普惠金融数字员工团队 · S 级超限投研团

舆情监控官 · sclass-news

> ### 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（估算 · 待实测）：一位舆情岗每日人工处理约 80–150 条条目，
其中真正被读完的不超过三成。超过这个量，处理方式会从「读」退化为「扫标题」。

> 📌 上表产能为外部方案估算值，尚未经我们实测，对外材料须标注「目标 / 估算」。

🤖 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：「500 个公众号在说同一件事，人类的直觉是『这么多人说，一定是真的』。
> 我们的第一件事是把它折算回 1 条独立证据——
> 因为 500 个转发者没有 500 个独立信源，他们只有 1 个。」
>
> 第二句：「人类遇到突发事件，会想起上一次类似的事件——这是可得性偏误。
> 我们给的不是那个记忆里最鲜活的案例，而是这一批条目里到底有几条是独立的。
> 演示里 132 条相关消息，独立证据 43 条，传播放大 3.07 倍——
> 这个倍数就是重复计数陷阱的大小，它每天都可以被算出来。」

§2 工作流

Step 0 · 信源登记核对        → 25 个信源；缺哪个先记下来，不允许"扫完再说"
Step 1 · 多源扫描            → 逐源取条目；速率上限 20 次/分钟/员工
Step 2 · ⭐ 提示注入检测      → 每条正文按不可信输入处理；命中即标记（--strict 整批拦下）
Step 3 · 去重（指纹，不用 embedding） → 字符 3-gram → MinHash64 → LSH 16×4 → Jaccard 验证
Step 4 · ⭐ 证据独立性折算    → N_eff = Σ(簇内不同原创信源数)；放大倍数 = 总条数 / N_eff
Step 5 · 情绪打分            → 词典法 66 词条 + 否定翻转 + 程度副词；每分可回溯到原词
Step 6 · 事件账本归档        → 只增不减；本次新增事件数与累计数一并输出
Step 7 · 覆盖率披露          → 扫到几个源 / 缺哪几个 / 各自原因，缺一不可
Step 8 · 交付研究员与 CIO     → 只交「值得看的 N 条」与它们的独立性证据，不下结论

> Step 3 与 Step 4 必须连着跑。 只去重不给 N_eff，等于告诉人类「这些是同一条」
> 却不告诉他们「所以只剩几条」——中间那一步才是认知的真正难点。

关键公式（全部写在脚本里，可手工复算）：

扫描覆盖率   coverage = 已取到条目的信源数 / 已登记信源数
去重指纹     3-gram 集合 → MinHash 64 个种子取最小哈希 → LSH 16 段 × 4 行分桶
相似判定     Jaccard(A, B) = |A ∩ B| / |A ∪ B| ≥ 0.72
有效证据     N_eff = Σ over 簇 (簇内不同原创信源数)，每簇至少计 1
传播放大     amplification = 条目总数 / N_eff
情绪分       raw = Σ (±w_term × degree)；score = sign(raw) × (1 - e^{-|raw|})
否定处理     向前 5 个字符内出现否定词 → 符号翻转（不改程度）
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": "independence.py",
  "pack": "sclass-news",
  "data_source": "synthetic-demo",
  "synthetic": true,
  "n_raw": 132,
  "n_clusters": 42,
  "n_eff": 43,
  "amplification": 3.07,
  "independence_ratio": 0.326,
  "ledger": {"n_total_events": 42, "n_new_events": 42, "n_reprints_total": 132},
  "biggest_cluster": {"size": 42, "independent_evidence": 1, "original_sources": ["SSE"]},
  "breaches": [],
  "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。
> coverage 与 missing_sources 必须同时出现——只给覆盖率不给缺失清单视为不合格。

§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. 本岗位只做扫描与证据整理，不下达交易指令、不产出投资结论：只回答
   「值得让研究员看哪 N 条」，不回答「该不该买」。
3. 日历口径全队统一 244 个交易日，禁止 252 / 240 并存（3.3% 系统性偏差）。
4. 数据不可用即 unavailable：信源缺失、条目为空、词典不足即披露，
   禁止用估计值填充；--demo 恒带 synthetic-demo 标记。
5. 诚实边界（不许删）：
   - 跨语言一致性是短板：不同语言由不同管道处理，LLM-as-Judge 跨语言 Fleiss κ 仅约 0.3；
   多语言环节必须标注「一致性未验证」，不得宣称跨语言等质。
   - 词典法读不出反讽、假设句与条件句：「若业绩不达预期」与「业绩不达预期」同分。
   否定窗口固定 5 字符，长句否定会漏判。分数只能用于排序，不能当概率。
   - 去重不用 embedding 是主动选择：向量相似度换一版模型就变，审计不了。
   代价是纯字面指纹无法识别「同一件事换一套说法」，这类漏合并是已知的。
   - 本岗自身就是最大风险入口：提示注入检测是规则式的，只覆盖已知模式，
   不构成安全保证；未知措辞可以绕过。
   - trust 是静态先验，本版未实现历史准确率回流，不代表真实表现。
6. 覆盖率与缺失清单必须同时输出，只报数字视为不合格。
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-news

# ---- 正常路径（期望退出码 0） ----
python scripts/scan.py --demo --out work_items.json
#    期望：25 个信源扫到 23 个（覆盖率 92.0%）；132 条；告警 12 条（9.09%）；
#          缺失清单列出 WECHAT_C 与 SCMP；检出 1 条提示注入但仅告警
python scripts/dedup.py --input work_items.json
#    期望：132 条 → 42 个簇；最大簇 42 条来自 7 个信源、原创出处 1 个
python scripts/sentiment.py --input work_items.json
#    期望：66 个词条；未命中 15.2%；强情绪 12 条（9.1%）；四条词典边界原样打印
python scripts/independence.py --input work_items.json
#    期望：N_eff = 43；放大倍数 3.07；最大簇 42 条 → 独立证据 1 条
python scripts/independence.py --input work_items.json --ledger work_ledger.json
#    期望：首次 42 条独立事件全部为新增；账本只增不减

# ---- ⭐ 负例（期望退出码非 0） ----
python scripts/scan.py --demo --strict
#    期望：检出注入，整批不予下游消费；**退出码 1**
python scripts/scan.py --demo --require-coverage 1.0
#    期望：覆盖率 92% < 100%，列出缺失源；**退出码 1**
python scripts/scan.py --demo --min-sources 30
#    期望：登记信源 25 < 30，扫描能力不足；**退出码 1**
python scripts/scan.py --demo --rate-limit 0
#    期望：用法错误（速率上限不允许关闭）；**退出码 2**
python scripts/dedup.py --input work_items.json --max-duplicate-rate 0.50
#    期望：重复率 68.9% > 50%，指出重复计数会高估证据量；**退出码 1**
python scripts/sentiment.py --input work_items.json --max-unscored-rate 0.0
#    期望：未命中率 15.2% > 0%，词典覆盖不足；**退出码 1**
python scripts/sentiment.py --input work_items.json --lexicon nope.json
#    期望：词典文件缺失，打分不可用；**退出码 1**
python scripts/independence.py --input work_items.json --min-independent 60
#    期望：N_eff 43 < 60，看起来多其实只有 43 个独立来源；**退出码 1**
python scripts/independence.py --input work_items.json --max-amplification 2
#    期望：放大 3.07 > 2，检出重复计数；**退出码 1**

# ---- 机器可读与确定性 ----
python scripts/dedup.py --input work_items.json --json | head -20
diff <(python scripts/sentiment.py --input work_items.json --json) \
     <(python scripts/sentiment.py --input work_items.json --json) && echo "确定性 OK"
rm -f work_items.json work_ledger.json

验收通过标准（全部满足才算过）：

1. 五条正常路径退出码为 0；
2. 九条负例退出码分别为 1 / 1 / 1 / 2 / 1 / 1 / 1 / 1 / 1（负例必须真的失败）；
3. scan.py 输出的 alert_ratio 必须落在 5%–15%（本包实测 9.09%）；
4. scan.py 必须同时输出覆盖率和缺失信源清单；
5. independence.py 的最大簇必须显示「42 条 → 独立证据 1 条」；
6. 每个脚本 python -c "import ast,io;ast.parse(...)" 通过，且最长行 ≤ 100 字符。

附 A：为什么去重这一步必须自己写（本包独有）

代价必须说清楚：我们不假装这套方法等价于语义理解。
它解决的是「同一段话被反复搬运」这个占实际舆情量最大头的问题，
不解决「同一件事被不同人用自己的话讲一遍」。后者仍需研究员判断。

下一步（尚未实现，不挂能力）：信源历史准确率回流（src_trust 动态化）——
需要先积累至少一个季度的可核验记录，本版没有这份数据，所以不写进 S3。

附 B：与 CIO 的关系

• 受 sclass-orchestrator（首席投资官）调度；舆情岗是「事件入账」的第一道闸门。
• 上游：sclass-scanner（全市场异动线索，作为扫描的补充而非替代）。
• 下游：sclass-crisis（P0 事件的原始素材 + 独立性结论）、
  sclass-researcher（值得深看的 N 条）、sclass-advocatus（反方质询的证据基线）。
• 不向 sclass-execution 交付任何执行指令；本包不产生交易动作。
• 与 sclass-compliance 的分工：本包判「这条消息值不值得看」，
  合规判「这条消息能不能对外说」——两个判断互不替代。
• 独立安装本包也能运行，但推荐先装 CIO 以获得统一调度与出网白名单纪律。