持仓与自选主动解读 · 金融 AI Agent 产品经理作业 · 2026-10

TL;DR

1. 定位：持仓翻译官，不是投顾。普通用户缺的不是信息量，是“看懂”和“跟我的钱有什么关系”。ROBIN 只解释发生了什么，不给买卖建议。
2. 何时说：默认沉默。触发分五类：按标的自身波动率标准化的异动并叠加个人金额影响、硬事件、定时简报、页面场景、用户自定义规则与承诺跟进。
3. 说什么：先给一句结论，再说对你的钱影响多少，然后是大盘/行业/个股归因瀑布、带时间与来源层级的证据，最后是接下来看什么。
4. 怎么送：按重要性、相关性、必要性加权打分，再按用户的注意力设置分为推送、气泡、简报、沉默四档。配套日上限、30 分钟合并、跨渠道一事一说、安静时段和疲劳降级。不说话的时候也要留“安静回执”。
5. 分工：数字、阈值、路由和合规拦截交给规则；新闻关联、叙述和个性化交给 LLM；合规策略、金标、抽检和极端行情交给人。校验不过就降级为模板或不发。

配套 Demo（网站）含三个场景：重大变化、平静时刻、个人偏好（对应关系见 §10）。另有 LIVE 查询，用真实行情 API 加 LLM 实时生成；预置剧本标 DEMO，实时数据标 LIVE。

1. 定位：为什么对普通用户成立

1.1 问题拆解

用户路径：看到持仓红绿 → 进详情页 → 面对 K 线和面向机构的研报摘要、快讯 → 仍说不清发生了什么。断点有三处：

1.2 成立的理由

1.3 非目标

• 不荐股，不给买卖点、目标价或仓位建议。证券投资咨询需持牌，也要满足投资者适当性要求；ROBIN 的全部输出都是信息服务。
• 不做新闻流，不以条数和停留时长为目标。
• 不预测短期涨跌。
• 不给交易导流，风险类消息后面不突出交易按钮。

1.4 品牌与人格

品牌主张是市场很吵，你不必一直听（The Things Worth Knowing）。能力闭环为 Observe → Prioritize → Explain → Deliver → Learn。人格是 Warm / Observant / Witty。平静日可以轻度幽默；一旦涉及实际亏损或风险，规则层强制切到严肃克制档。

2. 何时说话

2.1 触发类型

同一标的在盘中只在升级时再次触发（|z| 比上次通知时再增加 ≥ 1，或出现新的硬事件），避免同一波下跌连环提醒。

2.2 盘中说“是什么”，盘后说“为什么”

3. 打分与分级

score = 0.5 × I（重要性）+ 0.3 × R（相关性）+ 0.2 × N（必要性），各项取值 0–1。

用加权和而不用乘积，是因为乘积会让任一项接近 0 时整体归零。像"自选里一只跌停"这样重要性高、相关性低的事件，仍然值得在简报里提一句。

门槛随用户的注意力（Attention）设置平移。低于简报门槛的事件不发，记入安静回执：

守则（规则层，优先级高于分数）： - 原因未确证不推送，最多降为气泡； - 静默时段 22:00–08:00 内的事件，并入 08:30 盘前简报； - 当日推送额度用完，降为气泡； - 非交易时段发布的公告先进盘前简报，开盘后若出现涨跌停或大幅异动，再升级为推送。

阈值是冷启动初值，之后按评测中的 P0 漏报率和推送关闭率校准。

为什么不能只看 z：2026-10-12 的真实案例。 哈药股份 9 月有 4 次涨跌停，60 日 σ 被抬到 5.9%。周一它一字跌停（−10.01%），z 只有 −1.7，单看波动只会被判为"偏大但不罕见"。真正让它变成必须告知的，是硬触发：跌停，加上周日 16:06 的公司公告"董事兼总裁被实施留置"。这直接把 I 拉到 1。

当天在"平衡"设置下的结果：9 个标的里推送 1 条、气泡 1 条，其余进简报或保持沉默。

4. 怎么送：渠道与频率

4.1 渠道特性

平台约束以各平台最新规则为准。

4.2 级别 × 关注度（Attention）

4.3 频率与去重

5. 什么时候不发

安静回执：沉默如果不可见，用户会以为助手坏了。回执只在 App 内展示，从不推送，因为推一条“什么都没发生”本身就是打扰。文案示意：“今天替你看了 214 条信息，没有一条值得打断你。”（数字取当日实际扫描条数。）回执可以展开，列出被过滤的事件和原因；用户点“这条其实我想知道”，就记为一条漏报样本。

6. 说什么：内容规范

6.1 推送

标题 ≤ 20 字，正文 ≤ 50 字，必须写清事实和对个人的影响；不用感叹号，不用悬念句。 - 合格：标题「某持仓停牌，涉及你约 ¥X」，正文「公司今晨公告筹划重大事项停牌，该股占你组合 Y%。点开看已知信息和复牌安排。」 - 不合格：「暴跌！快来看」（标题党）；「建议关注减仓机会」（越界）。

6.2 解释卡

深度设为“简短”时只展示 1–3；设为“深入”时全部展示，并加上研报要点。

6.3 归因与置信

• 个股：用 60 日回归估出对大盘指数和申万一级行业指数的 β。大盘贡献 = β_m × 大盘收益，行业贡献 = β_s × 行业超额收益，剩下的残差算个股因素，全部换算成 ¥。
• 基金/ETF：ETF 按每日申赎清单完整穿透。场外基金按最近一期定期报告披露的持仓加权估算，必须标注“按 X 期报告重仓估算，覆盖约 Y% 资产”，并说明季报只披露前十大、且有滞后。
• 除权和分红引起的价格变化单独列出，不算作下跌。

来源层级：交易所/公司公告 > 权威财经媒体 > 研报摘要 > 公众号、自媒体、网页。

6.4 语气

6.5 打开之后

• 按卡片的信息缺口生成 3 个推荐追问，如“上次财报后也这样跌过吗”“什么是商誉减值”。
• 用户点“公告出来告诉我”，就写入承诺跟进；也可以调整推送（这类少推 / 只推重大 / 关闭此标的）。
• 反馈“不准确”进入人工复核，24 小时内回复处理结果。
• 风险类卡片上不放醒目的交易按钮，交易入口留在详情页原位。
• 用户问“该不该卖”时，给出相关事实和自查问题（持有目的、风险承受能力、仓位集中度），说明 ROBIN 不提供投资建议；平台有持牌投顾服务的，附上入口。

7. 分工：规则 / LLM / 人

原则：能确定计算的不交给 LLM；需要语义判断和表达的不交给规则；对外担责的标准由人定。

8. 流水线

9. 记忆与数据诚实

从对话推断出的偏好，写入前要明示，如“我记下了：以后这只只在重大变化时提醒你［撤销］”。

数据诚实要求： - 每个数字都带来源和时间戳。A 股、港美股、场内 ETF、场外基金的字段和更新时间各不相同，按各自的时间口径展示，不混算。 - 缺数据就说缺，不拿估计值冒充实际值，凡是估算都标“估算”。 - 从其他平台导入的持仓是快照，标注“截至 X 时导入”；超过 7 天没同步就不做 ¥个性化，并提示刷新。

10. 与 Demo 的对应

Demo 网站有三个模式：01 发布会、02 体验、03 构建。行情、公告和新闻来自 2026-10-12 上午的真实快照，用户侧数据（钦龙 Steven 的 5 个持仓和 4 个自选）为构造，口径见 data/README.md。

现场查询的已实现边界

网页和 SwiftUI App 共用 /api/ask，按同一套返回协议呈现五步：理解问题 → 取本次行情 → 核对相关资料 → 整理回答 → 核对后呈现。DeepSeek-V4-Pro 使用不思考模式；明显的乱输入、无关问题、纯辱骂、问候和越界要求先走规则，其他问题用分类器判断意图，无法确定时先澄清，不强行解释行情。问题明确指向另一只标的时先请用户切换，避免串台。

Fallback：先守住边界，再提供能确认的帮助

短回复和事实卡都提供明确的下一步。短回复保持知更的管家语气；事实卡只展示接口原值和资料原标题，不附会行情原因。

流式输出的门禁

服务端先取得完整模型回答，再检查数字值及涨跌方向、引用编号、已知因果和越界表述、格式和长度。通过后才发出 checked: true 决定，并将已检查的段落经 SSE 渐进呈现；失败则输出规则事实卡。网页与 App 都同时检查决定、段落和完成事件的标记，拒绝未检查的内容。进度事件会及时返回，帮助解释等待。

这属于“完整检查后按段呈现”，不是模型原始 token 流。代价是首段文字需要等待完整生成与检查；换来的是错误文字不会先展示再收回。当前没有自动切换到备用模型，以确定性降级优先保证事实和边界。

数字匹配不证明整句话的因果关系；行情只是当前快照，资讯主要是标题。门禁覆盖已有规则和实测发现的错误模式，包括“直接原因”“全天维持跌停”“周末盘后”，不能替代完整事实评审、生产合规审查或专家抽检。标题中的历史数字不冒充当前行情；数据日期与取数时间分别标注。构建页的 Fallback 阶段分别标识真实线上实测与受控故障注入，回放不再次调用外部接口。完整结果见评测文档的原型验证记录。

持仓与自选主动解读 · 金融 AI Agent 产品经理作业 · 2026-10

本文的金标规模、指标和放量门槛是拟议方案，尚未执行用户实验、专家抽检或生产放量。当前原型已通过 36 项接口自动测试，并执行一组 12 条线上真实请求和 4 类受控故障注入；网页和 iOS 模拟器共用同一服务端门禁。以上验证不等于达到本文的产品效果、事实准确率或合规放量目标。

原型验证记录 · 2026-10-12

构建页新增 14 · Fallback，可切换上述案例，使用网页的相同组件回放已完成测试。左侧标记 REPLAY，右侧说明“线上实测”或“故障注入”；回放本身不再次调用模型或行情。无关问题、错误前提和公告问题还可切到 App 实测，查看 iOS 模拟器对相同问题的另一次真实请求截图，截图与网页记录不假定为同一次输出。现场查询仍支持自由输入，网页与 App 使用同一服务端分支，客户端只接收带检查标记的文字。

实测已发现的错误包括：把未核实的事件说成确定因果、使用不匹配的新闻数字、把新闻历史数字当成当前状态。门禁会拦截已有错误模式并保留规则事实，可能牺牲部分解释的完整度。意图判断也会受分类器影响；有歧义时先澄清。因此这组样本用于验证分支与失败处理，不能外推为总体内容准确率。新的未知错误仍需扩大金标集、红队和专家复核。

本次 12 条线上请求的最终结果为：8 条短回复（包括确认另一只标的）、3 条因校验失败而降级的事实卡、1 条通过门禁的公告解读。3 条事实卡涉及历史数字的时间或出处缺失、已知不受资料支持的表述；拦截后均展示本次行情、公告原标题和时间，未把拒绝的解释传给客户端。这是一次运行结果，重新提问时模型内容和分支可能变化。

网页另验证了 7 个客户端流程：短回复、事实卡、未检查的段落与完成事件、输出流中断、有旧查询但没有本次行情、HTTP 429、行情失败后继续提问；并检查了构建页回放切换及手机宽度布局。iOS 模拟器确认短回复、事实卡和通过校验的公告解读，新版已完成编译、安装与启动。这些客户端验证补充接口测试，不能替代设备覆盖或网络环境测试。

流式策略的代价：原始模型文字不直接传给客户端，必须等待完整生成与校验；等待时只展示处理进度，通过后按段渐进呈现。当前没有备用模型自动切换。线上延迟随分类与取数步骤变化，应另行监控首段等待、整体响应与降级率，不能用这组小样本作为 P95 服务承诺。

TL;DR

1. 两层评测：产品层看用户有没有因此看懂、有没有被过度打扰；内容层看每条 LLM 生成内容是否准确、有据、合规、可读，以及该发的发了、不该发的没发。
2. 北极星是每周“看懂的持仓变化”数 ÷ 活跃持仓用户，再用复述测验直接检验题目里的“看了还是说不清”。
3. 内容质控分四层：L1 规则在发送前 100% 拦截；L2 LLM 评审，与专家一致性 κ ≥ 0.75 之后才能当门禁；L3 专家每日分层双盲抽检；L4 用户信号。另有约 430 条金标集做回归。
4. 放量路径：影子模式 → 员工 → 1% → 10% → 50% → 100%，全程保留用户级 holdout。硬门槛不达标就不放量；一旦出现合规事件，自动暂停。
5. 关键硬门槛：合规违规为 0（≥ 3,000 条复核，95% 上界约 0.1%）；“确定”档归因错误 ≤ 2%；P0 漏报 ≤ 1%；推送关闭率比 holdout 高出不超过 0.3pp；复述正确率 ≥ 80%。

1. 评测框架

两条原则： - 硬门槛与软目标分开。硬门槛不达标就不放量，或者回滚；软目标只决定迭代优先级。 - 容易被刷的指标必须配一个对冲指标一起看。例如打开率可以靠标题党抬高，所以必须和看懂率、关闭率一起看。

2. 产品层

2.1 北极星

北极星指标是每周“看懂的持仓变化”数 ÷ 活跃持仓用户。

一次“看懂”的定义：用户在任一渠道打开了解释卡，并且满足以下任一条件： - 点了“看懂了”； - 读完了卡片，且 24 小时内没有就同一事件发出困惑型追问（如“所以到底为什么跌”，由分类器识别）。

为什么不用打开率或 DAU：题目描述的问题是“看了还是说不清”，打开不等于理解。为了防止靠多发堆数字，北极星只统计频率上限以内的消息，并且始终和推送关闭率一起看。

2.2 指标体系

2.3 复述测验

这项测验直接对应题目中的“还是说不清发生了什么”。

2.4 实验设计

• 按用户随机分组，并按持仓规模、活跃度、新老用户分层。holdout 从全量用户中预先划定，全程不放量，至少保留 3 个月，用来观察留存和行为护栏。
• 方差缩减：用实验前 4 周的同一指标作协变量（CUPED）。
• 样本量示例：推送关闭率基线按 2% 估，要检测 0.3pp 的变化（α = 0.05，功效 80%），每组约需 3.7 万人。实验组不足这个量级时，只看绝对阈值，不下显著性结论。

2.5 放量节奏

3. 内容层

3.1 评测维度

3.2 四层方法

L2 可信度管理：每月用 ≥ 300 条专家标注重算与人工的 Cohen's κ。≥ 0.75 才能当门禁；跌破 0.7 就退回预警模式，并重新标定 rubric。

3.3 金标集与红队集

金标集共约 430 条历史事件。检索使用事件时点的快照（point-in-time），只能看到当时已经发布的资料，防止答案泄漏。

• 标签：真实主因、可接受的次因、置信档、应发级别、必须提及的事实、禁止出现的内容。由 2 名具备从业资格的分析师独立标注，合规复核，并报告标注者之间的 κ。
• 用法：Prompt、模型、规则、检索任何一项变更都要全量回归。任一维度比线上版本下降超过 1pp，或出现任何一条合规违规，就不得上线。每周从“不准确”反馈中补充 20–30 条难例。

红队集约 150 条，要求全部零违规，覆盖： - 诱导荐股（“你就直接说卖不卖”）； - 追问目标价、求证内幕； - 情绪化求助（“我要亏光了”）； - 检索内容中的提示注入（公众号文章或网页里嵌入指令）； - 越权查询他人数据。

3.4 置信校准

4. 放量门槛

“硬”指不达标就不进入下一阶段。

自动回滚：

5. 运营闭环

5.1 看板

5.2 节奏

5.3 反馈回流

与 Demo 的对应：三个 Demo 场景就是三类核心用例的可视化。重大变化对应 P0 召回和解释卡质量；平静时刻对应静默是否正确、回执是否可见；个人偏好对应设置是否真的改变了行为。

snapshot.json 是 2026-10-12（周一，国庆后第 2 个交易日）盘中快照，不是收盘数据。 抓取时间为北京时间 10:19:54 至 10:21:01（capturedAt / capturedAtEnd）。 数据源是考试提供的 cxt-quote-probe（腾讯自选股 westock CLI + recall），仅限本次考试使用。

重跑方式：python3 /Users/zz/Documents/robin/tools/snapshot.py。每次运行约 72 次请求，会覆盖 snapshot.json。 原始响应缓存在 tools/.cache/。ETF 档案、基金持仓、公告这些变化慢的数据会缓存 1 到 6 小时。

1. 哪些是真实数据，哪些是构造的

2. 组合（10:21 价格）

合计市值 ¥173,499，加现金 ¥12,000，总资产 ¥185,499。 今日盈亏 −¥4,222（−2.38%）。其中 −¥4,192 由实时价格算出，基金的 −¥30 是估算。

自选股：立讯精密 sz002475（−1.03%，z −0.33）、招商银行 sh600036（+1.98%，z 1.69）、芒果超媒 sz300413（+4.74%，z 0.85）、小米集团-W hk01810（−3.24%，z −1.03）。

大盘（10:21）：上证 −0.03%，沪深300 +0.07%，创业板指 −0.70%，恒指 +0.49%。 全市场 1314 只上涨、4144 只下跌，32 只涨停、6 只跌停。指数平稳但多数个股下跌，属于结构性弱势。

3. 计算方法

• σ60：取最近 60 个交易日的日涨跌幅（不含今天），计算样本标准差。数据来自 kline --limit 120 的 change_pct。
• z：今日涨跌幅（取 quote 的 change_percent）除以 σ60。因为是盘中数据，z 会随价格变化。
• 稳健 σ（sigmaRobust60 / zRobust）：用 1.4826×MAD（中位数绝对偏差）计算，少数几次涨跌停不会把它抬高。
• 涨跌停判断（limitStatus）：现价等于 price_floor 或 price_ceiling 即为涨跌停；如果当天最高价也等于跌停价，标为「一字」。
• β：个股和沪深300 在最近 60 日的日收益做最小二乘回归（不含今天），结果截断在 [0.3, 2.0] 之间。如果 R² < 0.05，认为回归不稳定，β 取 1。哈药和平安属于这种情况，这一点在 method 字段里写明。港股用恒生指数代替沪深300。
• 归因（单位为百分点，三项相加等于今日涨跌）：
• market（大盘部分）= β × 沪深300 今日涨跌
• sector（行业部分）= 申万二级行业指数今日涨跌 − β_行业 × 沪深300 今日涨跌
• idio（个股部分）= 个股今日涨跌 − market − sector
• 港股小米的行业部分用恒生科技指数代替。
• 沪深300ETF：market 就是沪深300 的涨跌，跟踪误差和折溢价算进 idio。
• 今日¥盈亏：股票和 ETF 用持股数 ×（现价 − 昨收）。基金用市值 × 穿透估算的涨跌幅，并标记 pnlTodayIsEstimate: true。
• 场外基金：
• 净值：recall 返回的结构化净值只有 2 位小数（例如 1.44）。做法是取东财页面上 09-24 的 4 位净值 1.4753 作为起点，乘上之后每天的日增长率，推出 10-09 的净值约为 1.4357。
• 今日涨跌：用前十大持仓的实时涨跌估算，公式为 Σ(权重 × 涨跌) / Σ权重。腾讯、百胜、中海油、中芯、阿里按港股计价，没有换算汇率。
• 局限：前十大只覆盖 38.95% 的仓位，而且是 6 月 30 日的持仓。

4. 三个场景（证据都在 scenarios）

哈药为什么算「重大」，尽管 |z| < 2：9 月里它有 4 次 ±10%，把 σ60 抬到了 5.9%。 所以 ROBIN 的分级规则不能只看 z，还要加上硬触发条件：涨跌停，或者出现公司重大公告。 这本身是一个产品设计点：一字跌停意味着今天很可能卖不出去，用户应该第一时间知道。

5. 数据缺口（data honesty）

完整清单在 snapshot.json → gaps（共 19 条），主要有：

1. 时间戳不足或过期： - quote 的 time 只有日期，盘中「截至几点」只能用分时最后一根 bar 推断（lastMinuteBar）。 - market-overview 返回的是上一交易日（10-09）的画像。 - 券商研报类新闻的时间只到日期（00:00:00）。
2. 不同接口的价格对不上：同一时刻，工业富联在 hot stock、kline、fund flow 里分别是 53.22、53.40、53.37。前端必须只用一个价格源，并标注时间。
3. 场外基金： - 当日净值要到 20:00 至 23:00 才公布。 - 结构化净值只有 2 位小数，recall 也只返回 10 行，σ 只能用这 10 天估算。 - 前十大持仓滞后一个季度，只覆盖 39% 的仓位。 - westock 的 search 和 jj 前缀代码都查不到这只基金。
4. 公告缺原文链接：notice 的 url 全为空，前端需要降级处理。
5. 新闻会混入其他公司的内容：哈药的新闻流里混入了工业富联 337 调查的快讯。
6. 覆盖不全： - ETF 档案里没有成分股和权重。 - sector ranking 只给涨幅前 6，没有跌幅榜。 - quote 一次只能查一只，列顺序每次随机。 - 港股是否延时无法从字段判断。
7. 调用预算：此前“约 150 次”是探索阶段控制调用消耗的建议预算，不是接口声明的硬配额。现场问答另有每分钟 20 次的尽力而为限流，用于原型服务保护；它不能替代上游容量规划。

6. 现场问答与 Fallback 的数据口径

• LIVE 回答单独取数，不从上午的 snapshot.json 偷换为当前数据；事实卡标注资料的数据日期和本次取数时间。
• 先判断问题意图，再决定是否需要取行情；明显无关、乱输入和越界要求不调用行情和解释生成。其他有歧义的输入可能调用分类器。
• 行情、公告和资讯分别取数。相关证据不足时只保留已取得的行情；行情不可用时短回复，不保留旧查询的数字。
• 模型原文完整校验后才进入 SSE；检查失败使用规则从本次资料生成事实卡，不保留被拒绝的解释。历史新闻数字需要明确资料时间与引用。
• src/data/fallback-cases.js 保存已完成测试的安全输出，区分线上实测与故障注入。构建页只回放这些记录，App 图片来自模拟器的另一次真实请求；它们均不能冒充现在正在生成的回答。