcp__getBiggestGainers + getBiggestLosers
• 檢查持倉是否出現在極端波動名單
• 市場主題掃描（板塊輪動、避險情緒等）

11. Prediction Markets

• mcp__polymarket-mcp__search_markets 搜尋與持倉板塊相關事件
• 搜尋關鍵字：AI regulation, tariffs, Fed rate, semiconductor
• 顯示相關事件及概率

11.5 樂透機會掃描（Lottery Opportunity Scan）

目的： 從市場掃出至多 3 個適合短 DTE OTM Call 樂透的候選（per memory feedback：樂透用近期 OTM Call 不用 LEAPS，避免 vega 干擾凸性）。

篩選步驟（重用 Section 10 movers + active list 數據，不額外抓取）：

1. 候選池：getBiggestGainers + getMostActiveStocks
2. 排除遲到派對： 過去 5 日累計漲幅 > 30% → 凸性已被消耗
3. 排除既有持倉同題材： 與 portfolio 重複曝險的標的跳過
4. 必要條件（3 項全符合才入選）：
   • 30 天內有 binary catalyst（財報 / FDA / 政策 / 公告）
   • 有具體論述（不是純技術突破或迷因）
   • 短 DTE OTM Call 流動性合理（OI > 500 估算）

輸出格式（限 1-3 筆，無符合則輸出「⏳ 本次無符合凸性條件的樂透機會」）：

Ticker	題材 / Binary 催化	建議結構	預估成本	凸性備註

規則：

• 預設 1-2 口，總成本 ≤ 2% 帳戶價值（Quarter-Kelly 樂透上限）
• 不推 LEAPS OTM 當樂透（vega 干擾，違反 feedback_options_vega_playbook.md）
• 「上行 +XXX% / 下行 max loss = premium」必寫
• 若候選 IV Rank > 80：警告「IV 過高，後續 IV crush 風險」

12. 計畫 Full Alignment

完整進度表：

#	計畫操作	狀態	觸發條件	當前數據	備註
1	加碼 NVDA	⏳ 待觸發	RSI<35	RSI=42	接近
2	DDOG BCS	✅ 已完成	—	—	3/5 建倉

---

Phase 3: Deep（/briefing deep 時執行）

13. 平行 Agent 派遣

同時派出 3 組 Agent 子代理（全部 subagent_type: "data-collector"，自動使用 Haiku 4.5）：

• Agent 1 — SEC EDGAR（subagent_type: "data-collector"，top 5）：get_insider_transactions（90d）+ get_recent_filings（30d）
• Agent 2 — Yahoo Finance（subagent_type: "data-collector"，top 5）：get_stock_info + get_financial_statement — 基本面摘要
• Agent 3 — FMP（subagent_type: "data-collector"）：getStockPeers（top 3）+ getBiggestGainers / getBiggestLosers

若 Agent tool 不可用，依序呼叫亦可。

14. 個股深度分析

對 Key Alerts 中標記異常的股票（跌>5%、虧>15%），執行 stock-analysis 級別的分析：

• 技術面詳細指標（BB、ATR、SMA）
• 基本面快照（PE、Revenue Growth、Margins）
• 內部人交易摘要
• 投資論點重新評估

14.5 Thesis 目標達成度 Scorecard

目的： 顯示「公司目標/thesis 有無達成」，讓用戶一眼看出哪些論點正在驗證、哪些可能破裂，不 resolve（只讀取、對照、標狀態）。

資料來源：

• thesis_ledger.py list --status pending（取得所有待驗收 thesis）
• Step 0.65 fundamentals-snapshot cache（quarterly_revenue_growth_yoy / quarterly_earnings_growth_yoy / pe_ratio 等）
• Step 0.6 earnings cache（beat rate, next_earnings date）

Scorecard 邏輯（每筆 pending thesis 做一行）：

對每筆 pending thesis，取其 trigger.metric 欄位（或從 thesis 命題推斷），與 fundamentals cache 的實際指標對照，判定當前狀態：

狀態	標記	條件
進行中 / 符合目標	✅ on-track	核心指標與 thesis 方向一致（例：quarterly_revenue_growth_yoy > 0 且加速）
待財報驗收	⏳ 待 event	trigger_type=event 且 trigger_date 尚未到（不能從 cache 判斷，等財報）
有風險 / 指標轉弱	⚠️ at-risk	quarterly growth decel 連 2Q 或 guide 下修方向；技術面 death_cross
已接近證偽條件	🔴 warning	falsification 條件中有 1+ 個已出現（精確比對 thesis 列的證偽點）
無法判定	❓ unknown	cache 缺相關指標，無法自動比對

輸出格式：

### 14.5 📋 Thesis 目標達成度
| ticker | thesis slug | 核心命題（摘要）| 到期/觸發 | cache 指標現況 | 狀態 |
|--------|------------|----------------|---------|--------------|------|
| MU | memory-cycle-asm | DRAM ASP持續上漲 + 毛利>40% | 2026-06-15 財報 | revenue growth +21% YoY；PE 40.8 | ⏳ 待 event |
| NVDA | datacenter-demand | DC revenue連4Q加速 | 2026-05-28 財報 | revenue growth +78% YoY | ✅ on-track |
| CIEN | margin-recovery | 毛利率50%以上連2Q | 2026-06-10 財報 | beat 1/8（⚠️最弱）| 🔴 warning |

附加：thesis 到期日程（未來 30 天）

📅 近期 thesis 到期：
  6/10 MU:memory-cycle（財報前） → 屆時需抓實際 ASP + 毛利率驗收
  6/15 AVGO:ai-revenue-accl（財報後） → AI revenue YoY + guide 驗收

規則：

• 本 section 只讀不寫（不執行 resolve 或 add，那是 Step 0.7 的工作）
• 若 pending thesis 為空 → 輸出「📋 無待驗收 thesis（帳本為空或全已 resolve）」
• 每筆最多 1 行，不展開全文；詳細論點讓用戶自行查帳本

15. 完整計畫對照

portfolio-review 式的計畫執行進度表：

• 板塊佔比 vs 計畫目標的偏差分析
• 所有待辦項目的執行狀態
• 風險監控項目的當前狀態
• 下一步建議（基於計畫優先級 + 當前市場條件）

---

---

Telegram Tier（/briefing telegram）

目的： 每日盤中推送至 Telegram + Email 的精簡決策摘要。不跑 Phase 1-3 的完整分析，只抓推送所需的 7 個資料點，直接產出 emoji 純文字格式。

執行模型

Sonnet 4.6（資料抓取為主，無深度合成需要）

Step 0

同標準規範（0a-0e）：讀 plan.md + feedback/*.md → get_account_position → journal 確認。

資料步驟（依序，可部分並行）

T1. Earnings Window（next 7 days） 改從 cache 讀： Step 0.6 已預載 briefing-out/cache/earnings-dates.json + earnings-history.json，直接 Read 兩份 JSON。 列出所有持倉 ticker 的：

• 財報日 + 盤前/盤後（next_date, timing）
• 過去 ±48h 已發財報的 ticker 也標出
• Trailing 8Q beat rate + avg surprise %（從 earnings-history.json）
• focus 重點：可從 yfinance news / sentiment 摘要推斷

若 cache status ≠ "ok" → fallback mcp__fmp-mcp__getEarningsCalendar，並加註 ⚠️ earnings cache unavailable。

T2. Sentiment Pulse + Fundamentals Cache 預讀（平行 Agent） 派出 data-collector subagent，取所有持倉的 EODHD 7d sentiment_trend（格式：TICKER.US）：

Agent(subagent_type="data-collector"):
  呼叫 mcp__eodhd-mcp__get_sentiment_trend 對每個 ticker
  回傳 dict: {ticker: {score: float, trend: str}}

分類：score 7日變動 > +0.1 → 改善；< -0.1 → 轉弱；急降（從 > +0.3 → < +0.1）→ ⚠️ 注意

同時讀取（不額外 MCP round-trip）： briefing-out/cache/fundamentals-snapshot.json（Step 0.65 已預載）→ 供下方 T2.5 💰 計算

T2.5 💰 估值 & Thesis Pulse（cache 算，signal-only）

資料：fundamentals-snapshot.json + Step 0.7 resolve 結果

計算邏輯（同 Section 8.5 三錨點精簡版）：

1. 對所有 ≥3% 持倉，算各自 現價/基準公允價 比值（基準公允 = median錨 × fwdEPS）
2. 最被低估 = ratio 最低者（ratio < 0.90 才顯示，否則「無明顯低估」）
3. 最被高估 = ratio 最高者（ratio > 1.10 才顯示）
4. 今日 thesis 影響 = Step 0.7 resolve 結果（若有）

省略整段的條件（全部滿足則 T8a/T8b 不輸出此段）：

• fundamentals cache status ≠ "ok"，OR
• 無任何持倉的 |現價/公允基 − 1| > 10%，AND
• 今日 Step 0.7 無 resolve（無新 verdict）

→ signal-only：無訊號不推送（比照現有「無 alert 則略過整個 section」慣例）

T3. News & Catalysts（past 24h） mcp__yfinance-advanced__get_yahoo_finance_news 取 top 5 持倉的新聞，各取 1-2 篇 24h 內最重要的。篩選標準：有具體事件（財報、合約、產品發布、監管）優先，無實質 catalyst 跳過。最多 3 條進入 Telegram 輸出。

T4. Sector Rotation mcp__technical-mcp__get_sector_rotation() → 取全 sector ETF 相對 SPY 的 leading / improving / weakening / lagging 分類。只顯示各分類各 1-2 個代表 sector。

T5. Alerts（閾值觸發） 根據 T1 + T2 + Step 0b 持倉數據生成 alerts（無則跳過整個 section）：

• Earnings window ±48h 的 ticker → 標記「技術訊號暫停」
• Sentiment 急降（T2 注意類）→ 標記「情緒惡化」
• 任一持倉距 52w 低點 < 5%（需 get_stock_info）→ 標記「逼近 52w 低」
• plan.md 中有明確 stop-loss 且接近觸發的 ticker

T6. 今日 / 明日待辦 從 plan.md 的策略佇列 + 觀察清單（⏳ 待評估）+ Step 0e 第一性分析，生成：

• 今日待辦：有明確觸發條件且條件「已接近或已達」的項目（最多 3 條）
• 明日待辦：即將到來的 catalyst（財報 next day、FOMC、plan.md 明天到期的條件）（最多 3 條）
• 過濾純 HOLD-only、無 actionable 的項目
• 每條格式：• {action}（{trigger / catalyst}）

T7. Quick Take（第一性） 2 行以內，情緒/敘事走向。不講 RSI/MACD。句子格式：

• 今日整體 sentiment 方向（用 T2 + T4 支撐）
• 本週重點 / 核心注意事項（1 句）

---

檔案輸出（每次執行均寫出，無論有無 --send）

T8a. 完整 Markdown → briefing-out/YYYY-MM-DD-full.md

使用 Write tool 寫入，格式：

# Briefing Telegram YYYY-MM-DD

## Earnings Window
...

## Sentiment Pulse
...

## News & Catalysts
...

## 💰 估值 & Thesis（signal-only，無訊號則省略整段）
### 估值偏離
- 最被低估：{ticker} 現價 $X vs 公允基準 $X（−X%，三錨點中位）；A1 PE={X}/A2 PEG錨={X}/A3 PT錨={X}
- 最被高估：{ticker} 現價 $X vs 公允基準 $X（+X%）
（|偏離| < 10% 則省略該行）

### 今日 Thesis 驗收影響
- {ticker}:{slug} → {verdict} | 公允價 $FV_before → $FV_after（±X%） | 影響：{impact_decomp}
（無今日 resolve 則省略此小節）

## Sector Rotation
...

## Alerts
...

## 今日待辦
...

## 明日待辦
...

## Quick Take
...

T8b. Telegram 純文字 → briefing-out/YYYY-MM-DD-telegram.txt

使用 Write tool 寫入，格式嚴格遵守（純文字 + emoji，無 markdown，無表格，無 bold/italic/link）：

📊 M/D HH:MM（發送時間，本地時區）

📰 News & Catalysts
  • {ticker}: {一句話} ({source})
  （無 catalyst 則略過整個 section）

📅 Earnings This Week
  • {ticker} {M/D} {盤前/盤後} ({beat_count}/{total} beat, +{avg_surprise}%) — {focus 重點}
  （Trailing beat rate 從 earnings-history.json 讀；cache 缺則省略括弧）

📊 Sentiment Pulse (EODHD 7d)
  📈 改善: {ticker} +{delta}, {ticker} +{delta}
  📉 轉弱: {ticker} -{delta}
  ⚠️ 注意: {ticker} {一句說明}
  （無變化的 ticker 不列出）

💰 估值 & Thesis
  📉 最低估: {ticker} vs 公允價 −X%（三錨點中位）
  📈 最高估: {ticker} vs 公允價 +X%
  📋 今日 thesis: {ticker} {verdict} 公允價 $FV_before→$FV_after（±X%）
  （整段省略條件：無 >10% 偏離 且 今日無 thesis resolve）

🔄 Sector Rotation
  💪 leading: {sector}, {sector}
  📈 improving: {sector}
  📉 weakening: {sector}
  💀 lagging: {sector}

🚨 Alerts
  • {alert}
  （無 alert 則略過整個 section）

🎯 今日待辦
  • {action}（{trigger}）

📋 明日待辦
  • {action}（{catalyst}）

⚡ Quick Take
  {第一行：今日情緒/敘事方向}
  {第二行：本週核心注意事項}

格式規則：

• 純文字，emoji 作區塊分隔
• 無 **、_、[text](url) 等 markdown 語法
• 數字：K（千）、M（百萬）、% 縮寫
• 無 catalyst 或無 alert 的 section 完整省略（不要顯示空 section）
• 目標長度 < 1500 字元（一則 Telegram 訊息），最長不超過 4096
• briefing-out/ 目錄不存在時先用 Bash mkdir -p briefing-out 建立

---

HTML 生成 + Tier 標記（所有 tier 共用）

寫完 briefing-out/YYYY-MM-DD-full.md 後，先寫 tier 標記再生成 HTML：

# 1. 寫 tier 標記（讓 generate_html.py 知道這次是哪個 tier）
echo "<tier>" > briefing-out/YYYY-MM-DD-tier.txt
# <tier> 填入：quick | telegram | full | deep

# 2. 生成 HTML + push（tier gate 自動判斷：只有升級才推）
python3 tools/generate_html.py briefing YYYY-MM-DD --push
# 成功時印出網頁連結；若網站已有更高 tier 則跳過 push（本地 HTML 仍更新）

Tier 升級規則： quick(1) < telegram(2) < full(3) < deep(4)

• 網站有 telegram + 跑 deep → push（升級）
• 網站有 deep + 跑 telegram → 不 push（降級，保留深版；本地留一份）
• 同級 → push（覆蓋更新）

--send 旗標處理

寫完兩個檔案後，若 arguments 含 --send：

python3 tools/send_briefing.py YYYY-MM-DD

send_briefing.py 會自動：

1. 呼叫 tools/generate_html.py briefing YYYY-MM-DD --push（best-effort，失敗不擋發送）
2. HTML push 成功 → Telegram 訊息末自動附加「🔗 網頁版：...」連結
3. 發送 Telegram + Email

成功時輸出「✅ Telegram 已發送 / Email 已寄出」，失敗時輸出錯誤訊息（sender 自帶 retry + error notification）。

---

Phase 4: Codex 第二意見（opt-in — 僅 full 或 deep 層）

僅當 arguments 含 --codex 或 --2nd 時執行。Quick 層完全跳過本 Phase。

三個子 block 依序執行（可並行派 Agent）：

---

B1. 獨立第一性分析（預設，independent first-principles）

核心原則：Codex 不看 Claude 的 Phase 1–3 結論（不給 Quick Take / Key Alerts / 建議），只給 raw 持倉變動 + 市場數據，讓它獨立評估今日 priorities。Claude 與 Codex 兩個獨立輸出並排比較。

🔴 Prompt 中性化要求（詳見 feedback/codex-prompt-neutrality.md）：

raw data 區只能放 fact 數值，不能放 derived label：

❌ 不能寫	✅ 改寫為
MU strong_uptrend / 49 / 量縮	MU $635.80 (+10.30%) / RSI 81.7 / vol_ratio 0.49 / 6w range $XXX-$XXX
PLTR weak_downtrend / momentum -24	PLTR $138.30 (-5.29%) / RSI 46.2 / 6w range $122-$146 / Q1 earnings 5/4（昨日）
BE 拋物線警示	BE $291 (+0.9%) / RSI 77.6 / 5d 區間 $275-$303

禁止的 label： strong_uptrend / weak_downtrend / consolidation / overbought / oversold / 拋物線 / 打底 / 弱勢持續 / 強勢確認 / momentum_score（這已是 -100~+100 derived score，改寫成「X 個交易日累計漲跌 X%」）。

讓 Codex 自己跑 indicator interpretation，從 raw 數值推導結論。

呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI；勿用 codex:codex-rescue subagent / /codex:rescue，會卡 superpowers preamble），prompt 首行加強制 no-tool 指令，模板：

我是一名美股投資人，使用 Level 2 options + Spread 的 margin 帳戶。
請對今日 briefing，**完全獨立**評估 — 不要看任何先前結論。

**Raw data（只給 fact 數值，無 derived label）：**

帳戶：總值 $XXX / 現金 $XXX / 今日帳戶變動 +X.XX%

**今日 movers（價格 + % + 量能比 + 6 週區間）：**
- [ticker] $XXX (+/-X.XX%) / RSI XX.X / vol_ratio X.XX / 6w range $XXX-$XXX
- ...

**Earnings Window 標記（過去/未來 48h 有財報的 ticker）：**
- [ticker] — 財報日 X/X（[已過 X 天 / 還剩 X 天]）

**主要持倉技術面（fact only）：**
- [ticker]：價 $XXX / RSI XX / MACD line/signal/histogram / vs SMA20 X% / vs SMA50 X%
- ...

**板塊輪動（vs SPY 3mo，純數值）：**
- SMH +X.XX% / 1w +X.XX% / RSI XX.X
- ...

**待執行/觀察的計畫項目**（從 plan.md 摘出 ⏳，不寫評語）：
- ...

**近期重大事件（fact）：** 財報日列表、FOMC、產業催化

**投資風格：** AI/半導體主軸、汰弱留強、信念持倉 [TSLA/MU/AVGO]

**請輸出（獨立判斷）：**

1. **今日組合 thesis**（1 句：今日是「進攻」「防守」「觀望」？理由？）

2. **3 個今日最重要的訊號**（具體 — 自己解讀 raw data，不依賴 Claude 標籤）

3. **未來 5 個交易日機率分布（組合表現）：**

   | 情境 | 機率 | 條件 | 預期 % |
   |------|------|------|--------|
   | 樂觀 | XX% | [...] | +X% |
   | 基準 | XX% | [...] | ±X% |
   | 悲觀 | XX% | [...] | -X% |

4. **3 個 actionable 建議**（含口數 / 觸發條件）— 對 earnings window 內的 ticker 預設「等 settle」

5. **Verdict**（1 句）：今日整體該做什麼？

**規則：**
- 機率分布必須 sum 到 100%
- 不假設 Claude 已說過什麼
- 保持獨立判斷
- earnings window 內的 ticker 不直接套「汰弱留強」

請以繁體中文回覆，控制在 700 字內。

--effort high --fresh

---

B2. 機會掃描（opportunity scout）

呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我目前的美股持倉（含市值占比）：
[插入 Step 0b get_account_position 取得的持倉表]

我的投資風格：
- 主軸：AI/半導體、高成長科技；汰弱留強，集中持倉
- 信念持倉（不換）：TSLA, MU, AVGO 多年期 thesis
- 板塊偏好：[從 plan.md 摘出 3-5 行板塊目標]

請以獨立分析師視角：
1. 掃描今日市場有哪些當紅題材/個股，是我目前持倉沒覆蓋到的
2. 對每個候選列出：題材、代表 ticker、為何此刻有機會、建議切入方式（現股/Spread/LEAPS）
3. 要追這些新機會，最該砍掉哪一檔現有持倉？為什麼？
4. 提供 2-3 個具體 actionable 建議（含目標 entry zone）

請以繁體中文回覆。輸出限 600 字。

---

B3. 輪動分析（rotation scan）

Step 1 — Claude 預先收集數據：

• mcp__technical-mcp__get_sector_rotation() → 全板塊 ETF 相對強度 vs SPY（leading / improving / weakening / lagging）
• mcp__technical-mcp__get_batch_indicators(tickers=[所有持倉]) → 個股動能分數 + 趨勢

Step 2 — 呼叫 Codex（用 CLAUDE.md「Codex 呼叫方式」的 codex exec CLI）：

我的美股持倉（含市值占比 + 板塊歸屬）：
[持倉表]

當前板塊輪動數據（vs SPY）：
[get_sector_rotation 完整輸出]

當前個股動能：
[get_batch_indicators 摘要]

請以輪動專家視角：
1. 板塊輪動：哪些板塊 leading，哪些 weakening？我的持倉是否站在 leading 板塊？
2. 個股輪動：在我已持有的板塊內，有更強的 leader 我沒拿到？有持倉已被同板塊其他名字超越？
3. 資金流向：從 weakening 輪到 leading 的訊號是否明確？建議調倉路徑
4. 具體建議：3 條 actionable 輪動操作（從哪檔減 → 加到哪檔，附理由）

請以繁體中文回覆。輸出限 700 字。

---

B4. 輸出整合

## 🤖 Codex 第二意見

### B1. 獨立第一性分析（Codex 獨立輸出）

**Codex 今日 thesis：** [...]
**Codex 列的 3 個重要訊號：** [...]
**Codex 機率分布：**

| 情境 | 機率 | 條件 | 預期 % |
|------|------|------|--------|
| ... |

**Codex 3 個建議：** [...]
**Codex Verdict：** [...]

#### 並排比較：Claude vs Codex（獨立輸出）

| 維度 | Claude | Codex | 一致性 |
|------|--------|-------|--------|
| 今日 thesis | [Claude] | [Codex] | 同 / 異 |
| 機率分布偏向 | 偏多 / 中性 / 偏空 | 偏多 / 中性 / 偏空 | — |
| 主要建議 | [Claude] | [Codex] | 同 / 異 |
| Verdict | [Claude] | [Codex] | 同 / 異 |

**真實共識：** [1-2 條]
**真實分歧：** [1-3 條]

### 機會掃描（vs 現有持倉）
[B2 Codex 完整回覆]

### 輪動分析（板塊 + 個股）
[B3 Codex 完整回覆]

---
**值得追蹤的新機會：** [從 B2 挑 1-2 個 Claude 也認同的]
**輪動 actionable：** [從 B3 挑 1-2 條 Claude 也認同的調倉操作]

進階：--codex-adversarial（opt-in 壓力測試）

僅當 arguments 含 --codex-adversarial 時，追加對立面審查段落（攻擊 Claude 結論、找 bug）。預設 --codex 不執行。

若 Codex 失敗 → 輸出 ⚠️ Codex 不可用：[error]，跳過第二意見，繼續正常輸出。

---

Output Format

• 繁體中文
• 簡潔 markdown 表格
• 所有金額為 USD
• Quick 版應在一個畫面內完成
• Full/Deep 版可較長但需結構清晰
• Telegram Tier：對話輸出一份簡要摘要（確認執行完畢）；真正的輸出在 briefing-out/ 的兩個檔案

briefing-out/ 目錄

• briefing-out/ 已加入 .gitignore（個人化數據，不 commit）
• 每日執行會覆蓋同日期的檔案（不保留版本）
• 手動重發：python3 tools/send_briefing.py YYYY-MM-DD 或 python3 tools/send_briefing.py latest