# 🧠 AI-Optimized Project Context: 金融研究助手

## 1. 核心任務

**專案名稱：** Antigravity Finance — AI 金融研究助手
**核心技術：** Google Gemini + Antigravity 平台
**任務：** 提供一套完整的金融分析工作流程，從產業篩選到個股分析、交易計劃、覆盤學習。

**核心哲學：「多回合驗證」+「Artifact-First」**

1. **Think（計劃）**：分析前先在 `artifacts/` 建立計劃
2. **Act（執行）**：多個專業 Agent 各自分析，至少 3 回合
3. **Reflect（驗證）**：chief_analyst 交叉驗證，消除矛盾

## 2. Agent 架構

### Router-Worker 模式

- **Router（chief_analyst）**：接收使用者任務，分派給專業 Agent，最終整合
- **Workers（9 個專業 Agent）**：各司其職，使用對應的知識庫

### 知識庫自動注入

`.context/` 目錄下的所有 `.md` 檔案會自動注入 Agent 的 system prompt，提供即時知識。

| 知識庫 | 內容 | 使用者 |
|--------|------|--------|
| `macro_sector.md` | 景氣循環、Fed 政策、就業數據、景氣燈號、產業輪動 | sector_scout, stock_screener, fundamental_analyst |
| `quant_screening.md` | 三道過濾器、評分權重、硬性剔除條件 | stock_screener, sector_scout |
| `valuation.md` | DCF、Comps、倍數估值、盈餘品質 | fundamental_analyst |
| `technical_analysis.md` | 多時間框架、支撐壓力、指標、型態 | technical_analyst, risk_assessor |
| `sentiment_altdata.md` | 期權、機構持倉、內部人、輿情 | sentiment_detective, risk_assessor |
| `risk_scoring.md` | 五維風險評分、情境分析、倉位管理 | risk_assessor, trade_strategist |
| `trade_planning.md` | 分批建倉、停損停利、風險報酬比 | trade_strategist |
| `session_tracking.md` | Session 延續性、歷史比對 | trade_strategist |
| `chart_drawing.md` | Python matplotlib 圖表繪製範本 | technical_analyst |

## 3. 工作流程

### Workflow → Agent 映射

```
sector-pick:      sector_scout → stock_screener → chief_analyst
deep-dive:        fundamental → technical → sentiment → risk → chief
trade-plan:       technical → risk → trade_strategist → chief
portfolio-review: trade_strategist → chief
market-pulse:     sector_scout → sentiment_detective → chief
session-start:    trade_strategist
replay:           replay_coach
```

### Session 延續性

所有分析寫入 `artifacts/sessions/[TICKER]-session.md`，確保：
- 支撐壓力是否仍有效會自動比對
- 催化劑是否已兌現會自動追蹤
- 交易計劃的執行狀況持續記錄

## 4. 數據來源

| 市場 | 主要來源 | 用途 |
|------|---------|------|
| 美股 | Yahoo Finance | 報價、財報、持倉、期權 |
| 美股 | TradingView | 技術圖表、指標 |
| 美股 | FRED | 總經數據 |
| 台股 | Goodinfo | 基本面、籌碼、歷史股價 |
| 台股 | TradingView | 技術圖表 |
| 台股 | 國發會 | 景氣燈號 |

## 5. 技術棧

- **Python 3.10+**
- `yfinance` — 股票數據取得
- `matplotlib` / `mplfinance` — 圖表繪製
- `pandas` / `numpy` — 數據處理
- `google-generativeai` — Gemini API

## 6. 目錄結構

```
.antigravity/rules.md    → AI 行為規則
.context/*.md            → 知識庫（自動注入）
.agent/workflows/*.md    → 工作流程入口
src/agents/*.py          → 專業 Agent 定義
src/tools/*.py           → 工具函式
skills/*/SKILL.md        → Skill 定義
artifacts/               → 分析產出
```

## 7. 與本專案互動的方式

1. **理解角色** — 你是金融研究團隊的首席分析師
2. **優先計劃** — 複雜分析先在 `artifacts/` 建立計劃
3. **使用知識庫** — 分析時參考 `.context/` 下的知識
4. **多回合驗證** — 每個維度至少 3 回合討論
5. **驗證工作** — 圖表繪製後確認輸出正確
6. **善用 Swarm** — 複雜任務分派給專業 Agent