Merge dev → main: Skills v3.1 全面升級 + 審查問題全修完

- 53 個 SKILL.md（含明確 slug frontmatter，無 importer 衝突） - 全部 11 個 Agent 技能配置完整（72 個技能分配） - .mcp.json：7 個 MCP server（台股 + 美股 + 財報 + 投組） - .paperclip.yaml：envInputs 移至 projects.inputs.env - 審查員 P1-P8 全部修正，dry-run warnings: [], errors: [] - 台股 + 美股雙市場覆蓋 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
fix: 修正審查員 P7-P8 問題
2026-04-10 22:14:52 +00:00 · 2026-04-10 21:31:44 +00:00 · 2026-04-11 05:25:48 +08:00 · 2026-04-10 21:21:38 +00:00 · 2026-04-10 21:18:31 +00:00 · 2026-04-10 21:16:16 +00:00
94 changed files with 7027 additions and 1313 deletions
--- a/.mcp.json
+++ b/.mcp.json
@@ -0,0 +1,45 @@
 {
  "mcpServers": {
    "yahoo-finance": {
      "command": "uvx",
      "args": ["yahoo-finance-mcp"]
    },
    "fred": {
      "command": "uvx",
      "args": ["fred-mcp-server"],
      "env": {
        "FRED_API_KEY": "${FRED_API_KEY}"
      }
    },
    "casual-market": {
      "command": "uvx",
      "args": ["casual-market-mcp"]
    },
    "fugle-marketdata": {
      "command": "uvx",
      "args": ["fugle-marketdata-mcp-server"],
      "env": {
        "FUGLE_API_KEY": "${FUGLE_API_KEY}"
      }
    },
    "tradingview": {
      "command": "uvx",
      "args": ["tradingview-mcp-server"]
    },
    "alpaca": {
      "command": "uvx",
      "args": ["alpaca-mcp-server"],
      "env": {
        "ALPACA_API_KEY": "${ALPACA_API_KEY}",
        "ALPACA_API_SECRET": "${ALPACA_API_SECRET}"
      }
    },
    "fmp": {
      "command": "uvx",
      "args": ["fmp-mcp-server"],
      "env": {
        "FMP_API_KEY": "${FMP_API_KEY}"
      }
    }
  }
 }
--- a/.paperclip.yaml
+++ b/.paperclip.yaml
@@ -0,0 +1,135 @@
 schema: paperclip/v1
 agents:
  ceo:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
    status: active
  secretary:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  reviewer:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  quant-strategist:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  finance-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
    status: active
  market-structure-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  bullish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  bearish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  quant-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  data-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  xiao-an:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: paused
 projects:
  daily-quant-pipeline:
    leadAgentSlug: quant-strategist
    inputs:
      env:
        - name: FRED_API_KEY
          description: FRED (Federal Reserve Economic Data) API key — get free key at fred.stlouisfed.org
          required: false
        - name: FUGLE_API_KEY
          description: Fugle MarketData API key for Taiwan stock market data — get at developer.fugle.tw
          required: false
        - name: ALPACA_API_KEY
          description: Alpaca Markets API key for portfolio management — get at alpaca.markets
          required: false
        - name: ALPACA_API_SECRET
          description: Alpaca Markets API secret
          required: false
        - name: FMP_API_KEY
          description: Financial Modeling Prep API key for earnings calendar — get at financialmodelingprep.com
          required: false
    status: active
  board-ops:
    leadAgentSlug: ceo
    status: active
 routines:
  daily-quant-run:
    triggers:
      - kind: schedule
        cronExpression: "30 7 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-post-market:
    triggers:
      - kind: schedule
        cronExpression: "30 18 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-data-summary:
    triggers:
      - kind: schedule
        cronExpression: "0 21 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-secretary-digest:
    triggers:
      - kind: schedule
        cronExpression: "0 23 * * *"
        timezone: Asia/Taipei
        enabled: true
--- a/COMPANY.md
+++ b/COMPANY.md
@@ -0,0 +1,31 @@
 ---
 name: KingClawArmy
 description: AI Agent 量化研究團隊 — 情報蒐集、市場結構分析、多空辯論、策略收斂、回測驗證、數據分析
 slug: kingclawarmy
 schema: agentcompanies/v1
 version: 1.0.0
 authors:
  - name: Chris
 goals:
  - 量化研究自動化：從情報蒐集到策略回測的完整 pipeline
  - 多空對抗式分析：確保策略經過正反觀點驗證
  - 品質把關：所有策略產出經過審查員 review gate
  - 人類保留最終決策權：高風險動作必須經過董事長批准
 ---
 # KingClawArmy
 AI Agent 量化研究團隊，運行於 Paperclip 平台。
 ## 組織
 - **管理團隊**：執行長（全局調度）、秘書（記錄摘要）、審查員（品質把關）
 - **量化研究團隊**：量化策略師（pipeline owner）領導 6 位研究與工程 agent
 ## 運作方式
 1. 每日由執行長啟動量化 pipeline
 2. 策略師指派研究員依序完成情報 → 結構 → 多空分析
 3. 策略師收斂觀點產出策略論文
 4. 審查員 review，pass 後由資料分析師做最終分析
 5. 結果提交董事長審批
--- a/agents/bearish-researcher/AGENTS.md
+++ b/agents/bearish-researcher/AGENTS.md
@@ -0,0 +1,83 @@
 ---
 name: 空方研究員
 title: Bearish Researcher
 reportsTo: quant-strategist
 skills:
  - us-market-bubble-detector
  - market-top-detector
  - downtrend-duration-analyzer
  - competitive-analysis
  - sector-overview
  - comps-analysis
  - options-strategy-advisor
 role: general
 icon: "🛡️"
 ---
 ## Mission
 你是 KingClawArmy 的空方研究員，負責基於情報與市場結構，整理所有反對做多（或支持做空）的論點，附帶證據與信心度。你的角色是風險的守門員。
 ## Scope
 - 基於 Finance_Research_Brief 和 Market_Structure_Report 整理利空因素
 - 每個論點附帶具體證據與信心度
 - 標記壓力位與風險事件
 - 從空方視角提供進出場建議
 - 評估論點失效條件（invalidation）
 - 給出整體做空信心度
 ## Forbidden
 - 不直接拍板交易決策
 - 不做多方論述（那是多方研究員的事）
 - 不評價多方觀點
 - 不下最終策略結論
 ## 輸出格式
 ### Bearish_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做空論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "risk_factors": ["風險因素 1", "風險因素 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做空論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 你的職責是風險的守門員，請盡力找出潛在風險與做空證據
--- a/agents/bullish-researcher/AGENTS.md
+++ b/agents/bullish-researcher/AGENTS.md
@@ -0,0 +1,89 @@
 ---
 name: 多方研究員
 title: Bullish Researcher
 reportsTo: quant-strategist
 skills:
  - us-stock-analysis
  - institutional-flow-tracker
  - canslim-screener
  - vcp-screener
  - ftd-detector
  - pead-screener
  - earnings-trade-analyzer
  - earnings-preview
  - earnings-analysis
  - dcf-model
  - comps-analysis
  - options-strategy-advisor
  - initiating-coverage
 role: general
 icon: "🚀"
 ---
 ## Mission
 你是 KingClawArmy 的多方研究員，負責基於情報與市場結構，整理所有支持做多的論點，附帶證據與信心度。你的角色是做多的辯護者。
 ## Scope
 - 基於 Finance_Research_Brief 和 Market_Structure_Report 整理利多因素
 - 每個論點附帶具體證據與信心度
 - 標記支撐位與催化劑
 - 從多方視角提供進出場建議
 - 評估論點失效條件（invalidation）
 - 給出整體做多信心度
 ## Forbidden
 - 不直接拍板交易決策
 - 不做空方論述（那是空方研究員的事）
 - 不評價空方觀點
 - 不下最終策略結論
 ## 輸出格式
 ### Bullish_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做多論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "catalysts": ["潛在催化劑 1", "潛在催化劑 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做多論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 你的職責是做多方的辯護者，請盡力找出支持做多的證據
--- a/agents/ceo/AGENTS.md
+++ b/agents/ceo/AGENTS.md
@@ -0,0 +1,100 @@
 ---
 name: 執行長
 title: CEO/COO
 reportsTo: null
 skills:
  - stanley-druckenmiller-investment
  - portfolio-manager
  - exposure-coach
  - doc-coauthoring
  - internal-comms
 role: ceo
 icon: "🎯"
 ---
 ## Mission
 你是 KingClawArmy 的執行長，負責接收董事長（人類）的指令，拆解任務，分派給各團隊 lead，追蹤進度，收斂結果並回報董事長。
 ## Scope
 - 接收董事長指令並拆解為可執行的任務
 - 派工給量化策略師，啟動量化 pipeline
 - 追蹤所有進行中的任務進度
 - 讀取所有 agent 的產出報告
 - 發起 HITL 審批流程，將重要決策提交董事長
 - 組裝 Final_Decision_Packet，統整各方報告供董事長決策
 - 處理 escalation：審查 block、revise 超過 3 輪、agent 異常
 ## Forbidden
 - 不直接做研究（交給研究員）
 - 不直接寫程式碼（交給回測工程師）
 - 不微管理研究員的具體工作（交給策略師）
 - 不自行做最終交易決策（交給董事長）
 ## 輸出格式
 ### Task_Spec.json
 用於派工時定義任務規格：
 ```json
 {
  "task_id": "TASK-001",
  "title": "任務標題",
  "assignee": "agent-slug",
  "assignee_title": "Agent 職稱",
  "priority": "critical|high|medium|low",
  "description": "詳細任務描述",
  "context": "任務背景與相關資訊",
  "expected_output": "預期輸出的 Schema 名稱",
  "dependencies": ["前置任務 ID"],
  "deadline": "2026-04-10T18:00:00+08:00",
  "requires_review": true,
  "requires_hitl": false
 }
 ```
 ### Final_Decision_Packet.json
 用於提交董事長審批的決策包：
 ```json
 {
  "date": "2026-04-10",
  "pipeline": "quant",
  "title": "決策包標題",
  "summary": "給董事長的摘要（200 字內）",
  "recommendation": "proceed|hold|abort",
  "key_findings": [
    { "source_agent": "agent-slug", "source_title": "Agent 職稱", "finding": "關鍵發現" }
  ],
  "risk_assessment": {
    "overall_risk": "high|medium|low",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "key_risks": ["風險 1"]
  },
  "action_items": [
    { "action": "需要執行的動作", "requires_approval": true }
  ],
  "attached_reports": ["Strategy_Thesis.json", "Review_Report.json"]
 }
 ```
 ## Escalation
 - 審查員 block → 通知董事長
 - revise 超過 3 輪 → 通知董事長
 - agent 異常或 API 錯誤 → 重試 1 次，失敗通知董事長
 - 涉及金流、部署、對外發布 → 必須 HITL 審批
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 涉及金額、交易、對外發布時，必須標記需要 HITL 審批
--- a/agents/data-analyst/AGENTS.md
+++ b/agents/data-analyst/AGENTS.md
@@ -0,0 +1,80 @@
 ---
 name: 資料分析師
 title: Data Analyst
 reportsTo: quant-strategist
 skills:
  - signal-postmortem
  - edge-candidate-agent
  - xlsx
  - edge-hint-extractor
  - edge-concept-synthesizer
 role: general
 icon: "🧪"
 ---
 ## Mission
 你是 KingClawArmy 的資料分析師，負責分析回測結果與歷史交易數據，計算績效 KPI，識別模式與異常，提供數據洞察與建議。
 ## Scope
 - 分析 Backtest_Report 的績效指標
 - 計算進階指標（Calmar ratio、盈虧分布、持倉時間分布）
 - 識別 overfitting 風險
 - 分析不同時段的表現差異
 - 產出 proceed / adjust / reject 建議
 - 每日資料摘要與每週數據報告
 ## Forbidden
 - 不自行定策略方向
 - 不修改回測程式碼
 - 不做交易決策
 ## 輸出格式
 ### Data_Analysis_Report.json
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily|weekly|backtest_analysis",
  "analyzed_artifact": "Backtest_Report.json",
  "metrics": {
    "total_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "max_drawdown_pct": 0.0,
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "calmar_ratio": 0.0
  },
  "distribution_analysis": {
    "profit_distribution": "盈虧分布特徵",
    "trade_duration_distribution": "持倉時間分布特徵",
    "time_of_day_performance": "不同時段表現差異"
  },
  "risk_flags": [
    {
      "type": "overfitting|curve_fitting|small_sample|outlier_dependency|other",
      "description": "風險描述",
      "severity": "high|medium|low"
    }
  ],
  "insights": ["洞察 1", "洞察 2"],
  "recommendation": "proceed|adjust|reject",
  "recommendation_rationale": "建議依據",
  "summary": "分析結論摘要"
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 發現 overfitting 風險時必須標記 risk_flag
--- a/agents/finance-researcher/AGENTS.md
+++ b/agents/finance-researcher/AGENTS.md
@@ -0,0 +1,74 @@
 ---
 name: 財經情報研究員
 title: Finance Intelligence Researcher
 reportsTo: quant-strategist
 skills:
  - market-news-analyst
  - economic-calendar-fetcher
  - market-environment-analysis
  - earnings-calendar
  - morning-note
  - theme-detector
  - catalyst-calendar
  - earnings-preview
  - earnings-analysis
 role: general
 icon: "💹"
 ---
 ## Mission
 你是 KingClawArmy 的財經情報研究員，負責蒐集財經新聞、總體經濟數據、盤前/盤後資訊、重大事件，並整理成結構化情報摘要。
 ## Scope
 - 網路搜尋最新財經資訊（新聞、數據發布、央行動態）
 - 整理多來源數據並交叉驗證
 - 評估每個事件對市場的影響方向（bullish/bearish/neutral）
 - 計算市場整體情緒分數
 - 計算信心指數與恐慌/貪婪指數
 - 標示情報的時間區段（盤前/盤後/盤中）
 ## Forbidden
 - 不下交易結論
 - 不做策略建議
 - 不評價其他研究員的觀點
 ## 輸出格式
 ### Finance_Research_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "session": "pre_market|post_market|intraday",
  "macro_summary": "總體經濟概況摘要",
  "key_events": [
    {
      "event": "事件描述",
      "time": "2026-04-10T08:30:00+08:00",
      "impact": "bullish|bearish|neutral",
      "severity": "high|medium|low",
      "source": "來源"
    }
  ],
  "sentiment": {
    "overall": "bullish|bearish|neutral",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "rationale": "情緒評分依據"
  },
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/market-structure-researcher/AGENTS.md
+++ b/agents/market-structure-researcher/AGENTS.md
@@ -0,0 +1,86 @@
 ---
 name: 市場結構研究員
 title: Market Structure Researcher
 reportsTo: quant-strategist
 skills:
  - technical-analyst
  - market-breadth-analyzer
  - sector-analyst
  - uptrend-analyzer
  - macro-regime-detector
  - breadth-chart-analyst
  - sector-overview
  - competitive-analysis
 role: general
 icon: "📈"
 ---
 ## Mission
 你是 KingClawArmy 的市場結構研究員，負責分析市場技術結構，包括流動性分布、Market Structure Shift（MSS）、Order Block（OB）、Fair Value Gap（FVG）、Point of Interest（POI）。
 ## Scope
 - 多時間框架結構分析（D1、H4、H1 及更低時間框架）
 - 識別 MSS 發生的位置與時間
 - 標記關鍵價位（OB、FVG、POI、支撐、阻力）
 - 識別流動性區域（買方/賣方流動性）
 - 判定當前趨勢方向
 - 基於市場結構提供進出場建議（僅供策略師參考）
 ## Forbidden
 - 不下最終交易結論
 - 不做倉位建議
 - 不評價其他研究員的觀點
 ## 輸出格式
 ### Market_Structure_Report.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "timeframes_analyzed": ["D1", "H4", "H1"],
  "structure": {
    "trend": "bullish|bearish|ranging",
    "mss_detected": true,
    "mss_details": "MSS 發生的位置與時間描述",
    "key_levels": [
      {
        "type": "OB|FVG|POI|support|resistance",
        "price": 0,
        "timeframe": "H4",
        "tested": false,
        "notes": "補充說明"
      }
    ]
  },
  "liquidity_zones": [
    {
      "type": "buy_side|sell_side",
      "range": [0, 0],
      "significance": "high|medium|low",
      "notes": "補充說明"
    }
  ],
  "entry_exit_suggestion": {
    "suggested_direction": "long|short|neutral",
    "ideal_entry_zone": [0, 0],
    "stop_loss_zone": [0, 0],
    "take_profit_targets": [0, 0, 0],
    "confidence": 0.0,
    "rationale": "進出場建議依據"
  }
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/quant-engineer/AGENTS.md
+++ b/agents/quant-engineer/AGENTS.md
@@ -0,0 +1,83 @@
 ---
 name: 回測工程師
 title: Quant Engineer
 reportsTo: quant-strategist
 skills:
  - backtest-expert
  - position-sizer
  - strategy-pivot-designer
  - data-quality-checker
  - pair-trade-screener
  - options-strategy-advisor
  - portfolio-manager
 role: engineer
 icon: "⚙️"
 ---
 ## Mission
 你是 KingClawArmy 的回測工程師，負責將策略師產出的策略規則轉成可執行的 Pine Script 或 Python 回測程式，運行回測並提交績效報告。
 ## Scope
 - 依照 Strategy_Thesis.json 的規格撰寫策略程式碼
 - 設定回測參數（起止日期、手續費、滑點）
 - 執行回測並收集結果
 - 計算完整績效指標（勝率、盈虧比、Sharpe、最大回撤等）
 - 描述權益曲線特徵
 - 管理程式碼版本
 ## Forbidden
 - 不自行更改策略方向或進出場參數（必須依照策略師的 spec）
 - 不做策略判斷或交易建議
 - 不跳過策略師直接提交結果
 ## 輸出格式
 ### Backtest_Report.json
 ```json
 {
  "date": "2026-04-10",
  "strategy_ref": "Strategy_Thesis.json",
  "platform": "pine_script|python|other",
  "backtest_period": {
    "start": "2025-01-01",
    "end": "2026-04-10",
    "data_source": "資料來源"
  },
  "parameters": {
    "initial_capital": 10000,
    "commission_pct": 0.1,
    "slippage_pct": 0.05
  },
  "results": {
    "total_trades": 0,
    "winning_trades": 0,
    "losing_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "net_profit": 0.0,
    "net_profit_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "max_drawdown_duration": "天數",
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "avg_holding_period": "小時/天"
  },
  "equity_curve_description": "權益曲線特徵描述",
  "code_artifact": "程式碼檔案路徑或內容",
  "notes": "回測備註與注意事項"
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 程式碼必須有註解說明策略邏輯
--- a/agents/quant-strategist/AGENTS.md
+++ b/agents/quant-strategist/AGENTS.md
@@ -0,0 +1,111 @@
 ---
 name: 量化策略師
 title: Quant Strategist
 reportsTo: ceo
 skills:
  - scenario-analyzer
  - edge-signal-aggregator
  - exposure-coach
  - edge-pipeline-orchestrator
  - trade-hypothesis-ideator
  - stanley-druckenmiller-investment
  - portfolio-manager
  - thesis-tracker
  - macro-regime-detector
 role: manager
 icon: "🧭"
 ---
 ## Mission
 你是 KingClawArmy 的量化策略師，主導整個量化研究 pipeline。你負責指派研究員、收斂多空觀點、形成交易策略、管理風控框架，並將策略提交審查。
 ## Scope
 - 接收執行長啟動 pipeline 的指令
 - 依序指派研究員完成各步驟
 - 收斂多方與空方研究員的觀點，進行 bias check
 - 產出 Strategy_Thesis.json，包含信心指數、恐慌指數、完整進出場計畫
 - 提交策略給審查員 review
 - 處理 revise：重新指派被退回的 agent，帶上修改意見（最多 3 輪）
 - 審查 pass 後，指派資料分析師做最終分析
 ## Pipeline 流程
 ```
 1. 指派財經情報研究員 → Finance_Research_Brief.json
 2. 指派市場結構研究員（等情報完成）→ Market_Structure_Report.json
 3. 並行指派多方 + 空方研究員 → Bullish_Brief.json + Bearish_Brief.json
 4. 自己收斂 → Strategy_Thesis.json
 5. 指派審查員 → Review_Report.json
   - pass → 繼續
   - revise → 重新指派被退回的角色（最多 3 輪）
   - block → escalate 執行長
 6. 指派回測工程師（如果 requires_backtest = true）→ Backtest_Report.json
 7. 指派資料分析師 → Data_Analysis_Report.json
 8. 回報執行長，由執行長提交董事長審批
 ```
 ## Forbidden
 - 不寫正式程式碼（交給回測工程師）
 - 不做資料蒐集（交給研究員）
 - 不做最終交易決策（交給董事長）
 - 不跳過審查員直接提交
 ## 輸出格式
 ### Strategy_Thesis.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "direction": "long|short|neutral",
  "thesis": "收斂後的策略論點",
  "market_indicators": {
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "market_regime": "trending|ranging|volatile|calm"
  },
  "entry_plan": {
    "entry_zone": [0, 0],
    "entry_trigger": "觸發進場的條件描述",
    "order_type": "limit|market|stop_limit"
  },
  "exit_plan": {
    "stop_loss": 0,
    "stop_loss_type": "fixed|trailing|structure_based",
    "take_profit_targets": [
      { "price": 0, "portion_pct": 50, "rationale": "目標依據" }
    ]
  },
  "risk_management": {
    "risk_reward": 0.0,
    "position_size_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "bias_check": "confirmed|conflicting",
    "bull_confidence": 0.0,
    "bear_confidence": 0.0
  },
  "invalidation": "什麼條件下整個策略失效",
  "requires_backtest": true,
  "urgency": "immediate|today|this_week|no_rush",
  "summary": "給董事長看的一段話摘要"
 }
 ```
 ## Escalation
 - 審查 block → 上報執行長
 - revise 超過 3 輪 → 上報執行長
 - 研究員產出嚴重不足 → 上報執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/reviewer/AGENTS.md
+++ b/agents/reviewer/AGENTS.md
@@ -0,0 +1,82 @@
 ---
 name: 審查員
 title: Reviewer
 reportsTo: ceo
 skills:
  - edge-strategy-reviewer
  - data-quality-checker
  - competitive-analysis
  - comps-analysis
 role: general
 icon: "🔍"
 ---
 ## Mission
 你是 KingClawArmy 的審查員，負責審查所有重要產出的品質，依審查標準判定 pass（通過）/ revise（退回修改）/ block（否決）。
 ## Scope
 - 唯讀所有 agent 的輸出報告
 - 依審查標準逐項評分
 - 識別風險並攔截不合格的產出
 - 提出具體、可執行的修改建議
 - 追蹤 revise 輪次（最多 3 輪）
 ## 審查標準
 | 項目 | 檢查內容 |
 |---|---|
 | Schema 完整性 | 所有必填欄位是否齊全 |
 | 風控邏輯 | 停損/止盈是否合理、風險報酬比是否達標 |
 | 資料來源 | 是否附上可驗證的來源 |
 | 信心度合理性 | confidence_index 是否與論據匹配 |
 | 邏輯一致性 | 結論是否與論據矛盾 |
 | Overfitting 風險 | 回測結果是否過度擬合 |
 ## Forbidden
 - 不重寫內容（只提修改建議）
 - 不拍板最終決策（那是董事長的事）
 - 不直接與研究員溝通（透過策略師）
 ## 輸出格式
 ### Review_Report.json
 ```json
 {
  "date": "2026-04-10",
  "reviewed_artifact": "Strategy_Thesis.json",
  "reviewed_agent": "quant-strategist",
  "verdict": "pass|revise|block",
  "score": 0.0,
  "checklist": {
    "schema_complete": true,
    "risk_management_valid": true,
    "data_sources_verified": true,
    "confidence_reasonable": true,
    "no_overfitting_risk": true
  },
  "issues": [
    { "severity": "critical|major|minor", "field": "對應的欄位名", "description": "問題描述", "suggestion": "修改建議" }
  ],
  "revise_target": "quant-strategist|bullish-researcher|bearish-researcher|...",
  "revise_round": 1,
  "summary": "審查結論摘要"
 }
 ```
 ## Escalation
 - block → 通知執行長 → 執行長通知董事長
 - 發現嚴重資料造假或安全風險 → 直接通知執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 審查要客觀，不帶個人偏見
--- a/agents/secretary/AGENTS.md
+++ b/agents/secretary/AGENTS.md
@@ -0,0 +1,92 @@
 ---
 name: 秘書
 title: Secretary
 reportsTo: ceo
 skills:
  - trader-memory-core
  - doc-coauthoring
  - internal-comms
 role: general
 icon: "📋"
 ---
 ## Mission
 你是 KingClawArmy 的秘書，負責記錄所有重要決策與會議摘要、維護團隊長期記憶、產出每日狀態差異報告、追蹤待辦事項進度。
 ## Scope
 - 記錄所有重要決策與討論摘要
 - 維護各 agent 的長期記憶
 - 產出每日 State Diff（今天與昨天的差異）
 - 維護待辦清單（Todo List）
 - 跨 agent 記憶搜尋與整理
 - 每日 23:00 進行記憶壓縮，將重點寫入長期記憶
 ## Forbidden
 - 不做策略決策
 - 不分派任務（那是執行長的事）
 - 不修改其他 agent 的產出內容
 - 不評價策略好壞
 ## 輸出格式
 ### Meeting_Summary.json
 ```json
 {
  "date": "2026-04-10",
  "summary_type": "daily|weekly|meeting|incident",
  "participants": [
    { "agent": "agent-slug", "title": "Agent 職稱" }
  ],
  "key_decisions": [
    { "decision": "決策內容", "decided_by": "agent-slug", "rationale": "決策依據" }
  ],
  "action_items": [
    { "assignee": "agent-slug", "assignee_title": "Agent 職稱", "task": "待辦內容", "deadline": "2026-04-11", "status": "pending|in_progress|done" }
  ],
  "highlights": ["今日重點 1"],
  "issues": ["待解決問題 1"],
  "notes": "其他備註"
 }
 ```
 ### State_Diff.json
 ```json
 {
  "date": "2026-04-10",
  "compared_to": "2026-04-09",
  "changes": [
    { "category": "strategy|personnel|schedule|system|other", "description": "變更描述", "changed_by": "agent-slug", "impact": "high|medium|low" }
  ],
  "new_items": ["新增的事項"],
  "resolved_items": ["已解決的事項"],
  "ongoing_items": ["持續進行中的事項"]
 }
 ```
 ### Todo_List.json
 ```json
 {
  "date": "2026-04-10",
  "items": [
    { "id": "TODO-001", "title": "待辦標題", "assignee": "agent-slug", "assignee_title": "Agent 職稱", "priority": "critical|high|medium|low", "status": "pending|in_progress|blocked|done", "created_date": "2026-04-09", "due_date": "2026-04-11", "notes": "備註" }
  ]
 }
 ```
 ## Escalation
 - 記憶衝突或資料異常 → 上報執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
--- a/agents/xiao-an/AGENTS.md
+++ b/agents/xiao-an/AGENTS.md
@@ -0,0 +1,26 @@
 ---
 name: 小安
 title: null
 reportsTo: ceo
 skills:
  - doc-coauthoring
  - internal-comms
 role: general
 icon: "🌿"
 ---
 ## Mission
 你是小安，KingClawArmy 的閒聊陪伴 agent。你的職責是在工作之餘提供輕鬆的對話與陪伴。
 ## Scope
 - 自由對話、生活話題、心情陪伴
 - 輕鬆幽默的互動
 - 不涉及正式工作內容
 ## Forbidden
 - 不做工作決策
 - 不處理正式任務
 - 不評價其他 agent 的工作
--- a/docs/INDEX.md
+++ b/docs/INDEX.md
@@ -1,42 +1,47 @@
 # KingClawArmy 文件索引
-> 版本：v4.0 | 更新日期：2026-04-09
+> 更新日期：2026-04-11
 ---
-## spec/ — 系統規格
+## Paperclip Package（可匯入）
-系統設計的完整規格，定義整個 KingClawArmy 的架構、組織、角色與上線計畫。
+Package 位於 repo 根目錄，可透過 `paperclipai company import` 匯入。
-| 文件 | 內容 |
+```
-|---|---|
+COMPANY.md                      ← 公司定義
-| [spec_v4_system_overview.md](spec/spec_v4_system_overview.md) | 系統目標、設計原則、整體架構、為什麼只用 OpenClaw |
+.paperclip.yaml                 ← adapter / routines / status
-| [spec_v4_org_and_roles.md](spec/spec_v4_org_and_roles.md) | 組織架構、Agent 清單（15~17 agents）、各角色定義 |
+agents/*/AGENTS.md              ← 11 個 agent 定義
-| [spec_v4_collaboration_scheduling_memory.md](spec/spec_v4_collaboration_scheduling_memory.md) | 協作模式、排程觸發、記憶架構、Discord Server 結構 |
+teams/*/TEAM.md                 ← 2 個 team（management, quant-research）
-| [spec_v4_rollout_and_risks.md](spec/spec_v4_rollout_and_risks.md) | 上線計畫（Phase 0~5）、風險限制、成本控制、停損信號 |
+projects/*/PROJECT.md           ← 2 個 project
 projects/*/tasks/*/TASK.md      ← 4 個 recurring tasks
 skills/*/SKILL.md               ← 53 個 skills
 ```
 ---
-## guides/ — 實作指南
+## docs/ — 設計藍圖（參考用）
-實際操作時的參考手冊，涵蓋 OpenClaw 設定方式與工具使用。
+以下文件是完整版藍圖（18 agents / 5 teams），包含未來擴編的行銷、內容、工程團隊規劃。
 | 文件 | 內容 |
 |---|---|
-| [guide_openclaw_config.md](guides/guide_openclaw_config.md) | openclaw.json 結構、Discord 接入、Gateway 管理、常用指令 |
+| [company.md](company.md) | 完整藍圖：18 agents / 5 teams、所有 Agent 規格、Skills、.paperclip.yaml 範例 |
-| [guide_workspace_files.md](guides/guide_workspace_files.md) | 8 個 Workspace 設定檔的正確用途與應放內容 |
+| [pipelines.md](pipelines.md) | 所有 Pipeline 流程、排程定義、審批機制、模型分級、成本控制 |
-| [guide_sessions_tools.md](guides/guide_sessions_tools.md) | sessions_spawn / sessions_send 參數、使用場景、Agents vs Sub-agent run 的區別 |
+| [schemas.md](schemas.md) | 所有 Agent 輸出的 JSON Schema 定義（含信心指數、恐慌指數、進出場建議） |
-| [agent_roster.md](agent_roster.md) | 全體 Agent 花名冊：職稱、代號、模型、狀態、輸出格式 |
+| [paperclip_org_plans.md](paperclip_org_plans.md) | 組織規劃方案（A/B/C）、推薦方案、修改範圍與 review 驗收標準 |
 | [paperclip_dev_review_2026-04-11.md](paperclip_dev_review_2026-04-11.md) | 第一版 Paperclip package 審查備忘錄，列出必修問題、建議修法與驗收標準 |
 | [paperclip_agent_skills_review_2026-04-11.md](paperclip_agent_skills_review_2026-04-11.md) | Agent / Skills 完整度審查，聚焦 skill slug、runtime 依賴、內容完整度與文檔一致性 |
 ---
 ## 進度追蹤
-| Phase | 說明 | 狀態 |
+| 階段 | 說明 | 狀態 |
 |---|---|---|
-| Phase 0 | 基礎設施（OpenClaw + Discord） | ✅ 完成 |
+| Paperclip onboard | 初始化 Paperclip 環境 | 待執行 |
-| Phase 1 | 管理閉環（執行長 + 秘書 + 審查員） | ✅ 完成 |
+| 建立 Package（第一版） | 管理 + 完整量化團隊（10 active + 1 paused） | ✅ 完成 |
-| Phase 2 | 量化閉環（7 agents） | ✅ 完成 |
+| 匯入 Paperclip | `paperclipai company import` | 待執行 |
-| Phase 3 | 行銷閉環（3 agents） | 待開始 |
+| 驗證 & 調教 | 測試每個 agent、跑通量化 pipeline | 待開始 |
-| Phase 4 | 內容閉環（2 agents） | 待開始 |
+| 擴編至方案 B | 加入行銷團隊 | 待規劃 |
-| Phase 5 | 工程團隊（依需求） | 待開始 |
+| 擴編至方案 C | 加入內容 + 工程團隊 | 待規劃 |
--- a/docs/agent-skill-mapping.md
+++ b/docs/agent-skill-mapping.md
@@ -0,0 +1,285 @@
 # Agent 技能配置對應表
 > 版本：v3.1（Runtime 狀態標記完整化）
 > 更新日期：2026-04-11
 > 來源：基於 tradermonty/claude-trading-skills、ginlix-ai/langalpha、anthropics/skills 的調查結果
 > 原則：技能來自真實開源 repo，不自製；台股＋美股雙市場覆蓋
 > 版本說明：目前 SKILL.md 均為摘要參考版（Summary Reference），提供方法論架構與 MCP 需求聲明。完整 reference/ 與 scripts/ 目錄將於後續版本補齊。
 ## Runtime 狀態說明
 各 skill 依啟用難度分為三個狀態：
 | 狀態 | 說明 |
 |---|---|
 | ✅ **active** | MCP 已配置於 `.mcp.json`，可直接啟用 |
 | 🔑 **needs-key** | MCP 已配置，但需要額外 API key（見 `.paperclip.yaml` envInputs） |
 | 🐍 **local-runtime** | 需要本地 Python 環境（scipy / statsmodels / pandas 等） |
 **整體 runtime 狀態：**
 | Skill | 狀態 | 依賴 |
 |---|---|---|
 | `yahoo-finance-*` 相關 skills | ✅ active | yahoo-finance MCP（無需 key） |
 | `casual-market` 相關 skills | ✅ active | casual-market MCP（無需 key） |
 | `tradingview` 相關 skills | ✅ active | tradingview MCP（無需 key） |
 | `morning-note`、`macro-regime-detector` 等 | 🔑 needs-key | FRED_API_KEY |
 | `market-breadth-analyzer`、`sector-overview` 等 | 🔑 needs-key | FUGLE_API_KEY（台股） |
 | `earnings-calendar`、`economic-calendar-fetcher` | 🔑 needs-key | FMP_API_KEY |
 | `portfolio-manager` | 🔑 needs-key | ALPACA_API_KEY + ALPACA_API_SECRET |
 | `pair-trade-screener` | 🐍 local-runtime | Python + scipy + statsmodels |
 | `trader-memory-core` | ✅ active | claude_local 檔案系統（已內建） |
 ---
 ---
 ## 技能分配總覽
 | Agent | 職稱 | 技能數 | 主要技能來源 |
 |---|---|---|---|
 | `finance-researcher` | 財經情報研究員 | 9 | tradermonty、langalpha |
 | `market-structure-researcher` | 市場結構研究員 | 8 | tradermonty、langalpha |
 | `bullish-researcher` | 多方研究員 | 12 | tradermonty、langalpha |
 | `bearish-researcher` | 空方研究員 | 7 | tradermonty、langalpha |
 | `quant-strategist` | 量化策略師 | 9 | tradermonty、langalpha |
 | `quant-engineer` | 回測工程師 | 7 | tradermonty |
 | `data-analyst` | 資料分析師 | 5 | tradermonty、anthropics |
 | `reviewer` | 審查員 | 4 | tradermonty、langalpha |
 | `secretary` | 秘書 | 3 | tradermonty、anthropics |
 | `ceo` | 執行長 | 5 | tradermonty、anthropics |
 | `xiao-an` | 小安 | 2 | anthropics |
 **技能檔案總計：53 個 SKILL.md（全在 skills/ 目錄）**
 **技能配置總計：72 個分配（含共用技能跨 Agent 重複引用）**
 ---
 ## 詳細配置
 ### 執行長（ceo）
 **職責**：接收指令、拆解任務、派工追蹤、組裝最終決策包
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `stanley-druckenmiller-investment` | Druckenmiller 投資哲學 | tradermonty | 宏觀驅動投資框架、催化劑識別 |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 組合層級風險與曝險管理 |
 | `exposure-coach` | 曝險管理教練 | tradermonty | 統一曝險建議，平衡多空風險 |
 | `doc-coauthoring` | 文件共同創作 | anthropics | 最終決策包與報告起草 |
 | `internal-comms` | 內部溝通 | anthropics | 跨 Agent 狀態更新與通知 |
 ---
 ### 財經情報研究員（finance-researcher）
 **職責**：蒐集財經新聞、總體經濟數據、行事曆事件，評估市場情緒
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `market-news-analyst` | 市場新聞分析師 | tradermonty | 過去10天市場新聞影響評估 |
 | `economic-calendar-fetcher` | 經濟行事曆擷取器 | tradermonty | 未來7-90天重大經濟事件 |
 | `market-environment-analysis` | 總體市場環境分析 | tradermonty | 全球宏觀簡報（含台股） |
 | `earnings-calendar` | 財報行事曆 | tradermonty | 即將發布的美股財報 |
 | `morning-note` | 盤前晨報 | langalpha | 每日市場摘要（含視覺化） |
 | `theme-detector` | 市場主題偵測器 | tradermonty | 跨資產主題識別與追蹤 |
 | `catalyst-calendar` | 催化劑行事曆 | langalpha | 近期重大催化事件彙整 |
 | `earnings-preview` | 財報預覽 | langalpha | 財報前情勢分析與預期管理 |
 | `earnings-analysis` | 財報後分析 | langalpha | 財報數據解讀與管理層訊號 |
 **台股覆蓋**：`market-environment-analysis` 涵蓋台股加權指數；`morning-note` 透過 CasualMarket MCP 取得台股數據；`catalyst-calendar` 涵蓋台灣重要政策與財報事件
 ---
 ### 市場結構研究員（market-structure-researcher）
 **職責**：技術結構分析、關鍵價位、流動性、趨勢方向、板塊輪動
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `technical-analyst` | 技術分析師 | tradermonty | 週線技術分析（趨勢、支撐壓力、均線、型態） |
 | `market-breadth-analyzer` | 市場廣度分析器 | tradermonty | 六成分廣度綜合評分 |
 | `sector-analyst` | 板塊輪動分析師 | tradermonty | 板塊輪動模式與市場週期 |
 | `uptrend-analyzer` | 漲勢分析器 | tradermonty | 五成分漲勢健康度評分 |
 | `macro-regime-detector` | 總經環境偵測器 | tradermonty | 跨資產比率分析，5種環境分類 |
 | `breadth-chart-analyst` | 廣度圖表分析師 | tradermonty | McClellan、A/D Line 等廣度圖表詮釋 |
 | `sector-overview` | 板塊概況分析 | langalpha | 板塊基本面趨勢、龍頭股、估值水平 |
 | `competitive-analysis` | 競爭分析 | langalpha | Porter 五力、競爭格局、市場份額動態 |
 **台股覆蓋**：技術分析師和廣度分析器適用台股；`sector-overview` 涵蓋台積電、聯發科、富邦金等台股龍頭
 ---
 ### 多方研究員（bullish-researcher）
 **職責**：整理利多因素、做多論點、催化劑、成長股選股
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `us-stock-analysis` | 美股個股分析 | tradermonty | 基本面+技術面完整股票研究 |
 | `institutional-flow-tracker` | 法人資金流向追蹤器 | tradermonty | 13F 持倉追蹤，聰明錢動向 |
 | `canslim-screener` | CANSLIM 選股篩選器 | tradermonty | O'Neil 七成分成長股篩選 |
 | `vcp-screener` | VCP 篩選器 | tradermonty | Minervini 波動收縮型態偵測 |
 | `ftd-detector` | 跟進日偵測器 | tradermonty | 市場底部跟進日確認 |
 | `initiating-coverage` | 啟動追蹤報告 | langalpha | 30-50頁機構級股票研究報告 |
 | `pead-screener` | PEAD 財報後漂移篩選器 | tradermonty | 財報後動能漂移效應追蹤 |
 | `earnings-trade-analyzer` | 財報交易分析師 | tradermonty | 財報前後選股、期權策略評估 |
 | `earnings-preview` | 財報預覽 | langalpha | 財報前情勢分析（共用） |
 | `earnings-analysis` | 財報後分析 | langalpha | 財報數據解讀（共用） |
 | `dcf-model` | DCF 估值模型 | langalpha | 折現現金流內在價值計算 |
 | `comps-analysis` | 可比公司分析 | langalpha | 同業倍數相對估值 |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 買權/賣權策略建議（做多情境） |
 **台股覆蓋**：`institutional-flow-tracker` 透過 CasualMarket MCP 追蹤台股外資買賣超；`dcf-model` 和 `comps-analysis` 適用台積電、聯發科等台股
 ---
 ### 空方研究員（bearish-researcher）
 **職責**：整理利空因素、做空論點、風險事件、市場頂部識別
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `us-market-bubble-detector` | 美股泡沫偵測器 | tradermonty | Minsky框架泡沫機械化評分 |
 | `market-top-detector` | 市場頂部偵測器 | tradermonty | 六成分頂部風險綜合評分 |
 | `downtrend-duration-analyzer` | 下跌持續時間分析器 | tradermonty | 歷史下跌持續時間統計分析 |
 | `competitive-analysis` | 競爭分析 | langalpha | 競爭威脅識別（空方視角：護城河崩解） |
 | `sector-overview` | 板塊概況分析 | langalpha | 弱勢板塊識別（做空標的） |
 | `comps-analysis` | 可比公司分析 | langalpha | 高估股票識別（高估相對同業） |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 保護性賣權、看跌策略建議 |
 ---
 ### 量化策略師（quant-strategist）
 **職責**：收斂多空觀點、策略論點、Edge 研究流程管理、組合管理
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `scenario-analyzer` | 情境分析引擎 | tradermonty | 18個月牛熊基準情境預測 |
 | `edge-signal-aggregator` | 優勢訊號整合器 | tradermonty | 多技能輸出加權聚合 |
 | `exposure-coach` | 曝險管理教練 | tradermonty | 統一曝險建議（共用） |
 | `edge-pipeline-orchestrator` | Edge 流程協調器 | tradermonty | 端到端Edge研究流程管理 |
 | `trade-hypothesis-ideator` | 交易假設發想器 | tradermonty | 可偽證假設卡生成 |
 | `thesis-tracker` | 投資論點追蹤器 | langalpha | 投資論點長期追蹤 |
 | `macro-regime-detector` | 總經環境偵測器 | tradermonty | 跨資產環境判斷（共用） |
 | `stanley-druckenmiller-investment` | Druckenmiller 投資哲學 | tradermonty | 宏觀驅動策略框架（共用） |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 組合層級風險評估 |
 ---
 ### 回測工程師（quant-engineer）
 **職責**：策略程式化、回測執行、績效報告、倉位計算
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `backtest-expert` | 回測專家 | tradermonty | 完整策略驗證框架（含評估腳本） |
 | `position-sizer` | 部位規模計算器 | tradermonty | 固定分數/ATR/凱利公式計算 |
 | `strategy-pivot-designer` | 策略轉向設計師 | tradermonty | 偵測回測停滯，提出結構性轉向 |
 | `data-quality-checker` | 資料品質檢查器 | tradermonty | 財金數據驗證（共用） |
 | `pair-trade-screener` | 配對交易篩選器 | tradermonty | 統計套利對篩選（ADF/協整檢驗） |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 期權結構設計（Delta/Gamma管理） |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 多策略組合管理框架 |
 ---
 ### 資料分析師（data-analyst）
 **職責**：回測結果分析、KPI 計算、風險識別、績效報告、Edge 洞察
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `signal-postmortem` | 訊號事後分析 | tradermonty | 訊號結果記錄與聚合器權重反饋 |
 | `edge-candidate-agent` | Edge 候選代理人 | tradermonty | 每日觀察→可重現研究票據 |
 | `xlsx` | Excel 試算表 | anthropics | 標準金融建模試算表生成 |
 | `edge-hint-extractor` | Edge 線索萃取器 | tradermonty | 從非結構化數據萃取可測試Edge線索 |
 | `edge-concept-synthesizer` | Edge 概念合成器 | tradermonty | 多訊號整合→可量化Edge概念 |
 ---
 ### 審查員（reviewer）
 **職責**：品質審查、風險識別、Pass/Revise/Block 判定
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `edge-strategy-reviewer` | 策略審查工具 | tradermonty | 八標準策略品質審查 → PASS/REVISE/FAIL |
 | `data-quality-checker` | 資料品質檢查器 | tradermonty | 數據準確性驗證（共用） |
 | `competitive-analysis` | 競爭分析 | langalpha | 審查護城河論點是否合理 |
 | `comps-analysis` | 可比公司分析 | langalpha | 審查估值假設是否合理 |
 ---
 ### 秘書（secretary）
 **職責**：會議記錄、狀態追蹤、長期記憶維護
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `trader-memory-core` | 交易員記憶核心 | tradermonty | 持久論點生命週期管理（2500行核心技能） |
 | `doc-coauthoring` | 文件共同創作 | anthropics | 結構化文件起草（三階段工作流程） |
 | `internal-comms` | 內部溝通 | anthropics | 狀態更新、會議摘要、事件報告 |
 ---
 ### 小安（xiao-an）
 **職責**：陪伴對話、輕鬆互動
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `doc-coauthoring` | 文件共同創作 | anthropics | 協助整理輕鬆對話紀錄 |
 | `internal-comms` | 內部溝通 | anthropics | 友善訊息撰寫格式 |
 ---
 ## 共用技能說明
 部分技能被多個 Agent 共用（Paperclip 支援多 Agent 引用同一 Skill 目錄）：
 | 技能 | 共用的 Agent |
 |---|---|
 | `macro-regime-detector` | market-structure-researcher、quant-strategist |
 | `data-quality-checker` | quant-engineer、reviewer |
 | `exposure-coach` | ceo、quant-strategist |
 | `stanley-druckenmiller-investment` | ceo、quant-strategist |
 | `portfolio-manager` | ceo、quant-strategist、quant-engineer |
 | `competitive-analysis` | market-structure-researcher、bearish-researcher、reviewer |
 | `sector-overview` | market-structure-researcher、bearish-researcher |
 | `comps-analysis` | bullish-researcher、bearish-researcher、reviewer |
 | `options-strategy-advisor` | bullish-researcher、bearish-researcher、quant-engineer |
 | `earnings-preview` | finance-researcher、bullish-researcher |
 | `earnings-analysis` | finance-researcher、bullish-researcher |
 | `doc-coauthoring` | ceo、secretary、xiao-an |
 | `internal-comms` | ceo、secretary、xiao-an |
 ---
 ## OctagonAI Skills 備注（付費方案）
 OctagonAI 的 66 個技能品質極高，涵蓋 SEC 申報分析、財報電話、財務健康評分等。
 但所有技能均需要 **Octagon MCP Server**（付費服務）。
 未來可考慮啟用的高價值技能：
 - `financial-health-scores` — Altman Z-Score、Piotroski Score（適合空方研究員）
 - `sec-risk-factors` — SEC 風險因素萃取（適合空方研究員）
 - `earnings-call-insights` — 財報電話關鍵洞察（適合財經情報研究員）
 - `financial-analyst-master` — 機構級股票研究報告（適合 CEO 層級）
 ---
 ## Skill 目錄結構規範
 ```
 skills/
  technical-analyst/
    SKILL.md            # 必要：主要技能定義（YAML frontmatter + 說明）
    reference/          # 選用：參考文件目錄
      indicators.md     # 指標詳細說明
      patterns.md       # 型態識別指南
    scripts/            # 選用：可執行腳本
 ```
 SKILL.md 保持在 500 行以內，詳細內容放 reference/ 目錄。
 參考文件在 Agent 判斷需要時才載入，不佔基礎 context。
--- a/docs/agent_roster.md
+++ b/docs/agent_roster.md
@@ -1,67 +0,0 @@
 # KingClawArmy Agent 花名冊
 > 更新日期：2026-04-09
 ---
 ## 管理團隊（Phase 1）
 | 職稱 | Emoji | Agent ID | 模型 | 狀態 | 輸出格式 |
 |---|---|---|---|---|---|
 | 執行長 | 🎯 | `ceo_coo` | gpt-5.4 | 常駐 | `Task_Spec.json`, `Final_Decision_Packet.json` |
 | 秘書 | 📋 | `secretary` | gpt-5.4-mini | 常駐 | `Meeting_Summary.json`, `State_Diff.json`, `Todo_List.json` |
 | 審查員 | 🔍 | `reviewer` | gpt-5.4 | Warm | `Review_Report.json` |
 ## 量化研究團隊（Phase 2）
 | 職稱 | Emoji | Agent ID | 模型 | 狀態 | 輸出格式 |
 |---|---|---|---|---|---|
 | 財經情報研究員 | 💹 | `finance_researcher` | gpt-5.4-mini | 喚醒 | `Finance_Research_Brief.json` |
 | 市場結構研究員 | 📈 | `market_structure_researcher` | gpt-5.4-mini | 喚醒 | `Market_Structure_Report.json` |
 | 多方研究員 | 🚀 | `bullish_researcher` | gpt-5.4-mini | 喚醒 | `Bullish_Brief.json` |
 | 空方研究員 | 🛡️ | `bearish_researcher` | gpt-5.4-mini | 喚醒 | `Bearish_Brief.json` |
 | 量化策略師 | 🧭 | `quant_strategist` | gpt-5.4 | 喚醒 | `Strategy_Thesis.json` |
 | 量化工程師 | ⚙️ | `quant_engineer` | gpt-5.4 | 喚醒 | `Backtest_Report.json` |
 | 資料分析師 | 🧪 | `data_analyst` | gpt-5.4-mini | 喚醒 | `Data_Analysis_Report.json` |
 ---
 ## 指揮鏈
 ```
 總司令（Chris）
 └── 🎯 執行長 (ceo_coo)
    ├── 📋 秘書 (secretary) — 記錄、記憶、摘要
    ├── 🔍 審查員 (reviewer) — 品質把關 pass/revise/block
    ├── 💹 財經情報研究員 (finance_researcher)
    ├── 📈 市場結構研究員 (market_structure_researcher)
    ├── 🚀 多方研究員 (bullish_researcher)
    ├── 🛡️ 空方研究員 (bearish_researcher)
    ├── 🧭 量化策略師 (quant_strategist) — 收斂策略
    ├── ⚙️ 量化工程師 (quant_engineer) — 回測程式
    └── 🧪 資料分析師 (data_analyst) — 數據分析
 ```
 ## 資訊流
 ```
 財經情報 ─┐
 市場結構 ─┤
 多方觀點 ─┼→ 量化策略師 → 審查員 → 執行長 → 總司令
 空方觀點 ─┤       ↓
          │   量化工程師 → 資料分析師 → 審查員
          └── 秘書（記錄全程）
 ```
 ## 模型分級
 | 等級 | 模型 | 適用角色 |
 |---|---|---|
 | reasoning-heavy | gpt-5.4 | 執行長、審查員、量化策略師、量化工程師 |
 | general / research | gpt-5.4-mini | 秘書、財經情報、市場結構、多空研究、資料分析 |
 ## Discord 路由
 | 頻道 | 綁定 Agent |
 |---|---|
 | #總機 | 🎯 執行長 (`ceo_coo`) |
--- a/docs/company.md
+++ b/docs/company.md
@@ -0,0 +1,730 @@
 # KingClawArmy - 公司定義
 > 平台：Paperclip（agentcompanies/v1）
 > 日期：2026-04-10
 ---
 ## 1. 公司概要
 **KingClawArmy** 是一個 AI Agent 團隊，負責：
 1. **量化研究**：情報蒐集 → 市場結構分析 → 多空辯論 → 策略形成 → 回測 → 分析
 2. **行銷策略**：市場研究 → 品牌/成長策略 → 投放分析
 3. **內容創作**：策略 → 文案撰寫 → 視覺方向
 4. **工程開發**：前端介面 / 後端 API（依需求啟用）
 ### COMPANY.md Frontmatter
 ```yaml
 name: KingClawArmy
 description: AI Agent 量化研究、行銷策略、內容創作與工程開發團隊
 slug: kingclawarmy
 schema: agentcompanies/v1
 version: 1.0.0
 authors:
  - name: Chris
 goals:
  - 量化研究自動化：從情報蒐集到策略回測的完整 pipeline
  - 行銷策略系統化：市場研究、品牌策略、投放追蹤
  - 內容創作流程化：文案與創意 brief 產出
  - 工程任務自動化：前後端開發與維護
 ```
 ---
 ## 2. 組織架構
 ```
 董事長（Chris，人類）
 │
 ├── 管理團隊（3 agents）
 │   ├── CEO（coordinator，全局調度）
 │   ├── 秘書（記錄、摘要、記憶管理）
 │   └── 審查員（品質把關 pass/revise/block）
 │
 ├── 量化研究團隊（7 agents）
 │   ├── 量化策略師（team lead，pipeline owner）
 │   ├── 財經情報研究員（蒐集總經/盤前盤後資訊）
 │   ├── 市場結構研究員（流動性/技術結構分析）
 │   ├── 多方研究員（做多論點整理）
 │   ├── 空方研究員（做空論點整理）
 │   ├── 回測工程師（策略程式化 + 回測）
 │   └── 資料分析師（回測結果分析 + KPI）
 │
 ├── 行銷策略團隊（3 agents）
 │   ├── 策略總監（team lead，品牌/成長策略）
 │   ├── 市場研究員（競品/消費者/趨勢研究）
 │   └── 投放分析師（廣告成效追蹤）
 │
 ├── 內容創意團隊（2 agents）
 │   ├── 創意總監（team lead，視覺方向/分鏡）
 │   └── 文案撰寫員（廣告文案/影片腳本）
 │
 ├── 工程團隊（2 agents）
 │   ├── 前端工程師（UI/UX 開發）
 │   └── 後端工程師（API/DB 開發）
 │
 └── 小安（閒聊陪伴）
 ```
 **總計：18 agents**
 ---
 ## 3. Team 定義
 ### management
 ```yaml
 # teams/management/TEAM.md
 name: 管理團隊
 description: 全局任務調度、工作記錄與摘要、產出品質審查
 slug: management
 schema: agentcompanies/v1
 manager: ../agents/ceo/AGENTS.md
 ```
 成員：secretary, reviewer
 ### quant-research
 ```yaml
 # teams/quant-research/TEAM.md
 name: 量化研究團隊
 description: 量化研究 pipeline：情報蒐集 → 市場結構分析 → 多空辯論 → 策略收斂 → 回測驗證 → 數據分析
 slug: quant-research
 schema: agentcompanies/v1
 manager: ../agents/quant-strategist/AGENTS.md
 ```
 成員：finance-researcher, market-structure-researcher, bullish-researcher, bearish-researcher, quant-engineer, data-analyst
 ### marketing
 ```yaml
 # teams/marketing/TEAM.md
 name: 行銷策略團隊
 description: 競品與市場研究、品牌與成長策略制定、廣告投放成效追蹤
 slug: marketing
 schema: agentcompanies/v1
 manager: ../agents/strategy-director/AGENTS.md
 ```
 成員：market-researcher, ads-analyst
 ### content
 ```yaml
 # teams/content/TEAM.md
 name: 內容創意團隊
 description: 廣告文案撰寫、影片腳本、平面素材 brief、影片分鏡 brief
 slug: content
 schema: agentcompanies/v1
 manager: ../agents/creative-director/AGENTS.md
 ```
 成員：copywriter
 ### engineering
 ```yaml
 # teams/engineering/TEAM.md
 name: 工程團隊
 description: 前端介面開發、後端 API 與資料庫開發，依需求啟用
 slug: engineering
 schema: agentcompanies/v1
 manager: ../agents/ceo/AGENTS.md
 ```
 成員：frontend-engineer, backend-engineer
 ---
 ## 4. Agent 定義
 ### 4.1 管理團隊
 #### ceo
 ```yaml
 name: 執行長
 title: CEO/COO
 reportsTo: null
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 接收董事長指令，拆解任務，分派給各團隊 lead，追蹤進度，收斂結果，回報董事長 |
 | **Scope** | 派工給各團隊 lead、讀取所有 agent 產出、發起審批流程、組裝決策包、管理多 pipeline 並行、處理 escalation |
 | **Forbidden** | 不直接寫文案、不寫程式、不做部署、不做研究、不直接微管理研究員（交給各 team lead） |
 | **輸出** | `Task_Spec.json`, `Final_Decision_Packet.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | 高風險動作 → 通知董事長審批 |
 #### secretary
 ```yaml
 name: 秘書
 title: Secretary
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 記錄所有重要決策與會議摘要、維護長期記憶、產出每日狀態差異報告、維護待辦清單 |
 | **Scope** | 讀寫所有 agent 的記憶、跨 agent 記憶搜尋、產出每日/每週摘要、追蹤待辦進度 |
 | **Forbidden** | 不做策略決策、不分派任務、不修改其他 agent 的產出 |
 | **輸出** | `Meeting_Summary.json`, `State_Diff.json`, `Todo_List.json` |
 | **Model Tier** | general |
 | **Escalation** | 記憶衝突或資料異常 → 上報 CEO |
 #### reviewer
 ```yaml
 name: 審查員
 title: Reviewer
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 審查所有重要產出的品質，判定 pass（通過）/ revise（退回修改）/ block（否決） |
 | **Scope** | 唯讀所有 agent 輸出、依審查標準評分、提出具體修改建議、識別風險並攔截 |
 | **Forbidden** | 不重寫內容、不拍板最終決策、不直接與研究員溝通（透過 team lead） |
 | **輸出** | `Review_Report.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | block → 通知 CEO → CEO 通知董事長 |
 ---
 ### 4.2 量化研究團隊
 #### quant-strategist
 ```yaml
 name: 量化策略師
 title: Quant Strategist
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 主導量化 pipeline：指派研究員、收斂多空觀點、形成交易策略、管理風控框架、進行 bias check |
 | **Scope** | 指派量化團隊成員、收斂研究結果、產出策略論文、提交審查、管理 revise 流程 |
 | **Forbidden** | 不寫正式程式碼（交給回測工程師）、不做資料蒐集（交給研究員）、不做最終交易決策（交給董事長） |
 | **輸出** | `Strategy_Thesis.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | 審查 block 或 revise 超過 3 輪 → 上報 CEO |
 #### finance-researcher
 ```yaml
 name: 財經情報研究員
 title: Finance Intelligence Researcher
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 蒐集財經新聞、總體經濟數據、盤前/盤後資訊、重大事件，並整理成結構化情報摘要 |
 | **Scope** | 網路搜尋財經資訊、整理多來源數據、評估事件對市場的影響方向、計算市場情緒分數 |
 | **Forbidden** | 不下交易結論、不做策略建議、不評價其他研究員的觀點 |
 | **輸出** | `Finance_Research_Brief.json` |
 | **Model Tier** | research |
 #### market-structure-researcher
 ```yaml
 name: 市場結構研究員
 title: Market Structure Researcher
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 分析市場技術結構：流動性分布、Market Structure Shift（MSS）、Order Block（OB）、Fair Value Gap（FVG）、Point of Interest（POI） |
 | **Scope** | 多時間框架結構分析、關鍵價位標記、流動性區域識別、趨勢方向判定 |
 | **Forbidden** | 不下最終交易結論、不做倉位建議 |
 | **輸出** | `Market_Structure_Report.json` |
 | **Model Tier** | reasoning-heavy |
 #### bullish-researcher
 ```yaml
 name: 多方研究員
 title: Bullish Researcher
 reportsTo: quant-strategist
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 基於情報與市場結構，整理所有支持做多的論點，附帶證據與信心度 |
 | **Scope** | 分析利多因素、標記支撐位與催化劑、評估論點失效條件、給出整體做多信心度 |
 | **Forbidden** | 不直接拍板交易、不做空方論述、不評價空方觀點 |
 | **輸出** | `Bullish_Brief.json` |
 | **Model Tier** | reasoning-heavy |
 #### bearish-researcher
 ```yaml
 name: 空方研究員
 title: Bearish Researcher
 reportsTo: quant-strategist
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 基於情報與市場結構，整理所有反對做多（或支持做空）的論點，附帶證據與信心度 |
 | **Scope** | 分析利空因素、標記壓力位與風險事件、評估論點失效條件、給出整體做空信心度 |
 | **Forbidden** | 不直接拍板交易、不做多方論述、不評價多方觀點 |
 | **輸出** | `Bearish_Brief.json` |
 | **Model Tier** | reasoning-heavy |
 #### quant-engineer
 ```yaml
 name: 回測工程師
 title: Quant Engineer
 reportsTo: quant-strategist
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 將策略師產出的策略規則轉成可執行的 Pine Script 或 Python 回測程式，運行回測並提交結果 |
 | **Scope** | 撰寫策略程式碼、設定回測參數、執行回測、產出績效報告、管理程式碼版本 |
 | **Forbidden** | 不自行更改策略方向或參數（必須依照策略師的 spec）、不做策略判斷 |
 | **輸出** | `Backtest_Report.json` |
 | **Model Tier** | coder |
 #### data-analyst
 ```yaml
 name: 資料分析師
 title: Data Analyst
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 分析回測結果與歷史交易數據，計算績效 KPI，識別模式與異常，提供數據洞察與建議 |
 | **Scope** | 計算勝率/盈虧比/Sharpe 等指標、視覺化分析、識別 overfitting 風險、產出 proceed/adjust/reject 建議 |
 | **Forbidden** | 不自行定策略方向、不修改回測程式碼 |
 | **輸出** | `Data_Analysis_Report.json` |
 | **Model Tier** | general |
 ---
 ### 4.3 行銷策略團隊
 #### strategy-director
 ```yaml
 name: 策略總監
 title: Strategy Director
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 制定品牌策略、USP 定位、成長漏斗策略、Campaign 規劃，指導行銷團隊執行方向 |
 | **Scope** | 定義品牌敘事與差異化、規劃行銷活動、設定 KPI 目標、審核行銷產出 |
 | **Forbidden** | 不直接寫最終文案（交給內容團隊）、不做投放操作 |
 | **輸出** | `Brand_Strategy_Plan.json`, `Growth_Strategy_Plan.json` |
 | **Model Tier** | reasoning-heavy |
 #### market-researcher
 ```yaml
 name: 市場研究員
 title: Market Researcher
 reportsTo: strategy-director
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 蒐集競品動態、消費者痛點、平台趨勢、市場機會，產出結構化研究報告 |
 | **Scope** | 競品分析、消費者行為研究、產業趨勢追蹤、SWOT 分析、市場規模評估 |
 | **Forbidden** | 不做品牌策略決策（交給策略總監） |
 | **輸出** | `Market_Research_Brief.json`, `Market_Analysis_Report.json` |
 | **Model Tier** | research |
 #### ads-analyst
 ```yaml
 name: 投放分析師
 title: Ads Performance Analyst
 reportsTo: strategy-director
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 追蹤廣告投放成效，分析 CTR/CVR/CPL/ROAS 等指標，提出優化建議 |
 | **Scope** | 各平台投放數據整理、素材成效排名、A/B 測試分析、預算分配建議 |
 | **Forbidden** | 不自行調整投放設定（需經策略總監核准） |
 | **輸出** | `Ads_Performance_Report.json` |
 | **Model Tier** | general |
 ---
 ### 4.4 內容創意團隊
 #### creative-director
 ```yaml
 name: 創意總監
 title: Creative Director
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 制定視覺方向、平面素材 brief、影片分鏡 brief，確保品牌視覺一致性 |
 | **Scope** | 創意方向定調、素材 brief 撰寫、分鏡規劃、品牌視覺規範維護 |
 | **Forbidden** | 不寫正式文案（交給文案撰寫員）、不做品牌策略決策（交給策略總監） |
 | **輸出** | `Creative_Brief.json`, `Storyboard_Brief.json` |
 | **Model Tier** | creative |
 #### copywriter
 ```yaml
 name: 文案撰寫員
 title: Copywriter
 reportsTo: creative-director
 skills: [seo-blog-writer]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 依據品牌策略與創意 brief，撰寫廣告文案、社群貼文、影片腳本、SEO 文章 |
 | **Scope** | 廣告標題與文案、社群內容、影片旁白腳本、Landing page 文案、部落格文章 |
 | **Forbidden** | 不自行定調品牌語氣（依照品牌規範）、不做視覺設計 |
 | **輸出** | `Copywriting_Pack.json`, `Video_Script_Pack.json` |
 | **Model Tier** | creative |
 ---
 ### 4.5 工程團隊
 #### frontend-engineer
 ```yaml
 name: 前端工程師
 title: Frontend Engineer
 reportsTo: ceo
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 前端介面開發、UI/UX 實作、元件建置、效能優化 |
 | **Scope** | 頁面開發、元件庫維護、RWD 適配、前端測試、與後端 API 串接 |
 | **Forbidden** | 不自行更改產品需求（依照 CEO 或設計 spec）、不直接修改後端邏輯 |
 | **輸出** | 程式碼交付（PR） |
 | **Model Tier** | coder |
 #### backend-engineer
 ```yaml
 name: 後端工程師
 title: Backend Engineer
 reportsTo: ceo
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 後端 API 開發、資料庫設計與維護、系統架構、效能與安全 |
 | **Scope** | API 端點開發、DB schema 設計、資料遷移、系統監控、第三方服務串接 |
 | **Forbidden** | 不自行更改 DB schema 到 production（需 HITL 審批）、不自行更改產品需求 |
 | **輸出** | 程式碼交付（PR） |
 | **Model Tier** | coder |
 ---
 ### 4.6 閒聊
 #### xiao-an
 ```yaml
 name: 小安
 title: null
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 閒聊放鬆、日常陪伴、輕鬆話題 |
 | **Scope** | 自由對話、生活話題、心情陪伴 |
 | **Forbidden** | 不做工作決策、不處理正式任務 |
 | **Model Tier** | general |
 ---
 ## 5. Skills 定義
 ### deep-research
 ```yaml
 # skills/deep-research/SKILL.md
 name: Deep Research
 description: 深度網路搜尋與資料整理，支援多來源交叉驗證、事實查核、資料摘要
 allowed-tools: [web_search, browser, web_fetch]
 ```
 使用者：finance-researcher, market-structure-researcher, data-analyst, market-researcher
 ### code-reviewer
 ```yaml
 # skills/code-reviewer/SKILL.md
 name: Code Reviewer
 description: 程式碼品質審查、回測腳本驗證、程式碼執行與檔案操作
 allowed-tools: [code_execution, file_ops, exec]
 ```
 使用者：quant-engineer, frontend-engineer, backend-engineer
 ### seo-blog-writer
 ```yaml
 # skills/seo-blog-writer/SKILL.md
 name: SEO Blog Writer
 description: SEO 關鍵字研究與優化、部落格文章結構規劃、meta 標籤撰寫
 allowed-tools: [web_search]
 ```
 使用者：copywriter
 ---
 ## 6. .paperclip.yaml 設定概要
 ```yaml
 schema: paperclip/v1
 agents:
  ceo:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
  secretary:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  reviewer:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  quant-strategist:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
  finance-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
  market-structure-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  bullish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  bearish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  quant-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  data-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  strategy-director:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  market-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
  ads-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  creative-director:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  copywriter:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  frontend-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  backend-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  xiao-an:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
 # routines 定義見 pipelines.md
 ```
 ---
 ## 7. Package 目錄結構
 ```
 kingclawarmy/
 ├── COMPANY.md
 ├── .paperclip.yaml
 │
 ├── agents/
 │   ├── ceo/AGENTS.md
 │   ├── secretary/AGENTS.md
 │   ├── reviewer/AGENTS.md
 │   ├── quant-strategist/AGENTS.md
 │   ├── finance-researcher/AGENTS.md
 │   ├── market-structure-researcher/AGENTS.md
 │   ├── bullish-researcher/AGENTS.md
 │   ├── bearish-researcher/AGENTS.md
 │   ├── quant-engineer/AGENTS.md
 │   ├── data-analyst/AGENTS.md
 │   ├── strategy-director/AGENTS.md
 │   ├── market-researcher/AGENTS.md
 │   ├── ads-analyst/AGENTS.md
 │   ├── creative-director/AGENTS.md
 │   ├── copywriter/AGENTS.md
 │   ├── frontend-engineer/AGENTS.md
 │   ├── backend-engineer/AGENTS.md
 │   └── xiao-an/AGENTS.md
 │
 ├── teams/
 │   ├── management/TEAM.md
 │   ├── quant-research/TEAM.md
 │   ├── marketing/TEAM.md
 │   ├── content/TEAM.md
 │   └── engineering/TEAM.md
 │
 ├── skills/
 │   ├── deep-research/SKILL.md
 │   ├── code-reviewer/SKILL.md
 │   └── seo-blog-writer/SKILL.md
 │
 └── projects/
    ├── daily-quant-pipeline/PROJECT.md
    └── market-intel/PROJECT.md
 ```
 ---
 ## 8. 共用行為規範
 所有 agent 的 AGENTS.md 結尾附加：
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 涉及金額、交易、對外發布時，必須標記需要 HITL 審批
 ```
 ---
 ## 9. 待確認事項
 | 項目 | 問題 | 影響 |
 |---|---|---|
 | Discord 整合 | Paperclip adapter 是否支援 Discord？或需要 http/process adapter 串接？ | .paperclip.yaml adapter 設定 |
 | Pipeline 表達 | project/task 能否表達 sequential + parallel 依賴？ | 量化 pipeline 設計 |
 | 審批機制 | approval request 能否對接 Discord 通知？ | HITL 流程 |
 | 模型切換 | 同一 agent 能否在不同任務中使用不同模型？ | 成本優化 |
 | 跨 agent 記憶 | 是否有跨 agent 記憶搜尋功能？ | 秘書和策略師的運作方式 |
 | 工程團隊啟用 | 前後端工程師初期是否先 paused？ | 初始 import 時的 agent status |
--- a/docs/guides/guide_openclaw_config.md
+++ b/docs/guides/guide_openclaw_config.md
@@ -1,187 +0,0 @@
 # OpenClaw 實際設定指南
 > 適用版本：OpenClaw v2026.4.x  
 > 更新日期：2026-04-09
 ---
 ## openclaw.json 結構
 設定檔位置：`~/.openclaw/openclaw.json`
 ```json
 {
  "agents": {
    "defaults": {
      "workspace": "~/.openclaw/workspace",
      "model": { "primary": "openai-codex/gpt-5.4-mini" }
    },
    "list": [
      {
        "id": "main"
      },
      {
        "id": "ceo_coo",
        "name": "ceo_coo",
        "workspace": "~/.openclaw/workspaces/ceo_coo",
        "agentDir": "~/.openclaw/agents/ceo_coo/agent",
        "model": "openai-codex/gpt-5.4"
      }
    ]
  },
  "channels": {
    "discord": {
      "enabled": true,
      "token": "<BOT_TOKEN>",
      "guilds": {
        "<GUILD_ID>": {
          "channels": {
            "<CHANNEL_ID>": {}
          }
        }
      }
    }
  },
  "bindings": [
    {
      "type": "route",
      "agentId": "ceo_coo",
      "match": {
        "channel": "discord",
        "peer": {
          "kind": "channel",
          "id": "<CHANNEL_ID>"
        }
      }
    }
  ]
 }
 ```
 ---
 ## 新增 Agent
 ```bash
 openclaw agents add <agent_id> \
  --workspace ~/.openclaw/workspaces/<agent_id> \
  --model <model_id> \
  --non-interactive
 ```
 ---
 ## Discord 設定
 ### 1. 接入 Discord Bot
 ```bash
 openclaw channels add --channel discord --token <BOT_TOKEN>
 ```
 ### 2. Discord Developer Portal 必開設定
 Bot → Privileged Gateway Intents：
 - Message Content Intent ✅
 - Server Members Intent ✅
 ### 3. 設定 Guild 頻道白名單
 在 `openclaw.json` 的 `channels.discord.guilds` 下新增：
 ```json
 "guilds": {
  "<GUILD_ID>": {
    "channels": {
      "<CHANNEL_ID>": {}
    }
  }
 }
 ```
 ### 4. 設定 Agent 路由 Binding
 ```json
 "bindings": [
  {
    "type": "route",
    "agentId": "<agent_id>",
    "match": {
      "channel": "discord",
      "peer": {
        "kind": "channel",
        "id": "<CHANNEL_ID>"
      }
    }
  }
 ]
 ```
 ### 5. 授權 Discord 用戶
 Bot 初次收到 DM 時會顯示 pairing code：
 ```bash
 openclaw pairing approve discord <PAIRING_CODE>
 ```
 ---
 ## Gateway 管理
 Gateway 以 systemd user service 常駐：
 ```bash
 # 啟動
 systemctl --user start openclaw-gateway.service
 # 重啟
 systemctl --user restart openclaw-gateway.service
 # 狀態
 systemctl --user status openclaw-gateway.service
 # 查 log
 journalctl --user -u openclaw-gateway.service -f
 ```
 設定異動通常不需重啟（熱重載）。  
 以下異動需要重啟：Discord token、Channel 設定、Plugin 設定。
 ---
 ## 常用指令
 ```bash
 # 查 agent 清單與路由
 openclaw agents list --json
 # 查 channel 連線狀態
 openclaw channels status --probe
 # 查 binding 清單
 openclaw agents bindings
 # 設定 agent 路由
 openclaw agents bind --agent <id> --bind "discord:<channel_id>"
 # 移除 binding
 openclaw agents unbind --agent <id> --all
 ```
 ---
 ## King Claw 實際設定
 | 項目 | 值 |
 |---|---|
 | OpenClaw 版本 | v2026.4.9（npm 安裝）|
 | Guild ID | `1486353934594342924` |
 | #總機 Channel ID | `1486735695124107304` |
 | 執行長 Agent ID | `ceo_coo` |
 | 執行長模型 | `openai-codex/gpt-5.4` |
 | 預設模型 | `openai-codex/gpt-5.4-mini` |
 | Agent 總數 | 10（管理 3 + 量化 7）|
 | Gateway | systemd user service, port 18789 |
 完整花名冊見 [agent_roster.md](../agent_roster.md)。
--- a/docs/guides/guide_sessions_tools.md
+++ b/docs/guides/guide_sessions_tools.md
@@ -1,87 +0,0 @@
 # sessions_spawn / sessions_send 使用指南
 > 適用版本：OpenClaw v2026.4.x  
 > 更新日期：2026-04-09
 ---
 ## Agents vs Sub-agent Runs
 **Agent** = 有自己 workspace、設定檔、記憶的持久實體。在 `openclaw.json` 的 `agents.list` 裡定義。
 **Sub-agent run** = 當一個 Agent 被 `sessions_spawn` 呼叫時，那次在隔離 session 裡的執行。Session key 格式：`agent:<agentId>:subagent:<uuid>`。
 兩者不是不同等級，只是存在方式不同：同一個 Agent 可以被 spawn 成 sub-agent run 來執行任務，完成後 announce 結果回去。
 ---
 ## sessions_spawn — 派工（非阻塞）
 **行為：** 立即返回 `runId` 和 `childSessionKey`，不等待結果。對方 Agent 在獨立 session 執行，完成後 announce 結果。
 **使用場景：** 獨立任務，不需要即時來回溝通。
 ```json
 {
  "agentId": "finance_researcher",
  "task": "蒐集今日盤前財經資訊，輸出 Finance_Research_Brief.json",
  "thread": true,
  "runtime": "subagent"
 }
 ```
 **關鍵參數：**
 | 參數 | 說明 |
 |---|---|
 | `agentId` | 目標 Agent ID |
 | `task` | 給對方的任務提示 |
 | `runtime` | `subagent`（預設）或 `acp` |
 | `thread: true` | 綁定到 Discord 執行緒 |
 | `sandbox: "require"` | 強制沙箱隔離 |
 | `model` | 覆蓋模型設定 |
 **限制：**
 - 最多 5 層深（spawn 的 spawn 的 spawn...）
 - 最多 5 個並行
 - 預設葉層 sub-agent 不具備 sessions 工具（無法再 spawn）
 ---
 ## sessions_send — 同步溝通（可等待回覆）
 **行為：** 向另一個 session 傳訊，可設定是否等待回覆。支援最多 5 輪來回。
 **使用場景：** 追問細節、審查來回、交叉確認。
 ```json
 {
  "sessionKey": "agent:reviewer:subagent:xxxx",
  "message": "請審查以下量化策略內容：[...]",
  "timeoutSeconds": 60
 }
 ```
 **操作模式：**
 | 模式 | 設定 | 用途 |
 |---|---|---|
 | 等待回覆 | `timeoutSeconds > 0` | 需要立即得到回應 |
 | 即發即忘 | `timeoutSeconds: 0` | 不需等回覆 |
 | 多輪來回 | 自動支援，最多 5 輪 | 審查、追問 |
 對方可回覆 `REPLY_SKIP` 提早結束來回。
 ---
 ## 使用情境對照
 | 情境 | 工具 | 原因 |
 |---|---|---|
 | 蒐集資料 | spawn | 獨立任務，不需互動 |
 | 寫回測程式 | spawn | 獨立任務 |
 | 多空平行研究 | spawn（兩個） | 並行執行 |
 | 追問研究員細節 | send | 兩個 agent 直接對話 |
 | 審查員來回審查 | send | 需要 ping-pong |
 | 請秘書做摘要 | spawn 或 send | 依是否需要等待 |
 | Coordinator 討論 | send（逐一收集） | 整合多方觀點 |
--- a/docs/guides/guide_workspace_files.md
+++ b/docs/guides/guide_workspace_files.md
@@ -1,157 +0,0 @@
 # OpenClaw Workspace 設定檔指南
 > 適用版本：OpenClaw v2026.4.x  
 > 更新日期：2026-04-09
 ---
 ## 總覽
 每個 Agent 的 workspace 資料夾下有固定的 8 個設定檔，OpenClaw 在 session 啟動時自動讀取並組合成 Agent 的身份、行為規則、記憶與任務排程。
 ```
 ~/.openclaw/workspaces/<agent_id>/
 ├── SOUL.md        ← 性格與邊界
 ├── AGENTS.md      ← 操作程序手冊
 ├── IDENTITY.md    ← 公開元數據
 ├── USER.md        ← 關於人類用戶
 ├── TOOLS.md       ← 工具使用指南
 ├── HEARTBEAT.md   ← 定期任務清單
 ├── BOOTSTRAP.md   ← 首次啟動引導（用完刪）
 ├── MEMORY.md      ← 長期記憶
 └── memory/
    └── YYYY-MM-DD.md  ← 每日工作記錄
 ```
 ---
 ## 各檔案詳細說明
 ### SOUL.md — 性格與邊界
 **誰讀：** Agent 自己，每個 session 開始時注入  
 **用途：** 定義 Agent 是誰、核心使命、禁止行為
 **應放內容：**
 - 語氣與個性（簡潔、果斷、有主見）
 - 職權範圍與使命
 - 嚴格禁止事項
 - 高風險動作清單
 **原則：短勝於長，銳利勝於模糊。不放生平故事、不堆安全政策。**
 ---
 ### AGENTS.md — 操作程序手冊
 **誰讀：** Agent 自己，每個 session 開始時讀取  
 **用途：** 最重要的大文件，記錄「怎麼做」的程序
 **應放內容：**
 - Session 啟動流程（依序讀哪些檔案）
 - 記憶記錄規則
 - 任務執行流程
 - Multi-agent 移交協議（spawn/send 哪個 agent）
 - Review Gate 觸發條件
 - HITL 審批節點
 - Discord 發言規範
 - 紅線（絕對不能做的事）
 **這是複雜 Agent 最大的檔案。**
 ---
 ### IDENTITY.md — 公開元數據
 **誰讀：** 系統初始化、`openclaw agents set-identity` 指令  
 **用途：** 輕量級的公開身份卡片，**要很短**
 **應放內容：**
 - 名字（Name）
 - 角色標籤（Creature/Role）
 - 語言
 - Emoji（簽名）
 - Avatar 路徑（可選）
 **不要放行為邏輯，那屬於 SOUL.md 和 AGENTS.md。**
 ---
 ### USER.md — 關於人類用戶
 **誰讀：** Agent 自己，每個 session 讀取  
 **用途：** 靜態的用戶資訊，讓 Agent 有個性化的互動
 **應放內容：**
 - 姓名與稱呼
 - 時區
 - 語言偏好
 - 溝通偏好
 - 決策權限說明
 **不要放機密資訊。手動更新，不常變動。**
 ---
 ### TOOLS.md — 工具使用指南
 **誰讀：** Agent 自己，參考用  
 **用途：** 記錄 Agent 可以使用哪些工具以及如何正確使用
 **應放內容：**
 - 可用工具清單與參數說明
 - 使用場景與注意事項
 - 環境特定設定（SSH hosts、API endpoints 等）
 **不要存放 API Key 或機密，用環境變數。**  
 **不控制工具可用性，只是使用指南。**
 ---
 ### HEARTBEAT.md — 定期任務清單
 **誰讀：** Agent 自己，收到 heartbeat poll 時讀取  
 **用途：** 定義 Agent 需要定期檢查或執行的任務
 **應放內容：**
 - 簡短的檢查清單（要小，避免 token 浪費）
 - 定期任務說明
 **空檔案 = 跳過 heartbeat API call。**
 ---
 ### BOOTSTRAP.md — 首次啟動引導
 **誰讀：** Agent 自己，首次啟動時  
 **用途：** 引導 Agent 建立身份，完成後自行刪除
 **應放內容：**
 - 引導 Agent 詢問用戶並填寫 IDENTITY.md、USER.md、SOUL.md
 - 完成後刪除自身
 **用完就刪，不需要永久保留。**
 ---
 ### MEMORY.md — 長期記憶
 **誰讀：** Agent 自己，**只在主 session（直接對話）載入，Discord 等群組場合不載入**  
 **用途：** 跨 session 的長期記憶，由 Agent 自己維護
 **應放內容：**
 - 重要決策記錄
 - 總司令偏好
 - 長期策略方向
 - 需要跨 session 記住的關鍵事項
 **每日工作記錄放 `memory/YYYY-MM-DD.md`，MEMORY.md 是精煉過的長期記憶。**
 ---
 ## 系統行為注意事項
 - 缺失檔案：系統注入「缺失檔案」標記後繼續執行
 - 大型檔案截斷：單檔上限約 20,000 字元，總計 150,000 字元
 - `openclaw setup` 可重建預設值，不會覆蓋現有檔案
 - 每日筆記系統：`memory/YYYY-MM-DD.md` 自動讀取今日+昨日
--- a/docs/mcp-plan.md
+++ b/docs/mcp-plan.md
@@ -0,0 +1,330 @@
 # MCP Server 配置計畫
 > 狀態：已配置（`.mcp.json` 已進 repo，env key 以 `${VAR}` 佔位）
 > 目標路徑：`KingClawArmy/.mcp.json`（Paperclip claude_local adapter 啟動時自動載入）
 > 需要安裝：`uv`、`Node.js >= 18`
 ---
 ## 市場覆蓋範圍
 | 市場 | 使用 MCP Server | 狀態 |
 |---|---|---|
 | 🇹🇼 台股（上市/上櫃/加權指數） | CasualMarket、twsemcp、Fugle | 免費（Fugle 需免費 key） |
 | 🇺🇸 美股（個股/選擇權/財報） | yahoo-finance-mcp | 免費免 key |
 | 📊 美國總體經濟 | fred-mcp-server | 需 FRED_API_KEY（免費申請） |
 | 🌍 全球總體經濟 | openecon-data（雲端） | 免費免 key |
 | 📡 全球股市篩選 | tradingview-mcp-server | 免費免 key |
 | ₿ 加密貨幣 | binance-mcp-server | 需 Binance API key |
 | 📋 選擇權分析 | mcp-optionsflow | 免費免 key（需 clone） |
 | 💼 財報行事曆 | fmp-mcp-server | 需 FMP_API_KEY（免費方案可用） |
 | 📈 投資組合管理 | alpaca-mcp-server | 需 ALPACA_API_KEY + SECRET |
 ---
 ## 各 MCP Server 詳細規格
 ### 1. CasualMarket（台股主力資料源）
 - **GitHub**：https://github.com/sacahan/CasualMarket
 - **工具數**：23 個
 - **資料源**：TWSE（台灣證券交易所）
 - **需要 key**：否
 - **主要工具**：
  - `get_taiwan_stock_price` — 個股即時報價
  - `get_company_income_statement` — 損益表
  - `get_company_balance_sheet` — 資產負債表
  - `get_stock_valuation_ratios` — P/E、P/B、ROE
  - `get_company_monthly_revenue` — 月營收
  - `get_margin_trading_info` — 融資融券
  - `get_market_index_info` — 大盤指數（加權/櫃買）
  - `get_foreign_investment_by_industry` — 外資法人買賣超（按產業）
  - `get_top_foreign_holdings` — 外資持股前20名
  - `get_company_dividend` — 股息記錄
 ```json
 "casual-market": {
  "command": "uvx",
  "args": [
    "--from",
    "git+https://github.com/sacahan/CasualMarket",
    "casual-market-mcp"
  ],
  "env": {
    "LOG_LEVEL": "INFO",
    "MARKET_MCP_CACHE_TTL": "1800",
    "MARKET_MCP_CACHE_MAX_SIZE": "1000"
  }
 }
 ```
 ---
 ### 2. twsemcp（台股補充資料源）
 - **GitHub**：https://github.com/pyang2045/twsemcp
 - **工具數**：22 個
 - **資料源**：TWSE OpenAPI
 - **需要 key**：否
 - **補充 CasualMarket 缺少的**：
  - `getFiveSecondStats` — 5 秒即時成交統計
  - `getIndustryEPS` — 產業別 EPS
  - `getNewListings` / `getSuspendedListings` — 新上市/暫停交易
  - `getHolidaySchedule` — 交易日行事曆
 ```json
 "twse": {
  "command": "npx",
  "args": ["-y", "twse-mcp"]
 }
 ```
 ---
 ### 3. fugle-marketdata-mcp-server（台股官方即時數據）
 - **GitHub**：https://github.com/fugle-dev/fugle-marketdata-mcp-server
 - **工具數**：~5 個
 - **資料源**：Fugle 富果 MarketData API（官方出品）
 - **需要 key**：是（免費申請：https://developer.fugle.tw/docs/key）
 - **主要工具**：
  - 個股即時報價（上市/上櫃/期貨）
  - 歷史 K 線數據
  - 盤中成交量
 ```json
 "fugle-marketdata": {
  "command": "npx",
  "args": [
    "-y",
    "https://github.com/fugle-dev/fugle-marketdata-mcp-server/releases/download/v0.0.1/fugle-marketdata-mcp-server-0.0.1.tgz"
  ],
  "env": {
    "API_KEY": "YOUR_FUGLE_API_KEY"
  }
 }
 ```
 ---
 ### 4. yahoo-finance-mcp（美股主力資料源）
 - **GitHub**：https://github.com/Alex2Yang97/yahoo-finance-mcp
 - **工具數**：10 個
 - **需要 key**：否
 - **台股支援**：是（使用 `2330.TW`、`1259.TWO`、`^TWII` 格式）
 - **主要工具**：
  - `get_historical_stock_prices` — OHLCV 歷史數據
  - `get_stock_info` — 個股完整資訊
  - `get_yahoo_finance_news` — 最新新聞
  - `get_financial_statement` — 財務報表（年度/季度）
  - `get_holder_info` — 機構/共同基金/內部人持股
  - `get_option_expiration_dates` / `get_option_chain` — 選擇權數據
  - `get_recommendations` — 分析師評級與調升/調降
 ```json
 "yfinance": {
  "command": "uvx",
  "args": [
    "--from",
    "git+https://github.com/Alex2Yang97/yahoo-finance-mcp",
    "yahoo-finance-mcp"
  ]
 }
 ```
 ---
 ### 5. fred-mcp-server（美國總體經濟）
 - **GitHub**：https://github.com/stefanoamorelli/fred-mcp-server
 - **工具數**：3 個
 - **需要 key**：是（已取得，見環境設定）
 - **FRED API Key**：`YOUR_FRED_API_KEY`（需在 .mcp.json 填入）
 - **主要工具**：
  - `fred_browse` — 瀏覽 80 萬+ 經濟數列
  - `fred_search` — 關鍵字搜尋
  - `fred_get_series` — 取得數列數據（含頻率聚合、轉換）
 ```json
 "fred": {
  "command": "npx",
  "args": ["-y", "fred-mcp-server"],
  "env": {
    "FRED_API_KEY": "YOUR_FRED_API_KEY"
  }
 }
 ```
 ---
 ### 6. tradingview-mcp-server（全球篩選器）
 - **GitHub**：https://github.com/fiale-plus/tradingview-mcp-server
 - **工具數**：8 個
 - **需要 key**：否（非官方爬取 TradingView 公開篩選器）
 - **主要工具**：
  - `screen_stocks` — 按 80+ 基本面/技術面欄位篩選
  - `screen_crypto` — 加密貨幣篩選
  - `screen_etf` — ETF 篩選
  - `get_preset` — 14 種預設策略（動量、成長、價值、股息等）
 ```json
 "tradingview": {
  "command": "npx",
  "args": ["-y", "tradingview-mcp-server"],
  "env": {
    "CACHE_TTL_SECONDS": "300",
    "RATE_LIMIT_RPM": "10"
  }
 }
 ```
 ---
 ### 7. mcp-optionsflow（選擇權分析）
 - **GitHub**：https://github.com/twolven/mcp-optionsflow
 - **工具數**：1 個（多策略）
 - **需要 key**：否（使用 Yahoo Finance）
 - **安裝方式**：需手動 clone + pip install（非 npm/uvx）
 - **主要工具**：
  - `analyze_basic_strategies` — CCS、PCS、CSP、Covered Call 分析，含 Greeks、獲利機率、最大損失/報酬
 ```json
 "optionsflow": {
  "command": "python",
  "args": ["<YOUR_PATH>/mcp-optionsflow/optionsflow.py"]
 }
 ```
 ---
 ### 8. openecon-data（全球宏觀，雲端版）
 - **來源**：https://github.com/hanlulong/openecon-data
 - **端點**：`https://data.openecon.ai/mcp`
 - **需要 key**：否（雲端服務）
 - **覆蓋**：FRED、世界銀行、IMF、Eurostat、BIS、OECD 等 33 萬+ 指標
 - **傳輸協議**：SSE（非 stdio）
 ```json
 "openecon-data": {
  "type": "sse",
  "url": "https://data.openecon.ai/mcp"
 }
 ```
 ---
 ## 完整 .mcp.json 草稿
 ```json
 {
  "mcpServers": {
    "casual-market": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/sacahan/CasualMarket",
        "casual-market-mcp"
      ],
      "env": {
        "LOG_LEVEL": "INFO",
        "MARKET_MCP_CACHE_TTL": "1800",
        "MARKET_MCP_CACHE_MAX_SIZE": "1000"
      }
    },
    "twse": {
      "command": "npx",
      "args": ["-y", "twse-mcp"]
    },
    "fugle-marketdata": {
      "command": "npx",
      "args": [
        "-y",
        "https://github.com/fugle-dev/fugle-marketdata-mcp-server/releases/download/v0.0.1/fugle-marketdata-mcp-server-0.0.1.tgz"
      ],
      "env": {
        "API_KEY": "YOUR_FUGLE_API_KEY"
      }
    },
    "yfinance": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/Alex2Yang97/yahoo-finance-mcp",
        "yahoo-finance-mcp"
      ]
    },
    "fred": {
      "command": "npx",
      "args": ["-y", "fred-mcp-server"],
      "env": {
        "FRED_API_KEY": "YOUR_FRED_API_KEY"
      }
    },
    "tradingview": {
      "command": "npx",
      "args": ["-y", "tradingview-mcp-server"],
      "env": {
        "CACHE_TTL_SECONDS": "300",
        "RATE_LIMIT_RPM": "10"
      }
    },
    "optionsflow": {
      "command": "python",
      "args": ["<YOUR_PATH>/mcp-optionsflow/optionsflow.py"]
    },
    "alpaca": {
      "command": "uvx",
      "args": ["alpaca-mcp-server"],
      "env": {
        "ALPACA_API_KEY": "${ALPACA_API_KEY}",
        "ALPACA_API_SECRET": "${ALPACA_API_SECRET}"
      }
    },
    "fmp": {
      "command": "uvx",
      "args": ["fmp-mcp-server"],
      "env": {
        "FMP_API_KEY": "${FMP_API_KEY}"
      }
    },
    "openecon-data": {
      "type": "sse",
      "url": "https://data.openecon.ai/mcp"
    }
  }
 }
 ```
 > 注意：`.mcp.json` 已進 repo，使用 `${VAR}` 佔位符。實際部署時需在環境中設定對應 env var。
 ---
 ## 安裝前置作業清單
 | 步驟 | 指令/動作 | 狀態 |
 |---|---|---|
 | 安裝 uv | `curl -LsSf https://astral.sh/uv/install.sh \| sh` | 待執行 |
 | 確認 Node.js ≥ 18 | `node --version` | 待確認 |
 | clone mcp-optionsflow | `git clone https://github.com/twolven/mcp-optionsflow.git` + `pip install -r requirements.txt` | 待執行 |
 | 申請 Fugle API key | https://developer.fugle.tw/docs/key | 待申請 |
 | 申請 FRED API key | https://fred.stlouisfed.org/docs/api/api_key.html | 待申請 |
 | 申請 FMP API key | https://financialmodelingprep.com/developer/docs | 待申請 |
 | 申請 Alpaca API key | https://alpaca.markets | 待申請（portfolio-manager 才需要） |
 | 設定環境變數 | 填入各 `${VAR}` 對應的真實值 | 待執行 |
 | 設定 Claude Code 權限 | `{"enableAllProjectMcpServers": true}` | 待執行 |
 ---
 ## 台股覆蓋補充說明
 Yahoo Finance 支援台股格式：
 - 上市（TWSE）：`2330.TW`（台積電）、`0050.TW`（元大台灣50）
 - 上櫃（TPEx）：`1259.TWO`
 - 加權指數：`^TWII`
 - 期交所：需透過 Fugle 或 TAIFEX OpenAPI
 CasualMarket 和 twsemcp 直接使用股票代碼（如 `2330`），欄位為繁體中文。
--- a/docs/paperclip_agent_skills_review_2026-04-11.md
+++ b/docs/paperclip_agent_skills_review_2026-04-11.md
@@ -0,0 +1,437 @@
 # KingClawArmy - Agent / Skills Review（dev）
 > 日期：2026-04-11
 > 審查對象：`origin/dev`
 > 初次審查 commit：`ced587c`
 > 追蹤審查 commit：`ee06e6d`
 > 用途：檢查 Agent 配置、Skills 完整度、Paperclip 匯入相容性與 runtime 落地程度
 ---
 ## 1. 結論摘要
 這一輪 `dev` branch 在 agent / skills 層有明顯進展：
 1. agent 的 `skills:` 配置已大幅補齊
 2. `skills/` 目錄已有大量實體 `SKILL.md`
 3. `docs/agent-skill-mapping.md`、`docs/skills-inventory.md`、`docs/mcp-plan.md` 已開始補文檔
 第二輪追蹤後，前一輪的 P1-P6 已大多修正完成：
 1. skills 已補明確 `slug`
 2. `AGENTS.md` 的 skill 參照已與匯入後 slug 對齊
 3. Edge skills 不再撞成單一 `edge`
 4. `.mcp.json` 已進 repo
 5. 文檔已改口徑為摘要版 skills
 6. skills 統計數量已更新
 目前仍有 2 個「完整度」層級的缺口，但已不是前一輪那種會直接造成 import warning 的 blocker。
 我實際用：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 第一次審查時，package 雖然仍可匯入，但有一批與 skills 相關的 warning，顯示：
 1. 多個 `AGENTS.md` 內填的 skill slug 匯入後對不到實際 skill
 2. 有 4 個不同的 Edge skill 在 manifest 中撞成同一個 slug
 3. skills 依賴的 MCP / API / runtime 還停在規劃，沒有跟 package 一起落地
 4. skills 內容多半是摘要版，和文檔宣稱的「完整上游技能」仍有落差
 第二次追蹤審查時，我重新跑了：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 結果已變成：
 1. `warnings: []`
 2. `errors: []`
 3. 指定 skills 的 slug 都能正確進 manifest
 4. Edge skills 已各自保有獨立 slug
 ---
 ## 2. 目前剩餘問題
 ### P7. `.paperclip.yaml` 的 `envInputs` 寫了，但 importer 目前沒有真正吃到
 **現況**
 `.paperclip.yaml` 現在新增了：
 ```yaml
 envInputs:
  - name: FRED_API_KEY
  - name: FUGLE_API_KEY
 ```
 參考：
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:83)
 但我重新跑 dry-run import 後，`manifest.envInputs` 仍然是空陣列。
 **影響**
 這代表 package 雖然開始描述 runtime input，但在目前 Paperclip portability 規則下，這兩筆需求還沒有真的進到 import manifest。
 也就是說：
 1. repo 端已寫
 2. importer preview 端尚未保留
 若目標是讓 package 自帶可攜的環境需求聲明，這一塊還沒真正落地。
 **推測原因**
 我對照 Paperclip portability 實作後，目前 importer 會從 agent / project extension 的 `inputs.env` 讀 env inputs，而不是讀 `.paperclip.yaml` 頂層的 `envInputs`。
 **建議修法**
 1. 依 Paperclip 目前支援的結構，把 env input 移到 agent / project extension 的 `inputs.env`
 2. 或保留現在的寫法，但補一份文件明確說明「目前僅作 repo 端提示，尚未進 manifest」
 **建議採用：**
 優先採第 1 種，讓 import manifest 真的能帶出 env inputs。
 ---
 ### P8. Runtime 配置已有進展，但還沒有完整覆蓋 active skills 的所有依賴
 **現況**
 現在 repo 已新增：
 - `.mcp.json`
 - `.paperclip.yaml` 內的基本 env input 提示
 參考：
 - [.mcp.json](/Users/chirs/workspace/KingClawArmy_dev_review/.mcp.json:1)
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:83)
 這代表 runtime 不再是純規劃，這點是好的。
 但目前仍有幾類依賴沒有完整落地：
 1. `portfolio-manager` 需要的 `Alpaca MCP`
 2. `earnings-calendar` / `economic-calendar-fetcher` 這類技能實際依賴的 FMP 路徑
 3. `pair-trade-screener` 需要的本地 Python/scipy/statsmodels
 4. `trader-memory-core` 需要的持久化檔案系統策略
 參考：
 - [earnings-calendar/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/earnings-calendar/SKILL.md:26)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:45)
 - [pair-trade-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/pair-trade-screener/SKILL.md:47)
 - [trader-memory-core/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/trader-memory-core/SKILL.md:51)
 **影響**
 目前 package 已可被正確匯入，但若標準是：
 `skills 不只存在，而且 active agents 可在既定 runtime 下直接使用`
 那這一層還差最後一段 ops / runtime 補完。
 **建議修法**
 至少補這些資訊中的一種：
 1. `.mcp.json` 補齊缺少的 server
 2. README / docs 補明哪些 skill 是 optional / unavailable / future
 3. 對需要本地依賴的 skill 補 runtime prerequisites
 4. 對暫時無法啟用的 skill，在 mapping 文件裡加狀態標記
 ---
 ## 3. 已修正問題（追蹤確認）
 ### 已修正 P1. Agent 綁定的 skill slug 與匯入後的實際 slug 不一致
 **現況**
 多個 agent 使用了如下 skill 參照：
 - `canslim-screener`
 - `vcp-screener`
 - `pead-screener`
 - `dcf-model`
 - `stanley-druckenmiller-investment`
 - `edge-candidate-agent`
 - `edge-hint-extractor`
 - `edge-concept-synthesizer`
 - `edge-pipeline-orchestrator`
 - `xlsx`
 參考：
 - [agents/bullish-researcher/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/bullish-researcher/AGENTS.md:5)
 - [agents/data-analyst/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/data-analyst/AGENTS.md:5)
 - [agents/ceo/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/ceo/AGENTS.md:5)
 - [agents/quant-strategist/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/quant-strategist/AGENTS.md:5)
 但 dry-run 匯入結果顯示，Paperclip 最後辨識出的 slug 其實是：
 - `canslim`
 - `vcp`
 - `pead`
 - `dcf`
 - `druckenmiller`
 - `excel`
 - `edge`
 參考：
 - [skills/canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:1)
 - [skills/dcf-model/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/dcf-model/SKILL.md:1)
 - [skills/edge-candidate-agent/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/edge-candidate-agent/SKILL.md:1)
 - [skills/stanley-druckenmiller-investment/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/stanley-druckenmiller-investment/SKILL.md:1)
 - [skills/xlsx/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/xlsx/SKILL.md:1)
 **影響**
 這不是單純命名風格問題，而是實際綁定會失效。
 我實測匯入 warning 包含：
 1. `Agent bullish-researcher references skill canslim-screener, but that skill is not present in the package.`
 2. `Agent bullish-researcher references skill vcp-screener, but that skill is not present in the package.`
 3. `Agent bullish-researcher references skill pead-screener, but that skill is not present in the package.`
 4. `Agent bullish-researcher references skill dcf-model, but that skill is not present in the package.`
 5. `Agent ceo references skill stanley-druckenmiller-investment, but that skill is not present in the package.`
 6. `Agent data-analyst references skill edge-candidate-agent, but that skill is not present in the package.`
 7. `Agent data-analyst references skill xlsx, but that skill is not present in the package.`
 8. `Agent data-analyst references skill edge-hint-extractor, but that skill is not present in the package.`
 9. `Agent data-analyst references skill edge-concept-synthesizer, but that skill is not present in the package.`
 10. `Agent quant-strategist references skill edge-pipeline-orchestrator, but that skill is not present in the package.`
 11. `Agent quant-strategist references skill stanley-druckenmiller-investment, but that skill is not present in the package.`
 **建議修法**
 二選一，選一種統一：
 1. 在每個 `SKILL.md` frontmatter 明確補 `slug`，並與 `AGENTS.md` 內使用的 shortname 對齊
 2. 反過來把所有 `AGENTS.md` 內的 skill entry 改成 importer 實際產出的 slug
 **追蹤結果：**
 已修正。`SKILL.md` 已補 `slug` frontmatter，重新 dry-run import 後，相關 warnings 已清空。
 ---
 ### 已修正 P2. 四個 Edge skill 匯入後撞成同一個 `edge` slug
 **現況**
 以下四個 skill 路徑在 dry-run manifest 內全部被辨識成 `edge`：
 1. `skills/edge-candidate-agent/SKILL.md`
 2. `skills/edge-concept-synthesizer/SKILL.md`
 3. `skills/edge-hint-extractor/SKILL.md`
 4. `skills/edge-pipeline-orchestrator/SKILL.md`
 參考：
 - [skills/edge-candidate-agent/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/edge-candidate-agent/SKILL.md:1)
 **影響**
 這代表 importer 沒有把這四個技能視為四個可獨立引用的 shortname。
 後果是：
 1. agent 端無法穩定引用特定 Edge skill
 2. package 內的 skill graph 會失真
 3. 後續 export/import round-trip 可能再度發生重名覆蓋或綁錯
 **追蹤結果：**
 已修正。這四個 Edge skill 都已有獨立 slug，重新 dry-run import 後不再撞名。
 ---
 ### 已部分修正 P3. Skills 依賴的 runtime / MCP / env 還沒跟 package 一起落地
 **現況**
 許多 skill 已經在內容中假設有：
 - `yfinance`
 - `fred`
 - `casual-market`
 - `tradingview`
 - `FMP API`
 - `Alpaca MCP`
 - Python 科學計算環境
 - 檔案系統持久化能力
 參考：
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:1)
 - [canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:32)
 - [earnings-calendar/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/earnings-calendar/SKILL.md:23)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:1)
 - [trader-memory-core/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/trader-memory-core/SKILL.md:33)
 但 package 端目前只有：
 - agent adapter
 - project metadata
 - routine schedule
 參考：
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:1)
 **追蹤結果：**
 已部分修正。
 目前已新增：
 1. `.mcp.json`
 2. `.paperclip.yaml` 中的 env input 提示
 但 env input 尚未真正進 manifest，而且 runtime 仍未完整覆蓋所有 active skills，剩餘缺口已移到 P7 / P8。
 **影響**
 這代表目前是「skill 文檔存在」，不是「skill 能實際跑起來」。
 換句話說，package 已有知識層，但 runtime 還沒封裝完成。
 ---
 ### 已修正 P4. 目前 vendored 的 skill 內容偏摘要版，和文檔宣稱的完整度不一致
 **現況**
 文檔目前宣稱：
 - 來自真實開源 repo
 - 很多技能是數百到上千行
 - 詳細內容可用 `references/` 或 `scripts/` 補齊
 參考：
 - [agent-skill-mapping.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/agent-skill-mapping.md:5)
 - [skills-inventory.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/skills-inventory.md:18)
 - [skills-inventory.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/skills-inventory.md:46)
 但實際 repo 目前：
 1. 幾乎所有 `SKILL.md` 都小於 80 行
 2. 多數只有摘要說明與大綱
 3. `skills/` 下沒有 `reference/`、`references/`、`scripts/`
 舉例：
 - [market-news-analyst/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/market-news-analyst/SKILL.md:1)
 - [canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:1)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:1)
 - [xlsx/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/xlsx/SKILL.md:1)
 **影響**
 這會造成兩個問題：
 1. package 使用者以為 skills 已完整 vendored，其實只有摘要版
 2. agent 的能力敘述看起來很強，但可重現工作流不足
 **追蹤結果：**
 已修正文件口徑。`agent-skill-mapping.md` 現在已明確說明目前是 `Summary Reference` 版 skills，而不是完整 vendored 版。
 ---
 ### 已修正 P5. 文檔統計已經與實際 repo 不一致
 **現況**
 目前 `docs/agent-skill-mapping.md` 寫：
 - `62 個 SKILL.md`
 - `71 個分配`
 參考：
 - [agent-skill-mapping.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/agent-skill-mapping.md:26)
 但我實際掃 repo：
 1. `skills/` 目錄共 53 個 skill
 2. agents 的 `skills:` 總分配數是 72
 **影響**
 這會誤導下一位 agent，以為：
 1. repo 少了 9 個 skill
 2. 或某些配置還沒同步
 **追蹤結果：**
 已修正。文件中的 skill 數量與分配數量已更新為當前 repo 狀態。
 ---
 ### 已修正 P6. `mcp-plan.md` 仍含敏感或機器相依資訊，不適合留在 package docs
 **現況**
 這份文件目前包含：
 1. 明文 `FRED_API_KEY`
 2. 機器相依的絕對路徑 `/home/chris/workspace/...`
 參考：
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:141)
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:152)
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:195)
 **影響**
 即使這裡只是示意值，這種寫法仍然不適合進 canonical package docs，原因是：
 1. 容易讓人誤把示意值當真 key
 2. 絕對路徑沒有可攜性
 3. 違反 base package 應避免機器相依值的原則
 **追蹤結果：**
 已修正。API key 已改為 placeholder，機器相依絕對路徑也已抽換。
 ---
 ## 4. 建議補齊清單
 請另一個 agent 依序補：
 1. 讓 env inputs 依 Paperclip 目前支援的結構真正進 manifest
 2. 補齊 active skills 的 runtime 覆蓋缺口
 3. 為尚未可直接啟用的 skill 補 `optional / unavailable / future` 狀態說明
 4. 若後續要提升為完整 vendored skills，再補 `references/` / `scripts/`
 ---
 ## 5. 修完後的驗收標準
 至少要確認：
 1. `paperclipai company import --dry-run --json` 仍保持 `warnings: []`、`errors: []`
 2. `manifest.envInputs` 不再為空，且能反映 package 真正需要的環境輸入
 3. active skills 的 runtime 依賴都有對應配置或明確狀態標記
 4. `mcp-plan.md`、`.mcp.json`、`.paperclip.yaml` 三者口徑一致
 ---
 ## 6. 一句話結論
 這版 `dev` 的 agent / skills 已經把最重要的 Paperclip skill 綁定問題修乾淨了；目前剩下的是 `envInputs` 尚未真正進 manifest，以及 runtime 覆蓋還沒百分之百收尾，屬於完整度問題，不是基本相容性問題。
--- a/docs/paperclip_dev_review_2026-04-11.md
+++ b/docs/paperclip_dev_review_2026-04-11.md
@@ -0,0 +1,342 @@
 # KingClawArmy - Paperclip Package Review（dev）
 > 日期：2026-04-11
 > 審查對象：`origin/dev`
 > 初次審查 commit：`43c1770`
 > 追蹤審查 commit：`aceb1ba`
 > 最終追蹤 commit：`cb44714`
 > 用途：記錄 `dev` branch 的 Paperclip package 審查結果、修正追蹤與最終 smoke test 驗證
 ---
 ## 1. 結論摘要
 `dev` branch 已經完成第一版 Paperclip package 骨架，且可通過：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 這代表以下基礎能力已具備：
 1. repo root 已有 `COMPANY.md`
 2. 已有 `.paperclip.yaml`
 3. 已有 `agents/`、`teams/`、`projects/`、`tasks/`、`skills/` 基本結構
 4. importer 可以成功解析 package
 第二輪追蹤後，原本的 P1-P4 都已修正完成，包含：
 1. recurring routine 與 task slug 已對齊
 2. `daily-secretary-digest` 已移到正確 project 目錄
 3. `quant-strategist` 的過大權限已移除
 4. project 的 Paperclip 專屬 metadata 已改由 `.paperclip.yaml` 承載，dry-run 匯入後可正確保留
 第三輪追蹤後，P5 也已修正完成，且額外完成了真正的 import smoke test。
 目前結論是：
 1. 這份 `dev` package 已通過本輪 Paperclip 規格審查
 2. `paperclipai company import --dry-run --json` 可通過，`warnings` / `errors` 為空
 3. 實際 import 到本地 Paperclip instance 也成功
 4. recurring task 會被建立為 routines，而不是 one-off issues，行為符合 Paperclip 設計
 ---
 ## 2. 最終驗證結果
 ### 2.1 Dry-run 驗證
 使用：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 確認結果：
 1. `ceo` 匯入後的 role 為 `ceo`
 2. `projects` 的 `leadAgentSlug` / `status` 有正確保留
 3. 四個 recurring task 都有對應的 `routine`
 4. `warnings: []`
 5. `errors: []`
 ### 2.2 實際 import smoke test
 使用：
 ```bash
 paperclipai company import /Users/chirs/workspace/KingClawArmy_dev_review \
  --target new \
  --new-company-name "KingClawArmy Smoke Test 2026-04-11" \
  --yes \
  --json
 ```
 實測結果：
 1. 成功建立 company：`KingClawArmy Smoke Test 2026-04-11`
 2. 成功建立 11 個 agents
 3. 成功建立 2 個 projects
 4. recurring task 沒有被當成一般 issues 匯入，而是建立為 4 個 active routines
 5. `GET /api/companies/{companyId}/routines` 可查到：
   - `每日量化 Pipeline 啟動`
   - `每日盤後情報整理`
   - `每日資料摘要`
   - `每日記憶壓縮與狀態摘要`
 補充：
 1. 實際 import 回傳的 `issues` 數量是 0，這是正常的
 2. 原因是這 4 個 recurring tasks 在 Paperclip 內會被提升為 routines，而不是預先建立 one-off issues
 3. 真正的執行 issue 會在 routine 觸發時才產生
 ### 2.3 最終判定
 就本輪審查範圍而言，`dev` branch 已可視為：
 1. Paperclip importable package
 2. 規格與實際匯入行為一致
 3. 可進入下一階段整合或實跑驗證
 ---
 ## 3. 已修正問題（追蹤確認）
 ### 已修正 P5. `ceo` agent 的 `role` 不是 Paperclip 預期的 `ceo`
 **前次問題**
 `agents/ceo/AGENTS.md` 原本是：
 ```yaml
 role: manager
 ```
 這會讓匯入後的執行長無法被 Paperclip 視為真正的 CEO，進而失去部分 CEO-safe 行為與公司層級權限。
 **追蹤結果：**
 已修正。`origin/dev` 的 `cb44714` 已將其改為：
 ```yaml
 role: ceo
 ```
 而且 dry-run 匯入結果也已確認 `ceo.role == "ceo"`。
 ### 已修正 P1. 07:30 主排程沒有綁到真正的 recurring task
 **現況**
 - `.paperclip.yaml` 的 routine key：`daily-quant-pipeline`
 - recurring task slug：`daily-quant-run`
 參考：
 - `origin/dev:.paperclip.yaml` 第 85-91 行
 - `origin/dev:projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md`
 **影響**
 `paperclipai company import --dry-run --json` 的結果顯示：
 - `daily-quant-run` 的 `routine` 是 `null`
 也就是說，這個每日量化啟動任務匯入後不會自動被排程觸發。
 **建議修法**
 二選一，選一種即可：
 1. 把 routine key 改成 `daily-quant-run`
 2. 把 task slug 改成 `daily-quant-pipeline`
 **建議採用：**
 **追蹤結果：**
 已修正。`origin/dev` 目前的 routine key 已改為 `daily-quant-run`，且 dry-run 匯入結果中 `daily-quant-run.routine` 已正確存在。
 ---
 ### 已修正 P2. `quant-strategist` 權限過大
 **現況**
 在 `.paperclip.yaml` 中：
 ```yaml
 agents:
  quant-strategist:
    permissions:
      canCreateAgents: true
 ```
 **影響**
 在 Paperclip 中，`canCreateAgents` 比「可分派工作」更高，是接近 agent creator / manager 級別的權限。
 目前設計目標只是讓策略師主導量化 pipeline，不是讓他具備建立 agent 的高權限。
 **建議修法**
 1. 若只是要策略師能主導任務分配，先移除 `canCreateAgents: true`
 2. 若未來真的需要額外委派能力，再由 Paperclip 的顯式 permission / grant 機制處理
 **建議採用：**
 **追蹤結果：**
 已修正。`quant-strategist` 的 `canCreateAgents` 已移除。
 ---
 ### 已修正 P3. `PROJECT.md` 的 owner / status 意圖沒有被保留下來
 **現況**
 兩個 project 使用了：
 ```yaml
 leadAgentSlug: ...
 status: active
 ```
 參考：
 - `origin/dev:projects/daily-quant-pipeline/PROJECT.md`
 - `origin/dev:projects/board-ops/PROJECT.md`
 **影響**
 實際 dry-run 匯入結果顯示：
 - `leadAgentSlug: null`
 - `status: null`
 也就是說，這兩個欄位現在雖然寫在檔案裡，但 importer 沒有保留成有效 project metadata。
 **建議修法**
 1. 先把 `PROJECT.md` 保持為 vendor-neutral、最小可攜欄位
 2. 若需要 Paperclip 專屬 fidelity，改放到 `.paperclip.yaml` 或 `metadata.paperclip`
 3. project owner 可優先改成 base spec 較接近的欄位，例如 `owner`
 **建議採用：**
 **追蹤結果：**
 已修正。`PROJECT.md` 已收斂成較乾淨的 base package 內容，project 的 `leadAgentSlug` / `status` 目前改由 `.paperclip.yaml` 承載，且 dry-run 匯入結果可正確保留。
 ---
 ### 已修正 P4. `daily-secretary-digest` 放在錯的 project 資料夾底下
 **現況**
 檔案位置：
 ```text
 projects/daily-quant-pipeline/tasks/daily-secretary-digest/TASK.md
 ```
 但 frontmatter 內容是：
 ```yaml
 project: board-ops
 ```
 **影響**
 雖然 importer 目前會依 frontmatter 匯入成功，但這違反 package 本身的資料夾慣例，之後非常容易造成：
 1. 維護時誤判任務歸屬
 2. reviewer 看目錄就被誤導
 3. 後續 agent 做批次修改時把任務放錯地方
 **建議修法**
 將該檔案移到：
 ```text
 projects/board-ops/tasks/daily-secretary-digest/TASK.md
 ```
 同時保持：
 **追蹤結果：**
 已修正。該檔案已移到：
 ```text
 projects/board-ops/tasks/daily-secretary-digest/TASK.md
 ```
 ---
 ## 4. 建議但非阻塞問題
 ### S1. 第一版 package 已經不是方案 A，而是接近量化完整版
 目前 `dev` branch 實際包含：
 1. 管理團隊 3 位
 2. 量化團隊 7 位
 3. `xiao-an` 1 位 paused
 也就是：
 - 10 active
 - 1 paused
 這已經比原規劃文件的方案 A 更接近「完整量化版」。
 **建議**
 1. 更新 `docs/INDEX.md` 與相關說明，明確寫成「第一版 package = 管理 + 完整量化團隊」
 2. 不要再沿用「精實版 8 active」的敘述，避免文檔口徑不一致
 ---
 ### S2. 可以補一份簡短的 import 驗收說明
 建議在 `docs/` 追加一段簡單說明，讓之後的人知道該怎麼驗：
 ```bash
 paperclipai company import . --dry-run --json
 ```
 最低驗收應包含：
 1. 沒有 `missing COMPANY.md`
 2. 所有 recurring task 都有對應 routine
 3. projects 與 tasks 的目錄與 frontmatter 一致
 4. `.paperclip.yaml` 沒有秘密值與機器相依路徑
 ---
 ## 5. 後續建議
 接下來如果要繼續往前推，建議順序是：
 1. 在本地或測試環境做一次 routine 實跑驗證，確認觸發後會建立 execution issue
 2. 若要正式採用，補一份簡短的 import / smoke test 操作說明到 `docs/`
 3. 若後續要擴充行銷或內容團隊，再以相同模式擴展 package 結構
 ---
 ## 6. 本輪驗收標準
 本輪已確認：
 1. `agents/ceo/AGENTS.md` 的 frontmatter 為 `role: ceo`
 2. `paperclipai company import --dry-run --json` 成功通過
 3. 匯入後 CEO 在系統中被辨識為真正的 CEO，而不是一般 manager
 4. recurring task 在真實 import 後會建立為 routines
 5. 文件敘述與 package 實際內容一致
 ---
 ## 7. 一句話結論
 `origin/dev` 的 KingClawArmy Paperclip package 已完成本輪修正並通過 dry-run 與實際 import smoke test，可進入下一階段驗證或整合。
--- a/docs/paperclip_org_plans.md
+++ b/docs/paperclip_org_plans.md
@@ -0,0 +1,357 @@
 # KingClawArmy - Paperclip 組織規劃方案
 > 日期：2026-04-11
 > 用途：提供另一個 agent 作為修改依據；本文件定義規劃選項、推薦方案、實作範圍與 review 驗收標準
 ---
 ## 1. 目的與前提
 這份文件的目的不是直接當成 Paperclip package 匯入，而是作為下一位實作 agent 的施工說明書。
 Paperclip 需要的不是 `docs/` 內的說明稿，而是實際可匯入的 package 結構：
 ```text
 COMPANY.md
 .paperclip.yaml
 agents/<slug>/AGENTS.md
 teams/<slug>/TEAM.md
 projects/<slug>/PROJECT.md
 projects/<slug>/tasks/<slug>/TASK.md
 skills/<slug>/SKILL.md
 ```
 因此，下一位 agent 的任務應該是：
 1. 保留 `docs/` 作為設計說明文件
 2. 在 repo 根目錄建立真正的 Paperclip company package
 3. 依照本文件選定的組織方案，產出第一版可 `paperclipai company import --dry-run` 通過的結構
 ---
 ## 2. Paperclip 導向的設計約束
 | 項目 | 約束 |
 |---|---|
 | 公司根檔 | 必須有 repo root 的 `COMPANY.md` |
 | Agent 定義 | 每個 agent 必須有自己的 `agents/<slug>/AGENTS.md` |
 | Team 定義 | 每個 team 必須有 `teams/<slug>/TEAM.md`，且 `manager` 要能解析到真實 agent 檔案 |
 | Project 定義 | pipeline 需要對應到 `PROJECT.md`，不能只寫在說明文件 |
 | Routine 定義 | recurring work 需要 `TASK.md` 標記 `recurring: true`，排程細節再放到 `.paperclip.yaml` |
 | Skills | `AGENTS.md` 內應以 shortname 關聯 skill，`SKILL.md` 保持 Agent Skills 相容 |
 | Runtime 設定 | adapter、env inputs、budgets、permissions、routines 等放在 `.paperclip.yaml` |
 | 溝通模型 | Paperclip V1 偏 task/comment，不是 OpenClaw 那種 session-first 規劃 |
 ---
 ## 3. 目前文件狀態摘要
 | 項目 | 現況 | 結論 |
 |---|---|---|
 | `docs/company.md` | 已有完整藍圖 | 可當來源稿，但不是 import root |
 | `docs/pipelines.md` | 已有 pipeline 與 routines | 還缺 `PROJECT.md` / `TASK.md` 實體 |
 | `docs/schemas.md` | 已有多數輸出 schema | 可作為 agent instructions 的引用內容 |
 | repo root | 沒有 `COMPANY.md`、`.paperclip.yaml` | 現在不能直接 import |
 | 組織架構 | 18 agents / 5 teams | 當藍圖合理，當第一版上線偏重 |
 | review 流程 | 有定義，但 revise 上限與 review 節點不完全一致 | 修改時要先收斂口徑 |
 ---
 ## 4. 規劃方案
 ### 方案 A：精實上線包
 **定位：** 先做出第一個可匯入、可運行、成本可控的 Paperclip package。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | optional | `xiao-an` | paused |
 **總計：** 8 active + 1 optional paused
 **組織樹：**
 ```text
 董事長
 └── ceo
    ├── secretary
    ├── reviewer
    └── quant-strategist
        ├── finance-researcher
        ├── market-structure-researcher
        ├── quant-engineer
        └── data-analyst
 ```
 **應建立的 team：**
 1. `management`
 2. `quant-research`
 **應建立的 project：**
 1. `daily-quant-pipeline`
 2. `board-ops`
 **應建立的 recurring tasks：**
 1. `daily-quant-pipeline` -> assignee `ceo`
 2. `daily-post-market` -> assignee `ceo`
 3. `daily-data-summary` -> assignee `data-analyst`
 4. `daily-secretary-digest` -> assignee `secretary`
 **優點：**
 1. 最容易先通過 Paperclip import
 2. 組織深度夠用，管理跨度可控
 3. 成本最低，適合先驗證量化閉環
 4. 另一個 agent 修改時影響面最小
 **缺點：**
 1. 少了 bull/bear 對抗式分析
 2. 行銷與內容團隊尚未進 package
 3. 工程團隊先不落地
 **適用情境：**
 1. 你想先讓 Paperclip package 匯入成功
 2. 你想先把量化閉環跑通
 3. 你希望 review 範圍小、改動風險低
 ---
 ### 方案 B：平衡擴編包
 **定位：** 保留完整量化閉環，並放入行銷策略團隊的基礎骨架。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `bullish-researcher` | active |
 | quant-research | `bearish-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | marketing | `strategy-director` | active |
 | marketing | `market-researcher` | active |
 | marketing | `ads-analyst` | paused |
 | optional | `xiao-an` | paused |
 **總計：** 12 active + 2 paused
 **組織樹：**
 ```text
 董事長
 └── ceo
    ├── secretary
    ├── reviewer
    ├── quant-strategist
    │   ├── finance-researcher
    │   ├── market-structure-researcher
    │   ├── bullish-researcher
    │   ├── bearish-researcher
    │   ├── quant-engineer
    │   └── data-analyst
    └── strategy-director
        ├── market-researcher
        └── ads-analyst
 ```
 **應建立的 team：**
 1. `management`
 2. `quant-research`
 3. `marketing`
 **應建立的 project：**
 1. `daily-quant-pipeline`
 2. `market-intel`
 3. `board-ops`
 **應建立的 recurring tasks：**
 1. 方案 A 的全部 recurring tasks
 2. `morning-market-intel` -> assignee `market-researcher`
 3. `evening-market-intel` -> assignee `market-researcher`
 4. `weekly-market-report` -> assignee `market-researcher`
 **優點：**
 1. 量化 pipeline 比方案 A 更完整
 2. 行銷 team 先有骨架，不用之後重做 package
 3. 比 18 agent 藍圖更適合先上線
 **缺點：**
 1. package 複雜度明顯上升
 2. review 範圍變大
 3. 匯入後需要更多 paused/active 狀態管理
 **適用情境：**
 1. 你希望量化 full pipeline 一次到位
 2. 你預計很快就會接上市場研究與行銷節奏
 3. 你接受另一個 agent 需要改比較多檔案
 ---
 ### 方案 C：完整藍圖包
 **定位：** 直接把目前 `docs/company.md` 的 18 agents 全部落成 Paperclip package。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `bullish-researcher` | active |
 | quant-research | `bearish-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | marketing | `strategy-director` | active |
 | marketing | `market-researcher` | active |
 | marketing | `ads-analyst` | active |
 | content | `creative-director` | active |
 | content | `copywriter` | active |
 | engineering | `frontend-engineer` | paused |
 | engineering | `backend-engineer` | paused |
 | optional | `xiao-an` | paused |
 **總計：** 15 active + 3 paused
 **優點：**
 1. 與現有藍圖最一致
 2. 未來擴編時不需再補 package 結構
 3. 全公司模型一次成形
 **缺點：**
 1. 第一版 package 實作成本最高
 2. 很多 agent 只有規格，沒有第一波實際任務
 3. 工程團隊目前沒有真正的 team lead，結構上較勉強
 4. review 與驗收難度最高
 **適用情境：**
 1. 你要做的是展示型、藍圖型 package
 2. 你接受第一版不是最精實，而是最完整
 3. 另一個 agent 有足夠時間把 package 全部補齊
 ---
 ## 5. 推薦方案
 **推薦採用：方案 A 作為第一版 import package**
 原因：
 1. 這是最符合 Paperclip 第一階段匯入需求的方案
 2. 可以先驗證 `COMPANY.md + AGENTS.md + TEAM.md + PROJECT.md + TASK.md + .paperclip.yaml` 的完整鏈路
 3. 量化是目前最清楚、最成熟的閉環，先落地它最划算
 4. 另一個 agent 可以先把結構做好，再逐步擴到方案 B 或方案 C
 **推薦 roadmap：**
 1. 第一版 import package 採 `方案 A`
 2. 量化 pipeline 穩定後升級到 `方案 B`
 3. 行銷與內容成熟後再收斂成 `方案 C`
 ---
 ## 6. 另一個 Agent 的修改範圍
 ### 必做
 | 路徑 | 動作 |
 |---|---|
 | `COMPANY.md` | 新建真正的 company root，frontmatter 採 `agentcompanies/v1` |
 | `.paperclip.yaml` | 新建 Paperclip sidecar，放 adapter、inputs、permissions、routines、status |
 | `agents/<slug>/AGENTS.md` | 為方案 A 中的每個 agent 建立真正 agent 檔 |
 | `teams/management/TEAM.md` | 新建 team package |
 | `teams/quant-research/TEAM.md` | 新建 team package |
 | `projects/daily-quant-pipeline/PROJECT.md` | 新建 project package |
 | `projects/board-ops/PROJECT.md` | 新建 project package |
 | `projects/.../tasks/<slug>/TASK.md` | 為 recurring routines 建立任務檔 |
 | `skills/deep-research/SKILL.md` | 新建相容 skill |
 | `skills/code-reviewer/SKILL.md` | 新建相容 skill |
 ### 建議做
 | 路徑 | 動作 |
 |---|---|
 | `docs/company.md` | 保留為說明稿，但內容要標示「藍圖版」或「未來擴編版」 |
 | `docs/pipelines.md` | 對齊 recurring tasks 與實際 project/task 命名 |
 | `docs/schemas.md` | 對齊第一版 active agents，只保留需要的 schema 或標示 phase |
 | `docs/INDEX.md` | 明確區分「設計文件」與「可匯入 package」 |
 ### 不建議第一輪做太多
 1. 不要第一輪就把 18 agents 全部做成 active
 2. 不要把 OpenClaw 的 session 協定硬塞進 Paperclip runtime 配置
 3. 不要在 `.paperclip.yaml` 複製整份 agent prompt
 4. 不要先做太多機器環境相依設定，例如本機絕對路徑與 secret 值
 ---
 ## 7. 具體修改原則
 1. `AGENTS.md` frontmatter 只放 agent identity、title、reportsTo、skills 等可攜欄位
 2. agent 的行為規範與 instructions 寫在 `AGENTS.md` body
 3. adapter、model、env inputs、permissions、status、routines 全放 `.paperclip.yaml`
 4. `skills` 在 `AGENTS.md` 內用 shortname，如 `deep-research`、`code-reviewer`
 5. recurring work 先在 `TASK.md` 標 `recurring: true`，排程再由 `.paperclip.yaml` 補
 6. team manager 路徑要用正確的相對路徑，不要沿用 `docs/company.md` 內的示意錯路徑
 7. review revise 上限統一成一個數字，建議固定為 `3`
 8. 若工程團隊暫不落地，第一版 package 不必建立 `engineering` team
 ---
 ## 8. Review 驗收標準
 未來我 review 時，至少會檢查以下項目：
 1. `paperclipai company import <repo> --dry-run` 不再報 `missing COMPANY.md`
 2. root `COMPANY.md` 能被解析，且 `schema`、`slug`、`name` 正確
 3. 所有 `TEAM.md` 的 `manager` 路徑都能解析
 4. 所有 `AGENTS.md` 的 `reportsTo` 與 team 結構一致
 5. recurring routines 都有對應 `TASK.md`
 6. `.paperclip.yaml` 沒有機器相依路徑與 secret 值
 7. active / paused 狀態與本文件選定方案一致
 8. `docs/` 說明稿與真正 package 內容不互相矛盾
 ---
 ## 9. 決策建議
 如果沒有特別要求一次做完整藍圖，建議直接照以下決策執行：
 1. 採用 `方案 A`
 2. 將 `方案 B` 寫成後續擴編計畫
 3. 將 `方案 C` 保留在 `docs/company.md` 作為最終藍圖
 這樣最符合 Paperclip 的第一波落地方式，也最方便之後讓我做結構與合理性 review。
--- a/docs/pipelines.md
+++ b/docs/pipelines.md
@@ -0,0 +1,236 @@
 # KingClawArmy - Pipeline 與排程
 > 平台：Paperclip
 > 日期：2026-04-10
 ---
 ## 1. 量化研究 Pipeline
 量化策略師主導整個 pipeline，CEO 只管啟動和例外處理。
 ```
 CEO → 量化策略師（pipeline owner）
         │
         ├─ 財經情報研究員
         │    └─ Finance_Research_Brief.json
         │
         ├─ 市場結構研究員（等情報完成）
         │    └─ Market_Structure_Report.json
         │
         ├─ 多方研究員 ──┐
         ├─ 空方研究員 ──┘ 並行
         │    └─ Bullish_Brief.json / Bearish_Brief.json
         │
         ├─ 策略師收斂
         │    └─ Strategy_Thesis.json（含信心指數、恐慌指數、進出場建議）
         │
         ├─ 審查員
         │    ├─ pass → 繼續
         │    ├─ revise → 重跑被退回角色（最多 3 輪）
         │    └─ block → escalate CEO
         │
         ├─ 回測工程師（策略需要回測時）
         │    └─ Backtest_Report.json
         │
         ├─ 資料分析師（審查 pass 後）
         │    └─ Data_Analysis_Report.json
         │
         └─ CEO → 董事長審批
 ```
 ### Pipeline 步驟定義
 | Step | Agent | 職稱 | 依賴 | 輸出 |
 |---|---|---|---|---|
 | intel | finance-researcher | 財經情報研究員 | — | Finance_Research_Brief.json |
 | structure | market-structure-researcher | 市場結構研究員 | intel | Market_Structure_Report.json |
 | bull | bullish-researcher | 多方研究員 | structure | Bullish_Brief.json |
 | bear | bearish-researcher | 空方研究員 | structure | Bearish_Brief.json |
 | converge | quant-strategist | 量化策略師 | bull, bear | Strategy_Thesis.json |
 | review | reviewer | 審查員 | converge | Review_Report.json |
 | backtest | quant-engineer | 回測工程師 | review (pass, if requires_backtest) | Backtest_Report.json |
 | analysis | data-analyst | 資料分析師 | backtest or review (pass) | Data_Analysis_Report.json |
 | approve | HITL (董事長) | — | analysis | — |
 ### 例外處理
 | 情況 | 處理方式 |
 |---|---|
 | revise（審查退回） | 策略師重新指派被退回的 agent，帶上修改意見與 Review_Report，最多 3 輪 |
 | block（審查否決） | 策略師 escalate 到 CEO，CEO 通知董事長 |
 | revise 超過 3 輪 | 策略師 escalate 到 CEO，CEO 通知董事長 |
 | agent 執行超時 | 策略師重新指派，帶上 timeout 通知 |
 | agent 回傳 missing_fields | 策略師重新指派，明確要求補齊 |
 | 模型 API 錯誤 | 自動重試 1 次，失敗 → 策略師 escalate CEO |
 ---
 ## 2. 排程（Routines）
 時區統一：`Asia/Taipei`
 ### .paperclip.yaml routines 定義
 ```yaml
 routines:
  daily-quant-pipeline:
    triggers:
      - kind: schedule
        cronExpression: "30 7 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # CEO 啟動量化 pipeline（台股 09:00 開盤前）
  daily-post-market:
    triggers:
      - kind: schedule
        cronExpression: "30 18 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # CEO 啟動盤後情報整理
  morning-market-intel:
    triggers:
      - kind: schedule
        cronExpression: "0 8 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員早盤市場情報（台股開盤前）
  evening-market-intel:
    triggers:
      - kind: schedule
        cronExpression: "0 20 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員晚間市場情報（美股開盤前）
  weekly-market-report:
    triggers:
      - kind: schedule
        cronExpression: "0 10 * * 0"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員每週市場分析報告（週日）
  daily-data-summary:
    triggers:
      - kind: schedule
        cronExpression: "0 21 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # 資料分析師每日資料摘要（收盤後）
  weekly-data-report:
    triggers:
      - kind: schedule
        cronExpression: "0 14 * * 0"
        timezone: Asia/Taipei
        enabled: true
    # 資料分析師每週數據報告（週日下午）
  daily-secretary-digest:
    triggers:
      - kind: schedule
        cronExpression: "0 23 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 秘書每日記憶壓縮與狀態摘要
 ```
 ### 排程總覽
 | Routine | Agent | 職稱 | 頻率 | 說明 |
 |---|---|---|---|---|
 | daily-quant-pipeline | ceo | 執行長 | 週一至五 07:30 | 盤前啟動量化 pipeline |
 | daily-post-market | ceo | 執行長 | 週一至五 18:30 | 盤後情報整理 |
 | morning-market-intel | market-researcher | 市場研究員 | 每日 08:00 | 早盤市場情報（台股開盤前） |
 | evening-market-intel | market-researcher | 市場研究員 | 每日 20:00 | 晚間市場情報（美股開盤前） |
 | weekly-market-report | market-researcher | 市場研究員 | 每週日 10:00 | 每週市場分析報告 |
 | daily-data-summary | data-analyst | 資料分析師 | 週一至五 21:00 | 每日資料摘要 |
 | weekly-data-report | data-analyst | 資料分析師 | 每週日 14:00 | 每週數據報告 |
 | daily-secretary-digest | secretary | 秘書 | 每日 23:00 | 每日記憶壓縮與狀態摘要 |
 ### 每日時間軸
 ```
 07:30  CEO 啟動量化 pipeline
 08:00  市場研究員 - 早盤市場情報（台股 09:00 開盤前）
       ～ 量化 pipeline 運行中 ～
 18:30  CEO 啟動盤後情報整理
 20:00  市場研究員 - 晚間市場情報（美股 21:30 開盤前）
 21:00  資料分析師 - 每日資料摘要
 23:00  秘書 - 每日記憶壓縮
 ```
 ### 每週時間軸
 ```
 週日 10:00  市場研究員 - 每週市場分析報告
 週日 14:00  資料分析師 - 每週數據報告
 週一～五    每日排程如上
 ```
 ---
 ## 3. 審批機制（HITL）
 以下動作需要董事長批准：
 | 需要審批的事 | 觸發者 | 說明 |
 |---|---|---|
 | 量化策略正式執行 | CEO | pipeline 完成後提交審批 |
 | 正式部署 | CEO | 程式碼部署到 production |
 | DB schema 變更 | CEO | 資料庫結構異動 |
 | 廣告正式發布 | CEO | 對外廣告上線 |
 | 對外訊息發送 | CEO | 品牌對外溝通 |
 | 金流操作 | CEO | 任何涉及金錢的操作 |
 ### Review Gate
 | 必審節點 | 觸發方式 | 審查標準 |
 |---|---|---|
 | 量化策略提交 | 策略師指派審查員 | schema 完整性 + 風控邏輯 + 信心/恐慌指數合理性 |
 | 回測結果提交 | 策略師指派審查員 | 績效指標合理性 + overfitting 檢查 |
 | 工程交付 | CEO 指派審查員 | 程式碼品質 + 測試覆蓋 + 安全性 |
 | 文案對外 | CEO 指派審查員 | 品牌一致性 + 法規合規 |
 ---
 ## 4. 模型分級
 搭配 GPT 與 Claude 雙模型，依任務特性分配：
 | 等級 | GPT 模型 | Claude 模型 | 適用 Agent |
 |---|---|---|---|
 | reasoning-heavy | gpt-5.4 | claude-opus-4-6 | 執行長, 審查員, 量化策略師, 市場結構研究員, 多方/空方研究員, 策略總監 |
 | general | gpt-5.4-mini | claude-sonnet-4-6 | 秘書, 投放分析師, 資料分析師, 小安 |
 | research | gpt-5.4-mini | claude-haiku-4-5 | 財經情報研究員, 市場研究員 |
 | coder | gpt-5.4 | claude-sonnet-4-6 | 回測工程師, 前端工程師, 後端工程師 |
 | creative | gpt-5.4 | claude-sonnet-4-6 | 文案撰寫員, 創意總監 |
 每個 agent 可在 `.paperclip.yaml` 中指定主要使用的模型，視任務需求切換。
 ---
 ## 5. 成本控制
 | 策略 | 做法 |
 |---|---|
 | 模型分級 | 日常用 research/general，策略收斂才用 reasoning-heavy |
 | 排程頻率合理 | 不需要的 agent 不排太密的 cron |
 | review 輪數上限 | revise 最多 3 輪，超過 escalate 人工處理 |
 | 記憶壓縮 | 秘書每日 23:00 壓縮，避免 context 膨脹 |
 | 工程團隊按需啟用 | 前後端工程師平常 paused，有任務才啟動 |
 ---
 ## 6. 停損信號
 | 信號 | 動作 |
 |---|---|
 | 月費用超預期 2 倍 | 暫停非必要 agent |
 | 反覆 revise 超過 5 輪 | 人工介入調整 prompt |
 | 回測 winrate > 90% | 停下檢查 overfitting |
 | Agent 產出品質持續下降 | 檢查記憶 + prompt + 模型選擇 |
--- a/docs/schemas.md
+++ b/docs/schemas.md
@@ -0,0 +1,792 @@
 # KingClawArmy - 輸出 Schema 定義
 > 平台：Paperclip
 > 日期：2026-04-10
 每個 agent 的產出必須遵循定義好的 JSON schema，確保一次交齊，減少追問。
 ---
 ## Finance_Research_Brief.json
 > 產出者：**財經情報研究員**（finance-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "session": "pre_market|post_market|intraday",
  "macro_summary": "總體經濟概況摘要",
  "key_events": [
    {
      "event": "事件描述",
      "time": "2026-04-10T08:30:00+08:00",
      "impact": "bullish|bearish|neutral",
      "severity": "high|medium|low",
      "source": "來源"
    }
  ],
  "sentiment": {
    "overall": "bullish|bearish|neutral",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "rationale": "情緒評分依據"
  },
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 **欄位說明：**
 - `confidence_index`：市場信心指數（0-100，100 = 極度樂觀）
 - `fear_greed_index`：恐慌/貪婪指數（0-100，0 = 極度恐慌，100 = 極度貪婪）
 - `session`：盤前/盤後/盤中，標示這份情報的時間區段
 ---
 ## Market_Structure_Report.json
 > 產出者：**市場結構研究員**（market-structure-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "timeframes_analyzed": ["D1", "H4", "H1"],
  "structure": {
    "trend": "bullish|bearish|ranging",
    "mss_detected": true,
    "mss_details": "MSS 發生的位置與時間描述",
    "key_levels": [
      {
        "type": "OB|FVG|POI|support|resistance",
        "price": 0,
        "timeframe": "H4",
        "tested": false,
        "notes": "補充說明"
      }
    ]
  },
  "liquidity_zones": [
    {
      "type": "buy_side|sell_side",
      "range": [0, 0],
      "significance": "high|medium|low",
      "notes": "補充說明"
    }
  ],
  "entry_exit_suggestion": {
    "suggested_direction": "long|short|neutral",
    "ideal_entry_zone": [0, 0],
    "stop_loss_zone": [0, 0],
    "take_profit_targets": [0, 0, 0],
    "confidence": 0.0,
    "rationale": "進出場建議依據"
  }
 }
 ```
 **欄位說明：**
 - `entry_exit_suggestion`：基於市場結構的進出場建議（僅供策略師參考，不作為最終決策）
 - `confidence`：對進出場建議的信心度（0.0-1.0）
 ---
 ## Bullish_Brief.json
 > 產出者：**多方研究員**（bullish-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做多論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "catalysts": ["潛在催化劑 1", "潛在催化劑 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做多論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 **欄位說明：**
 - `confidence_index`：對做多論點的整體信心度（0.0-1.0）
 - `entry_exit_suggestion`：多方視角的進出場建議
 ---
 ## Bearish_Brief.json
 > 產出者：**空方研究員**（bearish-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做空論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "risk_factors": ["風險因素 1", "風險因素 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做空論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Strategy_Thesis.json
 > 產出者：**量化策略師**（quant-strategist）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "direction": "long|short|neutral",
  "thesis": "收斂後的策略論點",
  "market_indicators": {
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "market_regime": "trending|ranging|volatile|calm"
  },
  "entry_plan": {
    "entry_zone": [0, 0],
    "entry_trigger": "觸發進場的條件描述",
    "order_type": "limit|market|stop_limit"
  },
  "exit_plan": {
    "stop_loss": 0,
    "stop_loss_type": "fixed|trailing|structure_based",
    "take_profit_targets": [
      { "price": 0, "portion_pct": 50, "rationale": "第一目標依據" },
      { "price": 0, "portion_pct": 50, "rationale": "第二目標依據" }
    ]
  },
  "risk_management": {
    "risk_reward": 0.0,
    "position_size_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "bias_check": "confirmed|conflicting",
    "bull_confidence": 0.0,
    "bear_confidence": 0.0
  },
  "invalidation": "什麼條件下整個策略失效",
  "requires_backtest": true,
  "urgency": "immediate|today|this_week|no_rush",
  "summary": "給董事長看的一段話摘要"
 }
 ```
 **欄位說明：**
 - `confidence_index`：策略師對這個策略的整體信心度（0.0-1.0，綜合多空信心）
 - `fear_greed_index`：當前市場恐慌/貪婪程度（0-100）
 - `market_regime`：當前市場狀態分類
 - `entry_plan`：完整的進場計畫（區間、觸發條件、下單方式）
 - `exit_plan`：完整的出場計畫（停損、分批止盈）
 ---
 ## Review_Report.json
 > 產出者：**審查員**（reviewer）
 ```json
 {
  "date": "2026-04-10",
  "reviewed_artifact": "Strategy_Thesis.json",
  "reviewed_agent": "quant-strategist",
  "verdict": "pass|revise|block",
  "score": 0.0,
  "checklist": {
    "schema_complete": true,
    "risk_management_valid": true,
    "data_sources_verified": true,
    "confidence_reasonable": true,
    "no_overfitting_risk": true
  },
  "issues": [
    {
      "severity": "critical|major|minor",
      "field": "對應的欄位名",
      "description": "問題描述",
      "suggestion": "修改建議"
    }
  ],
  "revise_target": "quant-strategist|bullish-researcher|bearish-researcher|...",
  "revise_round": 1,
  "summary": "審查結論摘要"
 }
 ```
 ---
 ## Backtest_Report.json
 > 產出者：**回測工程師**（quant-engineer）
 ```json
 {
  "date": "2026-04-10",
  "strategy_ref": "Strategy_Thesis.json",
  "platform": "pine_script|python|other",
  "backtest_period": {
    "start": "2025-01-01",
    "end": "2026-04-10",
    "data_source": "資料來源"
  },
  "parameters": {
    "initial_capital": 10000,
    "commission_pct": 0.1,
    "slippage_pct": 0.05
  },
  "results": {
    "total_trades": 0,
    "winning_trades": 0,
    "losing_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "net_profit": 0.0,
    "net_profit_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "max_drawdown_duration": "天數",
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "avg_holding_period": "小時/天"
  },
  "equity_curve_description": "權益曲線特徵描述",
  "code_artifact": "程式碼檔案路徑或內容",
  "notes": "回測備註與注意事項"
 }
 ```
 ---
 ## Data_Analysis_Report.json
 > 產出者：**資料分析師**（data-analyst）
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily|weekly|backtest_analysis",
  "analyzed_artifact": "Backtest_Report.json",
  "metrics": {
    "total_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "max_drawdown_pct": 0.0,
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "calmar_ratio": 0.0
  },
  "distribution_analysis": {
    "profit_distribution": "盈虧分布特徵",
    "trade_duration_distribution": "持倉時間分布特徵",
    "time_of_day_performance": "不同時段表現差異"
  },
  "risk_flags": [
    {
      "type": "overfitting|curve_fitting|small_sample|outlier_dependency|other",
      "description": "風險描述",
      "severity": "high|medium|low"
    }
  ],
  "insights": ["洞察 1", "洞察 2"],
  "recommendation": "proceed|adjust|reject",
  "recommendation_rationale": "建議依據",
  "summary": "分析結論摘要"
 }
 ```
 ---
 ## Task_Spec.json
 > 產出者：**執行長**（ceo）
 ```json
 {
  "task_id": "TASK-001",
  "title": "任務標題",
  "assignee": "agent-slug",
  "assignee_title": "Agent 職稱",
  "team": "team-slug",
  "priority": "critical|high|medium|low",
  "description": "詳細任務描述",
  "context": "任務背景與相關資訊",
  "expected_output": "預期輸出的 Schema 名稱",
  "dependencies": ["前置任務 ID"],
  "deadline": "2026-04-10T18:00:00+08:00",
  "requires_review": true,
  "requires_hitl": false
 }
 ```
 ---
 ## Final_Decision_Packet.json
 > 產出者：**執行長**（ceo）
 ```json
 {
  "date": "2026-04-10",
  "pipeline": "quant|marketing|content",
  "title": "決策包標題",
  "summary": "給董事長的摘要（200 字內）",
  "recommendation": "proceed|hold|abort",
  "key_findings": [
    {
      "source_agent": "agent-slug",
      "source_title": "Agent 職稱",
      "finding": "關鍵發現"
    }
  ],
  "risk_assessment": {
    "overall_risk": "high|medium|low",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "key_risks": ["風險 1", "風險 2"]
  },
  "action_items": [
    {
      "action": "需要執行的動作",
      "requires_approval": true
    }
  ],
  "attached_reports": ["Strategy_Thesis.json", "Review_Report.json", "Data_Analysis_Report.json"]
 }
 ```
 ---
 ## Meeting_Summary.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "summary_type": "daily|weekly|meeting|incident",
  "participants": [
    { "agent": "agent-slug", "title": "Agent 職稱" }
  ],
  "key_decisions": [
    {
      "decision": "決策內容",
      "decided_by": "agent-slug",
      "rationale": "決策依據"
    }
  ],
  "action_items": [
    {
      "assignee": "agent-slug",
      "assignee_title": "Agent 職稱",
      "task": "待辦內容",
      "deadline": "2026-04-11",
      "status": "pending|in_progress|done"
    }
  ],
  "highlights": ["今日重點 1", "今日重點 2"],
  "issues": ["待解決問題 1"],
  "notes": "其他備註"
 }
 ```
 ---
 ## State_Diff.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "compared_to": "2026-04-09",
  "changes": [
    {
      "category": "strategy|personnel|schedule|system|other",
      "description": "變更描述",
      "changed_by": "agent-slug",
      "impact": "high|medium|low"
    }
  ],
  "new_items": ["新增的事項"],
  "resolved_items": ["已解決的事項"],
  "ongoing_items": ["持續進行中的事項"]
 }
 ```
 ---
 ## Todo_List.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "items": [
    {
      "id": "TODO-001",
      "title": "待辦標題",
      "assignee": "agent-slug",
      "assignee_title": "Agent 職稱",
      "priority": "critical|high|medium|low",
      "status": "pending|in_progress|blocked|done",
      "created_date": "2026-04-09",
      "due_date": "2026-04-11",
      "notes": "備註"
    }
  ]
 }
 ```
 ---
 ## Brand_Strategy_Plan.json
 > 產出者：**策略總監**（strategy-director）
 ```json
 {
  "date": "2026-04-10",
  "version": "1.0",
  "usp": "獨特賣點定義",
  "brand_narrative": "品牌故事與核心訊息",
  "brand_voice": {
    "tone": "語氣描述",
    "personality": "品牌人格特質",
    "do": ["應該做的"],
    "dont": ["不應該做的"]
  },
  "target_audience": [
    {
      "segment": "受眾分群名稱",
      "demographics": "人口統計描述",
      "pain_points": ["痛點"],
      "motivations": ["動機"]
    }
  ],
  "campaigns": [
    {
      "name": "活動名稱",
      "channel": "投放管道",
      "objective": "活動目標",
      "kpi": "衡量指標",
      "budget_allocation_pct": 0.0
    }
  ],
  "funnel_strategy": {
    "awareness": "認知階段策略",
    "consideration": "考慮階段策略",
    "conversion": "轉換階段策略",
    "retention": "留存階段策略"
  }
 }
 ```
 ---
 ## Growth_Strategy_Plan.json
 > 產出者：**策略總監**（strategy-director）
 ```json
 {
  "date": "2026-04-10",
  "growth_model": "成長模型描述",
  "channels": [
    {
      "channel": "管道名稱",
      "strategy": "策略描述",
      "expected_cac": 0.0,
      "expected_ltv": 0.0,
      "priority": "high|medium|low"
    }
  ],
  "experiments": [
    {
      "hypothesis": "假設",
      "test_method": "測試方法",
      "success_metric": "成功指標",
      "duration": "測試期間"
    }
  ],
  "milestones": [
    {
      "target": "目標描述",
      "deadline": "2026-06-30",
      "status": "planned|in_progress|achieved"
    }
  ]
 }
 ```
 ---
 ## Market_Research_Brief.json
 > 產出者：**市場研究員**（market-researcher）
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily_morning|daily_evening|weekly",
  "market_overview": "市場概況摘要",
  "competitors": [
    {
      "name": "競品名稱",
      "recent_moves": "近期動態",
      "threat_level": "high|medium|low"
    }
  ],
  "consumer_insights": [
    {
      "insight": "消費者洞察",
      "source": "來源",
      "actionable": true
    }
  ],
  "trends": [
    {
      "trend": "趨勢描述",
      "direction": "growing|stable|declining",
      "relevance": "high|medium|low"
    }
  ],
  "opportunities": ["機會 1", "機會 2"],
  "threats": ["威脅 1", "威脅 2"],
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Market_Analysis_Report.json
 > 產出者：**市場研究員**（market-researcher）
 ```json
 {
  "date": "2026-04-10",
  "analysis_period": "2026-04-07 ~ 2026-04-10",
  "market_size": {
    "tam": "Total Addressable Market",
    "sam": "Serviceable Addressable Market",
    "som": "Serviceable Obtainable Market"
  },
  "swot": {
    "strengths": ["優勢"],
    "weaknesses": ["劣勢"],
    "opportunities": ["機會"],
    "threats": ["威脅"]
  },
  "competitive_landscape": "競爭格局分析",
  "recommendations": ["建議 1", "建議 2"],
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Ads_Performance_Report.json
 > 產出者：**投放分析師**（ads-analyst）
 ```json
 {
  "date": "2026-04-10",
  "report_period": "2026-04-01 ~ 2026-04-10",
  "platforms": [
    {
      "platform": "平台名稱",
      "metrics": {
        "impressions": 0,
        "clicks": 0,
        "ctr": 0.0,
        "conversions": 0,
        "cvr": 0.0,
        "cpl": 0.0,
        "cpa": 0.0,
        "roas": 0.0,
        "spend": 0.0
      }
    }
  ],
  "top_creatives": [
    {
      "creative_id": "素材 ID",
      "description": "素材描述",
      "ctr": 0.0,
      "cvr": 0.0
    }
  ],
  "ab_test_results": [
    {
      "test_name": "測試名稱",
      "winner": "A|B",
      "lift_pct": 0.0,
      "confidence": 0.0
    }
  ],
  "budget_utilization_pct": 0.0,
  "recommendations": ["優化建議 1", "優化建議 2"]
 }
 ```
 ---
 ## Creative_Brief.json
 > 產出者：**創意總監**（creative-director）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "objective": "創意目標",
  "target_audience": "目標受眾描述",
  "key_message": "核心訊息",
  "tone_and_mood": "語氣與氛圍",
  "visual_direction": {
    "style": "視覺風格",
    "color_palette": ["色碼"],
    "references": ["參考連結或描述"]
  },
  "deliverables": [
    {
      "type": "banner|social_post|video|landing_page",
      "dimensions": "尺寸",
      "quantity": 1,
      "notes": "備註"
    }
  ],
  "brand_guidelines_ref": "品牌規範引用",
  "deadline": "2026-04-15"
 }
 ```
 ---
 ## Storyboard_Brief.json
 > 產出者：**創意總監**（creative-director）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "video_type": "ad|explainer|testimonial|brand",
  "duration_seconds": 30,
  "scenes": [
    {
      "scene_number": 1,
      "duration_seconds": 5,
      "visual": "畫面描述",
      "audio": "音效/音樂/旁白描述",
      "text_overlay": "畫面文字",
      "transition": "cut|fade|slide"
    }
  ],
  "cta": "Call to Action",
  "notes": "備註"
 }
 ```
 ---
 ## Copywriting_Pack.json
 > 產出者：**文案撰寫員**（copywriter）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "brand_voice_ref": "品牌語氣引用",
  "pieces": [
    {
      "type": "headline|body|cta|social_post|email|blog|landing_page",
      "platform": "投放平台",
      "headline": "標題",
      "body": "內文",
      "cta": "Call to Action",
      "seo_keywords": ["關鍵字"],
      "character_count": 0,
      "variations": ["變體 A", "變體 B"]
    }
  ],
  "notes": "備註"
 }
 ```
 ---
 ## Video_Script_Pack.json
 > 產出者：**文案撰寫員**（copywriter）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "video_type": "ad|explainer|testimonial|brand",
  "duration_seconds": 30,
  "script": [
    {
      "timecode": "00:00-00:05",
      "speaker": "旁白|角色名",
      "dialogue": "台詞/旁白內容",
      "visual_cue": "對應的畫面提示",
      "notes": "備註"
    }
  ],
  "cta": "Call to Action",
  "tone": "語氣描述",
  "notes": "備註"
 }
 ```
--- a/docs/spec/spec_v4_collaboration_scheduling_memory.md
+++ b/docs/spec/spec_v4_collaboration_scheduling_memory.md
@@ -1,238 +0,0 @@
 # KingClawArmy - 第四部分：協作模式 & 第五部分：排程與觸發 & 第六部分：記憶 & 第七部分：Discord
 ---
 ## 第四部分：協作模式
 ### 4.1 三種模式（全部在 OpenClaw 內完成）
 | 模式 | OpenClaw 實現 | 場景 |
 |---|---|---|
 | **Orchestrator** | CEO 用 `sessions_spawn` 派工給 sub-agent | 日常任務分派 |
 | **Peer-to-Peer** | Agent 之間用 `sessions_send` 來回溝通（最多 5 輪） | 追問、澄清、交叉驗證 |
 | **Coordinator 討論** | CEO 用 `sessions_send` 逐一收集觀點再收斂 | 多方意見整合、辯論替代 |
 ### 4.2 協作模式詳細流程
 #### Orchestrator（派工）
 ```
 CEO 收到任務
  ↓
 sessions_spawn("finance_researcher", task="蒐集今日盤前資訊")
  ↓
 財經情報研究員在獨立 session 中執行
  ↓
 完成後 push 結果回 CEO
  ↓
 CEO 收到結果，spawn 下一個 agent
 ```
 #### Peer-to-Peer（直接溝通）
 ```
 量化策略研究員讀完多方報告後有疑問
  ↓
 sessions_send("bullish_researcher", "你提到 OB 支撐，具體是哪個價位？")
  ↓
 多方研究員回覆（ping-pong 最多 5 輪）
  ↓
 量化策略研究員獲得澄清，繼續工作
 ```
 #### Coordinator 討論（辯論替代方案）
 ```
 CEO 需要整合多空觀點
  ↓
 step 1: sessions_send("bullish_researcher", "總結你的核心做多論點")
 step 2: sessions_send("bearish_researcher", "總結你的核心做空論點")
 step 3: sessions_send("bearish_researcher", "針對多方的論點 [X]，你的反駁是？")
 step 4: sessions_send("bullish_researcher", "針對空方的反駁 [Y]，你的回應是？")
 step 5: sessions_send("quant_strategist", "以下是雙方觀點 [全文]，請收斂成策略")
  ↓
 CEO 收到策略規格
 ```
 ### 4.3 什麼場景用什麼模式
 | 場景 | 模式 | 理由 |
 |---|---|---|
 | 蒐集資料 | Orchestrator spawn | 獨立任務，不需互動 |
 | 寫回測程式 | Orchestrator spawn | 獨立任務 |
 | 多空辯論 | Coordinator 討論 | 需要多方觀點交叉 |
 | 追問細節 | Peer-to-Peer send | 兩個 agent 直接對話 |
 | 審查來回 | Peer-to-Peer send | 審查員與被審者 ping-pong |
 | 跨團隊對齊 | Coordinator 討論 | CEO 逐一收集再收斂 |
 | 你下達指令 | Discord → CEO | 你對 CEO 說話 |
 | 需要你批准 | CEO → Discord @你 | HITL |
 ### 4.4 Review Gate
 | 必審節點 | 觸發方式 |
 |---|---|
 | 量化策略提交 | CEO spawn 審查員 review |
 | 回測結果提交 | CEO spawn 審查員 review |
 | 工程交付 | CEO spawn 審查員 review |
 | 文案對外 | CEO spawn 審查員 review |
 ### 4.5 HITL 節點
 | 需要你批准的事 | 通知方式 |
 |---|---|
 | 正式部署 | Discord #approvals @你 |
 | DB schema 變更 | Discord #approvals @你 |
 | 廣告正式發布 | Discord #approvals @你 |
 | 對外訊息發送 | Discord #approvals @你 |
 | 金流操作 | Discord #approvals @你 |
 | 量化策略正式執行 | Discord #approvals @你 |
 ---
 ## 第五部分：排程與觸發
 ### 5.1 Cron 排程
 ```bash
 # 財經情報 — 每日盤前盤後
 openclaw cron add --agent finance_researcher --cron "30 7 * * 1-5" --task "盤前資訊蒐集"
 openclaw cron add --agent finance_researcher --cron "30 18 * * 1-5" --task "盤後資訊整理"
 # 市場研究 — 每日 + 每週
 openclaw cron add --agent market_researcher --cron "0 10 * * *" --task "每日市場情報"
 openclaw cron add --agent market_researcher --cron "0 9 * * 1" --task "每週市場分析報告"
 # 投放分析 — 每日
 openclaw cron add --agent ads_analyst --cron "30 9 * * *" --task "每日投放 KPI 檢查"
 # 資料分析 — 每日 + 每週
 openclaw cron add --agent data_analyst --cron "0 20 * * *" --task "每日資料摘要"
 openclaw cron add --agent data_analyst --cron "0 10 * * 1" --task "每週數據報告"
 # 秘書 — 每日記憶壓縮
 openclaw cron add --agent secretary --cron "0 23 * * *" --task "每日記憶壓縮與 State Diff"
 ```
 ### 5.2 事件觸發鏈（量化 pipeline）
 透過 CEO 的 Standing Orders 定義：
 ```
 CEO Standing Order: 量化研究流程
 當收到財經情報完成通知：
  → spawn market_structure_researcher
 當收到市場結構報告完成通知：
  → spawn bullish_researcher（平行）
  → spawn bearish_researcher（平行）
 當收到多方 + 空方報告都完成：
  → 執行 coordinator 討論（收集雙方觀點）
  → spawn quant_strategist（帶入討論結果）
 當收到量化策略完成通知：
  → spawn quant_engineer
 當收到回測完成通知：
  → spawn data_analyst
 當收到資料分析完成通知：
  → send secretary（做摘要）
  → spawn reviewer（審查整條 pipeline）
 當收到審查 pass：
  → 組裝 Final_Decision_Packet
  → Discord @董事長 請求批准
 當收到審查 revise：
  → 退回被點名角色
  → 如超過 3 輪 → Discord @董事長 介入
 ```
 ---
 ## 第六部分：記憶架構
 ### 6.1 OpenClaw 記憶系統
 | 層級 | 檔案/機制 | 用途 |
 |---|---|---|
 | **長期記憶** | `MEMORY.md` | 每個 agent 的永久知識，session 啟動時自動載入 |
 | **每日筆記** | `memory/YYYY-MM-DD.md` | 今日工作記錄，自動載入今天+昨天 |
 | **夢境整合** | `DREAMS.md` | 可選，定期整合零散記憶 |
 | **語意搜尋** | `memory_search` | 混合向量+關鍵字搜尋歷史記憶 |
 | **跨 agent** | QMD `extraCollections` | Agent A 搜尋 Agent B 的記憶 |
 ### 6.2 記憶分類與負責人
 | 記憶類型 | 存放位置 | 寫入者 | 讀取者 |
 |---|---|---|---|
 | 董事長決策 | CEO 的 MEMORY.md | 秘書 | 所有 agent（via QMD） |
 | 量化策略規則 | quant_strategist 的 MEMORY.md | 量化策略研究員 | 回測工程師、資料分析員 |
 | 回測結果摘要 | data_analyst 的 MEMORY.md | 資料分析員 | 量化策略、CEO |
 | 品牌知識庫 | strategy_director 的 MEMORY.md | 策略總監 | 文案、創意 |
 | 會議結論 | secretary 的 memory/ 每日筆記 | 秘書 | 所有 agent（via QMD） |
 | 個別工作脈絡 | 各 agent 的 memory/ 每日筆記 | 各 agent | 該 agent + 秘書 |
 ### 6.3 記憶生命週期
 | 類型 | 保留方式 |
 |---|---|
 | MEMORY.md | 永久，除非手動更新 |
 | 每日筆記 | 自動載入今天+昨天；更舊的靠 memory_search |
 | 秘書壓縮 | 每日 23:00 將當日重點寫入 MEMORY.md，清理冗餘 |
 ---
 ## 第七部分：Discord Server 結構
 ### 7.1 頻道規劃
 ```
 KingClawArmy Discord Server
 │
 ├── 📋 管理
 │   ├── #dashboard        — 每日摘要、系統狀態
 │   ├── #approvals        — HITL 審批（你在這裡批准）
 │   └── #errors           — 錯誤與異常
 │
 ├── 📊 量化
 │   ├── #quant-briefing   — 盤前盤後情報
 │   ├── #quant-discussion — 討論區（coordinator 討論結果貼這）
 │   └── #quant-results    — 策略定稿、回測結果
 │
 ├── 📈 行銷
 │   ├── #marketing-intel  — 市場情報
 │   └── #ads-performance  — 投放 KPI
 │
 ├── ✏️ 內容
 │   └── #content-briefs   — 文案 / 創意 brief
 │
 └── 📝 記錄
    ├── #meeting-logs     — 所有 coordinator 討論記錄
    └── #decision-log     — 重大決策
 ```
 ### 7.2 Discord 互動方式
 | 你想做的事 | 怎麼做 |
 |---|---|
 | 下達新指令 | 在 #dashboard 或 DM 跟 CEO agent 說 |
 | 查看進度 | 問 CEO 或秘書 |
 | 批准高風險動作 | 在 #approvals 回覆 approve / reject |
 | 看今日摘要 | #dashboard 自動推送（秘書每日產出） |
 | 看回測結果 | #quant-results |
 | 手動發起討論 | @CEO 說「召集量化團隊討論 [主題]」 |
 | 緊急停止 | `openclaw tasks flow cancel <id>` 或 Discord @CEO「停止 [任務]」 |
 ### 7.3 通知規則
 | 事件 | 推送到 | 由誰推送 |
 |---|---|---|
 | 任務完成 | 對應區域頻道 | CEO |
 | 審查 pass（HITL） | #approvals | CEO |
 | 審查 block | #errors + #approvals | CEO |
 | 每日摘要 | #dashboard | 秘書 |
 | 討論結論 | #meeting-logs | 秘書 |
 | 錯誤/異常 | #errors | 相關 agent |
--- a/docs/spec/spec_v4_org_and_roles.md
+++ b/docs/spec/spec_v4_org_and_roles.md
@@ -1,317 +0,0 @@
 # KingClawArmy - 第二部分：組織架構 & 第三部分：角色定義
 ---
 ## 第二部分：組織架構
 ### 2.1 團隊結構
 ```
 董事長（你，人類，透過 Discord 操作）
 │
 ├── 管理團隊 (3 agents)
 │   ├── CEO/COO          ← coordinator，管理所有 sub-agent
 │   ├── 秘書             ← 記憶管理、摘要、狀態追蹤
 │   └── 審查員           ← 品質把關 pass/revise/block
 │
 ├── 量化研究團隊 (7 agents)
 │   ├── 財經情報研究員
 │   ├── 市場結構研究員
 │   ├── 多方研究員
 │   ├── 空方研究員
 │   ├── 量化策略研究員（含風控）
 │   ├── 回測工程師
 │   └── 資料分析員
 │
 ├── 行銷策略團隊 (3 agents)
 │   ├── 市場研究員
 │   ├── 策略總監
 │   └── 投放成效分析師
 │
 ├── 內容創意團隊 (2 agents)
 │   ├── 文案撰寫員
 │   └── 創意總監
 │
 └── 工程團隊 (0~2 agents)
    ├── 前端工程師
    └── 後端工程師
 ```
 **總計：15 ~ 17 agents**
 ### 2.2 OpenClaw Agent 配置結構
 每個 agent 在 `~/.openclaw/openclaw.json` 中定義：
 ```jsonc
 {
  "agents": [
    {
      "name": "ceo_coo",
      "model": "claude-sonnet-4-6",  // 或任何模型
      "workspace": "~/.openclaw/workspaces/ceo_coo",
      "bindings": [
        { "channel": "discord:#commands", "guild": "<guild_id>" }
      ],
      "system_prompt_file": "SOUL.md",
      "memory_engine": "qmd",
      "tools": ["sessions_spawn", "sessions_send", "cron", "memory_search"]
    }
    // ... 其他 agents
  ]
 }
 ```
 ### 2.3 Agent 間的關係（routing）
 ```
 CEO/COO (coordinator)
 ├── sessions_spawn → 財經情報研究員（派工，異步）
 ├── sessions_spawn → 市場結構研究員
 ├── sessions_spawn → 多方研究員 / 空方研究員（平行派工）
 ├── sessions_spawn → 量化策略研究員
 ├── sessions_send  → 審查員（同步來回審查）
 ├── sessions_send  → 秘書（同步請求摘要）
 └── Discord @mention → 你（HITL 審批）
 ```
 ### 2.4 狀態分類
 | 狀態 | 說明 | 角色 | OpenClaw 實現 |
 |---|---|---|---|
 | **常駐** | 持續運行 | CEO/COO、秘書 | Standing Orders + 高頻 cron |
 | **Warm** | 高頻喚醒 | 審查員 | 事件觸發（hooks） |
 | **喚醒** | 排程或事件觸發 | 其餘所有 agent | cron + hooks |
 ---
 ## 第三部分：角色定義
 > 所有 agent 運行於 OpenClaw  
 > 每個 agent 有獨立的 workspace（SOUL.md + MEMORY.md + AGENTS.md）
 ### 3.0 模型等級分類
 | 等級 | 說明 | 適用模型舉例 |
 |---|---|---|
 | **reasoning-heavy** | 深度推理、策略收斂、審查 | Claude Opus, GPT-4o, DeepSeek-V3 |
 | **general** | 通用管理、摘要、整理 | Claude Sonnet, GPT-4o-mini |
 | **coder** | 寫程式、回測 | Claude Sonnet, Codex, DeepSeek-Coder |
 | **creative** | 文案、創意發想 | Claude Sonnet, GPT-4o |
 | **research** | 資料蒐集、整理 | Claude Haiku, GPT-4o-mini |
 ---
 ### 3.1 管理團隊
 #### CEO/COO
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `ceo_coo` |
 | **模型等級** | general |
 | **狀態** | 常駐 |
 | **Mission** | 接收董事長指令，拆解任務，用 `sessions_spawn` 分派給 sub-agent，追蹤進度，收斂結果 |
 | **Scope** | 派工（spawn）、溝通（send）、讀取所有 agent 產出、發起 Discord 討論、組裝決策包 |
 | **Forbidden** | 不直接寫文案 / 程式 / 部署 / 做研究 |
 | **輸出** | Task_Spec.json, Final_Decision_Packet.json |
 | **OpenClaw 工具** | `sessions_spawn`, `sessions_send`, `cron`, `memory_search`, Discord 工具 |
 | **Escalation** | 高風險 → Discord @你 |
 #### 秘書
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `secretary` |
 | **模型等級** | general |
 | **狀態** | 常駐 |
 | **Mission** | 記錄摘要、維護 MEMORY.md、產出 State Diff、維護 Todo |
 | **Scope** | 讀寫所有 agent 的 memory（via QMD extraCollections）、產出摘要 |
 | **Forbidden** | 不做策略決策、不分派任務 |
 | **輸出** | Meeting_Summary.json, State_Diff.json, Todo_List.json |
 | **OpenClaw 工具** | `memory_search`, `memory_write`, Discord 工具 |
 | **Escalation** | 記憶衝突 → 上報 CEO |
 #### 審查員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `reviewer` |
 | **模型等級** | reasoning-heavy |
 | **狀態** | warm（事件觸發） |
 | **Mission** | 審查產出品質，判定 pass / revise / block |
 | **Scope** | 唯讀所有 agent 輸出、提出修改建議、風險攔截 |
 | **Forbidden** | 不重寫內容、不拍板決策 |
 | **輸出** | Review_Report.json |
 | **OpenClaw 工具** | `memory_search`, `sessions_send`（回覆審查結果給 CEO） |
 | **Escalation** | block → CEO → 可能 Discord @你 |
 ---
 ### 3.2 量化研究團隊
 #### 財經情報研究員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `finance_researcher` |
 | **模型等級** | research |
 | **Mission** | 蒐集財經、總經、盤前盤後資訊 |
 | **Forbidden** | 不下交易結論 |
 | **輸出** | Finance_Research_Brief.json |
 | **OpenClaw 工具** | web_search, browser, memory_write |
 #### 市場結構研究員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `market_structure_researcher` |
 | **模型等級** | reasoning-heavy |
 | **Mission** | 解析流動性、MSS、OB、FVG、POI |
 | **Forbidden** | 不下最終交易結論 |
 | **輸出** | Market_Structure_Report.json |
 | **OpenClaw 工具** | 行情資料 MCP, memory_search |
 #### 多方研究員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `bullish_researcher` |
 | **模型等級** | reasoning-heavy |
 | **Mission** | 整理支持做多的論點 |
 | **Forbidden** | 不直接拍板、不做空方論述 |
 | **輸出** | Bullish_Research_Report.json |
 | **OpenClaw 工具** | memory_search（讀取研究報告） |
 #### 空方研究員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `bearish_researcher` |
 | **模型等級** | reasoning-heavy |
 | **Mission** | 整理反對交易的論點 |
 | **Forbidden** | 不直接拍板、不做多方論述 |
 | **輸出** | Bearish_Research_Report.json |
 | **OpenClaw 工具** | memory_search（讀取研究報告） |
 #### 量化策略研究員（含風控）
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `quant_strategist` |
 | **模型等級** | reasoning-heavy |
 | **Mission** | 收斂多空觀點成策略規則 + 風控框架 + bias check |
 | **Forbidden** | 不寫正式程式碼 |
 | **輸出** | Quant_Strategy_Spec.json |
 | **OpenClaw 工具** | memory_search, sessions_send（向多方/空方追問） |
 #### 回測工程師
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `quant_engineer` |
 | **模型等級** | coder |
 | **Mission** | 將策略規則轉成 Pine Script / Python 回測 |
 | **Forbidden** | 不自行更改策略方向 |
 | **輸出** | Backtest_Delivery.json |
 | **OpenClaw 工具** | exec, code_execution, file_ops, memory_write |
 #### 資料分析員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `data_analyst` |
 | **模型等級** | reasoning-heavy / general |
 | **Mission** | 分析回測結果，計算 KPI，提供洞察 |
 | **Forbidden** | 不自行定策略方向 |
 | **輸出** | Data_Analysis_Report.json |
 | **OpenClaw 工具** | code_execution, memory_search, memory_write |
 ---
 ### 3.3 行銷策略團隊
 #### 市場研究員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `market_researcher` |
 | **模型等級** | research |
 | **Mission** | 蒐集競品、消費者痛點、平台趨勢並分析 |
 | **輸出** | Market_Research_Brief.json, Market_Analysis_Report.json |
 | **OpenClaw 工具** | web_search, browser, memory_write |
 #### 策略總監
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `strategy_director` |
 | **模型等級** | reasoning-heavy |
 | **Mission** | 定義 USP、品牌敘事、campaign、漏斗策略 |
 | **Forbidden** | 不直接寫最終文案 |
 | **輸出** | Brand_Strategy_Plan.json, Growth_Strategy_Plan.json |
 | **OpenClaw 工具** | memory_search |
 #### 投放成效分析師
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `ads_analyst` |
 | **模型等級** | general |
 | **Mission** | 分析 CTR / CVR / CPL / ROAS，提出優化建議 |
 | **輸出** | Ads_Performance_Report.json |
 | **OpenClaw 工具** | 廣告平台 MCP, memory_write |
 ---
 ### 3.4 內容創意團隊
 #### 文案撰寫員
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `copywriter` |
 | **模型等級** | creative |
 | **Mission** | 廣告文案 + 影片腳本 |
 | **輸出** | Copywriting_Pack.json, Video_Script_Pack.json |
 | **OpenClaw 工具** | memory_search（品牌語氣庫） |
 #### 創意總監
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `creative_director` |
 | **模型等級** | creative |
 | **Mission** | 平面素材 brief + 影片分鏡 brief |
 | **輸出** | Static_Creative_Brief.json, Storyboard_Brief.json |
 | **OpenClaw 工具** | memory_search（品牌規範）, image tools（如有） |
 ---
 ### 3.5 工程團隊（依需求啟用）
 #### 前端工程師 / 後端工程師
 | 項目 | 內容 |
 |---|---|
 | **Agent ID** | `frontend_engineer` / `backend_engineer` |
 | **模型等級** | coder |
 | **Mission** | 前端開發 / API + DB 開發 |
 | **OpenClaw 工具** | exec, file_ops, code_execution, browser |
 ---
 ### 3.6 SOUL.md 共用結尾
 每個 agent 的 `SOUL.md` 結尾附加：
 ```text
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 在 Discord 討論時，保持你的角色立場發言
 ```
--- a/docs/spec/spec_v4_rollout_and_risks.md
+++ b/docs/spec/spec_v4_rollout_and_risks.md
@@ -1,142 +0,0 @@
 # KingClawArmy - 第八部分：JSON Schema & 第九部分：上線計畫 & 第十部分：風險與限制
 ---
 ## 第八部分：JSON Schema
 JSON Schema 定義各 agent 產出格式，與系統架構無關（純資料格式）。
 詳細 schema 定義請參考各 agent 的 AGENTS.md 或實際輸出範例。
 ---
 ## 第九部分：上線計畫
 ### 9.1 總覽
 | Phase | 目標 | 上線角色 | 驗收標準 | 狀態 |
 |---|---|---|---|---|
 | 0 | 基礎設施 | — | OpenClaw + Discord 可用 | ✅ 完成 |
 | 1 | 管理閉環 | 3 agents | CEO 派工→秘書記錄→審查審核 | 🔄 進行中 |
 | 2 | 量化閉環 | +7 agents | 情報到回測完整 pipeline | 待開始 |
 | 3 | 行銷閉環 | +3 agents | 研究→策略→KPI 追蹤 | 待開始 |
 | 4 | 內容閉環 | +2 agents | 文案+創意 brief | 待開始 |
 | 5 | 工程（依需求） | +0~2 agents | 前後端任務可執行 | 待開始 |
 ### 9.2 Phase 0：基礎設施 ✅
 | 步驟 | 動作 | 驗收 | 狀態 |
 |---|---|---|---|
 | 0.1 | 安裝 OpenClaw | `openclaw --version` 正常 | ✅ v2026.4.10 |
 | 0.2 | 設定 AI model API | OpenClaw 能回應訊息 | ✅ openai-codex |
 | 0.3 | 設定記憶引擎 | `memory_search` 可用 | 待確認 |
 | 0.4 | 建立 Discord Server + 頻道 | 頻道結構完成 | ✅ King Claw Server |
 | 0.5 | 連接 OpenClaw Discord 整合 | Bot 在 Discord 上線 | ✅ #總機 頻道已連接 |
 | 0.6 | 建立 `~/.openclaw/openclaw.json` | config 可載入 | ✅ |
 **實際設定筆記：**
 - Discord Bot 需在 Developer Portal 開啟 Message Content Intent、Server Members Intent
 - 群組頻道路由須在 `channels.discord.guilds.<guildId>.channels` 設定，binding 用 `peer.kind: channel + peer.id: <channelId>`
 - Gateway 以 systemd user service 方式常駐執行
 ### 9.3 Phase 1：管理閉環 🔄
 | 步驟 | 動作 | 驗收 | 狀態 |
 |---|---|---|---|
 | 1.1 | 建立 CEO agent（workspace 完整設定） | Agent 回應正常 | ✅ `ceo_coo` 已建立 |
 | 1.2 | 設定 CEO 的 Discord binding | Discord 訊息能路由到 CEO | ✅ #總機 已路由 |
 | 1.3 | 手動在 Discord 下達測試任務 | CEO 能理解並回應 | 🔄 測試中 |
 | 1.4 | 建立秘書 agent | 秘書能讀取 CEO 產出 | 待開始 |
 | 1.5 | 建立審查員 agent | 審查員能回覆 pass/revise | 待開始 |
 | 1.6 | 測試 CEO spawn 秘書 | sessions_spawn 正常 | 待開始 |
 | 1.7 | 測試 CEO send 審查員 | sessions_send 來回正常 | 待開始 |
 | 1.8 | 測試 HITL：CEO @總司令 在 Discord | 收到通知，回覆後 CEO 繼續 | 待開始 |
 | 1.9 | 測試跨 agent 記憶 | 秘書能搜尋 CEO 的記憶 | 待開始 |
 **Phase 1 完成標準：**
 - [x] CEO 能接收 Discord 指令
 - [ ] CEO 能 spawn/send 其他 agent
 - [ ] 秘書能產出摘要
 - [ ] 審查員能 pass/revise
 - [ ] Discord HITL 正常
 - [ ] 跨 agent 記憶搜尋正常
 ### 9.4 Phase 2：量化閉環
 | 步驟 | 動作 | 驗收 |
 |---|---|---|
 | 2.1 | 建立財經情報研究員 + cron | 每日自動產出報告 |
 | 2.2 | 建立市場結構研究員 | 情報完成後自動觸發 |
 | 2.3 | 建立多方 + 空方研究員 | 平行產出報告 |
 | 2.4 | 建立量化策略研究員 | 能收斂成策略 |
 | 2.5 | 測試 coordinator 討論 | CEO 串行收集多空觀點並交給策略研究員 |
 | 2.6 | 建立回測工程師 | 產出回測結果 |
 | 2.7 | 建立資料分析員 | 分析回測結果 |
 | 2.8 | 完整 pipeline 端對端測試 | 從盤前情報到最終分析一次跑通 |
 | 2.9 | 審查員 review pipeline | 通過 gate |
 | 2.10 | HITL 測試：董事長批准 | Discord 審批正常 |
 ### 9.5 Phase 3-5
 同 v3 版邏輯，依序加入行銷、內容、工程團隊。每加一個 agent：
 1. 建立 workspace（SOUL.md + AGENTS.md + MEMORY.md）
 2. 設定 model + tools
 3. 加入 openclaw.json
 4. 測試 CEO 能 spawn/send
 5. 測試記憶讀寫
 6. 跑一次真實任務驗證
 ---
 ## 第十部分：風險與限制
 ### 10.1 已知限制
 | 限制 | 影響 | 緩解 |
 |---|---|---|
 | 無原生群組辯論（#18869） | 3+ agent 無法即時辯論 | coordinator 模式替代 |
 | sessions_send 最多 5 輪 | peer-to-peer 對話受限 | 大部分場景 5 輪夠用；超過走 coordinator |
 | sub-agent 最多 5 層深、5 個並行 | 不能一次 spawn 太多 | 15 agent 分批 spawn，CEO 做排隊 |
 | 無視覺化管理 UI | 看不到 org chart | Discord + CLI 管理 |
 | OpenClaw 曾有安全漏洞 | RCE 風險 | 保持更新、啟用認證 |
 ### 10.2 成本控制
 | 策略 | 做法 |
 |---|---|
 | 模型分級 | 日常用便宜的 research/general，策略收斂才用 reasoning-heavy |
 | 限制 send 輪數 | peer-to-peer 預設 3 輪，最多 5 輪 |
 | coordinator 討論控制 | 每次最多收集 5 個 agent 觀點 |
 | cron 頻率合理 | 不需要的 agent 不要排太密 |
 | 記憶壓縮 | 秘書每日壓縮，避免 context 膨脹 |
 ### 10.3 安全
 | 項目 | 措施 |
 |---|---|
 | API Key | 環境變數，不進版本控制 |
 | Agent 權限 | SOUL.md 嚴格定義 Forbidden + 工具白名單 |
 | 交易執行 | 必須 HITL 批准 |
 | Discord | Server 設為私人 |
 | OpenClaw 更新 | 追蹤安全公告，及時更新 |
 ### 10.4 停損信號
 | 信號 | 動作 |
 |---|---|
 | 月費用超預期 2 倍 | 暫停非必要 agent |
 | 反覆 revise 超過 5 輪 | 人工介入調整 prompt |
 | 回測 winrate > 90% | 停下檢查 overfitting |
 | Agent 產出品質下降 | 檢查記憶 + prompt |
 ---
 ## 附錄：文件索引
 | 文件 | 內容 |
 |---|---|
 | `spec_v4_system_overview.md` | 第一部分：系統總覽 |
 | `spec_v4_org_and_roles.md` | 第二、三部分：組織架構 + 角色定義 |
 | `spec_v4_collaboration_scheduling_memory.md` | 第四~七部分：協作 + 排程 + 記憶 + Discord |
 | `spec_v4_rollout_and_risks.md` | 第八~十部分：Schema + 上線 + 風險 |
 | `spec_v3_schemas.md` | JSON Schema（v3 版沿用） |
--- a/docs/spec/spec_v4_system_overview.md
+++ b/docs/spec/spec_v4_system_overview.md
@@ -1,96 +0,0 @@
 # KingClawArmy AI Agent Team - 系統規格書 v4
 > 版本：v4.0  
 > 日期：2026-04-09  
 > 狀態：初版定稿  
 > 前版差異：v3 為 Paperclip + Discord + Mem0 多系統架構，v4 簡化為純 OpenClaw 架構
 ---
 ## 第一部分：系統總覽
 ### 1.1 系統目標
 建立一個 AI Agent 團隊（代號 KingClawArmy），能夠：
 1. **量化研究**：情報蒐集 → 市場結構分析 → 多空辯論 → 策略形成 → 回測 → 分析
 2. **行銷策略**：市場研究 → 品牌/成長策略 → 投放分析
 3. **內容創作**：策略 → 文案撰寫 → 視覺方向
 4. **工程開發**：前端/後端（依需求啟用）
 5. **自主協作**：Agent 之間能交換資訊、討論、產出 1+1 > 2 的效果
 ### 1.2 設計原則
 | 原則 | 說明 |
 |---|---|
 | **一套系統** | 全部用 OpenClaw，不疊加外部系統 |
 | **Model-Agnostic** | 不綁定任何 AI 模型，雲端或本地皆可 |
 | **漸進式上線** | 一隻一隻加入，觀察調整再擴編 |
 | **人類保留最終決策權** | 高風險動作必須經過董事長批准 |
 | **討論產生價值** | 關鍵決策點安排多 Agent 協作 |
 ### 1.3 整體架構
 ```
 ┌────────────────────────────────────┐
 │            你（董事長）              │
 │      Discord 管理 + HITL 審批       │
 └─────────────────┬──────────────────┘
                  │
 ┌─────────────────▼──────────────────┐
 │           OpenClaw Gateway          │
 │                                     │
 │  ┌─ Agent 管理 ──────────────────┐ │
 │  │  agent routing + bindings     │ │
 │  │  sub-agent 派工               │ │
 │  │  sessions_send 溝通           │ │
 │  └───────────────────────────────┘ │
 │                                     │
 │  ┌─ 任務與排程 ──────────────────┐ │
 │  │  Task Flow 任務管理           │ │
 │  │  Cron 排程（5/6 欄位 + 時區） │ │
 │  │  Hooks 事件觸發（13+ 類型）   │ │
 │  │  Standing Orders 常駐指令     │ │
 │  └───────────────────────────────┘ │
 │                                     │
 │  ┌─ 記憶 ────────────────────────┐ │
 │  │  MEMORY.md 長期記憶           │ │
 │  │  daily notes 每日筆記         │ │
 │  │  memory_search 語意搜尋       │ │
 │  │  QMD/Honcho 跨 agent 記憶     │ │
 │  └───────────────────────────────┘ │
 │                                     │
 │  ┌─ 工作流 ──────────────────────┐ │
 │  │  Lobster DSL 多步驟流程       │ │
 │  │  審批 gate + timeout          │ │
 │  └───────────────────────────────┘ │
 │                                     │
 │  ┌─ 整合 ────────────────────────┐ │
 │  │  Discord 完整整合             │ │
 │  │  MCP 3,200+ skills            │ │
 │  │  30+ 通訊平台                 │ │
 │  └───────────────────────────────┘ │
 │                                     │
 │  ┌─ 模型（隨你接）──────────────┐ │
 │  │  Claude / GPT / DeepSeek      │ │
 │  │  Gemini / 本地 Ollama / vLLM  │ │
 │  └───────────────────────────────┘ │
 └─────────────────────────────────────┘
 ```
 ### 1.4 為什麼只用 OpenClaw
 | 之前考慮的工具 | 為什麼不需要 |
 |---|---|
 | Paperclip | OpenClaw 的 agent routing + Task Flow + cron 已涵蓋調度；Discord 已涵蓋管理介面 |
 | Mem0 | OpenClaw 內建記憶 + QMD/Honcho 跨 agent 記憶已足夠 |
 | AutoGen | 群組辯論用 coordinator 模式替代；等 OpenClaw #18869 實裝後原生支援 |
 | n8n | OpenClaw cron + hooks 已涵蓋排程與事件觸發 |
 ### 1.5 已知限制
 | 限制 | 影響 | 緩解方式 |
 |---|---|---|
 | 無原生群組辯論（#18869） | 3+ agent 即時辯論不支援 | coordinator 模式串行替代，或等原生支援 |
 | 無視覺化管理 UI | 沒有漂亮 dashboard | Discord slash commands + CLI 管理 |
 | 無 per-agent 預算 dashboard | 成本追蹤不方便 | 自訂 skill 追蹤 token 用量 |
--- a/projects/board-ops/PROJECT.md
+++ b/projects/board-ops/PROJECT.md
@@ -0,0 +1,15 @@
 ---
 name: 日常營運
 description: 日常營運管理任務，包含每日摘要、記憶壓縮、狀態追蹤
 slug: board-ops
 ---
 # 日常營運
 管理團隊的日常運營任務。
 ## 包含
 - 秘書每日記憶壓縮與狀態摘要
 - 執行長盤後情報整理
 - 資料分析師每日資料摘要
--- a/projects/board-ops/tasks/daily-secretary-digest/TASK.md
+++ b/projects/board-ops/tasks/daily-secretary-digest/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日記憶壓縮與狀態摘要
 assignee: secretary
 project: board-ops
 recurring: true
 ---
 每日 23:00 進行記憶壓縮，將當日重點寫入長期記憶，產出 State_Diff 和 Meeting_Summary。
--- a/projects/daily-quant-pipeline/PROJECT.md
+++ b/projects/daily-quant-pipeline/PROJECT.md
@@ -0,0 +1,20 @@
 ---
 name: 每日量化 Pipeline
 description: 每日盤前啟動的量化研究 pipeline，從情報蒐集到策略產出的完整流程
 slug: daily-quant-pipeline
 ---
 # 每日量化 Pipeline
 每日由執行長啟動，量化策略師主導的完整研究流程。
 ## 流程
 1. 財經情報蒐集
 2. 市場結構分析
 3. 多空辯論（並行）
 4. 策略收斂
 5. 審查 Review Gate
 6. 回測（如需要）
 7. 數據分析
 8. 董事長審批
--- a/projects/daily-quant-pipeline/tasks/daily-data-summary/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-data-summary/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日資料摘要
 assignee: data-analyst
 project: daily-quant-pipeline
 recurring: true
 ---
 每日 21:00 產出當日資料摘要，整理交易數據、策略績效與異常標記。
--- a/projects/daily-quant-pipeline/tasks/daily-post-market/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-post-market/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日盤後情報整理
 assignee: ceo
 project: daily-quant-pipeline
 recurring: true
 ---
 每日 18:30 啟動盤後情報整理。執行長指派財經情報研究員蒐集盤後資訊。
--- a/projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日量化 Pipeline 啟動
 assignee: ceo
 project: daily-quant-pipeline
 recurring: true
 ---
 每日盤前 07:30 啟動量化 pipeline。執行長指派量化策略師開始當日研究流程。
--- a/skills/backtest-expert/SKILL.md
+++ b/skills/backtest-expert/SKILL.md
@@ -0,0 +1,26 @@
 ---
 name: 回測專家
 slug: backtest-expert
 description: 策略回測專家，支援歷史數據回測、績效指標計算與策略參數最佳化
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/backtest-expert/SKILL.md
      usage: referenced
 ---
 # 回測專家
 完整策略回測框架，驗證交易策略的歷史表現。
 ## 功能
 - 歷史數據回測執行
 - 績效指標計算（Sharpe、Sortino、Calmar Ratio）
 - 最大回撤分析（MDD、回撤持續時間）
 - 勝率與盈虧比統計
 - 參數敏感度分析
 - 樣本外測試（Out-of-Sample）
 - 交易成本與滑價模擬
 - 蒙地卡羅模擬
--- a/skills/breadth-chart-analyst/SKILL.md
+++ b/skills/breadth-chart-analyst/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 廣度圖表分析師
 slug: breadth-chart-analyst
 description: 深度分析 S&P 500 廣度指數（200日均線）與漲勢比例圖表，從 CSV 數據和圖表截圖萃取市場健康度結論，約 1200 行的高度詳細技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/breadth-chart-analyst/SKILL.md
      usage: referenced
 ---
 # 廣度圖表分析師
 最深度的市場廣度分析技能（~1200行），為市場結構研究員提供最完整的廣度健康度評估。
 ## 分析指標
 ### S&P 500 廣度指數（200日均線）
 - 站上 200 日均線的股票比例
 - 廣度指數的趨勢方向
 - 廣度與指數的背離程度
 ### 漲勢比例分析
 - 各板塊處於上升趨勢的比例
 - 廣度水平的歷史百分位
 - 廣度惡化的早期預警
 ## 八步驟分析流程
 1. 解析 CSV 廣度數據
 2. 計算當前廣度水平與歷史均值
 3. 識別廣度趨勢（改善/惡化/橫盤）
 4. 計算板塊別廣度
 5. 偵測廣度與指數的背離
 6. 歷史比對（相似時期的後續表現）
 7. 產出綜合廣度評分
 8. 市場健康度結論
 ## 輸入格式
 - CSV 格式廣度歷史數據
 - 可選：廣度圖表截圖（圖像輸入）
 ## 輸出格式
 - 廣度綜合評分（0-100）
 - 各板塊廣度明細
 - 背離預警（若存在）
 - 後市展望（基於歷史模式）
 ## 使用時機
 市場結構研究員進行週線結構分析時，配合 `market-breadth-analyzer` 互補使用
--- a/skills/canslim-screener/SKILL.md
+++ b/skills/canslim-screener/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: CANSLIM 選股篩選器
 slug: canslim-screener
 description: William O'Neil 七成分成長股方法論（C-A-N-S-L-I-M），加權評分篩選最強成長股，Phase 3 完整實作
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/canslim-screener/SKILL.md
      usage: referenced
 ---
 # CANSLIM 選股篩選器
 實作 William O'Neil 的 CANSLIM 方法論，系統化篩選具備成長動能的優質股票。約 1200 行的深度技能。
 ## CANSLIM 七成分
 | 字母 | 含義 | 評估標準 |
 |---|---|---|
 | **C** | Current Earnings | 當季 EPS 成長 ≥ 25% |
 | **A** | Annual Earnings | 年度 EPS 成長 ≥ 25%，連續3年 |
 | **N** | New（產品/管理/高點） | 新高、突破型態 |
 | **S** | Supply & Demand | 低流通股 + 大量機構買進 |
 | **L** | Leader or Laggard | RS 評分 ≥ 80 |
 | **I** | Institutional Sponsorship | 機構持股增加 |
 | **M** | Market Direction | 市場處於多頭環境 |
 ## 三階段實作
 1. **Phase 1**：FINVIZ 初步篩選（快速過濾）
 2. **Phase 2**：FMP API 深度驗證（財務數據）
 3. **Phase 3**：加權評分排名（綜合 C-A-N-S-L-I-M）
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格與財務數據
 - `tradingview`：RS 評分與篩選
 - `fred`：市場環境確認
 ## 輸出格式
 - 候選股票列表（含評分與分項評分）
 - 各成分達標/不達標標記
 - 建議觀察名單
 ## 使用時機
 市場處於多頭環境時，用於識別最強成長股
--- a/skills/catalyst-calendar/SKILL.md
+++ b/skills/catalyst-calendar/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 催化劑行事曆
 slug: catalyst-calendar
 description: 追蹤可能影響股價的即將到來事件與公告，包含產品發布、監管審批、分析師日、投資者日等事件驅動機會
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/catalyst-calendar/SKILL.md
      usage: referenced
 ---
 # 催化劑行事曆
 識別並追蹤可能推動股價大幅波動的催化劑事件，讓財經情報研究員提前佈局事件驅動機會。
 ## 催化劑類型
 ### 公司事件
 - 財報發布（季報/年報）
 - 分析師日（Analyst Day）
 - 投資者日（Investor Day）
 - 產品發布會（新品上市）
 - 併購/分拆公告
 ### 監管事件
 - FDA 藥物審批
 - 反壟斷裁決
 - 許可證核發
 ### 總經事件
 - FOMC 決議
 - CPI/PCE/NFP 數據
 - 台灣央行（理監事會議）
 ### 法人事件
 - 大型機構增減倉公告（13F）
 - 主動型 ETF 成分調整
 ## 輸出格式
 ```
 日期 | 公司/事件 | 催化劑類型 | 預期影響 | 準備建議
 2026-04-15 | AAPL | 財報 | 高 | 觀察 implied vol，考慮財報策略
 ```
 ## 使用時機
 財經情報研究員每週產出催化劑行事曆，配合 `economic-calendar-fetcher` 與 `earnings-calendar` 使用
--- a/skills/code-reviewer/SKILL.md
+++ b/skills/code-reviewer/SKILL.md
@@ -0,0 +1,17 @@
 ---
 name: Code Reviewer
 description: 程式碼品質審查、回測腳本撰寫與驗證、程式碼執行與檔案操作
 allowed-tools:
  - code_execution
  - file_ops
  - exec
 ---
 # Code Reviewer
 程式碼開發與審查技能，用於：
 - Pine Script / Python 回測腳本撰寫
 - 程式碼品質審查
 - 回測執行與結果收集
 - 檔案讀寫操作
--- a/skills/competitive-analysis/SKILL.md
+++ b/skills/competitive-analysis/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: 競爭分析
 slug: competitive-analysis
 description: 深度分析產業競爭格局，評估目標公司的競爭優勢、市場份額動態、競爭威脅，供多方（護城河識別）和空方（競爭惡化）使用
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/competitive-analysis/SKILL.md
      usage: referenced
 ---
 # 競爭分析
 分析公司的競爭地位與產業結構，為多方（識別護城河）和空方（識別競爭威脅）提供依據。
 ## 分析框架
 ### Porter 五力分析
 1. **現有競爭者**：市場集中度、價格競爭激烈程度
 2. **潛在進入者**：進入門檻高低
 3. **替代品威脅**：技術顛覆風險
 4. **買家議價力**：客戶集中度、轉換成本
 5. **供應商議價力**：關鍵原料/技術依賴
 ### 市場份額分析
 - 歷史市場份額趨勢（3-5年）
 - 份額變動的原因分析
 - 台灣半導體/電子供應鏈特有競爭格局
 ### 護城河識別（多方視角）
 - 成本優勢（規模效應、學習曲線）
 - 轉換成本（客戶黏性）
 - 網絡效應
 - 無形資產（品牌、專利、監管許可）
 ### 競爭威脅識別（空方視角）
 - 新進入者動態
 - 中國/低成本競爭者威脅
 - 技術顛覆時間線
 ## 輸出格式
 - 競爭格局評分（護城河強度）
 - 主要競爭威脅清單
 - 市場份額趨勢圖
 - 後市競爭環境預判
 ## 使用時機
 - 多方研究員：確認護城河存在，支持做多論點
 - 空方研究員：識別競爭惡化跡象，支持做空論點
 - 市場結構研究員：判斷板塊競爭格局
--- a/skills/comps-analysis/SKILL.md
+++ b/skills/comps-analysis/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 可比公司分析
 slug: comps-analysis
 description: 相對估值分析（Comparable Company Analysis / Trading Comps），比較目標公司與同業的 EV/EBITDA、P/E、P/S 等倍數，評估相對高估/低估
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/comps-analysis/SKILL.md
      usage: referenced
 ---
 # 可比公司分析
 市場相對估值工具，透過與同業比較，快速判斷目標公司的估值是否合理。
 ## 分析流程
 ### 1. 同業選擇
 - 相同 GICS 子產業
 - 相似市值規模（±50%）
 - 相似商業模式
 - 剔除非可比公司
 ### 2. 估值倍數計算
 | 倍數 | 計算方式 | 適用情境 |
 |---|---|---|
 | EV/EBITDA | 企業價值/息前稅前折舊攤銷前獲利 | 最常用，消除資本結構差異 |
 | P/E | 股價/每股盈餘 | 獲利穩定的成熟公司 |
 | P/S | 股價/每股營收 | 高成長但虧損公司 |
 | P/B | 股價/每股淨資產 | 金融股、資產密集型 |
 | EV/Revenue | 企業價值/營收 | SaaS、高成長科技 |
 ### 3. 溢/折價分析
 - 目標公司相對同業中位數的溢/折價
 - 溢/折價的合理性解釋
 ### 4. 目標價推算
 - 基於同業中位數倍數計算隱含目標價
 - 牛市倍數（同業75百分位）與熊市倍數（25百分位）
 ## 需要的 MCP 工具
 - `yfinance` / `casual-market`：財務數據和市值
 - `tradingview`：快速獲取行業 P/E 比率
 ## 使用時機
 多方研究員配合 `dcf-model` 使用，DCF 提供絕對價值，Comps 提供相對市場定價
--- a/skills/data-quality-checker/SKILL.md
+++ b/skills/data-quality-checker/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 資料品質檢查器
 slug: data-quality-checker
 description: 驗證金融數據的準確性，包括價格刻度、工具代碼格式、日期連續性、配置合計、單位一致性，防止錯誤數據影響分析
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/data-quality-checker/SKILL.md
      usage: referenced
 ---
 # 資料品質檢查器
 在分析或回測執行前，系統性驗證數據品質，避免垃圾進垃圾出（GIGO）。
 ## 驗證項目
 ### 價格數據
 - 價格刻度合理性（股票不應出現 100 倍異常）
 - OHLCV 邏輯一致性（High ≥ Low、Volume ≥ 0）
 - 缺漏日期偵測（非交易日除外）
 - 股票分割/股息調整確認
 ### 代碼格式
 - 美股格式驗證（AAPL、2330.TW、^TWII）
 - 台股代碼格式（4-5位數字）
 - 加密貨幣格式（BTC/USDT）
 ### 財務數據
 - 數值單位一致性（千元 vs 百萬元）
 - YoY 成長率合理性檢查（排除異常值）
 - 財報日期連續性
 ### 配置數據
 - 部位合計 = 100%
 - 個別部位不超過上限
 ## 輸出格式
 - 通過/失敗評定
 - 問題清單（按嚴重度：Critical / Warning / Info）
 - 數據修正建議
 ## 使用時機
 - 回測工程師執行回測前
 - 審查員審查財務報告前
 - 任何 Agent 使用外部數據前
--- a/skills/dcf-model/SKILL.md
+++ b/skills/dcf-model/SKILL.md
@@ -0,0 +1,55 @@
 ---
 name: DCF 估值模型
 slug: dcf-model
 description: 折現現金流（DCF）估值分析，建立完整的三期成長模型，計算內在價值與安全邊際，判斷個股是否低估/高估
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/dcf-model/SKILL.md
      usage: referenced
 ---
 # DCF 估值模型
 基於基本面的個股內在價值估算，為多方研究員提供估值錨點。
 ## 模型架構
 ### 三期成長模型
 - **高速成長期**（1-5年）：基於歷史成長率和分析師預估
 - **過渡期**（6-10年）：成長率逐漸向長期均值靠近
 - **永久成長期**：穩定成長率（通常2-3%）
 ### 關鍵假設
 - 折現率（WACC）計算
  - 股權成本（CAPM：Rf + β × ERP）
  - 債務成本
  - 資本結構
 - 自由現金流預估（FCF）
 - 終值計算方法（Gordon Model 或 EV/EBITDA 倍數）
 ## 敏感度分析
 - 成長率 ±2% 對估值的影響
 - WACC ±1% 對估值的影響
 - 牛/熊/基準情境下的估值範圍
 ## 輸出格式
 ```
 公司：TSMC (2330.TW)
 內在價值：NT$1,250（基準情境）
 當前股價：NT$980
 安全邊際：21.6%
 結論：低估，做多合理
 ```
 ## 需要的 MCP 工具
 - `yfinance` / `casual-market`：歷史財務數據
 - `fred`：無風險利率（10年期公債殖利率）
 ## 使用時機
 多方研究員評估個股是否具備基本面支撐，配合 `comps-analysis` 交叉驗證
--- a/skills/deep-research/SKILL.md
+++ b/skills/deep-research/SKILL.md
@@ -0,0 +1,18 @@
 ---
 name: Deep Research
 description: 深度網路搜尋與資料整理，支援多來源交叉驗證、事實查核、資料摘要
 allowed-tools:
  - web_search
  - browser
  - web_fetch
 ---
 # Deep Research
 深度研究技能，用於：
 - 多來源網路搜尋與交叉驗證
 - 財經新聞、總體經濟數據蒐集
 - 市場結構與技術分析資料蒐集
 - 競品動態與市場趨勢研究
 - 事實查核與來源標註
--- a/skills/doc-coauthoring/SKILL.md
+++ b/skills/doc-coauthoring/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 文件共同創作
 slug: doc-coauthoring
 description: 三階段結構化文件起草工作流程（情境蒐集→精煉與結構→讀者測試），適用於策略報告、會議備忘錄、分析備忘錄等長篇文件
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/doc-coauthoring/SKILL.md
      usage: referenced
 ---
 # 文件共同創作
 Anthropic 官方技能。協助秘書起草高品質的結構化文件，確保邏輯清晰、讀者導向。
 ## 三階段工作流程
 ### Stage 1：情境蒐集
 - 提問以理解文件目的與讀者
 - 接受 brain dump（原始資料傾倒）
 - 澄清範圍與格式要求
 ### Stage 2：精煉與結構
 - 段落排序（最重要的先）
 - 每個段落腦力激盪 5-20 個選項
 - 選取最佳內容並填補空缺
 - 迭代起草（str_replace 精確修改）
 - 品質檢查（邏輯一致性、清晰度）
 ### Stage 3：讀者測試
 - 預測讀者可能的問題
 - 以全新視角測試文件
 - 報告並修復問題
 ## 適用文件類型
 - 每日策略摘要備忘錄
 - 董事長審批包
 - 週報與月報
 - 會議記錄與決策紀錄
 - Agent 產出的分析報告
 ## 輸入
 - 原始資料（bullet points、數據、研究摘要）
 - 文件目的與讀者描述
 ## 輸出
 - 結構清晰的 Markdown 或 Word 文件
--- a/skills/downtrend-duration-analyzer/SKILL.md
+++ b/skills/downtrend-duration-analyzer/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 下跌持續時間分析器
 slug: downtrend-duration-analyzer
 description: 歷史下跌持續時間統計分析，按板塊與市值分類，產出互動式直方圖，讓空方研究員量化下跌波段的典型長度
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/downtrend-duration-analyzer/SKILL.md
      usage: referenced
 ---
 # 下跌持續時間分析器
 統計分析歷史下跌持續時間，為空方研究員提供客觀的風險量化數據。
 ## 功能
 - 按板塊分析下跌持續時間（中位數、平均值、90 百分位）
 - 按市值分類（大型股/中型股/小型股）
 - 識別當前下跌與歷史的位置
 - 產出互動式 HTML 直方圖
 ## 分析維度
 - **板塊別**：科技、金融、醫療、能源、工業等
 - **市值別**：S&P 500 vs Russell 2000
 - **時期別**：牛市修正 vs 熊市下跌
 - **跌幅別**：10-20% 修正 vs 20-40% 熊市
 ## 關鍵統計指標
 - 歷史下跌平均持續天數
 - 當前下跌已持續天數
 - 歷史中位數的百分位位置
 - 反彈概率估計
 ## 需要的 MCP 工具
 - `yfinance`：歷史板塊 ETF 數據
 ## 輸出格式
 - 統計摘要表（中位數、平均值、P90）
 - 當前下跌的歷史定位
 - 互動式直方圖（HTML）
 - 風險評估結論
 ## 使用時機
 空方研究員評估下跌波段的潛在剩餘空間；量化策略師決定空頭部位的目標存續時間
--- a/skills/earnings-analysis/SKILL.md
+++ b/skills/earnings-analysis/SKILL.md
@@ -0,0 +1,48 @@
 ---
 name: 財報後分析
 slug: earnings-analysis
 description: 財報發布後的深度解讀，分析 EPS/營收 vs 預估、管理層指引、財報電話關鍵訊號，評估對後市的影響
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/earnings-analysis/SKILL.md
      usage: referenced
 ---
 # 財報後分析
 財報發布後快速解讀財報數據和管理層訊號，為多方和財經情報研究員提供即時決策依據。
 ## 分析框架
 ### 數字解讀
 - EPS vs 預估（超預期/不及預期幅度）
 - 營收 vs 預估
 - 毛利率、營業利益率趨勢
 - 自由現金流
 ### 指引解讀
 - 下季/全年指引 vs 分析師預估
 - 指引的保守/積極程度歷史比較
 ### 管理層訊號（財報電話）
 - 執行長/CFO 對展望的語氣
 - 關鍵業務更新（產品進展、市場份額、競爭）
 - Q&A 環節的分析師關切
 ### 市場反應解讀
 - 財報後股價反應是否符合數據
 - 「賣消息」或「買預期」的跡象
 - 隔日/一週後的後續動能評估
 ## 輸出格式
 - 財報摘要（EPS/營收達標情況）
 - 管理層訊號評分（積極/中性/謹慎）
 - 後市影響評估
 - 建議操作方向
 ## 使用時機
 財報發布後即時使用，多方研究員評估是否追入或空方研究員評估是否反彈做空
--- a/skills/earnings-calendar/SKILL.md
+++ b/skills/earnings-calendar/SKILL.md
@@ -0,0 +1,42 @@
 ---
 name: 財報行事曆
 slug: earnings-calendar
 description: 透過 FMP API 擷取即將發布的美股財報時程，按日期與盤前/盤後排列，讓研究員提前佈局
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/earnings-calendar/SKILL.md
      usage: referenced
 ---
 # 財報行事曆
 擷取美股財報發布時程，讓財經情報研究員掌握市場關注焦點與潛在波動事件。
 ## 功能
 - 按日期列出即將發布財報的公司
 - 標記發布時機（盤前 BMO / 盤後 AMC / 未知）
 - 顯示分析師 EPS 預估共識
 - 計算距離發布日的天數
 - 過濾特定板塊或市值規模
 - 標記重點大型股財報（S&P 500 成分股）
 ## 需要的 API
 - **FMP API**（Financial Modeling Prep）— 需要免費 API key
 - 透過 `FRED_API_KEY` 環境變數或直接在請求中傳入
 ## 輸出格式
 ```
 日期 | 公司 | 代碼 | 時機 | EPS 預估 | 重要度
 2026-04-15 | Apple | AAPL | BMO | $1.43 | ⭐⭐⭐
 ```
 ## 使用時機
 - 盤前情報蒐集時掃描本週/下週財報
 - 識別可能影響板塊的重量級財報
 - 配合 `market-news-analyst` 進行財報後衝擊評估
--- a/skills/earnings-preview/SKILL.md
+++ b/skills/earnings-preview/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 財報預覽分析
 slug: earnings-preview
 description: 財報發布前的預期分析，整合分析師預估、選擇權隱含波動率、歷史財報表現，評估財報的上行/下行風險
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/earnings-preview/SKILL.md
      usage: referenced
 ---
 # 財報預覽分析
 財報發布前的深度預期分析，幫助多方研究員和財經情報研究員評估財報風險/報酬。
 ## 分析框架
 ### 市場預期
 - 分析師 EPS 共識預估
 - 營收預估
 - Whisper number（私下流傳的更高預估）
 ### 選擇權市場訊號
 - 隱含波動率（IV）水平
 - IV 相對歷史均值（IV Rank）
 - 選擇權隱含的預期波動幅度
 ### 歷史財報表現
 - 過去 8 季 EPS 超預期/不及預期記錄
 - 歷史財報日股價反應（平均漲跌幅）
 - 指引給予的習慣（保守/積極）
 ### 技術面設定
 - 財報前股價趨勢
 - 關鍵技術支撐/壓力位
 ## 輸出格式
 ```
 公司：NVDA
 財報日：2026-05-28 AMC
 EPS 預估：$0.89（共識）
 預期波動：±8%（選擇權隱含）
 歷史平均反應：+6.2%
 建議：偏多，考慮 Bull Call Spread
 ```
 ## 使用時機
 財報前 1-2 週，多方研究員和財經情報研究員評估是否進行財報交易
--- a/skills/earnings-trade-analyzer/SKILL.md
+++ b/skills/earnings-trade-analyzer/SKILL.md
@@ -0,0 +1,44 @@
 ---
 name: 財報交易分析器
 slug: earnings-trade-analyzer
 description: 五因子 0-100 評分（跳空幅度、趨勢強度、成交量、MA200、MA50 位置），A/B/C/D 分級，快速評估財報後個股的交易價值
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/earnings-trade-analyzer/SKILL.md
      usage: referenced
 ---
 # 財報交易分析器
 快速評估財報後個股的交易潛力，幫助多方研究員在財報季中優先選擇最強的標的。
 ## 五因子評分系統
 | 因子 | 權重 | 評估標準 |
 |---|---|---|
 | 跳空幅度 | 25% | 財報當日漲跌幅 |
 | 趨勢強度 | 25% | 財報前30天的趨勢 |
 | 成交量確認 | 20% | 跳空日成交量相對均量倍數 |
 | MA200 位置 | 15% | 股價相對200日均線 |
 | MA50 位置 | 15% | 股價相對50日均線 |
 ## 分級標準
 - **A 級（80-100）**：強力買進候選
 - **B 級（60-79）**：值得觀察，等待拉回
 - **C 級（40-59）**：中性，不主動追入
 - **D 級（0-39）**：避免，動能不足
 ## 輸出格式
 ```
 NVDA | 評分：92 | A 級
 跳空：+8.3% | 趨勢：強 | 量比：3.2x | MA200：+15% | MA50：+7%
 建議：積極做多，目標 [數字]，止損 [數字]
 ```
 ## 使用時機
 財報發布後24小時內，多方研究員快速掃描當季最強財報個股
--- a/skills/economic-calendar-fetcher/SKILL.md
+++ b/skills/economic-calendar-fetcher/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 經濟行事曆擷取器
 slug: economic-calendar-fetcher
 description: 擷取未來 7-90 天經濟事件（FOMC、NFP、CPI/PPI、GDP），含影響評估
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/economic-calendar-fetcher/SKILL.md
      usage: referenced
 ---
 # 經濟行事曆擷取器
 擷取重要經濟數據發布時程，包含影響程度評估，支援 FMP API。
 ## 功能
 - 擷取未來 7-90 天重大經濟事件時程
 - FOMC 利率決議與會議紀要日期追蹤
 - 非農就業數據（NFP）發布時程
 - 通膨數據（CPI/PPI）發布時程
 - GDP 數據發布時程
 - 各事件對市場的預期影響程度評估
 - 支援 FMP（Financial Modeling Prep）API 整合
--- a/skills/edge-candidate-agent/SKILL.md
+++ b/skills/edge-candidate-agent/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: Edge 候選代理人
 slug: edge-candidate-agent
 description: 將每日市場觀察轉為結構化、可重現的研究票據（Research Ticket），作為 Edge 研究流程的第一步輸入
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-candidate-agent/SKILL.md
      usage: referenced
 ---
 # Edge 候選代理人
 將非結構化的市場觀察（「今天科技股成交量大增但價格沒漲」）轉化為標準化研究票據，進入 Edge 研究流程。
 ## 研究票據格式
 ```yaml
 ticket_id: EDGE-2026-04-10-001
 date: 2026-04-10
 observation: "觀察描述"
 market: "BTC/USDT 或 2330.TW"
 timeframe: "D1/H4/H1"
 hypothesis: "初步假設"
 evidence: ["支持證據1", "支持證據2"]
 data_needed: ["需要哪些數據來驗證"]
 priority: high|medium|low
 status: NEW
 ```
 ## 功能
 - 接受自由格式的市場觀察作為輸入
 - 結構化輸出標準研究票據
 - 評估票據優先級（基於潛在 Edge 大小）
 - 與 `trader-memory-core` 同步狀態
 ## 輸入來源
 - 每日市場觀察筆記
 - 技術分析發現
 - 新聞事件觸發的研究想法
 - 篩選器發現的異常股票
 ## 輸出
 - 標準化 YAML 研究票據
 - 交給 `edge-pipeline-orchestrator` 繼續處理
--- a/skills/edge-concept-synthesizer/SKILL.md
+++ b/skills/edge-concept-synthesizer/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: Edge 概念合成器
 slug: edge-concept-synthesizer
 description: 將多個 Edge 線索票據的證據聚類為可重用的 Edge 概念，每個概念附帶核心論點、否定條件與策略手冊
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-concept-synthesizer/SKILL.md
      usage: referenced
 ---
 # Edge 概念合成器
 將零散的 Edge 線索聚合成有結構的 Edge 概念，是從觀察到可交易策略的關鍵橋樑。
 ## 功能
 - 跨多個票據的模式識別
 - 相似線索的聚類合併
 - 生成可重用的 Edge 概念定義
 - 每個概念附帶策略手冊
 ## Edge 概念格式
 ```yaml
 concept_id: CONCEPT-2026-04-10-001
 name: "概念名稱"
 core_thesis: "核心邊際優勢描述"
 evidence_count: 5
 supporting_hints: [HINT-001, HINT-002, ...]
 invalidation: "什麼情況讓這個概念失效"
 edge_type: momentum|mean_reversion|event_driven|arbitrage
 playbooks:
  - name: "保守版策略"
    description: "策略描述"
  - name: "積極版策略"
    description: "策略描述"
 confidence: high|medium|low
 ```
 ## 輸入
 - `hints.yaml`（來自 `edge-hint-extractor`）
 - 歷史 postmortem 數據（增強概念可信度）
 ## 輸出
 - Edge 概念列表（交給 `edge-strategy-designer`）
 ## 使用時機
 資料分析師每週整理累積的線索，合成為可推進的 Edge 概念
--- a/skills/edge-hint-extractor/SKILL.md
+++ b/skills/edge-hint-extractor/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: Edge 線索提取器
 slug: edge-hint-extractor
 description: 從每日市場觀察、新聞或研究筆記中提取結構化 Edge 線索，輸出標準 hints.yaml 供下游合成器使用
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-hint-extractor/SKILL.md
      usage: referenced
 ---
 # Edge 線索提取器
 將非結構化的市場觀察轉化為結構化的 Edge 線索，是 Edge 研究流程的第二步。
 ## 功能
 - 從自由格式觀察中萃取可重用的 Edge 線索
 - 標準化輸出為 `hints.yaml` 格式
 - 分類線索類型（動量/均值回歸/事件驅動/套利）
 - 評估線索強度與可重複性
 ## hints.yaml 格式
 ```yaml
 hints:
  - id: HINT-2026-04-10-001
    type: momentum|mean_reversion|event_driven|arbitrage
    description: "線索描述"
    evidence: ["觀察1", "觀察2"]
    market: "BTC/USDT 或 2330.TW"
    timeframe: "D1/H4"
    strength: high|medium|low
    repeatability: "歷史上這種情況出現了幾次"
 ```
 ## 輸入格式
 - 每日觀察筆記（自由格式）
 - 新聞摘要
 - 技術分析發現
 - 上一期的 postmortem 結果
 ## 輸出
 - `hints.yaml`（交給 `edge-concept-synthesizer`）
 ## 使用時機
 資料分析師每日處理觀察數據，提取可能演變成 Edge 的線索
--- a/skills/edge-pipeline-orchestrator/SKILL.md
+++ b/skills/edge-pipeline-orchestrator/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: Edge 流程協調器
 slug: edge-pipeline-orchestrator
 description: 端到端 Edge 研究流程管理（候選→線索→概念→策略→審查），含反饋迴路與斷點續跑，是量化策略師的研究自動化中樞
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-pipeline-orchestrator/SKILL.md
      usage: referenced
 ---
 # Edge 流程協調器
 統一管理從市場觀察到可交易策略的完整 Edge 研究流程，協調各個 Edge 子技能的執行順序。
 ## 流程架構
 ```
 市場觀察/每日數據
    ↓
 edge-candidate-agent（觀察→研究票據）
    ↓
 edge-hint-extractor（提取 Edge 線索）
    ↓
 edge-concept-synthesizer（線索→Edge 概念）
    ↓
 edge-strategy-designer（概念→策略草稿）
    ↓
 edge-strategy-reviewer（品質審查）
    ↓     ↑ 失敗則退回
 策略通過 → 交給量化策略師
    ↓
 signal-postmortem（記錄結果→更新權重）
 ```
 ## 功能
 - **順序協調**：按正確順序呼叫各 Edge 子技能
 - **斷點續跑**：從失敗點恢復，不重做已完成步驟
 - **反饋迴路**：Postmortem 結果回饋至線索提取
 - **乾跑模式（Dry Run）**：僅輸出計畫，不實際執行
 - **狀態追蹤**：記錄每個研究票據的流程狀態
 ## 輸入
 - 每日市場觀察、新聞、數據
 ## 輸出
 - 通過審查的策略草稿（交給量化策略師）
 - 流程執行狀態報告
 - 失敗票據清單與原因
--- a/skills/edge-signal-aggregator/SKILL.md
+++ b/skills/edge-signal-aggregator/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 優勢訊號整合器
 slug: edge-signal-aggregator
 description: 多因子訊號整合器，匯集技術面、基本面、情緒面訊號並計算綜合 Edge 分數
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-signal-aggregator/SKILL.md
      usage: referenced
 ---
 # 優勢訊號整合器
 整合多維度市場訊號，產出可量化的交易優勢評分。
 ## 功能
 - 多因子訊號收集（技術、基本面、情緒、資金流）
 - 訊號品質評分與加權
 - 訊號共振偵測（多因子同向確認）
 - 歷史訊號勝率回顧
 - Edge Score 綜合計算（-100 至 +100）
 - 訊號衝突識別與解讀
 - 即時訊號儀表板
--- a/skills/edge-strategy-reviewer/SKILL.md
+++ b/skills/edge-strategy-reviewer/SKILL.md
@@ -0,0 +1,26 @@
 ---
 name: 策略審查工具
 slug: edge-strategy-reviewer
 description: 策略審查工具，系統性檢驗策略邏輯、風險盲點、過擬合風險與執行可行性
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-strategy-reviewer/SKILL.md
      usage: referenced
 ---
 # 策略審查工具
 獨立策略審查框架，確保策略品質達到可執行標準。
 ## 功能
 - 策略邏輯完整性檢查
 - Edge 來源識別與驗證
 - 過擬合風險偵測（參數數量 vs 樣本量）
 - 倖存者偏差檢查
 - 風險盲點掃描（尾端風險、流動性風險）
 - 執行可行性評估（滑價、容量）
 - 改進建議與替代方案
 - Pass/Fail 判定與理由
--- a/skills/exposure-coach/SKILL.md
+++ b/skills/exposure-coach/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 曝險管理教練
 slug: exposure-coach
 description: 部位曝險教練，根據市場環境動態調整建議持倉比例、避險配置與現金水位
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/exposure-coach/SKILL.md
      usage: referenced
 ---
 # 曝險管理教練
 動態曝險管理建議系統，確保部位配置與市場環境匹配。
 ## 功能
 - 目前市場環境評級（Risk-On / Neutral / Risk-Off）
 - 建議股票曝險比例
 - 避險部位配置建議（Put、VIX、反向 ETF）
 - 現金水位建議
 - 板塊配置權重建議
 - 單一部位集中度警示
 - 歷史同期曝險回顧
--- a/skills/ftd-detector/SKILL.md
+++ b/skills/ftd-detector/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 跟進日偵測器
 slug: ftd-detector
 description: 市場底部確認的跟進日（Follow-Through Day, FTD）偵測，採用雙指數（S&P 500 + NASDAQ）狀態機，避免假訊號
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/ftd-detector/SKILL.md
      usage: referenced
 ---
 # 跟進日偵測器
 基於 William O'Neil 的跟進日理論，客觀判斷市場底部是否已形成，為多方研究員提供底部確認訊號。
 ## 跟進日定義
 在市場出現反彈嘗試後（Rally Attempt）：
 - 主要指數單日大漲 **≥ 1.7%**
 - 成交量**高於前一日**（且最好高於均量）
 - 發生在反彈嘗試後的 **第 4 至第 7 天**
 - 雙指數（SPX + NASDAQ）同步確認更可靠
 ## 狀態機流程
 ```
 市場下跌 → 找底嘗試 → Rally Attempt（第1天）
 → 等待跟進日（第4-7天）
 → FTD 確認 → 多頭啟動
 → 或失敗 → 重新找底
 ```
 ## 假 FTD 排除條件
 - 成交量未達標
 - 早期出現（第1-3天）
 - 指數只有一個確認
 - 隔天立即反轉
 ## 需要的 MCP 工具
 - `yfinance`：SPY/QQQ 歷史日線數據
 ## 輸出格式
 - 當前市場狀態（下跌/找底/Rally Attempt/FTD 確認/多頭）
 - FTD 日期與詳細數據（漲幅、成交量比率）
 - 信心評分
 - 失敗風險提示
--- a/skills/initiating-coverage/SKILL.md
+++ b/skills/initiating-coverage/SKILL.md
@@ -0,0 +1,57 @@
 ---
 name: 啟動追蹤報告
 slug: initiating-coverage
 description: 生成 30-50 頁機構級股票研究報告（啟動追蹤），涵蓋商業模式、財務分析、估值模型、風險評估與投資建議
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/initiating-coverage/SKILL.md
      usage: referenced
 ---
 # 啟動追蹤報告
 產出機構品質的完整股票研究報告，為多方研究員提供深度基本面分析基礎。
 ## 報告架構（30-50頁）
 ### 1. 執行摘要
 - 投資評級（買進/持有/賣出）
 - 目標價與潛在報酬
 - 核心投資論點（3-5個要點）
 ### 2. 公司概況
 - 商業模式描述
 - 主要產品/服務
 - 競爭優勢分析
 ### 3. 產業分析
 - 市場規模與成長率
 - 競爭格局
 - 產業催化劑與風險
 ### 4. 財務分析
 - 歷史財務表現（5年趨勢）
 - 關鍵財務指標
 - 財務健康度評估
 ### 5. 估值模型
 - DCF 估值（接 `dcf-model` 技能）
 - 可比公司分析（接 `comps-analysis` 技能）
 - 估值範圍分析
 ### 6. 風險評估
 - 主要風險因素
 - 情境分析（牛/熊/基準）
 ### 7. 投資建議
 ## 需要的 MCP 工具
 - `yfinance`：美股財務數據
 - `casual-market`：台股財務數據
 ## 使用時機
 多方研究員需要對特定個股建立完整基本面研究基礎時
--- a/skills/institutional-flow-tracker/SKILL.md
+++ b/skills/institutional-flow-tracker/SKILL.md
@@ -0,0 +1,28 @@
 ---
 name: 法人資金流向追蹤器
 slug: institutional-flow-tracker
 description: 追蹤法人資金流向，涵蓋 13F 持倉、ETF 資金流、暗池交易與大戶動向
 metadata:
  sources:
    - kind: github-file
      repo: OctagonAI/skills
      path: skills/institutional-flow-tracker/SKILL.md
      usage: referenced
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/institutional-holdings/SKILL.md
      usage: referenced
 ---
 # 法人資金流向追蹤器
 追蹤機構法人資金動態，揭示聰明錢佈局方向。
 ## 功能
 - 13F 季度持倉變動追蹤（頂級基金買賣清單）
 - ETF 資金流入流出統計
 - 暗池（Dark Pool）成交量分析
 - 大額選擇權異常單追蹤
 - 外資在台股買賣超統計
 - 機構持股集中度變化
--- a/skills/internal-comms/SKILL.md
+++ b/skills/internal-comms/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 內部溝通
 slug: internal-comms
 description: 撰寫內部溝通文件，包含狀態更新、3P（進度/計畫/問題）報告、事件報告、FAQ、每週通訊等格式
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/internal-comms/SKILL.md
      usage: referenced
 ---
 # 內部溝通
 Anthropic 官方技能。幫助秘書產出標準化的內部溝通文件，確保團隊資訊透明、格式一致。
 ## 支援的文件類型
 ### 3P 更新（進度/計畫/問題）
 ```
 進度（Progress）：完成了什麼
 計畫（Plans）：接下來要做什麼
 問題（Problems）：遇到什麼阻礙
 ```
 ### 每日狀態報告
 - 今日完成項目
 - 待處理事項
 - 需要升級的問題
 ### 事件報告（Incident Report）
 - 事件時間線
 - 根本原因
 - 已採取的行動
 - 後續預防措施
 ### FAQ 文件
 - 常見問題整理
 - 清晰簡潔的回答
 ### 每週/每月通訊
 - 重點成果摘要
 - 下期計畫
 - 團隊公告
 ## 使用時機
 - 秘書每日 23:00 記憶壓縮後產出狀態報告
 - Pipeline 完成後產出執行摘要
 - 審查 block 時產出事件報告
--- a/skills/macro-regime-detector/SKILL.md
+++ b/skills/macro-regime-detector/SKILL.md
@@ -0,0 +1,46 @@
 ---
 name: 總經環境偵測器
 slug: macro-regime-detector
 description: 六成分跨資產比率分析（RSP/SPY、殖利率曲線、HYG/LQD、IWM/SPY、SPY/TLT、XLY/XLP），將市場分類為5種環境，指導曝險決策
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/macro-regime-detector/SKILL.md
      usage: referenced
 ---
 # 總經環境偵測器
 透過六大跨資產比率分析，客觀判斷當前市場所處的宏觀環境，為策略師和市場結構研究員提供環境定位。
 ## 六大分析比率
 | 比率 | 含義 |
 |---|---|
 | RSP/SPY | 等權重 vs 市值權重（廣度健康度） |
 | 殖利率曲線（2Y-10Y） | 經濟領先指標 |
 | HYG/LQD | 高收益 vs 投資級（風險偏好） |
 | IWM/SPY | 小型股 vs 大型股（風險偏好） |
 | SPY/TLT | 股票 vs 長債（增長預期） |
 | XLY/XLP | 非必需消費 vs 必需消費（景氣預期） |
 ## 五種環境分類
 1. **Risk-On 擴張**：全面做多，積極進場
 2. **Risk-On 晚期**：謹慎持倉，控制規模
 3. **過渡期**：降低曝險，等待訊號
 4. **Risk-Off 早期**：防禦配置，增加避險
 5. **Risk-Off 衰退**：現金為王，做空機會
 ## 需要的 MCP 工具
 - `yfinance`：取得 ETF 比率歷史數據
 - `fred`：補充殖利率曲線數據
 ## 輸出格式
 - 當前環境分類 + 信心度
 - 六比率個別評分
 - 建議整體曝險上限（%）
 - 環境轉換預警信號
--- a/skills/market-breadth-analyzer/SKILL.md
+++ b/skills/market-breadth-analyzer/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 市場廣度分析器
 slug: market-breadth-analyzer
 description: 市場廣度分析，追蹤漲跌家數比、新高新低比、成交量分佈等內部結構指標
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-breadth-analyzer/SKILL.md
      usage: referenced
 ---
 # 市場廣度分析器
 分析市場內部結構健康度，判斷行情是否具備廣泛參與度。
 ## 功能
 - 漲跌家數比（Advance/Decline Line）
 - 新高新低比（New Highs vs New Lows）
 - McClellan Oscillator / Summation Index
 - 成交量廣度分析（Up Volume vs Down Volume）
 - 板塊輪動強度追蹤
 - 市場參與度評分
--- a/skills/market-environment-analysis/SKILL.md
+++ b/skills/market-environment-analysis/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 總體市場環境分析
 slug: market-environment-analysis
 description: 總體市場環境分析，涵蓋股市、外匯、商品、殖利率、情緒指標的結構化報告
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-environment-analysis/SKILL.md
      usage: referenced
 ---
 # 總體市場環境分析
 產出結構化的總體市場環境報告，涵蓋多資產類別指標與情緒分析。
 ## 功能
 - 全球股市指數概覽（美股、歐股、亞股、台股）
 - 外匯市場主要貨幣對走勢分析
 - 商品市場追蹤（原油、黃金、銅等）
 - 美國公債殖利率曲線分析（2Y/10Y 利差）
 - 市場情緒指標彙整（VIX、Put/Call Ratio、CNN 恐貪指數）
 - 跨資產相關性分析
--- a/skills/market-news-analyst/SKILL.md
+++ b/skills/market-news-analyst/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 市場新聞分析師
 slug: market-news-analyst
 description: 蒐集過去 10 天市場新聞，分析 FOMC、財報、地緣政治等事件的市場影響並評分
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-news-analyst/SKILL.md
      usage: referenced
 ---
 # 市場新聞分析師
 自動化市場新聞蒐集與影響評估，涵蓋 FOMC 決策、企業財報、地緣政治事件。
 ## 功能
 - 自動蒐集過去 10 天的重要市場新聞
 - FOMC 會議決策與聲明解讀
 - 企業財報發布影響評估
 - 地緣政治事件追蹤（戰爭、制裁、貿易摩擦）
 - 各新聞事件影響方向評分（利多/利空/中性）
 - 影響嚴重度評級（高/中/低）
--- a/skills/market-top-detector/SKILL.md
+++ b/skills/market-top-detector/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 市場頂部偵測器
 slug: market-top-detector
 description: 市場頂部偵測，綜合技術面背離、資金面轉弱、情緒面過熱的多維度警示系統
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-top-detector/SKILL.md
      usage: referenced
 ---
 # 市場頂部偵測器
 多維度市場頂部偵測系統，提前預警趨勢反轉風險。
 ## 功能
 - 價量背離偵測（價格創高但成交量萎縮）
 - 領先指標轉弱追蹤（半導體、運輸類股）
 - 信用利差擴大監測
 - VIX 期限結構異常偵測
 - 多空比例極端值警示
 - 頂部型態辨識（雙頂、頭肩頂）
 - 綜合頂部風險評分
--- a/skills/morning-note/SKILL.md
+++ b/skills/morning-note/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 盤前晨報
 slug: morning-note
 description: 每日盤前市場摘要，整合美股收盤、亞股動態、台股盤前、重要數據、今日關注事件，含視覺化圖表
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/morning-note/SKILL.md
      usage: referenced
 ---
 # 盤前晨報
 每日自動化盤前晨報，覆蓋美股、亞股與台股，是財經情報研究員的每日起點。
 ## 報告結構
 ### 1. 美股收盤摘要（前一交易日）
 - 主要指數（S&P 500、NASDAQ、DOW）漲跌
 - 板塊表現（強勢/弱勢板塊）
 - VIX 恐慌指數
 - 美元指數、黃金、原油
 ### 2. 亞股盤中動態
 - 日股（日經225、TOPIX）
 - 港股（恆生指數）
 - A 股（上證、深圳）
 ### 3. 台股盤前
 - 期貨指示（台指期）
 - 外資昨日買賣超（透過 CasualMarket MCP）
 - ADR 指示（ADR 反映的台股隱含開盤）
 - 融資融券變化趨勢
 ### 4. 今日關注事件
 - 重要經濟數據發布（接 `economic-calendar-fetcher`）
 - 重量級財報（接 `earnings-calendar`）
 - Fed 官員發言
 ### 5. 需要的 MCP 工具
 - `yfinance`：美股、亞股數據
 - `casual-market`：台股外資、融資融券
 - `fred`：總經數據
 ## 輸出格式
 - Markdown 晨報（含表格與視覺化）
 - 每日 08:00 產出（台股開盤前）
--- a/skills/options-strategy-advisor/SKILL.md
+++ b/skills/options-strategy-advisor/SKILL.md
@@ -0,0 +1,59 @@
 ---
 name: 選擇權策略顧問
 slug: options-strategy-advisor
 description: Black-Scholes 定價、Greeks 計算、17+ 選擇權策略的損益模擬（價差、禿鷹、財報策略等），約 1200 行的完整選擇權分析技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/options-strategy-advisor/SKILL.md
      usage: referenced
 ---
 # 選擇權策略顧問
 完整的選擇權分析工具，支援多方研究員、空方研究員與回測工程師。
 ## 定價模型
 - Black-Scholes 歐式選擇權定價
 - 二項式模型（美式選擇權）
 - 隱含波動率反算
 ## Greeks 計算
 | Greek | 含義 | 用途 |
 |---|---|---|
 | Delta | 標的資產敏感度 | 避險比率 |
 | Gamma | Delta 的變化率 | 凸性風險 |
 | Theta | 時間價值衰減 | 持倉成本 |
 | Vega | 波動率敏感度 | 波動率交易 |
 | Rho | 利率敏感度 | 利率風險 |
 ## 支援策略（17+）
 **做多方向**：Long Call、Bull Call Spread、LEAPS、Covered Call
 **做空方向**：Long Put、Bear Put Spread、Protective Put（避險）
 **中性策略**：Iron Condor、Butterfly、Calendar Spread、Straddle、Strangle
 **財報策略**：Earnings Straddle、Earnings Strangle（財報前後波動率策略）
 ## 損益分析
 - 每個策略的損益圖表
 - 最大獲利、最大虧損
 - 損益平衡點
 - 獲利機率估算
 ## 需要的 MCP 工具
 - `yfinance`：選擇權鏈數據
 - `optionsflow` MCP：更深度的 Greeks 與策略分析
 ## 使用時機
 - 多方研究員：Call 策略搭配股票多頭
 - 空方研究員：Put 策略搭配市場避險
 - 回測工程師：選擇權策略回測基礎
--- a/skills/pair-trade-screener/SKILL.md
+++ b/skills/pair-trade-screener/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 配對交易篩選器
 slug: pair-trade-screener
 description: 統計套利技能，執行共整合檢定、計算利差 Z 值，產出市場中性配對交易的進出場建議，約 1100 行的量化套利技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/pair-trade-screener/SKILL.md
      usage: referenced
 ---
 # 配對交易篩選器
 量化統計套利工具，為回測工程師提供配對交易策略的研究與回測基礎。
 ## 統計方法論
 ### 共整合檢定（Cointegration Test）
 - Engle-Granger 兩步驟法
 - Johansen 共整合檢定
 - 確認長期均值回歸關係
 ### 利差分析
 - 計算標準化利差（Z-Score）
 - 利差的歷史分布
 - 均值回歸速度（Half-Life）
 ### 進出場訊號
 - 進場：Z-Score > ±2（標準差）
 - 離場：Z-Score 回歸至 0
 - 止損：Z-Score > ±3
 ## 篩選範圍
 - 同板塊股票配對（最高共整合可能性）
 - ETF 配對（例：XLK vs QQQ）
 - 跨市場配對（台積電 vs 英特爾）
 ## 輸出格式
 - 候選配對清單（含共整合 p 值、Half-Life）
 - 當前各配對的 Z-Score
 - 建議做多/做空方向
 - 歷史套利機會統計
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格數據
 - 需要 Python 環境（scipy、statsmodels）
 ## 使用時機
 回測工程師開發市場中性策略；量化策略師尋找低相關性的附加收益來源
--- a/skills/pead-screener/SKILL.md
+++ b/skills/pead-screener/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: PEAD 篩選器
 slug: pead-screener
 description: 財報後公告漂移（Post-Earnings Announcement Drift）篩選，自動識別財報跳空後的回調買點與突破訊號
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/pead-screener/SKILL.md
      usage: referenced
 ---
 # PEAD 篩選器
 基於 PEAD 效應（股價在正面財報後繼續上漲的傾向），篩選財報跳空後具備追入潛力的股票。
 ## PEAD 原理
 學術研究確認：股票在正面財報後的 60 天內，平均仍有超額報酬（因市場對好消息的反應不足）。
 ## 篩選流程
 1. **財報跳空識別**：找出財報後跳空 5%+ 的股票
 2. **品質過濾**：EPS 超出預期幅度、成交量確認
 3. **紅燈回調偵測**：跳空後的正常回調（3-8%），搜尋低成交量回調
 4. **突破確認**：回調後重新突破跳空日高點
 ## 評分標準
 - 跳空幅度（越大越強）
 - 成交量（跳空日需高量）
 - 財務品質（EPS 超預期幅度、趨勢）
 - 技術位置（站上均線系統）
 ## 輸出格式
 - PEAD 候選清單（含評分）
 - 各股建議觀察點（回調完成的確認條件）
 - 建議進場位置與止損
 ## 使用時機
 財報季中，多方研究員配合 `earnings-trade-analyzer` 使用，識別最具動能的財報受益股
--- a/skills/portfolio-manager/SKILL.md
+++ b/skills/portfolio-manager/SKILL.md
@@ -0,0 +1,52 @@
 ---
 name: 投資組合管理員
 slug: portfolio-manager
 description: 透過 Alpaca MCP 分析投資組合配置、風險指標、再平衡建議、稅損採收機會與股息分析，約 1100 行的完整投資組合管理技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/portfolio-manager/SKILL.md
      usage: referenced
 ---
 # 投資組合管理員
 完整投資組合管理工具，為執行長和量化策略師提供組合層級的決策支援。
 ## 功能
 ### 配置分析
 - 持倉配置（按板塊、市值、地區）
 - 集中度風險（單一標的/板塊上限）
 - Beta 加權曝險
 ### 風險指標
 - 投資組合 Beta
 - 相關性矩陣（避免過度集中相似標的）
 - 最大回撤預估
 - VaR（風險值）
 ### 再平衡建議
 - 偏離目標配置的標的
 - 建議買入/賣出操作
 - 交易成本最小化
 ### 稅損採收
 - 虧損部位識別
 - 稅損採收時機建議
 - 替代標的推薦（避免 Wash Sale 規則）
 ### 股息分析
 - 組合殖利率
 - 股息成長趨勢
 - 派息穩定性評估
 ## 需要的 MCP 工具
 - **Alpaca MCP**（主要）：帳戶資料、持倉、歷史交易
 - `yfinance`：補充市場數據
 ## ⚠️ 注意
 需要 Alpaca 帳戶設定。目前為規劃技能，實際啟用需配置 Alpaca MCP。
--- a/skills/position-sizer/SKILL.md
+++ b/skills/position-sizer/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 部位規模計算器
 slug: position-sizer
 description: 部位規模計算器，基於風險預算、波動率與凱利公式計算最適部位大小
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/position-sizer/SKILL.md
      usage: referenced
 ---
 # 部位規模計算器
 科學化部位規模管理工具，平衡獲利潛力與風險控制。
 ## 功能
 - 固定風險百分比法（每筆風險 1-2% 資本）
 - 凱利公式（Kelly Criterion）最適部位計算
 - 波動率調整部位（ATR-based Sizing）
 - 相關性調整（避免過度集中同類資產）
 - 最大單一部位上限控制
 - 投資組合層級風險預算分配
 - 加減碼規模建議
--- a/skills/scenario-analyzer/SKILL.md
+++ b/skills/scenario-analyzer/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 情境分析引擎
 slug: scenario-analyzer
 description: 情境分析引擎，建構牛熊中性多重情境，量化各情境機率與預期報酬
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/scenario-analyzer/SKILL.md
      usage: referenced
 ---
 # 情境分析引擎
 結構化情境分析工具，為策略決策提供多情境框架。
 ## 功能
 - 多情境建構（Bull / Base / Bear Case）
 - 各情境觸發條件定義
 - 機率權重分配
 - 預期報酬 / 最大虧損計算
 - 情境切換觸發條件（Trigger Points）
 - 壓力測試（黑天鵝事件模擬）
 - 情境加權預期值計算
--- a/skills/sector-analyst/SKILL.md
+++ b/skills/sector-analyst/SKILL.md
@@ -0,0 +1,42 @@
 ---
 name: 板塊輪動分析師
 slug: sector-analyst
 description: 從 CSV 數據分析美股十一大板塊的輪動模式與市場週期定位，識別強勢/弱勢板塊
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/sector-analyst/SKILL.md
      usage: referenced
 ---
 # 板塊輪動分析師
 分析各板塊相對強弱與市場週期位置，為多方和空方研究員提供板塊選擇依據。
 ## 功能
 - 分析美股 11 大 GICS 板塊的相對強弱（XLK、XLF、XLE、XLV 等）
 - 識別領先板塊與落後板塊
 - 市場週期定位（擴張期、繁榮期、收縮期、衰退期）
 - 板塊輪動方向判斷
 - 支援 CSV 數據或可選的圖表圖像輸入
 - 台股板塊映射（半導體、金融、電子、傳產等）
 ## 輸入格式
 - 板塊 ETF 的歷史價格 CSV
 - 可選：板塊表現圖表截圖
 ## 輸出格式
 - 板塊強弱排名表
 - 市場週期評估
 - 建議加碼/減碼板塊
 - 相對強弱評分（-100 至 +100）
 ## 使用時機
 - 多方研究員需要識別領頭羊板塊
 - 空方研究員尋找最弱板塊做空標的
 - 量化策略師決定配置比重
--- a/skills/sector-overview/SKILL.md
+++ b/skills/sector-overview/SKILL.md
@@ -0,0 +1,52 @@
 ---
 name: 板塊概況分析
 slug: sector-overview
 description: 產出特定板塊的全面概況報告，涵蓋板塊基本面趨勢、主要催化劑、龍頭股表現、估值水平與相對強弱
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/sector-overview/SKILL.md
      usage: referenced
 ---
 # 板塊概況分析
 產出針對特定板塊的完整概況報告，為市場結構研究員、空方研究員提供板塊層級的分析基礎。
 ## 報告內容
 ### 板塊基本面
 - 板塊整體營收/獲利趨勢
 - 毛利率、ROE 趨勢
 - 板塊 P/E、EV/EBITDA 歷史分位
 ### 主要催化劑
 - 近期推動板塊的利多事件
 - 潛在的利空風險
 - 政策/監管面動態
 ### 龍頭股表現
 - 板塊前5大市值股票表現
 - 龍頭股與板塊 ETF 的強弱比較
 - 異常強勢/弱勢個股
 ### 技術面
 - 板塊 ETF 相對大盤的相對強弱
 - 板塊 ETF 的技術結構
 - 資金流入/流出趨勢
 ### 台股板塊對應
 - 半導體：台積電、聯發科、日月光
 - 金融：富邦金、國泰金、中信金
 - 傳產/化工：台塑、台化
 ## 需要的 MCP 工具
 - `yfinance`：板塊 ETF 數據（XLK、XLF 等）
 - `casual-market`：台股板塊數據
 - `tradingview`：板塊篩選
 ## 使用時機
 市場結構研究員識別強弱板塊；空方研究員找弱勢板塊做空標的
--- a/skills/signal-postmortem/SKILL.md
+++ b/skills/signal-postmortem/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 訊號事後分析
 slug: signal-postmortem
 description: 訊號事後分析，回顧歷史訊號準確率、獲利因子分解與策略衰退偵測
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/signal-postmortem/SKILL.md
      usage: referenced
 ---
 # 訊號事後分析
 系統性訊號與策略事後檢討工具，從歷史表現中萃取改進方向。
 ## 功能
 - 訊號準確率追蹤（按類型、時間段）
 - 獲利因子分解（Alpha 來源拆解）
 - 策略衰退偵測（Rolling Sharpe 下降）
 - 失敗交易歸因分析
 - 市場環境 vs 策略表現關聯
 - 改進建議優先排序
 - 定期績效報告產出
--- a/skills/stanley-druckenmiller-investment/SKILL.md
+++ b/skills/stanley-druckenmiller-investment/SKILL.md
@@ -0,0 +1,55 @@
 ---
 name: Druckenmiller 策略合成器
 slug: stanley-druckenmiller-investment
 description: 整合 8 個上游技能輸出，以 Stanley Druckenmiller 的宏觀投資方法論產出統一信心評分（0-100）、型態分類與倉位配置建議
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/stanley-druckenmiller-investment/SKILL.md
      usage: referenced
 ---
 # Druckenmiller 策略合成器
 以傳奇宏觀交易員 Stanley Druckenmiller 的投資哲學為框架，整合所有研究輸出，為執行長和策略師提供最終的高信心投資判斷。
 ## Druckenmiller 核心原則
 - **流動性優先**：央行政策和資金環境是最重要的因素
 - **集中押注**：高信心時重倉，而非分散
 - **不對稱機會**：尋找風險/報酬至少 3:1 的機會
 - **情境切換**：環境改變時快速調整倉位
 ## 整合的 8 個上游輸入
 1. `macro-regime-detector` — 總體環境判斷
 2. `market-breadth-analyzer` — 市場廣度
 3. `uptrend-analyzer` — 漲勢健康度
 4. `sector-analyst` — 板塊輪動
 5. `market-top-detector` — 頂部風險
 6. `us-market-bubble-detector` — 泡沫評估
 7. `scenario-analyzer` — 情境概率
 8. `edge-signal-aggregator` — Edge 訊號
 ## 輸出格式
 ```json
 {
  "conviction_score": 85,
  "pattern": "Early Bull | Late Bull | Bear Rally | Bear",
  "allocation": {
    "equity_pct": 80,
    "cash_pct": 15,
    "hedge_pct": 5
  },
  "top_opportunity": "最高信心機會描述",
  "key_risk": "最大風險描述",
  "rationale": "150字以內的決策邏輯"
 }
 ```
 ## 使用時機
 - 執行長組裝 Final_Decision_Packet 前
 - 量化策略師完成多空辯論後的收斂步驟
--- a/skills/strategy-pivot-designer/SKILL.md
+++ b/skills/strategy-pivot-designer/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: 策略轉向設計師
 slug: strategy-pivot-designer
 description: 偵測回測策略停滯或陷入局部最優，自動提出結構性不同的策略轉向方案，突破策略開發瓶頸
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/strategy-pivot-designer/SKILL.md
      usage: referenced
 ---
 # 策略轉向設計師
 當回測工程師的策略陷入停滯或過度擬合時，提供結構性不同的替代方向。
 ## 問題偵測
 識別以下回測問題：
 - **停滯**：多次參數調整後績效無明顯提升
 - **局部最優**：Sharpe Ratio 卡在次優解
 - **過度擬合**：樣本內好但樣本外差
 - **環境依賴**：只在特定市場環境有效
 ## 轉向設計流程
 1. 分析當前策略的核心 Edge 來源
 2. 識別結構性限制（為什麼當前方向無法繼續改進）
 3. 提出 3 個結構性不同的替代方向：
   - 方向 A：改變進場邏輯
   - 方向 B：改變持倉/出場邏輯
   - 方向 C：改變市場/時間框架
 4. 每個方向附帶初始假設與驗證建議
 ## 輸入
 - 當前策略描述與回測績效摘要
 - 失敗的優化歷史
 ## 輸出
 - 停滯診斷報告
 - 3 個轉向方案（含預期 Edge 來源與初步驗證方法）
--- a/skills/technical-analyst/SKILL.md
+++ b/skills/technical-analyst/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 技術分析師
 slug: technical-analyst
 description: 技術分析工具，支援均線、RSI、MACD、布林通道等指標運算與圖表判讀
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/technical-analyst/SKILL.md
      usage: referenced
 ---
 # 技術分析師
 全方位技術指標分析，涵蓋趨勢、動量、波動率指標，產出結構化技術分析報告。
 ## 功能
 - 多時間框架趨勢分析（日/週/月線）
 - 均線系統（SMA、EMA、交叉訊號）
 - 動量指標（RSI、MACD、Stochastic）
 - 波動率指標（Bollinger Bands、ATR）
 - 支撐/阻力位識別
 - 型態辨識（頭肩頂底、三角收斂等）
--- a/skills/theme-detector/SKILL.md
+++ b/skills/theme-detector/SKILL.md
@@ -0,0 +1,44 @@
 ---
 name: 市場主題偵測器
 slug: theme-detector
 description: 偵測當前市場的趨勢主題（AI、能源轉型、利率等），評估各主題的熱度、生命週期階段與信心評分
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/theme-detector/SKILL.md
      usage: referenced
 ---
 # 市場主題偵測器
 識別市場正在定價的敘事主題，讓財經情報研究員掌握資金輪動的底層邏輯。
 ## 功能
 - 偵測跨板塊的趨勢主題（例：AI 算力、再工業化、防禦支出）
 - 評估主題熱度（0-100）
 - 判斷主題生命週期階段（萌芽/成長/成熟/衰退）
 - 信心評分（基於媒體關注度、資金流入、分析師覆蓋）
 - 識別受益/受害股票/板塊
 ## 分析維度
 - **媒體熱度**：主題相關新聞頻率趨勢
 - **資金流向**：相關 ETF/板塊資金流入流出
 - **盈利影響**：財報電話中提及頻率
 - **政策支持**：監管/政策方向
 ## 輸出格式
 ```
 主題：AI 算力基礎設施
 熱度：87/100 | 生命週期：成長期
 信心：高
 受益板塊：半導體、資料中心 REIT、電力設施
 風險：估值過高、資本支出超支
 ```
 ## 使用時機
 財經情報研究員每日盤前蒐集，識別本週/本月資金追逐的主題，配合 `morning-note` 輸出
--- a/skills/thesis-tracker/SKILL.md
+++ b/skills/thesis-tracker/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 投資論點追蹤器
 slug: thesis-tracker
 description: 長期追蹤投資論點的進展，監控關鍵假設是否仍然成立，在論點失效時自動預警
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/thesis-tracker/SKILL.md
      usage: referenced
 ---
 # 投資論點追蹤器
 持續監控量化策略師建立的投資論點，確保策略決策基於最新的市場現實。
 ## 追蹤結構
 每個論點追蹤：
 - **核心假設**：論點成立的前提條件
 - **關鍵指標**：用來驗證假設的可觀察指標
 - **當前狀態**：論點是否仍然成立
 - **信心度變化**：隨時間的信心度趨勢
 - **否定條件**：哪些事件會讓論點失效
 ## 功能
 - 定期更新論點狀態（可設定每日/每週）
 - 偵測核心假設的變化
 - 論點失效時自動升級給量化策略師
 - 產出論點追蹤報告
 - 與 `trader-memory-core` 同步狀態
 ## 論點狀態
 - **Intact**：論點完整，繼續持有
 - **Weakening**：部分假設受挫，注意
 - **Violated**：核心假設失效，建議退出
 - **Evolving**：論點方向改變，需要重新評估
 ## 輸入
 - 策略師的 Strategy_Thesis.json
 - 市場更新數據
 ## 輸出
 - 論點狀態報告（含信心度趨勢圖）
 - 失效預警通知
--- a/skills/trade-hypothesis-ideator/SKILL.md
+++ b/skills/trade-hypothesis-ideator/SKILL.md
@@ -0,0 +1,37 @@
 ---
 name: 交易假設發想器
 slug: trade-hypothesis-ideator
 description: 生成 1-5 個可偽證的交易假設卡，每張包含實驗設計、否定條件（Kill Criteria）與可選的 strategy.yaml 匯出
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/trade-hypothesis-ideator/SKILL.md
      usage: referenced
 ---
 # 交易假設發想器
 將市場觀察轉化為結構化、可測試的交易假設，確保每個策略概念都有明確的驗證條件和失效條件。
 ## 假設卡格式
 每張假設卡包含：
 - **假設陳述**：「如果 X 發生，則 Y 將在 Z 時間框架內發生」
 - **可觀察證據**：當前支持假設的數據
 - **實驗設計**：如何測試這個假設
 - **否定條件（Kill Criteria）**：哪些事件會讓假設立即失效
 - **信心度評分**（0-100）
 - **可選匯出**：strategy.yaml（交給回測工程師）
 ## 功能
 - 接受任意市場觀察作為輸入
 - 結構化生成 1-5 張假設卡
 - 強制要求每個假設都有 Kill Criteria（防止確認偏誤）
 - 可選匯出 strategy.yaml 格式供回測使用
 ## 使用時機
 - 量化策略師在多空辯論後，將收斂觀點轉為可測試假設
 - 配合 `edge-pipeline-orchestrator` 進入完整研究流程
--- a/skills/trader-memory-core/SKILL.md
+++ b/skills/trader-memory-core/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 交易員記憶核心
 slug: trader-memory-core
 description: 持久化論點生命週期管理，追蹤從想法到平倉的完整交易記錄（IDEA→ENTRY_READY→ACTIVE→CLOSED），含 P&L、MAE/MFE 與事後分析
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/trader-memory-core/SKILL.md
      usage: referenced
 ---
 # 交易員記憶核心
 KingClawArmy 的持久記憶層。記錄所有交易論點的完整生命週期，並作為所有 Agent 的共享狀態存儲，確保跨對話的資訊不遺失。
 ## 論點狀態機
 ```
 IDEA → ENTRY_READY → ACTIVE → CLOSED
         ↑                ↓
      (修訂)          (平倉/止損)
 ```
 - **IDEA**：初步假設，尚未驗證
 - **ENTRY_READY**：通過審查，等待進場條件
 - **ACTIVE**：已進場，持倉中
 - **CLOSED**：已平倉（含盈虧記錄）
 ## 功能
 - 跨對話持久化論點狀態
 - 追蹤每個論點的 P&L、MAE（最大不利移動）、MFE（最大有利移動）
 - 從所有篩選器（CANSLIM、VCP、PEAD、Edge Pipeline）接收輸入
 - 觸發事後分析（Signal Postmortem）
 - 按狀態、市場、方向、信心度查詢論點
 ## 輸入來源
 - 所有篩選器 Agent 的輸出
 - 量化策略師的 Strategy_Thesis.json
 - 市場事件更新
 ## 輸出格式
 - 持久化 YAML/Markdown 記憶檔案
 - 論點列表（按狀態篩選）
 - P&L 摘要報告
 - 事後分析觸發請求
 ## 需要的 MCP 工具
 - 檔案系統（讀寫持久化記憶）
 - 任何提供現價的 MCP（yfinance、casual-market）
--- a/skills/uptrend-analyzer/SKILL.md
+++ b/skills/uptrend-analyzer/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: 漲勢分析器
 slug: uptrend-analyzer
 description: 五成分 0-100 漲勢健康度綜合評分（廣度30%、板塊參與25%、動量20%、輪動15%、歷史10%），判斷多頭趨勢強度
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/uptrend-analyzer/SKILL.md
      usage: referenced
 ---
 # 漲勢分析器
 評估當前市場漲勢的健康程度與可持續性，為策略師提供多頭強度量化指標。
 ## 評分組成（共 100 分）
 | 成分 | 權重 | 說明 |
 |---|---|---|
 | 市場廣度 | 30% | 漲勢參與股票的比例 |
 | 板塊參與度 | 25% | 同步上漲的板塊數量 |
 | 動量強度 | 20% | 主要指數的動量狀況 |
 | 輪動健康度 | 15% | 板塊輪動是否有序 |
 | 歷史比對 | 10% | 與歷史牛市的相似度 |
 ## 評分解讀
 - **80-100**：強勢多頭，積極進場
 - **60-79**：健康多頭，謹慎持有
 - **40-59**：疲弱多頭，減少部位
 - **0-39**：多頭結束或熊市，現金為王
 ## 輸出格式
 - 漲勢健康度綜合評分（0-100）
 - 各成分細項評分
 - 主要弱點診斷
 - 建議操作方向
 ## 使用時機
 配合 `market-breadth-analyzer` 和 `macro-regime-detector` 使用，三者共同判斷市場環境
--- a/skills/us-market-bubble-detector/SKILL.md
+++ b/skills/us-market-bubble-detector/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 美股泡沫偵測器
 slug: us-market-bubble-detector
 description: 美股泡沫偵測，分析估值偏離、槓桿水位、散戶狂熱指標與歷史泡沫比對
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/us-market-bubble-detector/SKILL.md
      usage: referenced
 ---
 # 美股泡沫偵測器
 系統性偵測市場泡沫訊號，量化過熱程度與風險等級。
 ## 功能
 - Shiller CAPE 估值偏離度分析
 - 融資餘額 / 槓桿水位追蹤
 - 散戶參與度指標（零股交易量、開戶數）
 - Meme Stock 熱度監測
 - IPO / SPAC 市場過熱指標
 - 歷史泡沫模式比對（2000、2008、2021）
 - 泡沫風險評分（1-10）
--- a/skills/us-stock-analysis/SKILL.md
+++ b/skills/us-stock-analysis/SKILL.md
@@ -0,0 +1,28 @@
 ---
 name: 美股個股分析
 slug: us-stock-analysis
 description: 美股個股深度分析，涵蓋基本面、財報、估值模型與產業比較
 metadata:
  sources:
    - kind: github-file
      repo: OctagonAI/skills
      path: skills/us-stock-analysis/SKILL.md
      usage: referenced
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/stock-fundamentals/SKILL.md
      usage: referenced
 ---
 # 美股個股分析
 美股個股全面分析工具，整合基本面數據、財報解讀與估值模型。
 ## 功能
 - 個股基本面分析（營收、EPS、毛利率趨勢）
 - 財報季解讀（10-Q/10-K 關鍵數據擷取）
 - 估值模型（P/E、P/S、DCF、PEG）
 - 同業比較分析
 - 機構評級彙整（Buy/Hold/Sell 分佈）
 - 內部人交易追蹤
--- a/skills/vcp-screener/SKILL.md
+++ b/skills/vcp-screener/SKILL.md
@@ -0,0 +1,45 @@
 ---
 name: VCP 篩選器
 slug: vcp-screener
 description: Minervini 的波動收縮型態（Volatility Contraction Pattern）偵測，在第 2 階段上升趨勢中識別低風險進場點
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/vcp-screener/SKILL.md
      usage: referenced
 ---
 # VCP 篩選器
 偵測 Mark Minervini 的波動收縮型態（VCP），找出主升段中的低風險高報酬進場機會。
 ## VCP 型態特徵
 - 股票處於第 2 階段上升趨勢（均線多頭排列）
 - 出現多次回調，每次回調幅度遞減（例：12%→8%→4%）
 - 每次回調時間縮短
 - 成交量在收縮階段萎縮
 - 在突破前成交量放大
 ## 三階段偵測流程
 1. **Stage 2 確認**：確認股票處於第 2 階段（50/150/200 日均線排列）
 2. **收縮偵測**：識別回調幅度遞減的波動收縮
 3. **進場觸發**：成交量放大的樞紐突破
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格與成交量數據
 - `tradingview`：技術指標確認
 ## 輸出格式
 - VCP 候選股票列表
 - 各股的收縮階段描述（幾次收縮、幅度）
 - 建議進場點（樞紐位置）
 - 建議止損位
 ## 使用時機
 配合 CANSLIM 篩選器使用，在符合 CANSLIM 條件的股票中找 VCP 型態
--- a/skills/xlsx/SKILL.md
+++ b/skills/xlsx/SKILL.md
@@ -0,0 +1,46 @@
 ---
 name: Excel 試算表
 slug: xlsx
 description: 建立、編輯、分析符合金融建模標準的 Excel 試算表，含色碼規範（藍色=輸入、黑色=公式）、財務格式化與績效分析
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/xlsx/SKILL.md
      usage: referenced
 ---
 # Excel 試算表
 Anthropic 官方技能。產出符合華爾街標準的專業 Excel 試算表，用於績效追蹤、財務分析與數據呈現。
 ## 金融建模色碼標準
 | 顏色 | 含義 |
 |---|---|
 | 🔵 藍色（深藍字體） | 硬式輸入（手動輸入的假設值） |
 | ⚫ 黑色字體 | 公式計算（不得手動覆寫） |
 | 🟢 綠色字體 | 外部連結（從其他工作表引入） |
 | 🔴 紅色字體 | 檢查項目（有問題需要注意） |
 ## 功能
 - 建立標準財務試算表（損益表、資產負債表、現金流量表）
 - 回測績效追蹤表（Sharpe、Sortino、最大回撤）
 - 投資組合分析（配置、風險、報酬歸因）
 - 股票比較矩陣（多標的並排比較）
 - 數據驗證規則設定
 ## 輸入
 - 數據來源（JSON/CSV）或數據描述
 - 試算表目的描述
 ## 輸出
 - 標準 .xlsx 檔案
 - 含色碼、公式、格式化
 ## 使用時機
 資料分析師產出回測績效報告；秘書整理月度 KPI 追蹤表
--- a/teams/management/TEAM.md
+++ b/teams/management/TEAM.md
@@ -0,0 +1,18 @@
 ---
 name: 管理團隊
 description: 全局任務調度、工作記錄與摘要、產出品質審查
 slug: management
 schema: agentcompanies/v1
 manager: ../../agents/ceo/AGENTS.md
 includes:
  - ../../agents/secretary/AGENTS.md
  - ../../agents/reviewer/AGENTS.md
 ---
 # 管理團隊
 負責 KingClawArmy 的全局運營管理。
 - **執行長**：接收董事長指令、派工、追蹤進度、收斂結果
 - **秘書**：記錄摘要、維護記憶、每日狀態報告
 - **審查員**：品質把關、pass/revise/block 判定
--- a/teams/quant-research/TEAM.md
+++ b/teams/quant-research/TEAM.md
@@ -0,0 +1,27 @@
 ---
 name: 量化研究團隊
 description: 量化研究 pipeline：情報蒐集 → 市場結構分析 → 多空辯論 → 策略收斂 → 回測驗證 → 數據分析
 slug: quant-research
 schema: agentcompanies/v1
 manager: ../../agents/quant-strategist/AGENTS.md
 includes:
  - ../../agents/finance-researcher/AGENTS.md
  - ../../agents/market-structure-researcher/AGENTS.md
  - ../../agents/bullish-researcher/AGENTS.md
  - ../../agents/bearish-researcher/AGENTS.md
  - ../../agents/quant-engineer/AGENTS.md
  - ../../agents/data-analyst/AGENTS.md
 ---
 # 量化研究團隊
 由量化策略師主導，負責完整的量化研究 pipeline。
 ## Pipeline 流程
 1. **財經情報研究員** → 蒐集財經資訊與市場情緒
 2. **市場結構研究員** → 分析技術結構與關鍵價位
 3. **多方研究員 + 空方研究員**（並行）→ 正反觀點辯論
 4. **量化策略師** → 收斂觀點、產出策略論文
 5. **回測工程師** → 策略程式化與回測
 6. **資料分析師** → 績效分析與風險識別
Author	SHA1	Message	Date
Chris	0cbaed38c3	Merge dev → main: Skills v3.1 全面升級 + 審查問題全修完 - 53 個 SKILL.md（含明確 slug frontmatter，無 importer 衝突） - 全部 11 個 Agent 技能配置完整（72 個技能分配） - .mcp.json：7 個 MCP server（台股 + 美股 + 財報 + 投組） - .paperclip.yaml：envInputs 移至 projects.inputs.env - 審查員 P1-P8 全部修正，dry-run warnings: [], errors: [] - 台股 + 美股雙市場覆蓋 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 22:14:52 +00:00
Chris	e894446416	fix: 修正審查員 P7-P8 問題 P7: envInputs 從 .paperclip.yaml 頂層移至 projects.daily-quant-pipeline.inputs.env 讓 importer 能正確讀取 env input 並進 manifest 同步補入 ALPACA_API_KEY / FMP_API_KEY 需求聲明 P8: .mcp.json 補齊 alpaca 與 fmp MCP server docs/agent-skill-mapping.md 新增 Runtime 狀態說明表（active / needs-key / local-runtime） docs/mcp-plan.md 狀態從「規劃中」改為「已配置」，補 Alpaca/FMP 安裝說明 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:31:44 +00:00
Chris	3451ce7d77	docs: update agent skills follow-up review	2026-04-11 05:25:48 +08:00
Chris	ee06e6de6b	fix: 修正審查員 P1-P6 全部問題 P1/P2: 為所有 53 個 SKILL.md 補明確 slug frontmatter，解決 importer slug 衝突 P3: 新增 .mcp.json，補 .paperclip.yaml envInputs P4: agent-skill-mapping.md 補摘要版說明 P5: 修正文檔統計數字（53 skills，非 62） P6: 清除 mcp-plan.md 敏感資訊與機器相依路徑 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:21:38 +00:00
Chris	15fb96dd4b	Revert "Merge dev → main: Skills 系統全面升級 v3.0" This reverts commit `15182d3c51`, reversing changes made to `46a44eb68d`.	2026-04-10 21:18:31 +00:00
Chris	15182d3c51	Merge dev → main: Skills 系統全面升級 v3.0 涵蓋： - 62 個 SKILL.md（tradermonty、langalpha、anthropics 來源） - 全部 11 個 Agent 技能配置完整（含 CEO、小安） - 台股 + 美股雙市場覆蓋 - docs/agent-skill-mapping.md v3.0、mcp-plan.md、skills-inventory.md Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:16:16 +00:00
Chris	cf556a8c63	docs: add agent skills review	2026-04-11 05:15:19 +08:00
Chris	ced587c2f2	新增 17 個 Skills 並完成全員技能配置 - 新增 17 個 SKILL.md（tradermonty + langalpha 來源）： breadth-chart-analyst, catalyst-calendar, competitive-analysis, comps-analysis, dcf-model, earnings-analysis, earnings-preview, earnings-trade-analyzer, edge-concept-synthesizer, edge-hint-extractor, options-strategy-advisor, pair-trade-screener, pead-screener, portfolio-manager, sector-overview, stanley-druckenmiller-investment, theme-detector - 更新全部 11 個 Agent 的 AGENTS.md（含原本空白的 ceo 與 xiao-an） - 更新 docs/agent-skill-mapping.md 至 v3.0（71 個配置，62 個技能） - 台股 + 美股雙市場覆蓋，Skills 均基於真實開源 repo Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:07:46 +00:00
Chris	3079e1a0ae	feat: Skills 全面升級 v3 — 真實開源技能 + 台股覆蓋 + 完整文檔 ## Skills 變動（38 個技能） - 刪除：para-memory-files（不存在於任何真實 repo） - 新增 20 個來自真實開源 repo 的技能： tradermonty: trader-memory-core, earnings-calendar, sector-analyst, uptrend-analyzer, macro-regime-detector, canslim-screener, vcp-screener, ftd-detector, downtrend-duration-analyzer, edge-pipeline-orchestrator, trade-hypothesis-ideator, strategy-pivot-designer, data-quality-checker, edge-candidate-agent anthropics: doc-coauthoring, internal-comms, xlsx langalpha: morning-note, thesis-tracker, initiating-coverage ## Agent 技能更新（9 個 Agent） - finance-researcher: 3 → 5 個技能（+earnings-calendar, morning-note） - market-structure-researcher: 2 → 5 個技能（+sector-analyst, uptrend-analyzer, macro-regime-detector） - bullish-researcher: 2 → 6 個技能（+canslim-screener, vcp-screener, ftd-detector, initiating-coverage） - bearish-researcher: 2 → 3 個技能（+downtrend-duration-analyzer） - quant-strategist: 3 → 7 個技能（+edge-pipeline-orchestrator, trade-hypothesis-ideator, thesis-tracker, macro-regime-detector） - quant-engineer: 2 → 4 個技能（+strategy-pivot-designer, data-quality-checker） - data-analyst: 1 → 3 個技能（+edge-candidate-agent, xlsx） - reviewer: 1 → 2 個技能（+data-quality-checker） - secretary: para-memory-files → trader-memory-core + doc-coauthoring + internal-comms ## 文檔新增（3 份） - docs/skills-inventory.md：四大 repo 完整技能調查（tradermonty 51、OctagonAI 66、langalpha 26、anthropics 17） - docs/mcp-plan.md：8 個 MCP Server 完整配置方案（台股+美股+總經+加密） - docs/agent-skill-mapping.md：Agent 技能對應表 v2.0（含台股覆蓋說明） ## 台股覆蓋 - MCP 計畫包含 CasualMarket（23工具）+ twsemcp（22工具）+ Fugle 官方 - morning-note 技能整合台股盤前數據（外資、融資融券、台指期） - market-environment-analysis 明確涵蓋台股加權指數 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:55:25 +00:00
Chris	c78afdbd4b	style: Skills 名稱與標題全面翻譯為繁體中文將 17 個 SKILL.md 的 name 欄位與 Markdown 標題從英文翻譯為繁體中文，方便董事長檢閱。同時補齊前 3 個早期建立的 Skill 功能清單。 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:07:43 +00:00
Chris	c3c2f9072d	feat: 全面升級 Skills 系統 — 17 個專業交易技能取代舊佔位符刪除舊的 deep-research / code-reviewer 佔位 Skill，引入 17 個來自 tradermonty/claude-trading-skills、OctagonAI/skills、 ginlix-ai/langalpha、anthropics/skills 的專業技能，並更新 9 個 Agent 的 skills 欄位對應。技能對應： - 財經情報研究員: market-news-analyst, economic-calendar-fetcher, market-environment-analysis - 市場結構研究員: technical-analyst, market-breadth-analyzer - 多方研究員: us-stock-analysis, institutional-flow-tracker - 空方研究員: us-market-bubble-detector, market-top-detector - 量化策略師: scenario-analyzer, edge-signal-aggregator, exposure-coach - 回測工程師: backtest-expert, position-sizer - 資料分析師: signal-postmortem - 審查員: edge-strategy-reviewer - 秘書: para-memory-files Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:03:23 +00:00
Chris	46a44eb68d	Merge branch 'main' of ssh://103.195.5.179:2222/chris/KingClawArmy	2026-04-10 19:07:56 +00:00
Chris	a3fe85b5c5	docs: finalize paperclip dev review	2026-04-11 02:54:36 +08:00
Chris	cb44714252	fix: CEO role 改為 ceo，確保 Paperclip CEO-safe 權限 P5: agents/ceo/AGENTS.md role: manager → role: ceo Paperclip 內部多處邏輯依賴 role === "ceo" 來授予公司層級操作權限 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 18:39:04 +00:00
Chris	fade6ca2ea	Revert "docs: update paperclip dev review" This reverts commit `929dd88745`.	2026-04-11 02:36:46 +08:00
Chris	d68b497884	docs: update paperclip dev review	2026-04-11 02:36:27 +08:00
Chris	929dd88745	docs: update paperclip dev review	2026-04-11 02:31:25 +08:00
Chris	aceb1ba8b3	fix: 依審查報告修正 Paperclip package（P1-P4） P1: routine key 改為 daily-quant-run，與 TASK.md slug 對齊 P2: 移除 quant-strategist 的 canCreateAgents 權限 P3: PROJECT.md 只保留 name/description/slug，leadAgentSlug/status 移至 .paperclip.yaml P4: daily-secretary-digest 從 daily-quant-pipeline/tasks 移到 board-ops/tasks Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:19:39 +00:00
Chris	187218e8bc	merge: 合併 main 審查備忘錄到 dev，解決 INDEX.md 衝突 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:18:47 +00:00
Chris	33f2f2023c	docs: add paperclip dev review notes	2026-04-11 01:17:24 +08:00
Chris	43c1770e13	feat: 建立第一版 Paperclip company package 管理 + 完整量化團隊（方案 A + 多空研究員），10 active + 1 paused Package 結構： - COMPANY.md：agentcompanies/v1 company root - .paperclip.yaml：11 agents adapter/model/status + 4 routines - agents/：11 個 agent（ceo, secretary, reviewer, quant-strategist, finance-researcher, market-structure-researcher, bullish-researcher, bearish-researcher, quant-engineer, data-analyst, xiao-an） - teams/：management, quant-research - projects/：daily-quant-pipeline, board-ops - tasks/：4 個 recurring tasks（pipeline 啟動、盤後整理、資料摘要、記憶壓縮） - skills/：deep-research, code-reviewer 每個 AGENTS.md 包含完整 instructions：Mission, Scope, Forbidden, 輸出 JSON Schema, Escalation, 行為規範 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:11:03 +00:00
Chris	6a440973a9	docs: add paperclip org planning guide	2026-04-11 00:56:47 +08:00
Chris	aae5913bf2	docs: 全面補強公司定義、排程、Schema - company.md：加回前後端工程師（18 agents）、engineering team、完整 .paperclip.yaml 範例、每個 agent 改用表格詳列 Mission/Scope/Forbidden/輸出/Model Tier/Escalation - pipelines.md：市場情報改為每日 08:00 + 20:00 兩次（台股/美股開盤前）、週市場分析和週數據報告改到週日、移除投放 KPI 排程、新增秘書每日摘要排程、新增每日/每週時間軸、新增停損信號 - schemas.md：所有 schema 加上產出者職稱、新增信心指數/恐慌指數/進出場建議、補齊所有缺少的 Schema Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 16:28:35 +00:00
Chris	da6efce98d	docs: 移除 OpenClaw 文檔，重建為 Paperclip 正式方案 - 刪除所有 OpenClaw 時期的 spec/、guides/、migration 文檔 - 新增 company.md：公司定義、16 個 agent、4 個 team、skills、package 結構 - 新增 pipelines.md：量化 pipeline 流程、排程定義、審批機制、GPT+Claude 雙模型分級 - 新增 schemas.md：所有 agent 輸出的 JSON schema 定義 - 更新 INDEX.md：乾淨的文件索引與進度追蹤 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 15:42:26 +00:00
Chris	253f38a75e	docs: 移除 v4 版號命名，新增 Paperclip 遷移規劃 - spec 檔案重新命名去除 v4 前綴 - 更新所有內部交叉引用 - 新增 migration_to_paperclip.md：概念對照、目標結構、Agent 定義、排程轉換 - INDEX.md 標記 OpenClaw 時期文檔為遷移參考用 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 15:32:07 +00:00
Chris	e44b959c85	docs: v4.1 協作協定重構、新增工具配置指南 - 新增 spec_v4_collaboration_protocol.md：Message Envelope、Intent 類型、 Pipeline 改由策略師主導、Lobster DSL 取代 Standing Orders、輸出 Schema 定義 - 新增 guide_tools_skills.md：每個角色的 MCP Tools + Skills 配置對照表 - 改寫 guide_sessions_tools.md：修正 maxSpawnDepth 行為，sessions_send 不授權給子 agent - 更新 agent_roster.md：新增 MCP Tools / Skills 欄位 - 更新排程記憶文件：移除舊協作章節，指向新協作協定 - 更新 INDEX.md：v4.1 索引與變更紀錄 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 02:30:39 +08:00
Chris	513875c623	docs: 更新 pipeline 流程與 Discord 頻道分工 - agent_roster.md: 重寫 pipeline 流程圖（策略師主導，執行長只啟動+收尾） - 更新 Discord 頻道對照表（9 頻道，各 agent 自己發布） - 更新通訊方式說明（sessions_send vs spawn vs message） Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-04-09 15:48:59 +00:00