twu-event-predict

金融事件预测与未来事件链推演（displayName：金融事件预测与未来事件链推演）

定位与边界

归因回答"为什么发生"，影响回答"会怎样影响"，本技能回答更难的问题：接下来会发生什么。给定当前事件网络的状态，推演出未来事件链会长成什么样：主链走哪条路、什么条件下会拐进分支、每一步的前置信号是什么、整条链的置信度有多高。

⛔ 职责边界（P0，最高优先级）：

1. 本技能只做预测，不做归因。输出中出现"因为 A 所以事件发生"的归因句式即越界，归因任务转 twu-causal-chain。
2. 本技能不输出影响矩阵。预测链中每个未来节点会产生什么后果，只作为评估该节点重要性的维度（一句话刻画），不展开成影响分析。用户要"这个事件会有什么影响"时转 twu-event-impact。
3. 预测节点一律标注 [预测态]，与已发生事实严格区分。预测不是事实，是带条件的假设，条件不满足即为落空。
4. 禁止预测具体价格点位、涨跌幅目标，只给方向判断，不给买卖/仓位建议。

底层哲学（P0，贯穿一切）

第一原理：事件不在真空

任何事件同时位于两条坐标轴上：

• 时序轴：它是事件链上的一个环节，往前有前因，往后有后果。预测就是沿着这条轴，从当前环节走向未来的环节。
• 截面轴：它是事件网络里的一个节点，与网络里其他在发事件互相推、互相堵、互相带偏。预测未来事件链时，每走一步都要问：这个未来事件会被网络里哪些在发事件推动、阻碍、改道？

网络交互不是修饰，是预测的主变量。 孤立地推演一条链而忽略网络共振/对冲的预测，是纸上谈兵。

第二原理：预测的诚实形态

预测的本质是"带条件的假设 + 可判定的裁决信号"。

• 无条件断言（"一定会发生 X"）不是预测，是占卜。预测的合法形态是："在 C 条件下，X 的论证链成立；C 的判定信号是 S；如果 X 发生，我们会在 T 窗口内看到 V"。
• 没有裁决信号的预测无法被验证，无法被验证的预测与占卜无异。

第三原理：分歧是有价值的输出

多轮正反拷问收敛后：

• 高共识：主链核心节点锁定或条件化锁定 → 预测论证链完整、数据支撑扎实。
• 大分歧：核心节点正反未化解 → 未来走势很难确定。这不是预测失败，是预测的诚实形态：输出分歧图景、双方论据、裁决信号，标注"哪些点需要等什么数据才能定"。

假装全知是预测的大忌。明确说"我不知道，但我知道怎么才能知道"，比含混说"我判断会怎样"专业得多。

第四原理：三路输入，不闭门造车（P0）

金融市场不是纯理论的教科书，现实数据也有多种解读。任何预测节点必须同时吸收三路输入，缺一路即为闭门造车：

三条铁律：

1. 理论逻辑和现实情绪同样重要。情绪（恐慌/贪婪/共识拥挤）不是噪音，是定价的一部分。观点路里至少 1 个行为证据类（资金流向/期权定价/远期曲线），行为比言论诚实。
2. 现实数据有多种解读。每个关键数据必须主动列出至少一种最强反向解读（同一数据怎么读出相反结论），这个反向解读进入反方拷问。数据只说"是什么"，不自动等于"意味着什么"。
3. 结论从三路提炼。三路同向 → 支持充分；理论+事实同向但观点分歧 → 拷问重点；观点强但理论/事实弱 → 怀疑为情绪驱动，标注。最终结论必须能说清"理论怎么支撑、数据怎么支撑、市场怎么看、我为什么认同/背离"，不能只报一路。

⛔ 最强逻辑约束：咬合论证（P0 · 最高优先级 · 用户 2026-08-13 钦定）

本 skill 的第一铁律，优先级高于一切流程细节。任何轮次的拷问违反此约束，一律打回重写。

多轮拷问是螺旋式咬合论证，不是轮次堆砌。序列必须严格为：

A1 → B1 → A2 → B2 → A3 → B3 → ……

（A=正方，B=反方，数字=轮次；A1 是正方首轮完整论证）

三条铁律：

1. 后一项必须针对前一项。B(N) 攻击 A(N)；A(N+1) 必须回应 B(N)（反驳 / 接受修正 / 补针对性证据）；B(N+1) 攻击 A(N+1) 的回应。任何一轮脱离前一轮的回应，即为断链。
2. 禁止开新话题。正方轮 N+1 若提出与 B(N) 攻击无关的全新论点，判定"未回应攻击"，本轮打回。正方必须先回应攻击，新论据只能作为回应的支撑引入，不能独立成轮。
3. A1 完整度是根。所有支持论据必须在 A1（正方首轮论证）完整给出。若反方攻击后，正方需要引入 A1 未包含的全新论据来回应，说明 A1 没考虑全。处理不是继续堆轮次，而是回到 A1 重写（把漏掉的论据并入首轮论证，重新走 B1 之后）。

咬合检查（强制）：每一轮 pro 必须以"回应 B(N-1)：……"开头（A1 除外）；裁决者每轮自问"正方是否回应了上一轮反方的攻击？反方是否攻击了正方上一轮的回应？"任一为否，本轮无效，标注断链原因后打回。

为什么这是最强约束：断链的拷问等于各说各话，轮次越多噪音越大。咬合保证每一轮都在前一轮的地基上前进，论证是收敛的、可审计的。A1 完整度检查则逼出"首轮就想全"，从源头消灭补丁式论证。

触发条件

用户期望推演未来事件链时触发。典型形态：

• "XX 事件之后，接下来会发生什么？"
• "帮我预测一下 XX 方向的未来"
• "未来一个月/一季度，XX 会怎么发展？"
• "这个趋势的下一步是什么？"
• "推演一下 XX 的未来事件链"

使用示例（TRACE 示例充分性）

输入示例（用户原话即可触发）：
- "最近医药板块走势不错，预测一下未来医药行业的走势如何？"
- "昨天美联储公布了 CPI 数据，这对未来一个月 A 股大趋势有什么影响？"
- "推演一下央行三季度货币政策的未来事件链"

输出形态：单文件 HTML 预测报告（也可对话模式），结构固定：预测摘要卡（核心判断 + 共识度徽章）→ A 锚定与网络快照 → B 未来事件链（竖向树，主链节点 + 条件分支）→ C 共识度判定与关键分歧 → C' 多轮拷问实录（按节点分组、正反左右对峙）→ 裁决信号清单 → 残余不确定性 → 边界声明。每条预测链带裁决信号，供用户后续自行验证。

输出示例（核心判断摘要卡形态）：

> 医药板块修复行情未结束，但已从普涨进入震荡分化阶段。政策端创新药连续三年写入政府工作报告，业绩端 BD 出海半年 1100 亿美元开始兑现，估值端指数 PE 处于近三年 11% 分位。但 8 月中旬板块已现分化，医药 ETF 份额不升反降，公募对"阶段性修复 vs 趋势性机会"存在分歧。判断：震荡中分化、催化中验证，9 月医保测算与临床数据是第一个验证窗口，11 月医保目录公布决定谁留下谁掉队。共识度：中共识，方向可信，节奏与幅度不确定。

变更日志（changelog）

• 1.1.0（2026-08-13）：删除回验功能，回归纯预测定位。移除预测台账（data/predictions.jsonl）、check_predictions.py、回验自动化任务机制、命中率校准回流。预测报告保留裁决信号与验证窗口（作为用户自行验证的指引），不再自动追踪回验。文件结构精简为 SKILL.md + 3 references + 2 scripts + 1 template。
• 1.0.1（2026-08-13）：全面审计合并升级。①references 4→3（consensus-gauge 并入 templates.md §2.1 共识度判定标准）；②节点 schema 单一来源化（predict-framework §2 改引用 templates.md §1/§4）；③SKILL.md 瘦身 57 行（A3/B1/B3/C2/C3/C4/D3/共识度章节执行细节改引用，只留决策层）；④台账 --add 分支节点处理修正（无 node_id 的简化分支节点不入台账）与跳过文案修正；⑤D2 台账表述同步。逻辑/框架/功能零变更，第三次实战（医药两周预测）质量闸门一次通过验证。
• 1.0.0（2026-08-13）：SkillHub 格式梳理首版。补齐 category/platforms 字段、H1 与 name 对齐、新增使用示例与变更日志章节；整合此前 5 轮反馈的全部迭代（三路输入、每节点 ≤10 轮拷问、咬合铁律、残余三类准入、事件三分法、叙述化专业表述、模板化生成、质量闸门 v2、台账 --add 接口）。

输入两种模式（统一锚定流程）：
- 事件驱动：输入一个已发生事件，预测它接下来会引发什么新事件。
- 方向驱动：输入一个演进中的方向/主题（如"AI 资本开支周期""地产政策"），预测其未来事件链。

不触发：纯行情播报；"为什么涨跌"（归因，转 causal-chain）；"这个事件会有什么影响"（影响，转 event-impact）；简单数据查询。

执行速查卡（开始前先看这里）

A 状态锚定与网络快照
   事件锚定(时序+截面) → 相关在发事件检索(event-graph) → 外部预期基线
   产出: 锚定卡 + 网络快照 + 市场预期共识
   → 锚定错位禁止推演

B 未来事件链推演
   主链: 论证最完整的路径 3-6 个节点
   分支: 条件触发(如果 X 发生 → 走分支 Y)
   网络交互: 节点与在发事件的共振/对冲/竞合
   每个节点: 事件候选+触发条件+时间窗口+前置信号+推理链+证据+裁决信号
   → 所有节点标 [预测态]，禁止概率量化

C 多轮拷问（grill-me 金融版，本技能的灵魂）
   正方: 为每个关键节点构建最强论证
   反方: 一次一攻、每攻带推荐修正、深度优先、能查证先查证
   轮次上限 10, 高效前提下尽量多拷问, 锁定即停
   收敛为合(条件合/时间分层合/超越合) → 共识度判定
   产出: 完整拷问实录 + 共识度徽章 + 分歧清单

D 收敛输出
   预测结论(主链+分支) + 共识度声明 + 触发信号清单 + 裁决信号
   报告渲染 HTML + check_report.py 质量闸门 + twu-output-guard deep 档

细节规则按需查阅 references：推演 predict-framework.md、拷问 grill-protocol.md、共识度与输出 templates.md。

步骤 A：状态锚定与网络快照（P0）

预测的前提是知道"现在站在哪里"。锚定错位，推演全错。

A1 事件锚定（两维）

预期差是预测的第一输入：市场预期已充分定价的东西，不会成为未来事件链的驱动；真正的预测价值在预期差的缺口上（市场没 price in 什么）。预期必须取自当前信息，不用事后反应倒推。

A2 网络快照（事件不在真空的落地）

• 用 twu-event-graph 检索相关在发事件（最多 2 次查询）：目标事件连向哪些活跃节点、当前有什么传导链在进行、强度档位如何。
• 手工补充图谱外的重要在发事件（政策日程、财报季、监管事件、海外联动）。
• 产出：当前事件网络快照（节点 + 活跃边 + 强度），这是步骤 B 推演的输入网络。

⛔ 事件三分法（P0，2026-08-13 用户纠偏）：事实与观点/未来必须严格分离，禁止混淆进"在发事件"：

铁律：未来事件（FOMC、数据发布）只进 upcoming_events 并标注"未来日程，非已发生事实"；市场定价只进 external_baseline 并标注"观点定价，非事实"，引用时必须带来源与时点（如"8/13 预测市场"）。渲染时三区分离展示。

A3 三路输入搜集（不闭门造车，P0）

"第四原理"的落地步骤：分析启动时同步搜集三路输入（来源要求与三区标注见 predict-framework.md §6），不是分析完再补。

• 观点路须 ≥3 独立来源，其中 ≥1 行为证据类（资金流向/期权定价/远期曲线，行为比言论诚实）
• 三区标注：共识区（多源一致，已被定价）/ 分歧区（多源矛盾，指向未定价的隐性变量，重点推演对象）/ 独见区（仅我的判断，需更重证据）
• 数据多解读自检：对每个关键事实主动写出至少一种最强反向解读，写入待拷问清单（步骤 C 必须拷问它）
• 搜集不足判定：理论路无机制框架 / 事实路无 [已验证] 数据 / 观点路不足 3 独立来源，任一满足触发降级模式
• 锚定错位自查："如果当前位置判断错了，未来事件链会怎么变？"差异越大，锚定越关键

步骤 B：未来事件链推演（P0）

B1 主链推演

从锚定状态出发，推演最可能的未来路径，3-6 个节点。每个节点必须完整：

节点 = 事件候选 + 触发条件 + 时间窗口 + 前置信号 + 三路输入(理论/事实/观点) + 裁决信号

字段语义与完整 schema 见 predict-framework.md §2。关键约束：

• 事件候选必须是可判定的未来事件（"央行三季度降准 25bp"），不是方向（"流动性转松"）
• 触发条件必须有，无条件的事件候选直接打回
• 三路输入缺路即打回（理论路不许"因为大家都这么预期"；事实路标 [已验证]/[推断] 并注明最强反向解读；观点路标注同向/背离）
• 裁决信号必须可判定（验证用）

⛔ 禁止概率量化（P0）：节点不标注"发生概率 X%"、不标注倾向档位。确定性以论证形态表达：论证链完整 + 数据双源 = 支持充分；反例未排除或证据单源 = 支持不足。

B2 分支推演（条件触发）

主链之外，识别关键分支：如果 X 发生 → 主链改道走分支 Y。

• 每个分支标注：触发条件、触发信号、与原主链的关系（替代/补充/延后）。
• 分支不是无限展开，最多 2-3 个关键分支，每个分支最多 3 个节点。分支的价值在于显性化"什么情况下我的主链判断会失效"。

B3 网络交互标注

每个节点必须回答：它会被网络里哪些在发事件影响，何种影响（共振/对冲/竞合/独立；修正规则见 predict-framework.md §3.4）。

锚定错位检查：如果网络快照漏了某个关键在发事件，节点论证会怎么变？漏了就补。

步骤 C：多轮拷问（grill-me 金融版，核心）（P0）

拷问是本技能的灵魂。正方为预测主张辩护，反方用最强攻击拷问，多轮交锋收敛为"合"。拷问全程记录：共识说明预测有逻辑有支持，分歧本身就是有意义的输出。

C1 正方构建

为每个关键节点（主链节点 + 关键分支节点）构建最强论证：为什么这个事件候选最可能？触发条件合理在哪？依据的机制和证据是什么？正方必须给出完整论证，不许偷懒。

C2 反方拷问（规则移植自 grill-me，金融化）

八条反方纪律（每轮强制）：①一次一攻 ②每攻必带推荐修正 ③深度优先 ④可查证先查证（未知先追历史锚点收窄）⑤依赖顺序 ⑥魔鬼代言人 ⑦顽固不妥协 ⑧数据多解读测试。细则见 grill-protocol.md §3。

⛔ 逻辑咬合约束（P0，2026-08-13 用户确认）：拷问序列必须 A1 → B1 → A2 → B2 → A3 → B3……螺旋式咬合。完整定义见顶层"最强逻辑约束"章节（后项必应前项 / 禁止开新话题 / A1 完整度是根），裁决者每轮咬合检查见 grill-protocol.md §4.5。

攻击杀伤力排序：按优先级攻击（时间因果倒置与数据虚构为致命伤，先杀致命伤再修轻伤）。完整排序见 grill-protocol.md §4。

轮次约束（每节点反复拷问，2026-08-12 用户明确）：

• ⛔ "不超过 10 轮"指每个节点最多拷问 10 轮，不是整个分析的总轮数。 每个主链节点独立拷问、独立计数，反复攻防到论证充分为止。禁止"每节点 1 轮"的浅拷问（1 轮就写"分歧未化解"= 偷懒）。
• 终止条件三选一：①达成合（锁定）；②论证收敛（反方连续 2 轮无新攻击角度）；③该节点拷满 10 轮。
• 分歧未化解的充分性门槛：反方已覆盖 ≥3 类攻击角度 + 正方多次补证据仍无法化解 + 无新牌或到上限，缺一不可。
• 单次分析时间预算 30 分钟（执行视角），超时自动收敛，标注"因时间预算收敛"。细则见 grill-protocol.md §5。

C3 收敛为合

合有三种形态（同 causal-chain / event-impact 体系）：条件合（攻击只在特定条件下成立，显性化条件后保留）/ 时间分层合（正反短期中期各归其位）/ 超越合（冲突暴露问题重构）。定义与收敛规则见 grill-protocol.md §6。

C4 拷问实录（必须记录）

每一轮交锋按固定格式记录（格式见 grill-protocol.md §7），这是报告的核心特色区块。记录的意义：共识说明预测有逻辑有支持；分歧说明未来走势难确定，读者能看见分歧在哪里、双方论据是什么、需要什么数据才能裁决。拷问过程本身就是预测质量的可审计证据。

步骤 D：收敛输出

D1 预测结论

• 主链：按时间窗口排序的未来事件链，每个节点带三路输入（理论/事实/观点）+ 条件 + 前置信号。
• 分支：条件触发分支 + 触发信号。
• 共识度声明：高共识/中共识/大分歧（判定标准见下）。
• 关键分歧：正反未化解的点、双方论据、裁决标准（什么数据能证明哪边对）。
• 裁决信号清单：所有节点的裁决信号汇总，标注验证窗口（精确到月/季）。
• 残余不确定性清单：信息真空、无法验证项、未化解分歧，宁可多写不假装全知。

三路提炼规则（第四原理落地）：最终结论不是任选一路，是从三路提炼。每个核心结论必须说清：理论怎么支撑（机制）、事实怎么支撑（数据 [已验证]/[推断]）、市场怎么看（观点路，共识还是背离）、我为什么认同或背离市场。三路同向 → 结论表述为"支持充分"；观点路强背离且我站独见区 → 必须给出市场错在哪的论证，且该论证接受拷问。

D2 报告渲染

模板化生成（P0，2026-08-12 反馈）：分析产出走"填模板"流程，固定结构不重复写，提高生成效率：

1. 复制 templates/report-template.json 为本次数据文件
2. 填充【填：…】占位符：核心判断、节点 narrative、拷问实录、分歧、残余等分析内容
   （title/footer_note/version/区块结构由模板预置，不改）
3. python scripts/render_report.py <数据.json> <输出.html>
4. python scripts/check_report.py <数据.json> <输出.html>   # 质量闸门 v2（P0，2026-08-13 优化）
5. 用 present_files 交付

质量闸门 v2 校验项（机器强制，覆盖 P0 约束的可查部分）：顶层必填 / 节点必填字段 / status 合法 / 三路输入完整性 / 咬合铁律（轮 N>1 的 pro 必须以"回应 B(N-1)"开头，轮次连续）/ 主链节点零拷问检查 / 残余三类准入 / 【填：】占位符残留 / 概率语境提示（"概率+数字"出现时警告，确认是市场定价引用而非预测概率）。任一 error 打回重写。

报告区块顺序（与流水线对齐，先结论后过程）：预测摘要卡 → A 锚定与网络快照 → B 未来事件链（竖向树）→ C 共识度判定与关键分歧（先出结论）→ C' 多轮拷问实录（过程支撑结论）→ 裁决信号清单 → 残余不确定性 → 边界声明。报告硬性规范（红利好绿利空/预测态/证据标注/共识徽章/边界声明）见 templates.md §2-3。

对话模式（用户只要快速结论或报告无法交付）：完整叙事约 80-150 行。结构：核心判断（主链一句话+共识度）→ 未来事件链 → 关键分歧 → 裁决信号 → 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：主链节点（事件+窗口+推理链）、共识度、裁决信号、分歧清单。

共通要求：结论前置；预测节点全部标 [预测态]；每条链带裁决信号；残余清单必出；隐藏分析框架（不展示因子分解过程，只给结论与依据）；人味输出拒绝 AI 腔。

节点叙述化（P0，2026-08-12 反馈）：每个节点必须写 narrative 字段，一段连贯论证（现象 → 机制 → 分歧 → 判断），数据自然嵌入句子，落点"判断：……"。专业严谨优先：是去除 AI 腔的自然表达，不是自媒体式大白话；保持金融从业者水准（术语准确、表述有分寸、不下无依据结论）。写不出叙述 = 分析没想透，回到步骤 C 继续拷问。完整要求见 templates.md §1。

D3 输出闸门（twu-output-guard deep 档）

预测直接服务投资判断，事故高发，输出前必须执行 deep 档：

1. 运行 twu-output-guard scripts/checker.py 硬校验
2. 逐条对照 references/negative-bank.md：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（含预测事件）按时间排序，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. 预测态审计：所有未来断言标注 [预测态]？无条件断言是否已打回？是否带裁决信号？
6. 不合格按 quality-gate.md 打回重写

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

共识度判定（标准见 references/templates.md §2.1）

按节点权重（重要性 × 证据强度）加权拷问结果，分三档：

• 高共识：主链核心节点绝大多数锁定或条件化锁定 → "预测论证链完整、数据支撑扎实"
• 中共识：核心节点部分条件化，部分有分歧但存在明确裁决信号 → "方向可信，时点/幅度不确定"
• 大分歧：核心节点多数未化解，或反方推翻正方主张 → "未来走势很难确定"。输出分歧图景 + 裁决信号，标注需要等什么数据才能定

共识度徽章必须在报告摘要卡展示，是预测报告最重要的元信息。

预测纪律（P0 红线）

0. 咬合论证（最强约束，见顶层铁律）：所有拷问轮次必须 A1→B1→A2→B2 严格咬合，禁止开新话题，A1 必须完整。违反即打回
1. 禁止预测具体价格点位、涨跌幅目标
2. 禁止无条件断言：未来事件必须有触发条件，无条件的打回重写
3. 预测节点一律标注 [预测态]，与已发生事实严格区分
4. 时间因果序：预测链上原因必须早于结果，未来节点按时间窗口排序
5. 分歧必须显性化，禁止假装全知
6. 禁止概率量化：不出"发生概率 X%"、不出倾向档位（高/中/低）。确定性用论证形态表达：论证链完整 + 数据双源 = 支持充分；反例未排除或证据单源 = 支持不足。给概率数字即视为神棍行为，打回
7. 每条预测节点必须带裁决信号 + 验证窗口，没有的可降级为"探索性命题"并标注
8. 与市场预期基线对照，独见区需更重证据
9. 拷问必须执行且全程记录，跳过拷问的预测不交付
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（防锚定偏差）

降级模式：有限预测

触发条件（任一）：信息层少于 2 条独立来源；事件本身信息源单一未确认；网络快照无法建立（图谱空且手工补充不足）；外部预期基线不足 3 个独立来源。

降级输出：标题加 [有限预测] 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：锚定（能做多少做多少）、主链（节点可减到 2-3 个）、拷问（基于已有信息，至少 1 轮）、残余清单（必做）。

降级模式不等于不分析。它的作用是明确告诉读者：这个预测的边界在哪里。

松耦合设计原则（P0，工程约束）

本 skill 各模块通过明确定义的接口交互，互不依赖内部实现：

松耦合规则：

1. 改任一 references 协议，不影响脚本（脚本不读 references）。
2. 改分析流程（SKILL.md A-D），只要 JSON 字段契约不变，渲染器零改动。
3. 外部 skill（event-graph/output-guard）失败时本 skill 优雅降级，不阻塞主流程。

与其他 skill 的分工联动

三者独立可跑，职责互不重叠：causal-chain 解释过去，event-impact 推演影响，本技能预测未来事件链。

依赖

• 数据：tushare-data-fetcher / westock-data / neodata-financial-search（行情、资金、财务、宏观）
• 信息：WebSearch / agentic-search（新闻、政策日程、机构观点、历史先例）
• 网络：twu-event-graph（在发事件检索 + 历史参照）
• 渲染：scripts/render_report.py、scripts/check_report.py
• 无额外 Python 依赖：核心分析由 AI 执行，脚本仅做渲染与质量校验