Recommend engine

用途

按画像表参数执行推荐管道，产出结构化推荐制品。

调用协议

S1 产出画像表 YAML 后，立即读取并进入本节管道。 加载画像表 engine_reading_order 中列出的全部引擎文档。 同时必须加载以下未在 reading_order 中列出但对管道执行关键的文件：

• engine/output-layered.md — L0 输出模板
• engine/data-architecture.md — Mode A/B 判断

加载后执行五步管道。

---

五步管道

Step 0: 数据拉取与模式判断

0.1 模式判断：

• 检查画像表 mode 字段
• mode: "A"（默认）→ 进入 §0.2 公开数据拉取
• mode: "B" → 跳转到 §0.3 外部数据接入

0.2 Mode A — 公开数据拉取：

使用 WebSearch 工具，针对画像表适用的产品类型，逐类搜索当前可投资产品。

搜索关键词模板（替换 {产品类型} 为 engine/product-taxonomy.md 中的类型名）：

"{产品类型} 业绩排名 {当前年份} 推荐" 基金 OR 股票 OR ETF

拉取数据时严格对照 engine/scoring-framework.md 中各产品类型因子的 data_point 字段。 不可自行增减数据点。

数据拉取清单（按产品类型）：

产品类型	需拉取的数据点	搜索轮次
stock	pe_ttm_percentile_5y, pb_percentile_5y, roe_ttm, revenue_cagr_3y, price_return_6m, annualized_volatility_90d, dividend_yield_ttm	2-3 轮
equity_fund	alpha_annualized_3y, beta_3y, sharpe_ratio_3y, max_drawdown_3y, aum_yuan, manager_tenure_years, total_expense_ratio	2-3 轮
mixed_fund	同 equity_fund	2-3 轮
bond_fund	ytm, duration, sharpe_ratio_3y, max_drawdown_3y, aum_yuan, total_expense_ratio	2 轮
etf	tracking_error_1y, avg_daily_volume, expense_ratio, aum_yuan	2 轮

每轮搜索后，将获取到的数据点记录到回溯日志 §2 数据溯源表：

• 数据点名称
• 数值
• 来源 URL
• 获取时间
• 置信度（搜索引擎返回的直接数据=高 / 推算数据=中 / 无法获取=标注"数据缺失"）

0.3 Mode B — 外部数据接入：

仅在客户经理显式提供外部数据源时激活。激活方式：

• CSV 上载：RM 说"这是产品数据 CSV"并提供文件路径 → 读取 CSV，按 engine/product-taxonomy.md 字段规范映射列名
• API 端点：RM 提供 REST API base URL 和认证方式 → 构造请求拉取数据
• MCP Server：RM 提供 MCP server 名称 → 通过对应 MCP 工具调用

Mode B 数据记录时标注来源为 "Mode B: {source_name}"。

护栏：

• 未经 RM 显式授权的 Mode B 数据源，QA 阶段标记为违规
• Mode B 数据缺失时，不降级到 Mode A 搜索——两者不混合
• 如果 Mode B 仅覆盖部分数据点，缺失部分标注 "Mode B 未提供"

完成后输出签章：

[0/5] 数据拉取完成：{product_count} 只产品，Mode {A/B}，数据密度 {density_pct}%

---

Step 1: 规则过滤

按 engine/filter-rules.md 的 6 阶段过滤顺序依次执行：

1. FILTER_RISK_LEVEL — 查 engine/suitability-rules.md §风险匹配矩阵，移除 prohibited 产品，标记 with_warning 产品
2. FILTER_HORIZON — 产品锁定期 > 客户投资期限 → 移除
3. FILTER_AMOUNT — 起投金额 > 客户预算 → 移除
4. FILTER_BLACKLIST — 查 engine/suitability-rules.md §禁售/限售规则（ST/停牌/退市/低价股）→ 移除
5. FILTER_CONSTRAINT — 违反客户自定义约束 → 移除
6. FILTER_INVESTOR_TYPE — 普通投资者不满足产品准入 → 移除

每条过滤记录拒绝原因。

完成后输出签章：

[1/5] 规则过滤完成：{passed} 只通过，{rejected} 只拒绝
备选池：{candidate} 只（with_warning 产品）

---

Step 2: 多因子打分

按 engine/scoring-framework.md 对各产品类型的因子定义，逐只打分：

1. 按产品类型选取适用因子表（stock → 股票 7 因子 / fund → 基金 7 因子 / etf → ETF 4 因子）
2. 逐因子归一化：linear / linear_inverse / percentile_inverse / target_range
3. 加权求和，计算 composite_score
4. 计算置信度（有效数据点数 / 总数据点数 × 100）
5. 低于 50% 置信度的产品，标注"中置信度"但不调整分数
6. 任一关键因子数据密度 <20% → 该因子评分输出 null

完成后输出签章：

[2/5] 多因子打分完成：{scored} 只评分，平均 {avg_score}/10，平均置信度 {avg_conf}%

---

Step 3: 双轨验证

按 engine/dual-track-methodology.md 执行交叉验证：

1. 轨 A（基本面）：基于 Step 1-2 的评分结果，标记 positive / negative
2. 轨 B（市场信号）：使用 WebSearch 拉取 fund_flow_5d / institution_change / sentiment_score，标记 positive / negative

冲突裁决（查 engine/dual-track-methodology.md §冲突裁决）：

轨 A	轨 B	裁决
positive	positive	互证增强 → 评分 +0.5
positive	negative	轨 A 优先 → 维持，标注"市场信号分歧"
negative	positive	轨 A 优先 → 维持，标注"市场信号先行"
negative	negative	互证削弱 → 评分 -0.5，列入关注名单

完成后输出签章：

[3/5] 双轨验证完成：{reinforced} 只增强 / {divergent} 只分歧 / {weakened} 只削弱

---

Step 4: 排序 + 理由生成

1. 按最终 composite_score 降序排列
2. 每只产品生成不超过 3 条推荐理由，格式："{因子名} {表现描述}"，引用具体数值
3. 组合层面生成配比建议（按类型分布）
4. 标注数据缺失项

完成后输出签章：

[4/5] 排序完成：Top 1 {name}({score}分)

---

输出

输出 Recommend Artifact YAML。产出后立即移交下游 recommend-qa，不等待。

path_id: "WP-REC-01"
profile_id: "P-{date}-{seq}"
mode: "A"
generated_at: "{timestamp}"
recommendations:
  - rank: 1
    code: "{code}"
    name: "{name}"
    type: "{type}"
    composite_score: 0.0
    risk_level: "R3"
    risk_match: "匹配"
    factor_scores:
      sharpe: { raw: 1.35, normalized: 6.5, weight: 0.25, weighted: 1.63 }
    rationale:
      - "{理由一（含具体数值）}"
      - "{理由二}"
      - "{理由三}"
    risk_flags: []
portfolio_summary:
  asset_allocation:
    - type: "股票型基金"
      ratio: 0.45
  risk_exposure:
    concentration_industry: "适中"
data_completeness:
  density_pct: 82
  confidence: "中"
  data_gaps:
    - "QDII 净值 T+2 延迟"

链接

• 上游：profile-intake（产出画像表）
• 下游：recommend-qa（接收推荐制品，执行质检 → 展示 TL;DR → 等 RM 确认）
• 链式调用规则：本 Skill 产出 YAML 制品后，立即调用 recommend-qa，不等待用户确认

护栏

• 绝不偏离画像表的参数范围（反漂移铁律 R5）
• 任何未在引擎文档中定义的阈值不得使用——输出"引擎未定义"
• 数据缺失字段标注"数据缺失"，不编造（R4）
• 全部过滤日志和打分明细记录到回溯日志（R8）
• 每步管道完成后必须输出签章行
• 双轨验证不可跳过——即使轨 B 数据获取困难，也必须标注"轨 B 数据不足"而非省略