Investor Panel · 50 贤评审团

调用上下文

读取以下输入：

• .cache/{ticker}/dimensions.json — 19 维评分
• .cache/{ticker}/raw_data.json — 原始数据
• scripts/lib/investor_db.py — 65 人元数据
• scripts/lib/seat_db.py — 22 位游资射程规则

输出：

• .cache/{ticker}/panel.json — 50 个 Signal + 投票统计

严格输出格式（Pydantic Signal，抄自 ai-hedge-fund）

每个投资者必须返回严格 JSON：

{
  "investor_id": "buffett",
  "name": "巴菲特",
  "group": "A",
  "avatar": "avatars/buffett.svg",
  "signal": "bullish | neutral | bearish",
  "confidence": 87,
  "score": 82,
  "verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合",
  "reasoning": "1-3 句具体逻辑",
  "comment": "用该投资者语言风格的金句 1-2 句",
  "pass": ["..."],
  "fail": ["..."],
  "ideal_price": 16.20,
  "period": "3-5 年"
}

Confidence 校准规则：

• 85-100：核心方法论硬指标全部命中或全部不命中
• 60-84：多数命中
• 30-59：部分命中、需要等待信号
• 0-29：方法论不适用此股 / 信息不足

执行步骤

Step 1: 加载元数据

from lib.investor_db import INVESTORS, by_group
from lib.seat_db import SEATS, is_in_range

Step 2: 对每位投资者

1. 取出 fields 白名单
2. 从 dimensions.json 提取相关字段
3. 读取该投资者所在 group 的 reference 文件（按需）
4. 用该投资者的方法论 + 语言样本生成 Signal（Claude 自己生成）
5. 校验 JSON 合法性

Step 3: 游资射程预过滤（F 组特殊）

对 22 位游资，先用 isinrange(nickname, ticker_features) 判断是否在射程内：

• 在射程 → 正常评分
• 不在射程 → signal: "neutral", verdict: "不适合", confidence: 90, comment: "{nick}的射程是{style}，这只票不在风格内。"

Step 4: 汇总投票

{
  "panel_consensus": (bullish_count / 50) * 100,
  "vote_distribution": Counter(verdict for i in investors),
  "signal_distribution": Counter(signal for i in investors),
  "investors": [...]
}

7 大流派详细方法论

按需读取下列 references：

📚 语料库 (必读)

每次生成 comment 之前必须读 references/quotes-knowledge-base.md 查找该投资者的真实公开原话和"风格"字段。这是知识库 single source of truth。

语言风格守则

每位投资者的 comment 字段必须像他本人：

• 巴菲特：温和、引用奥马哈、用"我们"
• 芒格：刻薄、反向思维、引用心理学偏误
• 索罗斯：哲学化、提"反身性"
• 章盟主：豪迈、提"格局"、不谈细节
• 赵老哥：直接、谈"题材"、谈"二板"
• 段永平：朴素、问"商业模式""人""价格"
• 陈小群：江湖气、谈"分歧""一线天""核按钮"

每组 reference 文件末尾有 3-5 句真实公开语录作为 few-shot。

完成检查

• panel.json 包含 50 个 Signal
• 每个 Signal 字段齐全
• 22 位游资里至少有 N 位返回"不适合"（除非这只票是热门题材龙头）
• panelconsensus / votedistribution / signal_distribution 三个汇总字段已计算