普惠金融数字员工团队 · S 级超限投研团

ESG 研究员 · sclass-esg

> ### 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）

人类产能基线（B 级 · 待实测转正）：ESG 专员年评 200 家。

> 📌 上表为外部方案提供的估算值，尚未经我们实测，对外材料须标注「目标 / 估算」。
> 转正方式：记录本岗位 100 家主体评估的真实耗时与返工率。

🤖 二、对标全球顶尖 AI（S2）

> 📌 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。
> 它的主要价值在 S1——把只有头部机构才养得起的 ESG 研究岗降下来。
> 「我们不提供 ESG 评级」是能力边界的诚实声明，不是能力本身，因此不占用 S3 名额。

🔑 最强叙事点（路演必讲）

> 第一句：「人类只能追 Tier 1。我们默认追到 3 层，可到 5 层。
> 本包内置了反事实对照：只追 Tier 1，会漏掉 88% 的争议事件（8 条里只看到 1 条）。
> 这不是"看得更全一点"，这是看不看得见的区别。」
>
> 第二句：「我们不提供 ESG 评级。 因为没有 ground truth——
> 不同机构的 ESG 评级之间平均秩相关只有 0.495。
> 在这种情况下再给一个"我们的评分"，只是给分歧多加一个分歧者。
> 我们提供的是分歧本身。」

§2 工作流

Step 0 · 取数请求交给 sclass-data（ESG 披露、评级、供应链关系、媒体源）
        ⛔ 本包不自行访问任何外部数据源
Step 1 · esg_score.py：E/S/G 三维加权打分
        维度内 Σ(w×s)/Σ(w)；维度间按 0.40 / 0.30 / 0.30 加权
Step 2 · 覆盖率闸门：任一维度可用权重 < 0.70 → 该主体判 unavailable，退出码 1
Step 3 · supply_chain.py：从核心企业 BFS 分层映射（默认 3 层，可到 5 层）
Step 4 · 争议事件扫描：遍历映射范围内**全部层级全部节点**，不抽样、不只看 Tier 1
Step 5 · ⭐ 反事实对照：同时报告「只追 Tier 1 会漏掉多少条」——这是可验证的代价
Step 6 · esg_score.py --check-consistency：披露声称 vs 可观测行动逐条核对
        ⚠ 不一致 ≠ 造假（可能是口径差异或时滞），因此**只披露、不下结论**
Step 7 · divergence.py：多机构评分的极差 / 标准差 / 变异系数 / 两两 Spearman
        输出**分歧呈现**，不给"我们的评分"；极差超阈值 → 退出码 1

> Step 6 的分寸很重要：把不一致直接判成"漂绿"是最容易博眼球、也最容易出错的做法。
> 因此本包只写 inconsistent，不写 greenwashing。

§3 输出契约

{
  "schema_version": "sclass-1.0",
  "esg_score": {"n_entities": 3,
                "rows": [{"entity": "ENT_003", "total": 64.08,
                          "dims": {"E": 58.8, "S": 59.4, "G": 75.9},
                          "inconsistencies": []}]},
  "supply_chain": {"core": "CORE_MFG", "max_tier": 3, "n_nodes_mapped": 15,
                   "n_events": 8, "n_events_tier1_only": 1,
                   "n_events_missed_if_tier1_only": 7,
                   "severity_hist": {"low": 1, "medium": 3, "high": 3, "critical": 1}},
  "divergence": {"agencies": ["AG_A", "AG_B", "AG_C", "AG_D"],
                 "avg_spearman": 0.495, "n_over": 0,
                 "rows": [{"entity": "ENT_001", "range": 23.92, "stdev": 10.19}]},
  "statement": "我们不提供 ESG 评级，我们提供 ESG 分歧的结构化呈现与争议事件扫描",
  "data_source": "synthetic-demo | live"
}

> 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。
> statement 字段必须随每份输出一起出现，不得删除。

§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%）。
   → ESG 证据链长，减少加工步数比提升单步质量更有效。
2. ⭐ ESG 评级分歧极大，无 ground truth。
   → 本岗位的输出必须是分歧呈现，不是"给出我们的 ESG 评分"。
   → 对外必须声明：「我们不提供 ESG 评级，我们提供 ESG 分歧的结构化呈现与争议事件扫描。」
3. 披露与行动不一致 ≠ 造假：可能是口径差异、合并范围变化或时滞。
   本包只输出 inconsistent，不输出 greenwashing。
4. 指标覆盖率不足 0.70 的主体判 unavailable，禁止用剩余指标硬凑一个 ESG 分数。
5. 供应链关系数据本身不完备：未披露的上游无法映射，映射不全必须披露，不得假装全可见。
6. 演示模式（--demo）使用合成样本，输出标注 synthetic-demo，
   不得作为真实 ESG 结论引用。真实使用须由 sclass-data 供数。
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-esg

# 1. ESG 三维打分（演示：3 个主体）
python scripts/esg_score.py --demo
#    期望：E/S/G 三维分与总分同时输出，退出码 0

# 2. 披露—行动一致性核对（默认只披露，不失败）
python scripts/esg_score.py --demo --check-consistency
#    期望：列出不一致条目，退出码 0

# 3. ⭐ 负例：检出不一致即失败
python scripts/esg_score.py --demo --check-consistency --fail-on-inconsistency
#    期望：检出 6 条不一致，**退出码 1**

# 4. ⭐ 负例：指标覆盖率不足
python scripts/esg_score.py --demo --drop-rate 0.6
#    期望：判 unavailable 并列出缺失指标，**退出码 1**

# 5. 供应链多层级映射与争议扫描
python scripts/supply_chain.py --demo
#    期望：15 个节点 / 8 条争议，并给出「只追 Tier 1 会漏掉 7 条」，退出码 0

# 6. 加深映射层数
python scripts/supply_chain.py --demo --tiers 5
#    期望：映射层数 5，退出码 0

# 7. ⭐ 负例：出现 high 及以上争议
python scripts/supply_chain.py --demo --fail-on-controversy high
#    期望：列出 high/critical 争议，**退出码 1**

# 8. 多评级分歧呈现
python scripts/divergence.py --demo
#    期望：给出极差/标准差/变异系数与两两 Spearman，退出码 0

# 9. ⭐ 负例：分歧过大
python scripts/divergence.py --demo --fail-on-range 30
#    期望：极差超阈值的主体被列出，**退出码 1**

验收通过标准（全部满足才算过）：

1. 步骤 1、2、5、6、8 退出码为 0；
2. 步骤 3、4、7、9 退出码非 0（负例必须真的失败）；
3. 步骤 5 必须输出反事实对照数字（只报争议总数不报"漏掉多少"视为不合格）；
4. 步骤 8 的跨机构平均秩相关必须被打印（不打印则无法支撑"无 ground truth"这一声明）。

附 A：ESG 没有 ground truth，所以我们不给评级

> 这一节不是免责声明，是本岗位的核心论点。

> ⚠️ 一句话：在没有 ground truth 的领域，诚实的形式是呈现分歧，不是给出答案。

附 B：与 CIO 的关系

本岗位受 sclass-orchestrator（首席投资官）调度：

• CIO 通过 compile_plan.py 决定是否启用 ESG 岗（"ESG / 可持续 / 供应链 / 争议"类任务启用）
• 取数一律经 sclass-data，本包不自行访问外部数据源
• 本岗位的产出（争议清单 + 分歧呈现 + 一致性核对）作为 sclass-researcher 与
  sclass-risk 的输入，不直接作为投资结论
• 本岗位参与圆桌，但不投方向票——ESG 提供的是风险与分歧，不是买卖方向
• 独立安装本包也能运行，但推荐先装 CIO 与 data 以获得统一调度与数据层

> 一句话：ESG 岗告诉你"这条供应链的哪一层出了什么样的争议，以及各家评级吵得有多凶"。
> 它不告诉你"这家公司的 ESG 好不好"——因为这个问题目前没有可信的答案。