普惠金融数字员工团队 · S 级超限投研团

数据基座工程师 · sclass-data

> ### 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）

> 📌 这个岗位在人类机构里的真实处境：头部量化与头部公募都设有该岗位，
> 中小机构配不起。我们做到的是把它降到普惠成本——这也是「扩编六员」的定义。

🤖 二、对标全球顶尖 AI（S2）

> ⚠️ 我们不引入任何需要 pip install 的依赖。零依赖不是洁癖，是让这套团队在任意环境可复现的前提。
>
> 📌 上表按能力类对标，不引用未实测的 star 数——本团队不写没有实测过的数字。

🚀 三、超越人类（S3 · 3 项）

> 诚实说明：本包是扩编岗位，S3 只有 3 项，且都不夸张。
> 它的主要价值在 S1——把只有头部机构配得起的数据工程岗降到普惠成本。
> 「缺失即报 unavailable、绝不插值」是纪律，不是能力，因此不占用 S3 名额。

🔑 最强叙事点（路演必讲）

> 第一句：「初代 9 员里 252 / 244 / 240 三套年交易日口径并存于不同脚本——
> 同一段日收益在三个包里年化出三个不同的数。这是真实的 bug，不是风格问题。
> 本包把口径收敛为单一权威值，并且能全量审计谁还在写死旧系数。」
>
> 第二句：「数据缺失时，人类的默认动作是用上一次的值填上，因为 deadline 到了。
> 而这个岗位的默认动作是输出 unavailable 并退出码非 0。
> 回测虚高的根源不是模型，是这种填数动作。」

§2 工作流

Step 0 · 接收取数请求（series + as_of + 频率 + 单位）
        先读 data/calendar.json 确认本次使用的年交易日口径（唯一权威值）
Step 1 · 查缓存：key = sha256(namespace|series|as_of|params)，TTL 未过期才算命中
Step 2 · 未命中 → fetch.py 按 L1 公开 → L2 需注册 → L3 境外 依次尝试
        每一个源的成败、耗时、失败原因**逐条留痕**，不因成功而抹掉前面的失败
Step 3 · 全源失败 → status=unavailable + missing 清单 + 退出码 1
        ⛔ 禁止插值、禁止用上一期冒充本期、禁止用合成数据冒充真实数据
Step 4 · 取到值 → normalize.py 做口径归一：频率换算（收益线性 / 波动 sqrt）
        与单位归一（percent → decimal），并显式写出本次使用的口径
Step 5 · 回写缓存：带 TTL、fetched_at 与 content_hash（供后续 verify 与 --as-of 复现）
Step 6 · freshness.py 对本次涉及的每个字段做 SLA 判定
        任一字段超期或无更新时点 → 判定交付不合格，退出码 1
Step 7 · 出具交付包：value + provenance（源/时点/口径）+ 缺失清单
        ⚠ 覆盖率与缺失清单**必须同时输出**，只报数值不报缺失视为不合格

> Step 2 的降级不是「静默换源」：降级结果会被写入 degraded 字段并告警，
> 因为不同层级的口径可能不同，下游必须知道自己拿到的是哪一层的数据。

§3 输出契约

{
  "schema_version": "sclass-1.0",
  "series": "600519.close",
  "as_of": "2026-10-27",
  "status": "ok | unavailable",
  "value": 1688.0,
  "source": "l1-exchange-daily",
  "tier": "L1_public",
  "degraded": false,
  "calendar": {"trading_days_per_year": 244, "label": "A 股年交易日口径 244"},
  "attempts": [{"source": "l1-exchange-daily", "tier": "L1_public",
                "status": "ok", "latency_ms": 135.1}],
  "missing": [],
  "freshness": {"n_fields": 40, "fresh": 40, "stale": 0,
                "unavailable": 0, "freshness_ratio": 1.0},
  "data_source": "synthetic-demo | live | unavailable"
}

> 任何字段缺失时，必须输出该字段并置为 null 或 "unavailable"，不得省略、不得用估计值填充。
> data_source 必须如实标注：演示为 synthetic-demo，真实为 live，取不到为 unavailable。

§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%（每步 95% → 20 步后 35.8%）。
   → 减少取数与转换的步数比提升单步质量更有效，这是数据层设计的第一原则。
2. 缺失即报 unavailable，绝不插值、绝不用上一期数据冒充本期。 这是纪律，不可配置。
3. 演示模式（--demo）使用合成样本，输出顶部标注 synthetic-demo，
   绝不允许把合成样本的输出当作真实数据对外展示。
4. 覆盖率与缺失清单必须同时输出。只报一个数字、不列缺失项，视为不合格。
5. 本包不提供数据本身，只提供取数能力与纪律。真实使用须由运维显式配置出网白名单
   （默认为空 = 全禁）与速率上限（20 次/分钟/员工）。
6. 口径归一解决的是团队内部一致性，不保证与任一外部数据商的口径一致；
   跨机构比对时须先做口径映射。
7. 本团队只出方案，不下达交易指令；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-data

# 1. 多源取数（演示模式，三级降级链）
python scripts/fetch.py --series 600519.close --demo
#    期望：逐源留痕，取数成功，退出码 0

# 2. ⭐ 负例：所有源都失败
python scripts/fetch.py --series 600519.close --demo --force-fail
#    期望：status=unavailable，列出每个源的失败原因，**退出码 1**

# 3. 缓存与命中率（内容寻址 + TTL）
python scripts/cache.py --demo --keep-stats
#    期望：命中 + 未命中 + 命中率同时输出，退出码 0

# 4. ⭐ 负例：缓存内容被改写
python scripts/cache.py verify --corrupt
#    期望：检出内容哈希不一致，**退出码 1**

# 5. 新鲜度 SLA（演示：全部在 SLA 内）
python scripts/freshness.py --demo --fields 40
#    期望：新鲜度 100%，退出码 0

# 6. ⭐ 负例：存在超期字段
python scripts/freshness.py --demo --stale-rate 0.3 --fields 40
#    期望：列出超期字段清单，**退出码 1**

# 7. ⭐ 负例：存在无更新时点的字段
python scripts/freshness.py --demo --unknown-rate 0.2 --fields 40
#    期望：判 unavailable 且禁止插值，**退出码 1**

# 8. 口径归一转换表
python scripts/normalize.py --demo
#    期望：权威口径 244，禁用字面 252/240，退出码 0

# 9. ⭐ 负例：显式传入遗留年交易日系数 252
python scripts/normalize.py --value 0.01 --from-freq daily --legacy-factor 252
#    期望：判口径污染并拒绝，**退出码 1**

# 10. 口径污染审计（干净目录 / 含遗留写法的目录）
python scripts/normalize.py --audit --path scripts          # 退出码 0
python scripts/normalize.py --audit --demo-corrupt          # **退出码 1**

验收通过标准（全部满足才算过）：

1. 步骤 1、3、5、8 退出码为 0；
2. 步骤 2、4、6、7、9 与第 10 条的第二条命令退出码非 0（负例必须真的失败）；
3. 步骤 2 的 missing 非空且逐源列出失败原因（只报 unavailable 不列清单视为不合格）；
4. 步骤 8 输出中出现的年交易日系数只有 244，不得出现 252 或 240。

附 A：全队唯一对外取数出口（本包最重要的纪律）

> 本包是全队 21 员中唯一被允许访问外部数据源的成员。其余 20 员不直接取数。

> ⚠️ 为什么要立这条规矩：初代 9 员每个包各自取数，同一个标的在 9 个包里拿到 9 种口径的结果。
> 单出口不是为了集权，是为了让「口径不一致」这件事有唯一一个可以被追责和修复的地方。

附 B：与 CIO 的关系

本岗位受 sclass-orchestrator（首席投资官）调度，但在取数这件事上它比 CIO 更硬：

• CIO 通过 compile_plan.py 决定是否启用本岗位（凡涉及外部数据的任务均启用）
• 新鲜度闸门优先于进度：freshness.py 判定不合格时，本包拒绝交付，CIO 不得覆盖该判定
• 本岗位的产出（值 + 来源 + 时点 + 口径）作为其余 19 员的输入，不直接作为投资结论
• 本岗位不参与圆桌投票，只提供数据与缺失清单
• 独立安装本包也能运行，但推荐先装 CIO 以获得统一调度与数据层权威源

> 一句话：CIO 可以决定让谁出席会议，但决定不了某个字段是否超期。