输入："贵州茅台最近怎么了"
拆解：
  SUBJECT = "贵州茅台"
  TICKER = "600519.SH"（如能识别）
  DIMENSIONS = [基本面, 市场情绪, 行业动态]
  QUERY_KEYWORDS = ["贵州茅台", "茅台", "白酒行业"]
  ENGLISH_KEYWORDS = ["Kweichow Moutai", "baijiu"]（用于海外源）
  URGENCY = normal | urgent（影响信息源选取数量）

# 0. Tushare MCP——一手数据核查（按需，涉及具体公司事实时优先调用）
#    直接通过 MCP tool 调用，无需脚本
#    公司公告：tushare_anns(ts_code="{TICKER}", start_date="YYYYMMDD", end_date="YYYYMMDD")
#    新闻快讯：tushare_news(start_date="YYYYMMDD", end_date="YYYYMMDD")
#    ↑ 作为事实基准，后续 capture 结果与公告/新闻原文对比验证
 
# 1. 岗底斯——快速获取边际信息
python3 {gangtise}/scripts/query_kb.py "{QUERY_KEYWORDS[0]}" --top 10
# 如有 ticker，补充盈利预测
python3 {gangtise}/scripts/forecast.py {TICKER}
 
# 2. AlphaPAI——机构视角
python3 {alphapai}/scripts/alphapai_api.py search "{QUERY_KEYWORDS[0]}" --save
python3 {alphapai}/scripts/alphapai_api.py roadshow-search "{QUERY_KEYWORDS[0]}" --save --limit 5
 
# 3. AceCamp——专家纪要
python3 {acecamp}/scripts/acecamp_fetch.py fetch "{QUERY_KEYWORDS[0]}" --limit 3
 
# 4. AlphaEngine——外资行（仅海外视角维度时）
python3 {alphaengine}/scripts/alphaengine_api.py search "{ENGLISH_KEYWORDS[0]}" --save

output/sources/
├── tushare_anns.md         # 公司公告原文（按需，作为事实基准）
├── tushare_news.md         # 新闻快讯（按需，用于舆情核查）
├── gangtise_kb.md          # 岗底斯知识库搜索结果
├── gangtise_forecast.md    # 盈利预测（如有）
├── alphapai_search.md      # AlphaPAI 综合搜索
├── alphapai_roadshow.md    # 路演纪要
├── acecamp_articles/       # AceCamp 纪要全文
│   ├── 001_标题.md
│   └── 002_标题.md
└── alphaengine_reports.md  # 外资行报告摘要

# 方式一：直接用 gemini CLI
gemini -m gemini-2.5-flash "
请帮我执行以下搜索命令，并将结果整理为 markdown：
 
1. Reddit 搜索：
   运行 {reddit}/scripts/reddit-search search '{ENGLISH_KEYWORDS[0]}' 10
   
2. X/Twitter 搜索：
   运行 node {searchx}/scripts/search.js --days 7 '{ENGLISH_KEYWORDS[0]}'
 
3. 新闻搜索：
   运行 node {newsapi}/scripts/search.js '{QUERY_KEYWORDS[0]}' --days 7
 
将每个来源的结果整理成以下格式保存到 output/sources/sentiment.md：
## [来源名]
- 主要观点 1（附来源链接）
- 主要观点 2
...
"
 
# 方式二：通过 Gemini MCP（更可控）
# 用 mcp__gemini__gemini-query，model=flash，thinkingLevel=low

通过 Gemini MCP（mcp__gemini__gemini-query，model=pro，thinkingLevel=high）：
 
prompt: |
  你是一名资深卖方分析师助理。请阅读以下多个信息源的原始内容，
  按以下维度整理成结构化摘要。
 
  信息源文件：
  [将 output/sources/ 下所有文件内容粘贴]
 
  请按以下结构输出：
 
  ## 一、事实层（各源的客观数据）
  | 数据点 | tushare公告 | gangtise | alphapai | acecamp | alphaengine | 新闻 | 舆情 |
  |--------|-----------|---------|---------|---------|------------|------|------|
  | 最新营收 | ✅(一手) | ... | ... | - | ... | - | - |
  | 估值水平 | - | ... | ... | - | ... | - | - |
  | ... | | | | | | | |
 
  ## 二、观点层（各源的判断和推理）
  | 议题 | 看多观点（来源） | 看空观点（来源） | 中性/不确定（来源） |
  |------|--------------|--------------|----------------|
  | ... | | | |
 
  ## 三、信号层（异常/分歧/矛盾）
  - 数据矛盾：...
  - 逻辑分歧：...
  - 信息缺口：...
 
  ## 四、信息源可信度权重
  | 来源 | 类型 | 时效性 | 独立性 | 建议权重 |
  |------|------|--------|--------|---------|
  | gangtise | 券商研报 | 高 | 中 | 0.25 |
  | ... | | | | |

bash {warroom}/scripts/init_war_room.sh cross-verify-{SUBJECT}

# 交叉验证任务
 
## 标的：{SUBJECT}（{TICKER}）
## 核心问题：{用户原始问题}
## 信息源摘要：见 output/organized/structured_summary.md
## 验证目标：
1.各信息源的事实是否一致？数据冲突如何解释？
2.各方的推理逻辑是否自洽？有无逻辑谬误？
3.看多/看空的结论分歧根源是什么？
4.哪些信息可以交叉确认为高可信度？哪些存疑？

Wave 1：BULL + BEAR 并行——各自从 structured_summary.md 提取己方证据链
       → CHAOS 影子审查（攻击双方逻辑薄弱环节）
 
Wave 2：FACT-CHECKER 逐条核对 Wave 1 中 BULL 和 BEAR 引用的数据点
       → CHAOS 影子审查（质疑核查标准是否足够严格）
 
Consolidation：合并四方输出，生成交叉验证报告

┌─ 信息异同 ────────────────────────────┐
│ 哪些事实各源都报道了（高可信度）？        │
│ 哪些事实仅单一源提及（需二次验证）？      │
│ 哪些重要信息某些源有意/无意遗漏？         │
└─────────────────────────────────────┘
 
┌─ 数据异同 ────────────────────────────┐
│ 同一数据点各源报告值是否一致？            │
│ 不一致时，偏差来源是什么（口径/时间/计算）？│
│ 哪些数字可交叉确认？                     │
└─────────────────────────────────────┘
 
┌─ 逻辑异同 ────────────────────────────┐
│ 各源的推理链条是否自洽？                  │
│ 是否存在"用结论推数据"的循环论证？        │
│ 各方假设的前提条件是否明确？              │
└─────────────────────────────────────┘
 
┌─ 结论异同 ────────────────────────────┐
│ 看多/看空/中性各有几个源支持？            │
│ 分歧的根源是事实分歧还是框架分歧？        │
│ 是否存在信息不对称导致的结论差异？         │
└─────────────────────────────────────┘

# {SUBJECT} 交叉验证报告
 
**验证时间**：{datetime}
**核心问题**：{用户原始问题}
**信息源数量**：{N} 个（{列出实际使用的源}）
 
---
 
## 🟢 共识区（高可信度）
 
各信息源交叉确认的事实和结论：
1.[事实/结论]（来源：gangtise + alphapai + acecamp，3源确认）
2....
 
## 🟡 分歧区（需判断）
 
各信息源存在不同观点或数据的领域：
 
### 分歧 1：[议题]
| 立场 | 核心论据 | 来源 | CHAOS 评估 |
|------|---------|------|-----------|
| 多方 | ... | ... | SURVIVE / WOUNDED / KILLED |
| 空方 | ... | ... | SURVIVE / WOUNDED / KILLED |
 
**FACT-CHECKER 判定**：数据[一致/有X%偏差]，逻辑[自洽/存在Y缺陷]
 
### 分歧 2：...
 
## 🔴 待验证区（信息不足）
 
单一来源提及、尚无法交叉确认的信息：
1.[信息]（仅来源：X）——建议验证方式：...
2....
 
## 📊 信息源可信度矩阵
 
| 来源 | 本次覆盖 | 时效性 | 独立性 | 与其他源一致率 | 综合权重 |
|------|---------|--------|--------|-------------|---------|
| ... | ✅/❌ | 高/中/低 | 高/中/低 | X% | 0.XX |
 
## 💡 结论与建议
 
[基于共识区和分歧区的综合研判，以及后续应关注的催化剂/风险点]

用户：帮我交叉验证一下贵州茅台最近的情况
 
Agent：
  P1 → 解析：SUBJECT=贵州茅台, TICKER=600519.SH, DIMENSIONS=[基本面, 市场情绪]
  P2 → 并行执行：
       [Claude] tushare_anns 拉取 600519.SH 近期公告（事实基准）
       [Claude] tushare_news 拉取近 7 天新闻快讯
       [Claude] gangtise 搜索"贵州茅台" + 盈利预测
       [Claude] alphapai 搜索"贵州茅台" + 路演纪要
       [Claude] acecamp 搜索"贵州茅台"
       [Gemini] newsapi 搜索"贵州茅台"
       [Gemini] X 搜索"Kweichow Moutai"
  P3 → Gemini 读取 output/sources/ 全部文件，输出 structured_summary.md
  P4 → War Room: BULL+BEAR+FACT-CHECKER+CHAOS 辩论
  P5 → 输出交叉验证报告