<< All versions

Skill v1.0.0

currentLLM-judged scan90/100
wukangcheng2944/claude-skills/us-a-share-signal-optimizer
──Details
PublishedOctober 24, 2026 at 05:33 AM
Content Hashsha256:059bd0c4a5edccd0...
Git SHAb8763a1ed89f
──Files
Files (1 file, 4.3 KB)
SKILL.md4.3 KBactive
SKILL.md · 163 lines · 4.3 KB

version: "1.0.0" name: us-a-share-signal-optimizer description: optimize the redfi us-to-a-share signal agent with a narrow, autoresearch-style evaluation loop. use when improving prompt files, rewriting optimization docs, comparing baseline versus candidate versions, turning meeting notes into scoring rules, or deciding whether a change to the phase 1 us-to-a-share workflow should be accepted, rejected, or rolled back. prefer single-hypothesis iterations, fixed canary cases, and phase 1 signal quality over broad product redesign.


Us A-Share Signal Optimizer

把它当成研究优化 skill:不直接替代生产输出,而是持续改进生产 skill 的判断质量。

这个 skill 专门做什么

它负责把“会议里的投资洞察”和“产品 spec 的硬约束”变成一套可反复执行的优化闭环。

默认优化对象:

  • system prompt
  • optimize-us-prompt.md
  • 输出样例
  • 评估 rubric
  • mapping / timing / confidence 规则
  • Exa search strategy section(搜索查询模板、搜索预算、结果验证规则)

默认不直接改:

  • 数据库 schema
  • tool names / tool contract
  • Feishu 推送链路
  • phase 划分
  • 与 prompt 无关的代码逻辑

核心原则

  1. 先 baseline,后 candidate
  2. 一次只改一个假设
  3. 固定 canary cases,不要只信 live trace
  4. 主目标单一:提升 next-day actionable signal quality
  5. 任何触发 hard guardrail 的版本直接 reject
  6. 留下研究日志,不要只留下“最新 prompt”

默认优化目标

不是把回答写得更长,而是让 signal 更像一个真的买方早会助手。

重点优化这些维度:

  • buy-side usefulness
  • mapping quality
  • timing / stage judgment
  • confidence calibration
  • loser-as-risk-alert framing
  • phase 1 scope discipline
  • search quality(搜索查询质量、搜索结果与信号质量的关联性)

默认流程

1. 定义本轮唯一假设

每轮只能有一个主要假设,例如:

  • timing note 太泛,需要更强的阶段判断
  • concept / supply chain 经常混写,需要更强分层
  • bearish 输出不够像 risk alert,需要重写负向 framing
  • Mag 7 触发后缺少 sector sentiment 说明

不要一轮里同时改 4 件事。

2. 锁定允许改动面

本轮只允许动一个小面,例如:

  • system prompt 某一段
  • 输出 template
  • rubric 某一维
  • 几条 few-shot 示例

3. 跑 baseline

先记录现状:

  • 当前版本号
  • 当前 prompt / doc
  • 现有已知问题
  • baseline 在固定 case 上的表现

4. 生成 candidate

candidate 只解决本轮那个单一假设。

要求:

  • 不破坏 schema 与路由
  • 不引入 phase 2 的默认复杂度
  • 不把“更前瞻”写成“更会猜”

5. 评估

同时看:

  • live trace
  • 固定 canary cases
  • spec gap 检查
  • hard guardrails

6. Accept / Reject

  • Accept:主目标明确提升,且没有新回归
  • Reject:无提升、提升不稳定、或伤到 guardrails
  • Rollback:candidate 破坏生产可靠性时立刻回滚

hard guardrails

任一触发即 reject:

  • schema 不合法
  • bullish / bearish 路由错
  • bearish 被写成做空建议
  • supply chain / concept 混写
  • 随意越过 phase 1 范围
  • 把非公开或不可验证信息写成事实

如何吸收会议纪要里的洞察

允许吸收这些方向:

  • 买方思维
  • 主动推送意识
  • 前瞻性与阶段判断
  • “看见所以相信” vs “因为相信所以看见”的差异
  • 主流媒体扩散后要降级看待
  • 回调与 thesis broken 要区分

但要做两件事:

  1. 把它们转成可评估规则
  2. 不把专家网络、灰色私有信息、合规风险渠道写成当前版本默认依赖

默认输出

每轮优化都输出一段研究日志,至少包含:

  • baseline version
  • candidate version
  • single hypothesis
  • changed surface
  • baseline vs candidate result
  • regressions
  • accept / reject
  • next hypothesis

工作方法

  • 先读 references/domain-rubric.md
  • 再读 references/golden-cases.md
  • 真跑循环时按 references/research-loop.md

这个 skill 与执行 skill 的关系

  • us-a-share-signal-executor 负责每天产出
  • 本 skill 负责改进它

不要把两者写成一个大而全的技能;默认先保生产,再做研究。

All versions