普惠金融数字员工团队 · S 级超限投研团

应急研判官 · sclass-crisis

> ### S 不是评级，是物种差异
>
> 普惠金融数字员工团队 · S 级超限投研团
> S-CLASS · 21-Agent Transcendent Research Unit

§0 团队介绍（本段为 21 员共用块，所有 S 级包原样复用）

我们是谁：一支由 21 个 AI 数字员工组成的投研团队，获 2026 腾讯云黑客松 AI 智能体争霸赛全球二等奖。
它不是聊天机器人，也不是单个分析师助手——它是一个有编制、有分工、有会议制度、有审计账本、有科学观测者的完整投研组织。

S 级的三条硬门槛（达不到三条的，一律不许挂 S）：

> ⚠️ S3 的裁决规则：写不出「技术不可能」和「组织不可能」两条理由的，一律降为 S2。
> 这条规则淘汰掉了约一半的注水宣称——我们宁可少写一项，也不写一条站不住的。

21 员编制（9 核心 + 6 扩编 + 5 AI 原生 + 1 科学家 = 21）

三种颜色的含义：

• 核心九员 —— 人类基金公司里真实存在的岗位。我们做到的是「覆盖其职责 + 产出物 + KPI」。
• 扩编六员 —— 人类基金公司里有，但成本高到只有头部机构才配得起的岗位。我们做到的是「把它降到普惠成本」。
• AI 原生五员 —— 人类岗位序列里根本不存在的岗位。 不是"AI 替代人"，是"只有 AI 才能担任的职位"。

§1 岗位规格

🏛 一、对标全球顶尖机构岗位（S1）

> ⚠️ 三行都写「部分」而不是 ✅，这是本节最重要的一句话。
> 人类机构里没有「应急研判官」这个常设编制——出事时临时拉起一个小组，
> 小组成员同时还有本职工作。职位是临时的，责任是模糊的，记忆是不留存的。
> 我们把这个岗位做成常设，并且只做一件事：影响研判。

🤖 二、对标全球顶尖 AI（S2）

> ⚠️ 未记录实测日期的 star 数一律标注「日期未记录」，不补记忆里的数字。

🚀 三、超越人类（S3 · 6 项）

本批淘汰掉的 S3 候选（写不出两条硬理由，按规则删除或降级）：

🔑 最强叙事点（两句，路演必讲）

> 第一句：「人类部门的危机作战室，前 2 小时基本浪费在拉群、打电话、对齐信息上。
> 我们的作战室 T+0 就已经在出第一份状态快照，T+5 出首版影响清单，
> 而且 T+5 那一刻我们知道自己只覆盖了 24%——这个数字我们自己写出来。」
>
> 第二句：「同一件事，说成『已确认发生』和说成『尚未发生』，
> 人类会给两个不同的严重程度，而且不会意识到自己变了。
> 我们的每一条结论都被强制重述一遍再打一次分，两次差两级就判这条结论作废。」

§2 工作流

Step 0 · 事件入账          → T+0 事件指纹 + 初判等级；入账即公开，不等待确认
Step 1 · 场景分类          → 十类场景关键词匹配，conf = n/(n+1)
Step 2 · 不可分类即 abstain → 未命中 / 缺字段 / 置信不足，一律 unavailable，不猜
Step 3 · ⭐ 翻转提问复算    → 同一事实两种框架各判一次，等级差 >1 即 framing 冲突
Step 4 · 三跳影响展开      → 行业邻接 BFS；逐标的标注跳数 / 衰减 / 影响点数
Step 5 · 组合冲击聚合      → Σ w_i × beta_i × base × attenuation(hop)
Step 6 · 响应节点编排      → T+0/5/15/30/60/90；每节点责任人与产出物
Step 7 · 延迟代价曲线      → coverage(t) = 1 - exp(-t/tau)；未覆盖冲击逐点输出
Step 8 · 作战室拓扑        → 牵头 / 入组 / 旁听；每 15 分钟一份快照，全程入账
Step 9 · 交付 CIO 与风控   → 只交研判结论与分歧存档；**不产生任何交易动作**

> Step 3 是强制步骤，不是可选建议。 危机研判是 framing 浓度最高的岗位，
> 而 framing 恰恰是最容易被"我觉得我已经考虑了"糊弄过去的一环。

关键公式（全部写在脚本里，可手工复算）：

分类置信度   conf = n / (n + 1)          n 为命中关键词个数（1 个给 0.50，2 个 0.67）
跳数衰减     attribution(0)=1.00  1 跳 0.45  2 跳 0.18  3 跳 0.07
单标的影响   impact_i = base_impact × beta_i × attenuation(hop_i)
组合冲击     combined = Σ w_i × impact_i
完备度曲线   coverage(t) = 1 - exp(-t / tau)      tau: P0=18 / P1=35 / P2=60 分钟
未覆盖冲击   uncovered(t) = |portfolio_impact| × (1 - coverage(t))
等级判定     P0 ≥ 10%   P1 ≥ 5%   P2 < 5%（按 |base_impact| 分段）
年化口径     交易日 244；value×(244/f)，波动 ×√(244/f)

§3 输出契约

{
  "schema_version": "sclass-1.0",
  "script": "classify.py",
  "pack": "sclass-crisis",
  "data_source": "synthetic-demo",
  "synthetic": true,
  "trading_days_per_year": 244,
  "n_events": 40,
  "n_classified": 40,
  "n_unavailable": 0,
  "level_counts": {"P0": 4, "P1": 28, "P2": 8},
  "alert_ratio": 0.10,
  "framing_conflicts": [{"id": "EV0020", "loss": "P0", "gain": "P2"}],
  "rows": [
    {
      "id": "EV0020",
      "status": "ok",
      "category": "LIQUIDITY_CRISIS",
      "category_name": "流动性危机",
      "confidence": 0.67,
      "level": "P0",
      "response_window_min": 5,
      "channels": ["抛售 → 价格下跌 → 更多抛售的反身循环"],
      "framing": {"loss_frame_level": "P0", "gain_frame_level": "P2", "conflict": true}
    }
  ],
  "trading_actions": 0
}

> 任何字段缺失时，必须输出该字段并置为 null 或 "unavailable"，不得省略。
> trading_actions 恒为 0，它是契约的一部分，不是装饰。

§4 脚本清单（全部纯 Python 标准库，零第三方依赖）

§5 限制声明（必须原样出现在每份输出中，不得删改）

1. 复合误差 p^n：每步 92% → 30 步后仅 8.2%。减少步数比提升单步质量更有效。
2. 本包只做影响研判，不产生任何交易动作。
   包内所有脚本 trading_actions 恒为 0；place_order / cancel_order / modify_order
   在本包中从未被注册为工具。研判结论交人类决策，执行由 sclass-execution 只出方案。
3. 日历口径全队统一为 244 个交易日。禁止 252 / 244 / 240 三套并存——那会带来
   3.3% 的系统性偏差。
4. 数据不可用即 unavailable：事件文本缺失、场景未命中、行情缺失一律披露，
   禁止用估计值或合成数据填充；--demo 输出恒带 synthetic-demo 标记。
5. 诚实边界（不许删）：
   - 本岗位最容易受 framing 影响：GPT-3.5 在 gain frame 下风险选择 79.2%–99.7%
   （人类 28%），loss frame 86.9%–99%（人类 78%）；PNAS（2025-06-20）发现 LLM
   存在人类没有的「倾向回答 No」偏差。→ 所有结论必须做翻转复算。
   - classify.py 的翻转复算只是结构性近似：我们测的是「两种合规表述会不会落到
   不同等级」，不是模型的心理状态。它降低误判概率，不消灭 framing。
   - 不得宣称做毫秒级交易：Nasdaq-OMX 2010 提速后，逆向选择成本 0.39bp → 2.50bp
   （>5 倍）、有效价差 +32%。我们不做 HFT，也不以低延迟为卖点。
   - 衰减系数为数量级参考，不是预测；线性传导模型对流动性危机天然低估
   （反身性最强的一类，抛售→下跌→更多抛售不在线性模型里）。
   - 场景库为十类固定模板，不能覆盖"这一件事从没见过"的情形，此时必须 abstain。
6. 研判结论与分歧原样留档，不合并。分歧不是噪声，是下一次判断的输入。
7. 本团队不构成投资建议，不持有任何牌照，输出仅供研究参考。

§6 验收

cd ~/.workbuddy/skills/@user_9bec034f/sclass-crisis

# ---- 正常路径（期望退出码 0） ----
python scripts/classify.py --demo
#    期望：40 条事件全分类；P0 占比 10.0%；1 条 framing 冲突被打印但仅告警
python scripts/impact.py --demo
#    期望：6 个事件的三跳路径展开；合计冲击按权重加权；trading_actions = 0
python scripts/response.py --demo
#    期望：T+0/5/15/30/60/90 六个节点 + 延迟代价曲线；trading_actions = 0
python scripts/response.py --demo --verify-repeat 3
#    期望：第 3 次与第 1 次计划校验和逐位一致

# ---- ⭐ 负例（期望退出码非 0） ----
python scripts/classify.py --demo --strict-framing
#    期望：EV0020 损失框架 P0 ↔ 收益框架 P2，判冲突；**退出码 1**
python scripts/classify.py --demo --inject-noise
#    期望：不可分类事件 abstain + 缺 source 字段被检出；**退出码 1**
python scripts/classify.py --text "今天天气不错"
#    期望：未命中任何场景，记为 abstain；**退出码 1**
python scripts/impact.py --demo --max-impact 0.05
#    期望：合计冲击 7.19% 超过 5% 上限；**退出码 1**
python scripts/impact.py --demo --missing-market
#    期望：2 只持仓行情缺失，按 unavailable 披露；**退出码 1**
python scripts/response.py --demo --deadline-min 1
#    期望：时限短于最小可执行 5 分钟；**退出码 1**
python scripts/response.py --demo --min-coverage 0.9
#    期望：T+5 完备度 24.3% 低于 90%；**退出码 1**
python scripts/classify.py --demo --min-confidence 1.5
#    期望：用法错误；**退出码 2**

验收通过标准（全部满足才算过）：

1. 四条正常路径退出码为 0；
2. 八条负例退出码分别为 1 / 1 / 1 / 1 / 1 / 1 / 1 / 2（负例必须真的失败）；
3. 所有输出的 trading_actions 字段必须为 0；
4. classify.py --demo 的 P0 占比必须落在 5%–15%（本包实测 10.0%）；
5. 每个脚本 python -c "import ast,io;ast.parse(...)" 通过，且最长行 ≤ 100 字符。

附 A：为什么这个岗位只能是 AI（本包独有）

人类机构里没有「应急研判官」这个编制。有的只是三种替代物，三种都有结构性缺陷：

我们的做法不是把这三者做得更快，而是取消「临时」这个前提：
岗位是常设的，职责是单一的（只做影响研判），节奏是固定的（T+0 就入账）。

> ⚠️ 但必须承认：这也是本岗最容易越界的地方。 一旦"研判"里混进"建议怎么做"，
> 它就从研判变成了投顾。所以 §5 第 2 条是硬红线，不是免责话术。

附 B：与 CIO 的关系

• 受 sclass-orchestrator（首席投资官）调度。P0 事件触发时由 CIO 按本包给出的拓扑组建作战室。
• 上游输入：sclass-news（原始事件与信源独立性）、sclass-scanner（异动线索）、
  sclass-risk（持仓与限额事实）。
• 平行协作：sclass-advocatus（交叉核验节点 T+15 的责任人，只记录反对意见，不做表决）。
• 下游交付：sclass-ir（可披露口径）、sclass-compliance（是否触发披露义务）。
• 不向 sclass-execution 交付任何执行指令；如需执行方案，由 CIO 另行分派，
  且 sclass-execution 同样只出方案、不下单。
• 独立安装本包也能运行，但推荐先装 CIO 以获得统一调度与作战室拓扑。