3.9 KiB

Raw Permalink Blame History

🧠 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」

Think（計劃）：分析前先在 artifacts/ 建立計劃
Act（執行）：多個專業 Agent 各自分析，至少 3 回合
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

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

3.9 KiB Raw Permalink Blame History Unescape Escape