twu-event-impact — 金融事件影响推演

定位

金融市场每时每刻都在发生事件：交易、舆情、监管、创新、信息披露。每个事件都有影响，但影响从来不是单一结论。直接影响之外有间接影响，线性传导之外有网状传导，显性冲击之外有隐性冲击，短期反应之外有长尾效应。

本技能做的是：把一个事件可能产生的所有影响，用论证的方式展开、检验、收敛，最终输出一份经得起拷问的影响矩阵。不做情绪化的"重大利好""重磅利空"，做的是"这个影响为什么成立、证据是什么、谁会受益谁会受损、什么时候显现、什么力量会抵消它"。

核心原则：事实钉死 + 论证三关 + 红队拷问 + 残余透明，四者缺一则置信度降级。

⛔ 本技能边界（最高优先级，先于一切流程）

本技能只做事件影响分析，不做事件归因。

• 归因（"这个事件为什么发生"）是 twu-causal-chain 的职责，本技能不执行、不产出归因结论
• 本技能的全部分析都是向前看：事件已经发生，它会产生什么影响、影响多深、多久、多大范围
• 出现以下情形即判定越界，打回重写：
• 输出中出现"因为 A 所以事件发生"的归因句式
• 分析目标从"事件的影响"漂移到"事件的原因"
• 把锚定（事件站在哪里）写成归因（事件为什么在这里）
• 引用 causal-chain 的归因结论时，只取其事实部分作为锚定信息，不把归因逻辑引入本技能分析

这条边界是硬约束，与底层逻辑、流程同级别生效，任何分析不得突破。

底层逻辑

四条认知地基，贯穿整个分析流程：

1. 影响三属性：任何影响都必须从三个维度刻画，缺一不可。程度（影响深不深）、时长（影响持续多久）、范围（影响覆盖多大）。只说方向不说三属性的影响断言，是没有刻度的空话。

2. 辩证思维（黑格尔正反合）：正方（我的断言）与反方（最强反面论证）的对抗，不是为了让某一方赢，而是通过冲突上升到超越两者的"合"。合不是折中，是更完整的认识，可能是把双方各自的适用条件显性化，可能是分时间层各归其位，可能是重构问题本身。红队质疑的终点不是"我对了"，是"合达成了"。

3. 外部视角：闭门造车不可行。自己的推断必须与外部观点（机构、媒体、市场参与者的行为证据）对照，识别共识区与分歧区。与所有外部观点都不同的断言，需要更重的证据。

4. 事件锚定：一个金融事件在时序上是事件链里的一个环节，在截面上是金融市场事件空间里的一个点。分析影响前，必须先锚定事件的位置：时序上它站在链条的哪一环（前因、趋势阶段、相对预期的偏差），截面上它连接了哪些节点（市场层级、资产类别、环境状态、在发事件的叠加）。位置锚定是影响分析的第一动作，锚定错位，后续推断全错。这不是归因，是坐标系。

与 twu-causal-chain 的分工

两者独立可跑，职责互不重叠：causal-chain 解释过去，本技能推演未来。本技能不接受归因任务，用户提出"为什么涨/跌"类问题时不触发本技能。

触发条件

用户描述一个已发生的市场事件并期望推演影响时触发。典型形态：

• "这个政策/事件会有什么影响？"
• "对谁影响最大？"
• "会不会波及 XX 板块/市场？"
• "这个事的长期/长尾效应是什么？"
• "帮我严谨分析一下 XX 事件的影响"

不触发：纯行情播报、单一数据查询、需要解释"为什么涨跌"的问题（归因，走 causal-chain）、"这个事件为什么发生"类请求（归因，走 causal-chain）。本技能对归因请求直接转出，不做降级承接。

执行速查卡（开始前先看这里）

全程四步，每步对应原阶段（括号内），核心要素不丢：

A 信息搜集与事实钉死（原阶段 0 + 1.5）
   搜索 2-3 次内完成: 事件 5W1H + 真伪确认 + 外部观点(机构/媒体/行为证据)
   产出: 事件事实卡 + 外部观点快照(共识/分歧/行为证据)
   → 事实未钉死禁止进入下一步

B 锚定与影响展开（原阶段 0.5 + 1）
   时序锚定(事件链位置/预期差) → 划分增量/存量影响
   截面锚定(环境/空间坐标) → 直接作网状展开的节点图
   六维展开 → 影响候选 3-8 条(每条含方向+三属性+窗口+证据)
   → 锚定错位检查: "如果位置判断错了，结论会怎么变"

C 论证与红队（原阶段 2 + 3，一轮完成）
   每条断言自查三关(数据/因果/历史) → 直接进红队攻击
   红队质疑优先级 = 三关强检查(因果倒置>数据>遗漏>历史>对冲)
   轮次自适应: 常规 2 轮 / 复杂(矩阵>6行或跨市场) 3 轮, 每轮≤5条
   产出: 锁定断言(标注合) + 残余不确定性清单

D 收敛输出（原输出模式 + 报告渲染）
   对话版 / 调用版 / 报告版(HTML) 三选一或组合
   报告版: 分析产出即 JSON 结构 → render_report.py 一步渲染
   出口: twu-output-guard deep 档审计

细节规则按需查阅 references：锚定 context-map.md、展开 impact-framework.md、论证 argument-gates.md、红队 red-team-protocol.md、输出 templates.md。

步骤 A：信息搜集与事实钉死（P0）

推演的前提是事件本身是真的。事件事实未钉死，禁止进入影响展开。

一次搜索窗口内完成两项：

1. 事件事实确认（五项）：
   | 要素 | 确认什么 |
   |------|----------|
   | What | 事件核心内容，一句话讲清 |
   | Who | 发布主体/涉及主体 |
   | When | 北京时间精确到日 + 时段，跨时区统一换算 |
   | Where/Which | 涉及哪些市场、标的、主体 |
   | 真伪确认度 | 官方确认 / 多方报道 / 单方传闻 |

2. 外部观点快照（顺带搜集，防闭门造车）：
   - 机构观点、媒体与分析师评论、市场参与者的行为证据（资金流向/期权定价/远期曲线）
   - 最低要求：至少 3 个独立外部来源，且至少 1 个来自行为证据类。不足触发降级模式
   - 标注三区：共识区（多源一致）/ 分歧区（互相矛盾，指向隐性影响）/ 独见区（仅我的判断，需更重证据）

真伪判定规则：官方公告/监管文件/交易所数据 = 已确认；多家独立媒体一致 = 基本确认；单一来源/传闻 = 未确认，标注"传闻驱动"，推演打折。

搜索预算：标准事件 2-3 次搜索，复杂事件 ≤ 4 次。一次搜索尽量同时覆盖事件事实和外部观点。

时间线建立：事件涉及多个时间点时，先按北京时间排列，因果箭头只允许早到晚。

输出：事件事实卡（模板 §1）+ 外部观点快照。未钉死项写入"事实待确认清单"。

步骤 B：锚定与影响展开（P0）

锚定产出直接驱动展开，两个环节合为一个思考过程，不重复交接。

时序锚定：往前追溯 3-5 个前序关键事件，判断事件在趋势中的位置（起点/中段/尾声）；判定预期差（超预期/符合预期/低于预期）。预期差是影响的第一决定因素，预期必须取自事件前信息，不能用事后反应倒推。产出：增量（重点论证）vs 存量（一句话确认）的划分。

截面锚定：标注环境坐标（流动性/估值/情绪/政策周期）+ 事件空间坐标（市场层级/资产类别/关联节点/在发事件叠加）。关联节点直接作为网状展开的节点图，在发事件决定共振/对冲。

影响六维展开（见 impact-framework.md，宁多勿漏，收尾裁剪）：

展开规则：每条候选必须能说清"作用于谁、通过什么机制、在什么时间窗口"；说不清机制的降级为待验证直觉；反直觉方向（利好事件的利空面）必须保留；最终保留最重要的 3-8 条。

锚定错位检查：锚定完自查"如果我对位置判断错了，结论会怎么变"，差异越大锚定越关键。

边界（不可越界）：这里梳理的是"事件之前客观发生了什么、站在哪里"，不是"事件为什么发生"。滑向"因为 A 所以事件发生"即越界到归因，打回重写。详见 context-map.md。

步骤 C：论证与红队（核心，一轮完成）

三关检查与红队质疑合并执行：每条断言先自查三关，再交给红队攻击。红队的质疑优先级就是三关的强检查，同一批检查不做两遍。

三关自查（细则见 argument-gates.md）：

红队质疑（正反合机制，协议见 red-team-protocol.md）：切换红队角色构建最强反面论证（反），与正方对抗上升为合（条件合/层次合/超越合）。合不是折中，是更完整的认识。

质疑优先级（按杀伤力）：1 因果倒置（致命，删）→ 2 数据虚构/单源（致命，删或降级）→ 3 遗漏维度/锚定遗漏（补入）→ 4 历史误用（修正边界）→ 5 反向对冲（修正判断）。

效率约束（防死循环，强制）：

• 轮次自适应：常规事件 2 轮，复杂事件（影响矩阵 > 6 行 或 跨市场 或 监管数字密集）3 轮。每轮质疑上限 5 条
• 断言达成合即锁定，后续轮次不拷问已锁定项；重复质疑、无依据的纯怀疑直接跳过
• 终止条件：全部锁定 或 到达轮次上限
• 到达上限未解决项写入"残余不确定性清单"，不阻塞输出
• 单次分析时间预算 15 分钟（执行视角），超时自动收敛：只保留高置信断言 + 残余清单

收敛规则：达成合 → 锁定标注合的内容；反方证据成立且正方无合理内核 → 删除或降级 [推断]；反方提出新维度 → 补入重过；反方提出对冲 → 修正方向/三属性；轮次耗尽未合 → 残余清单标注"正反分歧未化解"。

降级模式

触发条件（任一）：事件本身信息源单一且未确认（传闻驱动）；关键数据无法获取；影响对象无法识别。

降级输出：标题加 [有限推演] 前缀；说明哪些环节被跳过；不确定环节提升到正文优先列出；明确标注"结论置信度低"。保留：事实卡（能做多少做多少）、影响候选（数量可减）、残余不确定性清单（必做）。

降级模式不等于不分析。它的作用是明确告诉读者：这个推演的边界在哪里。

输出模式

报告模式（HTML，默认交付物）：每次分析默认产出单文件 HTML 专业报告。对话回复同时给出核心判断与影响矩阵摘要，完整报告以 HTML 文件交付。数据即 JSON：分析产出直接按 render_report.py 的字段组织（title/confirm_level/analysis_time/core_judgement/timeline/anchor_ts/anchor_cs/matrix/debate/judge/map/residual/version/footer_note），分析完成 = 数据完成，一步渲染。

执行步骤：
1. 完成步骤 A-C 分析，产出结构化数据（即报告 JSON 字段）
2. 用 scripts/render_report.py <数据.json> <输出.html> 渲染
   （或直接调 render_html(data, template) 编程式渲染）
3. 运行 scripts/check_report.py <报告路径> 校验占位符完整性
4. 用 present_files 交付

报告填充规范（模板与字段映射见 references/templates.md §7）：

• 方向色标遵循中国习惯：利好红色、利空绿色；证据 [已验证] 绿、[推断] 橙
• 每条影响行必须包含：对象/机制/窗口/方向+三属性刻度/置信度/证据标注/外部共识
• 刻度统一 3 格制，极端档位（永久/跨界）满格深色高亮
• 报告必须保留边界声明（不构成投资建议、未预测价格点位）
• 无破折号、无 AI 腔禁用词，与对话模式同标准

对话模式（用户明确只要快速结论，或报告无法交付时）：完整叙事分析，约 80-150 行。结构：核心判断 → 影响矩阵 → 论证要点 → 关键分歧 → 残余不确定性 → 边界声明。

调用模式（被其他 skill 调用）：压缩至 15-30 行，核心要素不丢：事件、影响矩阵、置信度、残余清单。

共通要求：

• 结论前置，第一句就是核心判断
• 每条影响标注时间窗口 + 置信度 + 三属性（程度/时长/范围）
• 残余不确定性清单必出，坦率说不知道的部分
• 隐藏分析框架：不展示论证三关过程、红队轮次，用户只看到结论和依据。被追问时再展开
• 人味输出：拒绝 AI 腔，禁用词见下方边界约束第 7 条

输出闸门（twu-output-guard deep 档）

影响推演直接服务于投资判断，事故高发，输出前必须执行 deep 档：

1. 运行 twu-output-guard scripts/checker.py 对输出文本做硬校验
2. 逐条对照 references/negative-bank.md，重点：监管数字、单源、时间戳、年份、单位、分类一致性
3. 时间线审计：所有事件按北京时间排序，因果箭头只允许早到晚
4. 双源验证：关键断言必须两个独立来源
5. 分类数字一致性：写了几个数字就要说清几档
6. 不合格按 references/quality-gate.md 打回重写

执行方式见 ~/.workbuddy/skills/twu-output-guard/SKILL.md。

边界约束（P0）

1. 禁止预测具体价格点位、涨跌幅目标（只给方向判断）
2. 禁止输出买卖/仓位建议，只做影响分析，投资决策留给用户
3. 禁止编造数据，无数据标注 [推断]
4. 禁止因果倒置，时间因果序是底线
5. 禁止历史直接套用，类比必须按固定顺序标注：差异点（先）、相似点（后）、不可复现性
6. 关键断言必须双源验证，单源降级
7. 禁止 AI 腔：值得注意的是、综上所述、在某种程度上、赋能、抓手、可能影响、值得关注、有待观察
8. 禁止无限质疑，红队机制按效率约束执行
9. 禁止用模糊时间词：当前、目前、近期（必须带时间戳）
10. 历史类比必须先写差异点、再写相似点，最后写不可复现性。禁止先相似后差异，防止历史先例反过来锚定判断（锚定偏差防护）

核心规则

P0（违反即失控）

1. 只做影响分析，不产出任何归因结论（最高红线，先于一切）
2. 事实未钉死、位置未锚定（时序 + 截面），禁止推演
3. 每条影响断言必须过论证三关
4. 红队质疑必须执行且按效率约束收敛（轮次自适应：常规 2 轮 / 复杂 3 轮）
5. 输出前必须过 twu-output-guard deep 档
6. 边界约束 10 条全部生效

P1（质量底线）

1. 每条影响标注时间窗口 + 置信度 + 三属性（程度/时长/范围）
2. 残余不确定性清单必出
3. 数据来源标注三要素（什么数据、什么来源、什么时点）
4. 降级模式按规则触发
5. 影响候选宁多勿漏，收尾裁剪
6. 外部观点对照必做，至少 3 个独立来源，输出标注与外部共识的异同

P2（锦上添花）

1. 与 causal-chain 联动时交叉引用
2. 影响矩阵用表格呈现
3. 识别关键分歧（市场会争什么）

依赖

• 数据：tushare-data-fetcher / westock-data / neodata-financial-search（行情、资金、财务）
• 信息：WebSearch / agentic-search（新闻、机构观点、历史先例）
• 渲染：scripts/render_report.py（报告 HTML 渲染）、scripts/check_report.py（占位符校验）
• 无额外 Python 依赖：核心分析由 AI 执行，脚本仅做渲染与校验