FinRobot Thesis Tracker 技能实战：用可证伪的投资论点体系管理仓位与候选标的

人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载本篇技术指南围绕 FinRobot 桌面版skills/equity-research/thesis-tracker下的 SKILL.md 展开完整讲解一个用于维护与更新组合持仓、观察清单投资论点investment thesis的分析师技能如何定义一份新论点、如何为每个新数据点记录更新日志、如何用记分卡与催化剂日历跟踪论点是否仍然成立以及如何将论点输出为晨会、组合评审与风险委员会可直接使用的材料。阅读完本文你将掌握这套可证伪、持续跟踪、跨会话结构化存储的论点管理方法论并能理解它在 FinRobot 引擎中如何被加载、索引与以 pipeline-safe 方式渲染执行。技能定位与触发机制Thesis Tracker 是 FinRobot 桌面版 56 个分析师技能之一详见 README 中skills/目录说明归属equity-research股票研究域。它的职责在 frontmatter 的description字段中定义得非常明确维护并更新组合持仓与 watchlist 标的的投资论点随时间跟踪关键数据点、催化剂和论点里程碑。--- id: thesis-tracker name: Thesis Tracker version: 1.0.0 author: anthropic domain: equity-research description: Maintain and update investment theses for portfolio positions and watchlist names. Track key data points, catalysts, and thesis milestones over time. Use when updating a thesis with new information, reviewing position rationale, or checking if a thesis is still intact. triggers: - update thesis for [company] - is my thesis still intact - thesis check - add data point to [company] - review my positions requires_data: [] requires_tools: [] requires_skills: [] compatible_models: [] ---各字段含义与用途如下字段取值作用idthesis-tracker技能唯一标识是技能注册表索引与激活的键nameThesis Tracker人类可读名称version/author1.0.0/anthropic版本与来源标识本技能源自 Anthropic 技能库经 convert_skills.py 转换为 FinRobot 原生格式见 ATTRIBUTION.mddomainequity-research按台面分组的归属域triggers5 个触发短语关键词触发/检索信号决定什么时候该唤起这个技能requires_data/tools/skills空列表声明依赖当前版本无额外依赖加载器会将其解析进模型但暂不强制执行compatible_models空列表兼容模型声明仅作信息用途triggers是本技能被正确唤起的入口覆盖了从给公司更新论点到我的论点还成立吗再到复盘我的持仓的完整高频场景。这意味着当用户对某只标的新信息更新论点、检查论点完整性、添加数据点或要求组合级复盘时系统都应优先匹配到本技能。技能在 FinRobot 引擎中的加载与索引在深入工作流之前先理解这份SKILL.md在 FinRobot 引擎中是如何被识别和使用的——这决定了你写出的任何论点数据如何被持久管理与跨会话引用。从源码结构看技能加载分三层Loader解析层loader.py 中的load_skill()读取SKILL.md将 YAML frontmatter 与 Markdown 正文分离id与name是必填字段缺失即抛出SkillLoadErrorversion、author、domain、triggers、requires_*、compatible_models均为可选缺失时使用默认值如domain默认general。frontmatter 中的description优先作为技能描述缺失时回退到正文首个非标题段落。Registry索引层registry.py 中的SkillRegistry递归扫描skills/**/SKILL.md以id为键构建id → Skill字典并提供get()按 id 精确获取、search()对 name/triggers/description 做关键词评分检索命中优先级 name trigger description、list_summary()为 LLM 上下文窗口输出紧凑技能清单等方法。Spec模型层spec.py 中 pydantic 定义的Skill模型承载full_contentfrontmatter 之后的完整 Markdown 正文与source_path等元数据。对应地FinRobot CLI 提供了finrobot skill list按域分组列出全部技能与finrobot skill search query关键词搜索两个命令。上述加载与检索逻辑均有单元测试覆盖见 test_skill_loader.py 与 test_skill_registry.py。工作流全景从定义论点到输出结论本技能的核心是一条五步工作流接下来逐一展开内容忠实继承自原文档并补充实操细节。Step 1定义或加载论点Define or Load Thesis新建一份论点时需要建立以下结构化要素公司Company公司名称与股票代码仓位方向PositionLong多头或 Short空头核心论点陈述Thesis statement1–2 句话讲清核心逻辑。原文档给出示例Long ACME — margin expansion from pricing power operating leverage as mix shifts to software做多 ACME——随着产品组合向软件迁移定价权带来的利润率扩张 经营杠杆关键支柱Key pillars3–5 个支撑论点的论据关键风险Key risks3–5 个会使论点失效的风险催化剂Catalysts可能证明或证伪论点的临近事件财报、产品发布、监管决定目标价/估值Target price / valuation论点兑现时值多少钱止损触发Stop-loss trigger什么条件下你会离场。如果是更新一份已有论点则直接询问用户新增的数据点或最新进展。需要说明的是这套字段在 FinRobot 自动研报流水线中与结构化模型严格对齐。引擎里的ThesisResult定义于 financial.py将recommendationBuy/Hold/Sell 方向性结论、price_target12 个月目标价POINT 被诚实扣留时为 None、price_target_basis、catalysts3–5 条仅限上行驱动渲染在 Bull Case 下、risks3–5 条仅限下行场景渲染在 Bear Case 下以及narrative、tagline、key_takeaways、company_overview、valuation_overview、competitor_analysis等叙述槽位全部建模为强类型字段。也就是说你在交互式论点追踪中人工定义的 pillars/risks/catalysts与流水线中 LLM 必须产出的结构化论点字段是同一套心智模型。Step 2更新日志Update Log对于每一个新增数据点或进展按以下维度记录日期Date事件发生时间数据点Data point发生了什么变化财报超预期、管理层离职、竞争对手动作等论点影响Thesis impact这个变化是强化、削弱还是中性影响了某个具体支柱行动Action不变 / 加仓Increase position/ 减仓Trim/ 离场Exit更新后的信心度Updated convictionHigh / Medium / Low。这套记录格式的价值在于把每次更新变成可回溯的增量审计轨迹任何时间点回看都能知道哪个数据点导致哪个支柱被动摇、当时做了什么动作、信心度如何迁移这正是论点管理区别于一次性研报的核心。Step 3论点记分卡Thesis Scorecard维护一张持续运行的记分卡跟踪每个支柱相对原始预期的兑现进度PillarOriginal ExpectationCurrent StatusTrendRevenue growth 20%On trackQ3 was 22%StableMargin expansionBehindMargins flat YoYConcerningNew product launchPendingDelayed to Q2Watch记分卡的四列分别回答这个支柱当初承诺了什么现在是否按计划兑现趋势是稳定、恶化还是待观察注意原文档中Trend列的取值Stable / Concerning / Watch——它把支柱状态压缩成可扫描的信号便于快速定位论点中开始松动的部分。Step 4催化剂日历Catalyst Calendar跟踪即将到来的催化剂DateEventExpected ImpactNotes每个即将发生的事件记录日期、事件、预期影响与备注。催化剂是论点被证实或证伪的检验点——原文档在 Step 1 中定义催化剂时强调它们是能证明/证伪论点的临近事件日历即是对这一承诺的时间化管理。FinRobot 提供了同属equity-research域的配套技能 Catalyst Calendar负责跨覆盖标的批量构建财报日、会议、产品发布、监管决定与宏观事件的日历视图含 Earnings/Corp/Industry/Macro 四类事件、H/M/L 影响分级、周度前瞻与 Excel/邮件输出可用于为本技能的催化剂栏持续供料。Step 5输出Output生成适合以下场景的论点摘要晨会讨论Morning meeting discussion组合评审Portfolio review风险委员会汇报Risk committee presentation。输出格式为简明 Markdown 或 Word 文档内容应包含记分卡、近期更新与当前信心度等级。操作纪律让论点保持诚实与可追踪原文档的Important Notes部分是整套方法论的纪律底线逐条展开论点必须可证伪——如果没有任何东西能证伪它那就不是论点。这是投资论点方法论的第一原则一份无法被反驳的观点无法指导风险控制跟踪反面证据要像跟踪正面证据一样严谨——确认性偏差是论点管理的大敌反面数据点必须同等记录并诚实标注其对支柱的影响至少每季度回顾一次论点即使没有发生任何重大事件——静止本身就是需要被检查的状态可能论点已经过时只是你还没发现如果用户管理多个持仓主动提议做一次完整的组合级论点复盘full portfolio thesis review——这与triggers中的 review my positions 触发短语相呼应将单标的追踪升级为组合级纪律以结构化格式存储论点数据以便跨会话引用——这是可持续追踪的实现要求也解释了为什么本技能强调把 pillars、risks、scorecard 等组织成结构化表格而非自由文本。源码级延伸论点在 FinRobot 流水线中的执行形态Thesis Tracker 既可作为交互式技能使用也深度参与了 FinRobot 的自动研报流水线。两条路径都经过render_pipeline_methodology()定义于 pipeline_methodology.py该函数对已知金融技能输出经过提炼的、仅叙述性的安全方法论避免交互式技能中常见的等待用户确认/逐任务推进/生成文件指令泄漏进无人值守的自动报告运行中。对本技能其 pipeline-safe 框架_PIPELINE_SAFE_METHODOLOGY[thesis-tracker]被提炼为四条纪律将key_takeaways表达为当前论点的支柱而非泛泛的摘要将催化剂绑定到能证实或证伪支柱的证明点将风险框定为论点失效的条件并在提示允许时附带缓解/监控语言信心度词汇只能取自提示证据strengthening增强/ neutral中性/ weakening减弱/ under review复核中。在执行侧equity_research.py 中的_execute_thesis步骤把生成论点落地为一次带结构化输出的 synthesis agent 运行先由resolve_canonical_thesis从 DCF/Comps/DDM 的置信加权合成中解出确定性目标价与方向性结论再由build_thesis_prompt组装含催化剂上下文、市场隐含价位、数值白名单与板块归因约束的提示词最后apply_canonical_override强制回写确定性字段——即使 LLM 输出偏离目标价与 Buy/Hold/Sell 结论也不会与确定性的估值合成脱钩相关测试见 test_valuation_synthesis.py 与 test_thesis_prompt.py。而交互式聊天场景中编排器通过activate_skill工具见 orchestrator.py加载技能同样渲染 pipeline-safe 方法论确保 Mode A聊天驱动与 Mode B流水线调度两条路径消费的是同一份净化后的方法论文本。这套设计揭示了一个关键事实本技能所定义论点的结构化字段支柱/催化剂/风险/信心度与引擎流水线强制的一致性约束确定性目标价、方向性结论、数值白名单、反漂移调和是同一套契约的两侧——方法论负责怎么想流水线负责数值从哪来、如何不被 LLM 漂移污染。落地建议把 Thesis Tracker 接入你的研究流程综合以上内容在 FinRobot 桌面版中使用本技能的建议路径如下建仓即建档买入或加入 watchlist 时按 Step 1 完整定义论点确保包含可证伪的核心陈述、3–5 支柱、3–5 失效风险与止损触发事件驱动更新每次财报、公告或重大事件后用 Step 2 的更新日志格式记录判断影响落在哪个支柱并显式更新信心度季度固定体检无论有无大事按操作纪律每季度执行一次记分卡Step 3与催化剂日历Step 4的刷新必要时触发组合级复盘多标的规模化若覆盖多只标的可配合 Catalyst Calendar 技能构建统一的催化剂日历将单标的论点的检验点合并为可排期的关注清单输出复用用 Step 5 的格式生成晨会/组合评审/风险委员会材料同时让结构化论点数据跨会话持久化确保任何一次新对话都能从上次的记录继续跟踪。综上Thesis Tracker 的价值不在于写下观点这一步而在于它把论点变成一套有支柱、有风险、有检验点、有证据日志、有定期体检的可证伪系统——这正是它在 FinRobot 技能体系中与其他股票研究技能DCF 估值、催化剂日历、晨间简报等协同工作的根基。赞分享人工智能AI Agent金融科技AI 应用大模型RAG【免费下载链接】FinRobotFinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models项目地址https://gitcode.com/GitHub_Trending/fi/FinRobot点击查看免费下载相关推荐financial-services 插件实战用 thesis 命令与 thesis-tracker 技能搭建可验证的投资论点追踪体系financial services 插件实战用 thesis 命令与 thesis tracker 技能搭建可验证的投资论点追踪体系 导读 本文围绕 fin人工智能AI 应用AI 技能/插件AI Agent金融科技OpenAlice build-thesis把“大家都在买 NVDA”变成一份可证伪的双向投资论点OpenAlice build thesis把“大家都在买 NVDA”变成一份可证伪的双向投资论点 本文讲解 OpenAlice 内置技能 build the投资银行交易管线管理实战financial-services 仓库 deal-tracker 命令与技能全解析投资银行交易管线管理实战financial services 仓库 deal tracker 命令与技能全解析 导读本文基于 GitHub_Trending人工智能AI 应用AI 技能/插件AI Agent金融科技上一篇Brave/browser-laptop多语言测试自动化与人工验证结合下一篇AutoHotkey源码剖析(六)x64跨位调用与PCRE正则引擎的集成方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考