Alphaloop

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）：

信号 / 场景	调度的子 skill	干什么
人给了一段逻辑 / 转发研报 / 小作文 / "别的 AI 说"	claim-verification	默认降级为假设，拆原子声明，逐条溯源到一手，打 ✅🟡🔴⚠️
提到任何 ticker / 公司 / 行业 / 框架 / 财报	openorder	第一动作先读 wiki INDEX.md → 相关档；结论回写
需要价格 / 估值 / 涨跌幅 / 市值	stock-data-fetch	取实时行情，标时间 + 源，禁用旧价
原材料 / 金属 / 矿 / 卡脖子 / 出口管制 / 涨价	strategic-materials	五层漏斗：供需→资源掌控→国产替代→AI 关联→政策→标的
人做了交易 / 发持仓截图 / "记一笔"	trade-journal	记成本 + 建仓日 + 来源框架，闭合反馈环
任意工具失败（403/404/抓不到/clone 不动）	agent-tool-escalation	升级工具而非升级用户；修正已有信息前先验证

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"。

1. 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。

2. 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）」。

3. 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：

• 我有没有把人给的框架当假设来验，而不是直接采信？
• 涉及的关键数字都溯源到一手了吗？无源的标 ⚠️ 了吗？
• 价格是现取的吗（标了时间 + 源）？
• 我读 openorder INDEX.md 了吗？结论回写了吗？
• 我有没有越界替用户做决策？是否给了风险 + 反方观点？
• 有交易发生的话，trade-journal 记了来源框架吗？

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

层	skill	角色
纪律	claim-verification	二手信息验真方法论
工具纪律	agent-tool-escalation	工具失败升级 + 修正门槛
记忆	openorder	跨会话投研 wiki（回写 + thesis-ledger）
示例框架	strategic-materials	战略原材料五层漏斗（领域框架范例）
行情工具	stock-data-fetch	多市场实时行情（免 key 兜底）
反馈闭环	trade-journal	建仓即记 + 来源框架归因

License: MIT。详见 LICENSE。