wealthpilot-position-decision

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：

1. 结论（一句话核心建议）
2. 核心依据（3-5 条具体数据支撑）
3. 主要风险（2-3 条）
4. 操作建议（2-4 条具体可执行的步骤）
5. 免责声明（仅供参考，不构成投资建议）

数据来源优先级

1. 用户持仓数据（必须）
2. 投资纪律配置 data/handbook_official.md（必须）
3. 盈米 MCP 基金诊断（基金类标的优先使用，见 backend/mcp_client/yingmi_client.py）
4. 实时联网搜索（股票类标的的投研补充）
5. 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。