fix: 加 dangerouslySkipPermissions，移除 cwd

- 所有 agent 加 dangerouslySkipPermissions: true
  讓 claude_local adapter 不再攔截 Paperclip API 的 curl 回報
- 移除 cwd（machine-specific 不應進 repo）

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

.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}"
+      }
+    }
+  }
+}

.paperclip.yaml

@@ -0,0 +1,146 @@
+schema: paperclip/v1
+
+agents:
+  ceo:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    permissions:
+      canCreateAgents: true
+    status: active
+
+  secretary:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-sonnet-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  reviewer:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  quant-strategist:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  finance-researcher:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-haiku-4-5
+        dangerouslySkipPermissions: true
+    status: active
+
+  market-structure-researcher:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  bullish-researcher:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  bearish-researcher:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-opus-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  quant-engineer:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-sonnet-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  data-analyst:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-sonnet-4-6
+        dangerouslySkipPermissions: true
+    status: active
+
+  xiao-an:
+    adapter:
+      type: claude_local
+      config:
+        model: claude-sonnet-4-6
+        dangerouslySkipPermissions: true
+    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

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

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

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

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

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

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

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

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

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

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

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

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

docs/INDEX.md

@@ -0,0 +1,47 @@
+# KingClawArmy 文件索引
+
+> 更新日期：2026-04-11
+
+---
+
+## Paperclip Package（可匯入）
+
+Package 位於 repo 根目錄，可透過 `paperclipai company import` 匯入。
+
+```
+COMPANY.md                      ← 公司定義
+.paperclip.yaml                 ← adapter / routines / status
+agents/*/AGENTS.md              ← 11 個 agent 定義
+teams/*/TEAM.md                 ← 2 個 team（management, quant-research）
+projects/*/PROJECT.md           ← 2 個 project
+projects/*/tasks/*/TASK.md      ← 4 個 recurring tasks
+skills/*/SKILL.md               ← 53 個 skills
+```
+
+---
+
+## docs/ — 設計藍圖（參考用）
+
+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 |
+|---|---|
+| [company.md](company.md) | 完整藍圖：18 agents / 5 teams、所有 Agent 規格、Skills、.paperclip.yaml 範例 |
+| [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 |
+| [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） |
+| [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
+
+| 階段 | 說明 | 狀態 |
+|---|---|---|
+| Paperclip onboard | 初始化 Paperclip 環境 | 待執行 |
+| 建立 Package（第一版） | 管理 + 完整量化團隊（10 active + 1 paused） | ✅ 完成 |
+| 匯入 Paperclip | `paperclipai company import` | 待執行 |
+| 驗證 & 調教 | 測試每個 agent、跑通量化 pipeline | 待開始 |
+| 擴編至方案 B | 加入行銷團隊 | 待規劃 |
+| 擴編至方案 C | 加入內容 + 工程團隊 | 待規劃 |

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。

docs/agent_company_master_overview_v2.md

@@ -1,207 +0,0 @@
-# AI Agent Company - 主檔總覽（精簡定稿版）
-
-> 用途：總覽主檔  
-> 內容：角色、狀態池、模型配置、觸發方式、上線順序  
-> 備註：已正式拆出 **回測工程師 / Quant Engineer**
-
----
-
-## 1. 最終組織結構
-
-| 層級 | 職權 |
-|---|---|
-| 董事長層 | 董事長 |
-| 核心管理層 | CEO / COO、秘書、審查員 |
-| 情報層 | 財經情報研究員、市場情報研究員 |
-| 量化線 | 市場結構研究員、多方研究員、空方 / 反方研究員、量化策略研究員、風控研究員、回測工程師 / Quant Engineer、資料分析員 |
-| 策略與成長層 | 品牌策略總監、成長策略總監、市場研究分析師、投放成效分析師 |
-| 內容與創意層 | 廣告文案撰寫員、影片腳本撰寫員、平面視覺設計總監、影片分鏡創意總監 |
-| 工程層 | 前端工程師、後端工程師 |
-
----
-
-## 2. 角色職權表
-
-### 2.1 核心管理層
-
-| 職權 | 任務目標 | 不該做的事 |
-|---|---|---|
-| 董事長 | 最終拍板、資源決策、是否上線與發布 | 不做細部執行 |
-| CEO / COO | 拆任務、分派、收斂、匯報 | 不直接寫文案、不直接寫程式、不直接部署 |
-| 秘書 | 摘要、State Diff、Todo、記憶壓縮 | 不做策略決策 |
-| 審查員 | pass / revise / block、風險攔截 | 不重寫全部內容、不直接拍板 |
-
-### 2.2 情報與量化線
-
-| 職權 | 任務目標 | 不該做的事 |
-|---|---|---|
-| 財經情報研究員 | 搜集財經、總經、盤前盤後資訊 | 不下交易結論 |
-| 市場情報研究員 | 搜集競品、消費者痛點、平台趨勢 | 不下商業策略結論 |
-| 市場結構研究員 | 解析流動性、結構、掃單、MSS、OB、FVG、POI | 不直接下最終交易結論 |
-| 多方研究員 | 專門整理支持交易 / 做多的論點 | 不直接拍板 |
-| 空方 / 反方研究員 | 專門整理反對交易 / 做空 / 放棄交易的論點 | 不直接拍板 |
-| 量化策略研究員 | 收斂觀點形成正式規則 | 不寫正式程式碼 |
-| 風控研究員 | 設計風控規則、bias check、position sizing | 不發明策略方向 |
-| 回測工程師 / Quant Engineer | 將策略規則轉成 Pine / Python 回測、接資料、產出回測結果 | 不自行改策略方向、不自行做最終績效結論 |
-| 資料分析員 | SQL、KPI、回測分析、expectancy / drawdown / winrate 洞察 | 不自行定策略方向 |
-
-### 2.3 行銷、內容、工程層
-
-| 職權 | 任務目標 | 不該做的事 |
-|---|---|---|
-| 品牌策略總監 | 定 USP、受眾、主訴求、品牌敘事 | 不直接寫最終文案 |
-| 成長策略總監 | 定 campaign、漏斗、轉換策略 | 不寫底層 SQL |
-| 市場研究分析師 | 分析市場變化與競品反應 | 不盯每日廣告 KPI |
-| 投放成效分析師 | 分析 CTR / CVR / CPL / ROAS 與投放優化 | 不做品牌定位 |
-| 廣告文案撰寫員 | 廣告文案、Hook、Body、CTA、版本矩陣 | 不改整體策略 |
-| 影片腳本撰寫員 | 短影音腳本、旁白、節奏、鏡頭腳本 | 不負責平面廣告文案 |
-| 平面視覺設計總監 | 圖像 brief、平面素材 QA、視覺一致性 | 不負責影片分鏡 |
-| 影片分鏡創意總監 | 分鏡 brief、動態素材結構、影片 QA | 不負責平面素材 |
-| 前端工程師 | 前端頁面、UI 互動、追蹤埋點 | 不決定商業策略 |
-| 後端工程師 | API、資料庫、Directus、自動化整合 | 不寫廣告文案 |
-
----
-
-## 3. 狀態池（256GB 定稿）
-
-| 狀態 | 角色 |
-|---|---|
-| 常駐 | CEO / COO、秘書 |
-| warm | 審查員、前端工程師、後端工程師 |
-| 喚醒 | 財經情報研究員、市場情報研究員、市場結構研究員、多方研究員、空方 / 反方研究員、量化策略研究員、風控研究員、回測工程師 / Quant Engineer、品牌策略總監、成長策略總監、市場研究分析師、投放成效分析師、廣告文案撰寫員、影片腳本撰寫員、平面視覺設計總監、影片分鏡創意總監、資料分析員 |
-
----
-
-## 4. 256GB 模型配置
-
-| 職權 | 推薦模型 | 類型 | 狀態 |
-|---|---|---|---|
-| CEO / COO | Qwen3.5-27B | 通用主腦 | 常駐 |
-| 秘書 | Qwen2.5-14B-Instruct | 小中型通用 | 常駐 |
-| 審查員 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | reasoning / review | warm |
-| 財經情報研究員 | Qwen2.5-14B-Instruct | 情報整理 | 喚醒 |
-| 市場情報研究員 | Qwen2.5-14B-Instruct | 情報整理 | 喚醒 |
-| 市場結構研究員 | DeepSeek-V3.2 插槽 | 結構推理 | 喚醒 |
-| 多方研究員 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | 辯論 / 推理 | 喚醒 |
-| 空方 / 反方研究員 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | 辯論 / 推理 | 喚醒 |
-| 量化策略研究員 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | 高階策略推理 | 喚醒 |
-| 風控研究員 | DeepSeek-V3.2 插槽 | reasoning | 喚醒 |
-| 回測工程師 / Quant Engineer | Qwen3-Coder-30B-A3B-Instruct | coder | 喚醒 |
-| 資料分析員 | DeepSeek-V3.2 插槽（深度）/ Qwen3.5-27B（一般） | 分析 | 喚醒 |
-| 品牌策略總監 | gpt-oss-120b 或 Qwen3.5-122B-A10B 插槽 | 高階策略 | 喚醒 |
-| 成長策略總監 | gpt-oss-120b 或 Qwen3.5-122B-A10B 插槽 | 高階策略 | 喚醒 |
-| 市場研究分析師 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | 深度分析 | 喚醒 |
-| 投放成效分析師 | gpt-oss-120b 或 DeepSeek-V3.2 插槽 | 深度分析 | 喚醒 |
-| 廣告文案撰寫員 | 台灣語感 8B 級模型 | 文案模型 | 喚醒 |
-| 影片腳本撰寫員 | 台灣語感 8B 級模型 | 文案模型 | 喚醒 |
-| 平面視覺設計總監 | Qwen3-VL-8B-Instruct | VL | 喚醒 |
-| 影片分鏡創意總監 | Qwen3-VL-8B-Instruct | VL | 喚醒 |
-| 前端工程師 | Qwen3-Coder-30B-A3B-Instruct | coder | warm |
-| 後端工程師 | Qwen3-Coder-30B-A3B-Instruct | coder | warm |
-
----
-
-## 5. 觸發條件
-
-### 5.1 定時觸發
-
-| 角色 | 頻率 | 說明 |
-|---|---|---|
-| 財經情報研究員 | 每日盤前一次、盤後一次 | 蒐集財經與盤勢資訊 |
-| 市場情報研究員 | 每日 1 次 | 蒐集市場、競品、痛點資訊 |
-| 市場研究分析師 | 每週 1 次 | 市場趨勢與競品分析 |
-| 投放成效分析師 | 每日 1 次 | 廣告 KPI 檢查 |
-| 資料分析員 | 每日 1 次 + 每週 1 次週報 | KPI、報表與洞察 |
-
-### 5.2 事件觸發
-
-| 角色 | 觸發條件 |
-|---|---|
-| CEO / COO | 新任務進來、各部門完成輸出、審查回來、提案前 |
-| 秘書 | 會議結束、狀態改變、待辦更新 |
-| 審查員 | 草稿完成、部署前、高風險操作前、revise 超過輪數 |
-| 市場結構研究員 | 財經情報與行情資料齊備時 |
-| 多方研究員 | 市場結構報告與財經情報完成後 |
-| 空方 / 反方研究員 | 市場結構報告與財經情報完成後 |
-| 量化策略研究員 | 多方 / 空方研究報告完成後 |
-| 風控研究員 | 量化策略規格完成後 |
-| 回測工程師 / Quant Engineer | 量化策略 + 風控規格完成後 |
-| 品牌策略總監 | 新產品 / 新 campaign / 方向重定 |
-| 成長策略總監 | 品牌策略完成後、Campaign 執行前 |
-| 廣告文案撰寫員 | 成長策略完成後、需要新文案版本時 |
-| 影片腳本撰寫員 | 需要影片腳本時 |
-| 平面視覺設計總監 | 需要平面素材 brief 時 |
-| 影片分鏡創意總監 | 需要分鏡或影片素材時 |
-| 前端工程師 | 收到前端任務、Review 打回修正 |
-| 後端工程師 | 收到後端任務、Review 打回修正 |
-
-### 5.3 人工決策
-
-| 角色 | 觸發條件 |
-|---|---|
-| 董事長 | 最終提案、高風險動作、部署前、預算與上線決策 |
-
----
-
-## 6. 工具權限
-
-| 角色 | 可用工具 | 禁用工具 |
-|---|---|---|
-| 財經情報研究員 | 搜尋、爬蟲、清洗、去重 | DB schema 修改、部署 |
-| 市場情報研究員 | 搜尋、爬蟲、清洗、去重 | DB schema 修改、部署 |
-| 市場結構研究員 | 行情資料、結構分析工具、圖表讀取 | 正式部署、DB schema 修改 |
-| 多方研究員 | 唯讀研究報告與結構報告 | 直接下單、正式部署 |
-| 空方 / 反方研究員 | 唯讀研究報告與結構報告 | 直接下單、正式部署 |
-| 量化策略研究員 | 讀研究報告、策略規格工具 | 正式交易執行 |
-| 風控研究員 | 讀策略規格、風控規則工具 | 正式交易執行 |
-| 回測工程師 / Quant Engineer | repo、回測框架、歷史資料、sandbox | 正式交易執行、正式部署 |
-| 品牌策略總監 | 品牌知識庫、Research 摘要 | shell、DB schema 修改 |
-| 成長策略總監 | 策略知識庫、Research 摘要 | shell、DB schema 修改 |
-| 廣告文案撰寫員 | 文案資料、品牌語氣庫 | shell、部署 |
-| 影片腳本撰寫員 | 文案資料、品牌語氣庫 | shell、部署 |
-| 平面視覺設計總監 | 素材規格、品牌規範、VL 任務工具 | 正式發布、DB schema 修改 |
-| 影片分鏡創意總監 | 素材規格、品牌規範、VL 任務工具 | 正式發布、DB schema 修改 |
-| 前端工程師 | repo、前端 build、tracking 測試 | 正式 DB schema 修改 |
-| 後端工程師 | API / DB / Directus / sandbox | 正式發布（需 gate） |
-| 審查員 | 所有輸出唯讀檢查 | 正式改檔、正式部署 |
-| 秘書 | 所有摘要與狀態讀寫 | shell、正式部署 |
-| CEO / COO | 任務總覽、所有角色輸出唯讀 | 正式部署、正式寫 DB |
-
----
-
-## 7. Review Gate / HITL
-
-### 7.1 必審節點
-
-| 節點 | 原因 |
-|---|---|
-| 跨部門產出整合完成後 | 確保整體對齊 |
-| 工程交付前 | 確保 API / schema / build 合理 |
-| 量化策略提交前 | 確保規則與 bias check 合理 |
-| 回測結果提交前 | 確保回測設定、交易成本、偏誤檢查合理 |
-| 廣告 / 文案對外前 | 避免承諾過度與品牌風險 |
-| 部署前 | 高風險必審 |
-
-### 7.2 必須 HITL 節點
-
-| 節點 | 原因 |
-|---|---|
-| 正式環境部署前 | 高風險 |
-| 資料庫 schema 變更前 | 高風險 |
-| 廣告正式發布前 | 涉及預算與品牌 |
-| 對外正式訊息發送前 | 涉及品牌與客戶 |
-| 涉及金流 / 核心商業資料操作前 | 高風險 |
-| 涉及量化策略正式自動執行前 | 高風險 |
-
----
-
-## 8. 上線順序（量化優先版）
-
-| 階段 | 上線角色 / 模組 | 目的 |
-|---|---|---|
-| Step 1 | CEO / COO、秘書、審查員 | 跑通核心管理閉環 |
-| Step 2 | 財經情報研究員、市場結構研究員、多方研究員、空方 / 反方研究員、量化策略研究員、風控研究員、回測工程師 / Quant Engineer、資料分析員 | 跑通量化研究與回測閉環 |
-| Step 3 | 前端工程師、後端工程師、sandbox runner | 跑通工程閉環 |
-| Step 4 | 市場情報研究員、品牌策略總監、成長策略總監、市場研究分析師、投放成效分析師 | 跑通情報與策略閉環 |
-| Step 5 | 廣告文案撰寫員、影片腳本撰寫員、平面視覺設計總監、影片分鏡創意總監 | 跑通內容與創意閉環 |
-| Step 6 | scheduler、權限矩陣、Review Gate、HITL | 升級到可營運版 |

docs/agent_company_runtime_config_v2.md

@@ -1,221 +0,0 @@
-# AI Agent Company - Runtime 配置檔（Prompt / LangGraph / Scheduler）
-
-> 用途：只放 runtime 設定  
-> 內容：角色 prompt 規格、LangGraph 節點命名、scheduler / webhook / cron、第一梯隊量化優先版
-
----
-
-## 1. 角色 Prompt 共用規則
-
-### 1.1 Prompt 必備欄位
-
-| 欄位 | 說明 |
-|---|---|
-| Role | 角色名稱 |
-| Mission | 任務目標 |
-| Scope | 允許做的事 |
-| Forbidden | 禁止事項 |
-| Inputs | 預期輸入 |
-| Outputs | 預期輸出 |
-| Success Criteria | 成功標準 |
-| Failure Conditions | 失敗條件 |
-| Escalation | 何時交給 CEO / 審查員 / 董事長 |
-| Style | 輸出風格 |
-| Output Rule | 必須輸出 JSON |
-
-### 1.2 Prompt 共用結尾
-```text
-You must only operate within your assigned role boundary.
-Do not perform work outside your scope.
-If required information is missing, explicitly return the missing_fields list.
-If there is conflict, uncertainty, or high risk, escalate instead of guessing.
-Your output must follow the required JSON schema exactly.
-Do not add extra commentary outside the JSON payload.
-```
-
----
-
-## 2. 各角色 Prompt 規格（簡版）
-
-| 角色 | Mission | Forbidden | Output |
-|---|---|---|---|
-| CEO / COO | 拆任務、分派、收斂、匯報 | 不直接寫文案 / 寫程式 / 部署 | Task_Spec.json、Final_Decision_Packet.json |
-| 秘書 | 摘要、State Diff、Todo、記憶壓縮 | 不做策略決策 | Meeting_Summary.json、State_Diff.json、Todo_List.json |
-| 審查員 | pass / revise / block、風險攔截 | 不重寫全部內容 | Review_Report.json |
-| 財經情報研究員 | 財經 / 總經 / 盤前盤後資訊整理 | 不下交易結論 | Finance_Research_Brief.json |
-| 市場結構研究員 | 結構、流動性、MSS、POI 分析 | 不下最終交易結論 | Market_Structure_Report.json |
-| 多方研究員 | 建立支持交易論點 | 不直接拍板 | Bullish_Research_Report.json |
-| 空方 / 反方研究員 | 建立反對交易論點 | 不直接拍板 | Bearish_Research_Report.json |
-| 量化策略研究員 | 收斂成正式規則 | 不寫正式程式碼 | Quant_Strategy_Spec.json |
-| 風控研究員 | 風控框架、bias check、position sizing | 不發明策略方向 | Risk_Control_Spec.json |
-| 回測工程師 / Quant Engineer | 把規則轉成 Pine / Python 回測 | 不自行改策略方向 | Backtest_Delivery.json |
-| 資料分析員 | KPI、回測分析、洞察 | 不自行定策略方向 | Data_Analysis_Report.json |
-| 品牌策略總監 | USP、受眾、品牌敘事 | 不直接寫最終文案 | Brand_Strategy_Plan.json |
-| 成長策略總監 | Campaign、funnel、轉換策略 | 不寫底層 SQL | Growth_Strategy_Plan.json |
-| 市場研究分析師 | 市場變化與競品分析 | 不盯每日 KPI | Market_Analysis_Report.json |
-| 投放成效分析師 | CTR / CVR / CPL / ROAS 診斷 | 不做品牌定位 | Ads_Performance_Report.json |
-| 廣告文案撰寫員 | 廣告文案、Hook、CTA | 不改整體策略 | Copywriting_Pack.json |
-| 影片腳本撰寫員 | 影片腳本、旁白、節奏 | 不做平面廣告文案 | Video_Script_Pack.json |
-| 平面視覺設計總監 | 平面 brief、素材 QA | 不負責影片分鏡 | Static_Creative_Brief.json |
-| 影片分鏡創意總監 | 分鏡 brief、影片視覺 QA | 不負責平面素材 | Storyboard_Brief.json |
-| 前端工程師 | 前端頁面、UI、埋點 | 不定商業策略 | Frontend_Delivery.json |
-| 後端工程師 | API、DB、Directus、自動化 | 不寫廣告文案 | Backend_Delivery.json |
-
----
-
-## 3. LangGraph 節點命名
-
-### 3.1 命名規則
-
-| 規則 | 說明 |
-|---|---|
-| 小寫 snake_case | 統一命名 |
-| `role_*` | 角色節點 |
-| `sys_*` | 系統節點 |
-| `gate_*` | 審核節點 |
-| `hitl_*` | 人工中斷節點 |
-
-### 3.2 節點表
-
-| 類型 | 節點名稱 | 用途 |
-|---|---|---|
-| 系統 | `sys_receive_request` | 接收董事長需求 |
-| 角色 | `role_ceo_dispatch` | CEO 拆任務 |
-| 角色 | `role_secretary_summarize` | 秘書摘要與 state diff |
-| 角色 | `role_reviewer_audit` | 審查員審核 |
-| 系統 | `sys_prepare_final_packet` | 組裝決策包 |
-| HITL | `hitl_chairman_decision` | 董事長決策 |
-| 角色 | `role_finance_research` | 財經情報研究員 |
-| 角色 | `role_market_research` | 市場情報研究員 |
-| 角色 | `role_market_structure` | 市場結構研究員 |
-| 角色 | `role_bullish_case` | 多方研究員 |
-| 角色 | `role_bearish_case` | 空方 / 反方研究員 |
-| 角色 | `role_quant_strategy` | 量化策略研究員 |
-| 角色 | `role_risk_control` | 風控研究員 |
-| 角色 | `role_quant_backtest` | 回測工程師 / Quant Engineer |
-| 角色 | `role_data_analysis` | 資料分析員 |
-| 角色 | `role_brand_strategy` | 品牌策略總監 |
-| 角色 | `role_growth_strategy` | 成長策略總監 |
-| 角色 | `role_market_analysis` | 市場研究分析師 |
-| 角色 | `role_ads_analysis` | 投放成效分析師 |
-| 角色 | `role_ad_copywriting` | 廣告文案撰寫員 |
-| 角色 | `role_video_script` | 影片腳本撰寫員 |
-| 角色 | `role_static_creative` | 平面視覺設計總監 |
-| 角色 | `role_storyboard_creative` | 影片分鏡創意總監 |
-| 角色 | `role_frontend_build` | 前端工程師 |
-| 角色 | `role_backend_build` | 後端工程師 |
-| 系統 | `sys_run_sandbox_tests` | sandbox 驗證 |
-| gate | `gate_quant_review` | 量化策略與回測前審核 |
-| gate | `gate_engineering_review` | 工程交付前審核 |
-| gate | `gate_content_review` | 對外文案與素材前審核 |
-| HITL | `hitl_db_schema_approval` | 正式 DB schema 變更前批准 |
-| HITL | `hitl_production_deploy_approval` | 正式部署前批准 |
-| HITL | `hitl_quant_execution_approval` | 量化策略正式自動執行前批准 |
-
----
-
-## 4. 量化優先主流程
-
-| 順序 | 節點 |
-|---:|---|
-| 1 | `sys_receive_request` |
-| 2 | `role_ceo_dispatch` |
-| 3 | `role_finance_research` |
-| 4 | `role_market_structure` |
-| 5 | `role_bullish_case` |
-| 6 | `role_bearish_case` |
-| 7 | `role_quant_strategy` |
-| 8 | `role_risk_control` |
-| 9 | `role_quant_backtest` |
-| 10 | `role_data_analysis` |
-| 11 | `role_secretary_summarize` |
-| 12 | `gate_quant_review` |
-| 13 | `sys_prepare_final_packet` |
-| 14 | `hitl_chairman_decision` |
-
----
-
-## 5. scheduler / webhook / cron 對照表
-
-### 5.1 cron 任務
-
-| 任務名稱 | 類型 | 建議排程 | 觸發節點 |
-|---|---|---|---|
-| finance_morning_scan | cron | 每日 07:30 | `role_finance_research` |
-| finance_evening_scan | cron | 每日 18:30 | `role_finance_research` |
-| market_daily_scan | cron | 每日 10:00 | `role_market_research` |
-| ads_daily_check | cron | 每日 09:30 | `role_ads_analysis` |
-| data_daily_summary | cron | 每日 20:00 | `role_data_analysis` |
-| market_weekly_review | cron | 每週一 09:00 | `role_market_analysis` |
-| data_weekly_report | cron | 每週一 10:00 | `role_data_analysis` |
-| secretary_daily_compact | cron | 每日 23:00 | `role_secretary_summarize` |
-
-### 5.2 webhook 任務
-
-| 任務名稱 | webhook 來源 | 觸發節點 |
-|---|---|---|
-| chairman_new_request | 董事長輸入 / UI 表單 | `sys_receive_request` |
-| campaign_metrics_updated | 廣告平台資料同步 | `role_ads_analysis` |
-| backtest_finished | 回測服務完成 | `role_data_analysis` |
-| market_data_ready | 市場資料服務完成 | `role_market_structure` |
-| frontend_review_failed | sandbox / review 回報 | `role_frontend_build` |
-| backend_review_failed | sandbox / review 回報 | `role_backend_build` |
-| final_packet_ready | 系統收斂完成 | `hitl_chairman_decision` |
-
-### 5.3 內部事件觸發
-
-| 上一節點完成後 | 自動觸發下一節點 |
-|---|---|
-| `role_ceo_dispatch` | `role_finance_research` 或其他專才 |
-| `role_finance_research` | `role_market_structure` |
-| `role_market_structure` | `role_bullish_case`、`role_bearish_case` |
-| `role_bullish_case` + `role_bearish_case` | `role_quant_strategy` |
-| `role_quant_strategy` | `role_risk_control` |
-| `role_risk_control` | `role_quant_backtest` |
-| `role_quant_backtest` | `role_data_analysis` |
-| `role_data_analysis` | `role_secretary_summarize` |
-| `role_secretary_summarize` | `role_reviewer_audit` |
-| `role_reviewer_audit` verdict=revise | 回退到被點名角色 |
-| `role_reviewer_audit` verdict=pass | `sys_prepare_final_packet` |
-| `sys_prepare_final_packet` | `hitl_chairman_decision` |
-
-### 5.4 HITL 節點表
-
-| 節點 | 人工角色 | 說明 |
-|---|---|---|
-| `hitl_chairman_decision` | 董事長 | 最終提案批准 / 拒絕 / 修改 |
-| `hitl_db_schema_approval` | 董事長 | 正式 DB schema 變更前批准 |
-| `hitl_production_deploy_approval` | 董事長 | 正式部署前批准 |
-| `hitl_campaign_launch_approval` | 董事長 | 廣告正式發布前批准 |
-| `hitl_external_message_approval` | 董事長 | 對外正式訊息前批准 |
-| `hitl_quant_execution_approval` | 董事長 | 量化策略正式自動執行前批准 |
-
----
-
-## 6. 第一梯隊量化優先版
-
-| 梯隊 | 角色 |
-|---|---|
-| 第一梯隊 | CEO / COO、秘書、審查員、財經情報研究員、市場結構研究員、多方研究員、空方 / 反方研究員、量化策略研究員、風控研究員、回測工程師 / Quant Engineer、資料分析員 |
-| 第二梯隊 | 前端工程師、後端工程師 |
-| 第三梯隊 | 市場情報研究員、品牌策略總監、成長策略總監、市場研究分析師、投放成效分析師 |
-| 第四梯隊 | 廣告文案撰寫員、影片腳本撰寫員、平面視覺設計總監、影片分鏡創意總監 |
-
-### 第一梯隊最小可跑閉環
-
-| 階段 | 節點 |
-|---|---|
-| 1 | 董事長提出量化任務 |
-| 2 | CEO 拆成量化 Task_Spec |
-| 3 | 財經情報研究員收集資料 |
-| 4 | 市場結構研究員做結構分析 |
-| 5 | 多方研究員提出支持論點 |
-| 6 | 空方 / 反方研究員提出反對論點 |
-| 7 | 量化策略研究員形成正式規則 |
-| 8 | 風控研究員補齊風控與 bias check |
-| 9 | 回測工程師將規則落地為 Pine / Python 回測 |
-| 10 | 資料分析員接回測結果做分析 |
-| 11 | 秘書輸出 Summary / State Diff / Todo |
-| 12 | 審查員做量化 Review |
-| 13 | CEO 組 Final_Decision_Packet |
-| 14 | 董事長批准或退回 |

docs/agent_company_schema_templates_v2.md

@@ -1,513 +0,0 @@
-# AI Agent Company - Schema 模板檔（JSON 規格專用）
-
-> 用途：只放 JSON schema template  
-> 原則：只保留格式，不放假資料
-
----
-
-## 1. 共用欄位
-
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "<string>",
-  "timestamp": "<ISO-8601 string>",
-  "status": "<pending|running|pass|revise|block|done|cancelled>",
-  "input_version": "<string>"
-}
-```
-
----
-
-## 2. 核心管理層
-
-### Chairman_Request_Packet.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "chairman",
-  "timestamp": "<ISO-8601 string>",
-  "status": "pending",
-  "input_version": "<string>",
-  "request": "<string>",
-  "constraints": ["<string>"],
-  "priority": "<low|medium|high>",
-  "attachments": ["<string>"]
-}
-```
-
-### Task_Spec.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "ceo_coo",
-  "timestamp": "<ISO-8601 string>",
-  "status": "<pending|running|done>",
-  "input_version": "<string>",
-  "goal": "<string>",
-  "success_criteria": ["<string>"],
-  "routes": [
-    {
-      "role": "<string>",
-      "subtask": "<string>",
-      "required_output": "<string>"
-    }
-  ],
-  "priority": "<low|medium|high>",
-  "notes": ["<string>"]
-}
-```
-
-### Meeting_Summary.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "secretary",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "topic": "<string>",
-  "participants": ["<string>"],
-  "key_points": ["<string>"],
-  "decision": "<string>",
-  "unresolved": ["<string>"]
-}
-```
-
-### State_Diff.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "secretary",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "added": ["<string>"],
-  "changed": ["<string>"],
-  "removed": ["<string>"]
-}
-```
-
-### Todo_List.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "secretary",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "items": [
-    {
-      "owner": "<string>",
-      "task": "<string>",
-      "deadline": "<ISO-8601 string>"
-    }
-  ]
-}
-```
-
-### Review_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "reviewer",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "verdict": "<pass|revise|block>",
-  "issues": [
-    {
-      "severity": "<low|medium|high>",
-      "category": "<string>",
-      "evidence": "<string>",
-      "required_fix": "<string>"
-    }
-  ],
-  "notes": "<string>"
-}
-```
-
-### Final_Decision_Packet.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "ceo_coo",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "summary": "<string>",
-  "options": [
-    {
-      "name": "<string>",
-      "description": "<string>",
-      "pros": ["<string>"],
-      "cons": ["<string>"],
-      "risk_level": "<low|medium|high>"
-    }
-  ],
-  "recommended_option": "<string>",
-  "review_verdict": "<pass|revise|block>",
-  "decision_needed": ["<string>"]
-}
-```
-
----
-
-## 3. 情報與量化線
-
-### Finance_Research_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "finance_intelligence_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "sources": [
-    {
-      "title": "<string>",
-      "url": "<string>",
-      "canonical_url": "<string>",
-      "published_at": "<ISO-8601 string>",
-      "source_type": "<news|blog|forum|official>",
-      "summary": "<string>",
-      "confidence": "<number>",
-      "freshness_bucket": "<string>",
-      "dedupe_key": "<string>"
-    }
-  ],
-  "conflicts": ["<string>"],
-  "takeaways": ["<string>"]
-}
-```
-
-### Market_Research_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "market_intelligence_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "sources": [
-    {
-      "title": "<string>",
-      "url": "<string>",
-      "canonical_url": "<string>",
-      "published_at": "<ISO-8601 string>",
-      "source_type": "<news|blog|forum|official>",
-      "summary": "<string>",
-      "confidence": "<number>",
-      "freshness_bucket": "<string>",
-      "dedupe_key": "<string>"
-    }
-  ],
-  "pain_points": ["<string>"],
-  "competitor_patterns": ["<string>"],
-  "conflicts": ["<string>"],
-  "takeaways": ["<string>"]
-}
-```
-
-### Market_Structure_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "market_structure_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "timeframes_used": ["<string>"],
-  "structure_summary": ["<string>"],
-  "liquidity_zones": ["<string>"],
-  "poi_candidates": ["<string>"],
-  "mss_signals": ["<string>"],
-  "notes": ["<string>"]
-}
-```
-
-### Bullish_Research_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "bullish_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "bull_case": ["<string>"],
-  "supporting_evidence": ["<string>"],
-  "expected_edge": ["<string>"],
-  "invalidations": ["<string>"]
-}
-```
-
-### Bearish_Research_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "bearish_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "bear_case": ["<string>"],
-  "supporting_evidence": ["<string>"],
-  "risk_warnings": ["<string>"],
-  "trade_rejection_reasons": ["<string>"]
-}
-```
-
-### Quant_Strategy_Spec.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "quant_strategy_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "strategy_hypothesis": ["<string>"],
-  "entry_rules": ["<string>"],
-  "exit_rules": ["<string>"],
-  "risk_rules": ["<string>"],
-  "bias_checks": ["<string>"]
-}
-```
-
-### Risk_Control_Spec.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "risk_control_researcher",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "position_sizing": ["<string>"],
-  "stop_rules": ["<string>"],
-  "take_profit_rules": ["<string>"],
-  "bias_checks": ["<string>"]
-}
-```
-
-### Backtest_Delivery.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "quant_engineer",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "implementation_type": "<pine|python|both>",
-  "rules_implemented": ["<string>"],
-  "data_used": ["<string>"],
-  "assumptions": ["<string>"],
-  "artifacts": ["<string>"],
-  "handoff_notes": ["<string>"]
-}
-```
-
-### Data_Analysis_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "data_analyst",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "kpi_summary": ["<string>"],
-  "ab_test_results": ["<string>"],
-  "insights": ["<string>"],
-  "recommendations": ["<string>"]
-}
-```
-
----
-
-## 4. 行銷與創意層
-
-### Brand_Strategy_Plan.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "brand_strategy_director",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "usp": ["<string>"],
-  "target_audience": ["<string>"],
-  "core_messages": ["<string>"],
-  "brand_story": ["<string>"]
-}
-```
-
-### Growth_Strategy_Plan.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "growth_strategy_director",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "campaign_direction": ["<string>"],
-  "funnel_plan": ["<string>"],
-  "conversion_strategy": ["<string>"],
-  "test_plan": ["<string>"]
-}
-```
-
-### Market_Analysis_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "market_research_analyst",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "market_summary": ["<string>"],
-  "trend_signals": ["<string>"],
-  "recommendations": ["<string>"]
-}
-```
-
-### Ads_Performance_Report.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "ads_performance_analyst",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "performance_summary": ["<string>"],
-  "diagnosis": ["<string>"],
-  "optimization_suggestions": ["<string>"],
-  "alerts": ["<string>"]
-}
-```
-
-### Copywriting_Pack.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "ad_copywriter",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "hooks": ["<string>"],
-  "bodies": ["<string>"],
-  "ctas": ["<string>"]
-}
-```
-
-### Video_Script_Pack.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "video_script_writer",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "opening_hook": "<string>",
-  "sections": [
-    {
-      "scene": "<number>",
-      "message": "<string>",
-      "duration_seconds": "<number>"
-    }
-  ],
-  "ending_cta": "<string>"
-}
-```
-
-### Static_Creative_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "static_visual_design_director",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "visual_direction": ["<string>"],
-  "must_include": ["<string>"],
-  "asset_specs": ["<string>"],
-  "qa_notes": ["<string>"]
-}
-```
-
-### Storyboard_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "storyboard_creative_director",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "shots": [
-    {
-      "scene": "<number>",
-      "visual": "<string>",
-      "motion": "<string>",
-      "caption": "<string>"
-    }
-  ],
-  "style_notes": ["<string>"]
-}
-```
-
----
-
-## 5. 工程層
-
-### Frontend_Delivery.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "frontend_engineer",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "components_built": ["<string>"],
-  "tracking_added": ["<string>"],
-  "ui_changes": ["<string>"],
-  "handoff_notes": ["<string>"]
-}
-```
-
-### Backend_Delivery.json
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "role": "backend_engineer",
-  "timestamp": "<ISO-8601 string>",
-  "status": "done",
-  "input_version": "<string>",
-  "apis_built": ["<string>"],
-  "schema_changes": ["<string>"],
-  "automations_added": ["<string>"],
-  "handoff_notes": ["<string>"]
-}
-```

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 |

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。

docs/paperclip_agent_skills_review_2026-04-11.md

@@ -0,0 +1,430 @@
+# KingClawArmy - Agent / Skills Review（dev）
+
+> 日期：2026-04-11
+> 審查對象：`origin/dev`
+> 初次審查 commit：`ced587c`
+> 第二輪追蹤 commit：`ee06e6d`
+> 第三輪追蹤 commit：`e894446`
+> 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
+
+目前只剩 1 個實質問題，且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
+```
+
+第二輪追蹤後，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
+
+第三輪追蹤後，我再次驗證：
+
+```bash
+paperclipai company import <repo> --dry-run --json
+```
+
+結果依然是：
+
+1. `warnings: []`
+2. `errors: []`
+
+但 `envInputs` / `manifest.envInputs` 仍然都是空陣列，表示環境輸入需求尚未真正進到 portability manifest。
+
+---
+
+## 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**
+
+第二輪追蹤後，`.paperclip.yaml` 已把 env input 從頂層移到 project extension 下，但目前寫法仍然沒有被 importer 吃到。
+
+目前結構是：
+
+```yaml
+projects:
+  daily-quant-pipeline:
+    inputs:
+      env:
+        - name: FRED_API_KEY
+        - name: FUGLE_API_KEY
+        - name: ALPACA_API_KEY
+        - name: ALPACA_API_SECRET
+        - name: FMP_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，這些需求仍然沒有真的進到 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，但它預期的是「以 env var 名稱為 key 的 object」，不是目前這種 list 寫法。
+
+**建議修法**
+
+1. 依 Paperclip 目前支援的結構，把 `inputs.env` 改成 object 形式
+2. 若暫時不改，也要在文檔明確標示「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。
+
+建議格式：
+
+```yaml
+projects:
+  daily-quant-pipeline:
+    inputs:
+      env:
+        FRED_API_KEY:
+          description: FRED API key
+          kind: secret
+          requirement: optional
+        FUGLE_API_KEY:
+          description: Fugle MarketData API key
+          kind: secret
+          requirement: optional
+```
+
+---
+
+---
+
+## 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：**
+
+已修正。
+
+目前已新增：
+
+1. `.mcp.json`
+2. runtime 狀態文件
+3. `Alpaca` / `FMP` 等 MCP 依賴聲明
+4. `optional / needs-key / local-runtime` 的狀態說明
+
+目前剩下的唯一缺口已收斂為 P7：`envInputs` 寫法尚未真正進 manifest。
+
+**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. 把 `.paperclip.yaml` 的 `inputs.env` 改成 Paperclip importer 會讀到的 object 結構
+2. 重新跑 `paperclipai company import --dry-run --json`
+3. 確認 `envInputs` / `manifest.envInputs` 不再為空
+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. `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 綁定與 runtime 規劃問題修乾淨了；目前只剩 `envInputs` 的 YAML 結構尚未符合 importer 預期，屬於最後一個 portability 細節問題。

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。

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。

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 |

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"
+}
+```

docs/skills-inventory.md

@@ -0,0 +1,204 @@
+# Skills 全庫調查報告
+
+> 調查日期：2026-04-10
+> 調查範圍：tradermonty/claude-trading-skills、OctagonAI/skills、ginlix-ai/langalpha、anthropics/skills 及其他發現的 Repo
+
+---
+
+## 一、tradermonty/claude-trading-skills（51 個技能）
+
+> Repo：https://github.com/tradermonty/claude-trading-skills
+> 定位：量化/技術交易導向，覆蓋市場分析、策略研究、選股、回測、風控
+> 資料源：FMP API、FINVIZ、Yahoo Finance（主要為美股，但技術方法論可應用於任何市場）
+
+### 市場分析與研究（11）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `technical-analyst` | 技術分析師 | 週線技術分析（趨勢、支撐壓力、均線、成交量、型態、情境預測） | ~300 |
+| `breadth-chart-analyst` | 廣度圖表分析師 | 分析 S&P 500 廣度指數（200日均線）與漲勢比例圖表 | ~1200 |
+| `sector-analyst` | 板塊輪動分析師 | 從 CSV 數據分析板塊輪動模式與市場週期定位 | ~365 |
+| `market-news-analyst` | 市場新聞分析師 | 過去 10 天重大新聞影響分析（FOMC/ECB/BOJ、財報、地緣政治） | ~1200 |
+| `us-stock-analysis` | 美股個股分析 | 完整股權研究：基本面（指標、品質、估值）+ 技術面 + 同業比較 | ~410 |
+| `market-environment-analysis` | 總體市場環境分析 | 全球宏觀簡報：美股/歐股/亞股/台股、外匯、商品、殖利率、經濟指標 | ~245 |
+| `market-breadth-analyzer` | 市場廣度分析器 | 六成分 0-100 廣度綜合評分（廣度水平、交叉、週期、空頭信號、百分位、背離） | ~350 |
+| `uptrend-analyzer` | 漲勢分析器 | 五成分 0-100 綜合評分（廣度30%、板塊參與25%、動量20%、輪動15%、歷史10%） | ~380 |
+| `macro-regime-detector` | 總經環境偵測器 | 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），分類至5種環境 | ~300 |
+| `institutional-flow-tracker` | 法人資金流向追蹤器 | 追蹤 13F 申報，偵測對沖基金/共同基金的累積與分發模式 | ~850 |
+| `theme-detector` | 市場主題偵測器 | 偵測趨勢市場主題，含熱度/生命週期/信心評分 | ~650 |
+
+### 經濟與財報行事曆（2）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `economic-calendar-fetcher` | 經濟行事曆擷取器 | 透過 FMP API 擷取未來 7-90 天經濟事件（央行、就業、通膨、GDP） | ~650 |
+| `earnings-calendar` | 財報行事曆 | 透過 FMP API 擷取即將發布的美股財報，按日期與時間排列 | ~1050 |
+
+### 策略與風險管理（10）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `backtest-expert` | 回測專家 | 專業策略驗證：假設、規則編碼、壓力測試、前進測試、評估（「破壞策略」哲學） | ~450 |
+| `scenario-analyzer` | 情境分析引擎 | 從新聞標題產出 18 個月情境預測（基準/樂觀/悲觀），含板塊影響矩陣 | ~450 |
+| `position-sizer` | 部位規模計算器 | 固定分數法、ATR 法、凱利公式，含投資組合限制（最大部位%、最大板塊%） | ~350 |
+| `exposure-coach` | 曝險管理教練 | 整合 8 個上游技能輸出，產出統一曝險上限（0-100%）與 NEW_ENTRY/REDUCE/CASH 建議 | ~350 |
+| `options-strategy-advisor` | 選擇權策略顧問 | Black-Scholes 定價、Greeks、17+ 策略的損益模擬（價差、禿鷹、財報策略） | ~1200 |
+| `portfolio-manager` | 投資組合管理員 | 透過 Alpaca MCP 分析投資組合：配置、風險指標、再平衡、稅損採收、股息分析 | ~1100 |
+| `stanley-druckenmiller-investment` | Druckenmiller 策略合成器 | 整合 8 個上游技能，產出信心評分（0-100）與配置建議 | ~280 |
+| `us-market-bubble-detector` | 美股泡沫偵測器 v2.1 | Minsky/Kindleberger 框架：Put/Call、VIX、融資餘額、廣度、IPO，機械化評分 | ~950 |
+| `strategy-pivot-designer` | 策略轉向設計師 | 偵測回測停滯/局部最優，提出結構性不同的策略轉向方案 | ~165 |
+| `trade-hypothesis-ideator` | 交易假設發想器 | 產出 1-5 個可偽證的假設卡，含實驗設計、否定條件、可選的 strategy.yaml 匯出 | ~62 |
+
+### 市場時機與頂底偵測（3）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `market-top-detector` | 市場頂部偵測器 | 六成分 0-100 綜合評分（出貨日25%、領先股健康20%、防禦輪動15%、廣度背離15%、技術15%、情緒10%） | ~480 |
+| `downtrend-duration-analyzer` | 下跌持續時間分析器 | 按板塊與市值分類的歷史下跌持續時間分析（含互動式 HTML 直方圖） | ~290 |
+| `ftd-detector` | 跟進日偵測器 | 市場底部確認的跟進日（FTD）偵測；雙指數（SPX + NASDAQ）狀態機 | ~280 |
+
+### Edge 研究流程（8）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `edge-candidate-agent` | Edge 候選代理人 | 將每日觀察轉為可重現的研究票據（Trade-Strategy Pipeline Phase I） | ~280 |
+| `edge-hint-extractor` | Edge 線索提取器 | 從每日觀察/新聞提取 Edge 線索，輸出 hints.yaml | ~75 |
+| `edge-concept-synthesizer` | Edge 概念合成器 | 將票據證據聚類為可重用的 Edge 概念，含論點、否定條件、策略手冊 | ~70 |
+| `edge-strategy-designer` | Edge 策略設計師 | 將概念轉為策略草稿：3 個變體（保守/均衡/積極），含校準出場 | ~150 |
+| `edge-strategy-reviewer` | Edge 策略審查工具 | 品質關卡：8 個加權標準（合理性、過擬合風險、樣本量、執行現實性）→ PASS/REVISE/FAIL | ~260 |
+| `edge-pipeline-orchestrator` | Edge 流程協調器 | 端到端流程：候選→線索→概念→策略→審查，含反饋迴路；支援斷點續跑 | ~280 |
+| `edge-signal-aggregator` | 優勢訊號整合器 | 聚合多個 Edge 技能輸出，加權評分、去重、矛盾標記 | ~500 |
+| `signal-postmortem` | 訊號事後分析 | 記錄訊號結果（TP/FP/漏失/環境不符）於 5/20 天；產出聚合器的權重調整反饋 | ~400 |
+
+### 財報動量（2）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `earnings-trade-analyzer` | 財報交易分析器 | 五因子 0-100 評分（跳空、趨勢、成交量、MA200、MA50），A/B/C/D 分級 | ~145 |
+| `pead-screener` | PEAD 篩選器 | 財報後公告漂移（PEAD）：篩選跳空上漲、偵測紅燈回調與突破信號 | ~145 |
+
+### 選股與篩選（9）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `vcp-screener` | VCP 篩選器 | Minervini 的波動收縮型態（VCP），在第 2 階段上升趨勢中偵測 | ~280 |
+| `canslim-screener` | CANSLIM 選股篩選器 | O'Neil 七成分成長方法論（C-A-N-S-L-I-M），加權評分 | ~1200 |
+| `finviz-screener` | FinViz 篩選器 | 自然語言轉 FinViz 篩選代碼；6 種策略範本；支援中英文輸入 | ~650 |
+| `pair-trade-screener` | 配對交易篩選器 | 統計套利：共整合偵測、利差 Z 值、市場中性策略的進出場建議 | ~1100 |
+| `value-dividend-screener` | 價值股股息篩選器 | 兩階段篩選（FINVIZ 預篩 + FMP 深度分析）：P/E<20、P/B<2、殖利率3%+、3年成長一致性 | ~1200 |
+| `dividend-growth-pullback-screener` | 股息成長回調篩選器 | 尋找年化股息成長12%+、殖利率1.5%+，在 RSI≤40 回調位置進場 | ~450 |
+| `kanchi-dividend-sop` | Kanchi 股息 SOP | 日本「勘智流」股息投資法，適配美股；PERxPBR、限價單、一頁備忘錄 | ~285 |
+| `kanchi-dividend-review-monitor` | Kanchi 股息審查監控器 | 強制審查異常偵測（T1-T5 觸發器）→ OK/WARN/REVIEW 狀態 | ~185 |
+| `kanchi-dividend-us-tax-accounting` | Kanchi 美股股息稅務會計 | 合格股息 vs 普通股息、1099-DIV、REIT/BDC 處理、帳戶配置優化 | ~215 |
+
+### 持久狀態與記憶（1）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `trader-memory-core` | 交易員記憶核心 | 持久論點生命週期：IDEA→ENTRY_READY→ACTIVE→CLOSED，含 P&L、MAE/MFE、事後分析。從所有篩選器接收輸入。 | ~2500 |
+
+### 資料品質（1）
+
+| Skill Slug | 中文名稱 | 描述 | 行數 |
+|---|---|---|---|
+| `data-quality-checker` | 資料品質檢查器 | 驗證金融數據：價格刻度、工具符號、日期、配置、單位 | ~380 |
+
+---
+
+## 二、OctagonAI/skills（66 個技能）
+
+> Repo：https://github.com/OctagonAI/skills
+> 定位：機構級美股研究，覆蓋財務報表、財報電話、SEC 申報、市場數據
+> ⚠️ 注意：所有技能均需要 **Octagon MCP Server**（付費服務），透過 `octagon-agent` 工具呼叫
+
+### 財務指標分析（17）
+`financial-analyst-master`、`income-statement`、`balance-sheet`、`cash-flow-statement`、`financial-metrics-analysis`、`income-statement-growth`、`balance-sheet-growth`、`cash-flow-growth`、`financial-growth`、`revenue-product-segmentation`、`revenue-geographic-segmentation`、`analyst-estimates`、`financial-health-scores`、`historical-financial-ratings`、`ratings-snapshot`、`esg-ratings`、`esg-benchmark-comparison`
+
+### 財報電話分析（14）
+`earnings-analyst-master`、`earnings-call-insights`、`earnings-call-analysis`、`earnings-mgmt-comments`、`earnings-qa-analysis`、`earnings-financial-guidance`、`earnings-analyst-questions`、`earnings-conf-call-sentiment`、`earnings-revenue-guidance`、`earnings-competitive-review`、`earnings-capital-allocation`、`earnings-market-expansion`、`earnings-cost-mgmt`、`earnings-product-pipeline`
+
+### SEC 申報分析（16）
+`sec-analyst-master`、`sec-10k-analysis`、`sec-10q-analysis`、`sec-risk-factors`、`sec-mda-analysis`、`sec-8k-analysis`、`sec-proxy-analysis`、`sec-business-desc-analysis`、`sec-footnotes-analysis`、`sec-s1-analysis`、`sec-amendments-review`、`sec-annual-comparison`、`sec-segment-reporting`、`sec-cash-flow-review`、`sec-corp-governance`、`sec-debt-covenant`
+
+### 股票表現與市場數據（18）
+`market-analyst-master`、`stock-performance`、`stock-quote`、`batch-market-cap`、`company-market-cap`、`price-target-summary`、`price-target-consensus`、`stock-grades`、`sector-pe-ratios`、`industry-pe-ratios`、`sector-performance-snapshot`、`industry-performance-snapshot`、`historical-market-cap`、`stock-historical-index`、`stock-price-change`、`commodities-list`、`commodities-quote`、`forex-list`
+
+### 預測市場（1）
+`prediction-markets-analysis`
+
+---
+
+## 三、ginlix-ai/langalpha（26 個技能）
+
+> Repo：https://github.com/ginlix-ai/langalpha
+> 定位：投資研究工作流程自動化（估值模型、股票研究報告、盤前/盤後）
+
+| Skill Slug | 中文名稱 | 分類 |
+|---|---|---|
+| `dcf-model` | DCF 估值模型 | 估值建模 |
+| `comps-analysis` | 可比公司分析 | 估值建模 |
+| `3-statements` | 三表財務建模 | 估值建模 |
+| `model-update` | 模型更新 | 估值建模 |
+| `check-model` | 模型審查 | 估值建模 |
+| `initiating-coverage` | 啟動追蹤報告 | 股票研究（30-50頁） |
+| `earnings-preview` | 財報預覽 | 股票研究 |
+| `earnings-analysis` | 財報分析 | 股票研究 |
+| `thesis-tracker` | 投資論點追蹤器 | 股票研究 |
+| `morning-note` | 盤前晨報 | 市場情報（含視覺化） |
+| `catalyst-calendar` | 催化劑行事曆 | 市場情報 |
+| `sector-overview` | 板塊概況 | 市場情報 |
+| `competitive-analysis` | 競爭分析 | 市場情報 |
+| `idea-generation` | 投資想法生成 | 市場情報 |
+| `pdf` | PDF 生成 | 文件生成 |
+| `docx` | Word 文件生成 | 文件生成 |
+| `pptx` | PowerPoint 生成 | 文件生成 |
+| `xlsx` | Excel 工作簿生成 | 文件生成 |
+| `check-deck` | 簡報品質檢查 | 作業 |
+| `automation` | 自動化設定 | 作業 |
+| `user-profile` | 用戶設定檔 | 作業 |
+| `inline-widget` | 內嵌互動視覺化 | 視覺化 |
+| `interactive-dashboard` | 互動式儀表板 | 視覺化 |
+| `onboarding` | 入門引導 | 設定 |
+| `self-improve` | 技能自我改進 | Meta |
+| `web-scraping` | 網頁爬蟲 | 數據 |
+
+---
+
+## 四、anthropics/skills（17 個技能）
+
+> Repo：https://github.com/anthropics/skills
+> 定位：Anthropic 官方技能，主要為生產力工具
+
+| Skill Slug | 中文名稱 | 行數 | 交易團隊相關性 |
+|---|---|---|---|
+| `claude-api` | Claude API 整合 | ~500+ | 中（建構自定義代理用） |
+| `doc-coauthoring` | 文件共同創作 | ~400 | 高（秘書/報告起草） |
+| `docx` | Word 文件處理 | ~300 | 中 |
+| `frontend-design` | 前端設計 | ~200 | 低 |
+| `internal-comms` | 內部溝通 | ~30 | 高（狀態更新、會議摘要） |
+| `mcp-builder` | MCP Server 建構 | ~400 | 中（建置自定義 MCP） |
+| `pdf` | PDF 處理 | ~300 | 中 |
+| `pptx` | PowerPoint 處理 | ~350 | 中 |
+| `skill-creator` | 技能創建工具 | ~800+ | 高（建立自定義技能） |
+| `webapp-testing` | Web App 測試 | ~150 | 中（審查員測試工具） |
+| `xlsx` | Excel 試算表 | ~300 | **高**（金融建模色碼標準） |
+| `algorithmic-art` | 演算法藝術 | ~200 | 無 |
+| `brand-guidelines` | 品牌規範 | ~80 | 低 |
+| `canvas-design` | 畫布設計 | ~150 | 低 |
+| `slack-gif-creator` | Slack GIF 創建 | ~150 | 無 |
+| `theme-factory` | 主題工廠 | ~100 | 低 |
+| `web-artifacts-builder` | Web 組件建構 | ~200 | 低 |
+
+> ⚠️ 備注：`para-memory-files` 在 anthropics/skills **不存在**。持久記憶功能請改用 `trader-memory-core`（tradermonty）或 Claude Code 內建的 Agent Memory（~/.claude/agent-memory/）。
+
+---
+
+## 五、其他發現的 Repo
+
+| Repo | 規模 | 定位 |
+|---|---|---|
+| alirezarezvani/claude-skills | 220+ 技能 | 通用（含金融分析） |
+| JoelLewis/finance_skills | 81 技能 | 投資管理、合規、VaR、DCF、均值-方差優化 |
+| anthropics/financial-services-plugins | 多個 plugin | Anthropic 官方金融服務插件 |
+| himself65/finance-skills | 多個 | 金融分析與交易技能 |
+| quant-sentiment-ai/claude-equity-research | 1 plugin | 機構級股票研究（買賣建議、基本面、技術指標、風險評估） |

docs/spec_v3_collaboration.md

@@ -1,203 +0,0 @@
-# KingClawArmy - 第四部分：協作模式
-
----
-
-## 4.1 三種協作模式
-
-| 模式 | 實現方式 | 適用場景 |
-|---|---|---|
-| **Orchestrator（協調者）** | Paperclip 任務系統 | 大部分日常任務 |
-| **Peer-to-Peer（點對點）** | Discord Thread 討論 | 辯論、腦力激盪、跨團隊對齊 |
-| **Hierarchical（階層式）** | Paperclip Org Chart | 任務分派、升級、審批 |
-
-### 4.1.1 Orchestrator 模式（日常 80%）
-
-```
-董事長下達指令
-  ↓
-CEO/COO 拆任務 → 建立 Paperclip Issue
-  ↓
-分派給對應 agent（指定 assignee）
-  ↓
-Agent 在 heartbeat 時接到任務
-  ↓
-OpenClaw 執行任務
-  ↓
-產出 JSON → 寫回 Paperclip Issue
-  ↓
-下一個 agent 接手（或送審）
-```
-
-### 4.1.2 Peer-to-Peer 模式（討論 15%）
-
-```
-CEO 或任一 agent 發起討論
-  ↓
-建立 Discord Thread
-  ↓
-@mention 相關 agent 加入
-  ↓
-多 agent 在 thread 中來回討論（最多 10 人、2-50 輪）
-  ↓
-達成結論或主持人收斂
-  ↓
-秘書摘要 → 寫入 Mem0 + 回寫 Paperclip Issue
-```
-
-### 4.1.3 Hierarchical 模式（升級/審批 5%）
-
-```
-Agent 遇到超出權限的問題
-  ↓
-設定 Issue 狀態為 blocked + 留言說明
-  ↓
-CEO/COO 看到 → 決定：
-  ├── 轉派給其他 agent
-  ├── 發起討論
-  └── 上報董事長（HITL）
-```
-
----
-
-## 4.2 什麼時候走任務交接 vs 開會議
-
-| 情境 | 用哪種 | 理由 |
-|---|---|---|
-| 一個 agent 做完交給下一個 | 任務交接 | 線性流程，不需要討論 |
-| 需要多方觀點碰撞 | 會議 | 例如多空辯論 |
-| 審查 pass/revise 來回 | 任務交接 | 非同步 review 即可 |
-| 審查 revise 超過 3 輪 | 會議 | 非同步效率太低，需要面對面對齊 |
-| 跨團隊依賴 | 會議 | 需要共同理解 |
-| 新 campaign 啟動 | 會議 | 需要多部門對齊方向 |
-| 日常 KPI 報告 | 任務交接 | 固定格式，不需討論 |
-| 回測結果異常 | 會議 | 需要多方分析原因 |
-
----
-
-## 4.3 預定義會議類型
-
-### 4.3.1 量化研究辯論
-
-| 項目 | 內容 |
-|---|---|
-| **會議 ID** | `meeting_quant_debate` |
-| **觸發條件** | 多方/空方報告完成後，量化策略研究員覺得需要辯論 |
-| **參與者** | 多方研究員、空方研究員、量化策略研究員 |
-| **主持人** | 量化策略研究員 |
-| **前置輸入** | Finance_Research_Brief + Market_Structure_Report + 雙方初步報告 |
-| **發言規則** | LLM 動態選人，不允許連續發言 |
-| **最大輪數** | 10 |
-| **結束條件** | 出現 "CONSENSUS" 或達到最大輪數 |
-| **輸出** | Meeting_Conclusion.json → 量化策略研究員據此產出 Quant_Strategy_Spec |
-
-### 4.3.2 策略審查會議
-
-| 項目 | 內容 |
-|---|---|
-| **會議 ID** | `meeting_strategy_review` |
-| **觸發條件** | 審查員 revise 超過 3 輪，或高風險產出 |
-| **參與者** | 審查員 + 被審的 agent + CEO/COO |
-| **主持人** | CEO/COO |
-| **前置輸入** | 被審產出 + Review_Report（含 revise 歷史） |
-| **發言規則** | 輪流發言 |
-| **最大輪數** | 6 |
-| **結束條件** | 審查員判定 PASS 或 BLOCK |
-| **輸出** | Meeting_Conclusion.json + 更新後的 Review_Report |
-
-### 4.3.3 跨部門對齊會議
-
-| 項目 | 內容 |
-|---|---|
-| **會議 ID** | `meeting_cross_team_sync` |
-| **觸發條件** | CEO/COO 判斷需要跨團隊協調，或董事長要求 |
-| **參與者** | CEO/COO + 相關團隊的 lead agent |
-| **主持人** | CEO/COO |
-| **前置輸入** | 各團隊最新產出摘要 |
-| **發言規則** | LLM 動態選人 |
-| **最大輪數** | 8 |
-| **結束條件** | CEO/COO 宣布 "ALIGNED" |
-| **輸出** | Meeting_Conclusion.json + 更新的 Task_Spec |
-
-### 4.3.4 盤前研究會議（每日）
-
-| 項目 | 內容 |
-|---|---|
-| **會議 ID** | `meeting_daily_premarket` |
-| **觸發條件** | 每日定時（盤前），財經情報 + 市場結構報告完成後 |
-| **參與者** | 財經情報研究員、市場結構研究員、多方研究員、空方研究員 |
-| **主持人** | CEO/COO |
-| **前置輸入** | 當日 Finance_Research_Brief + Market_Structure_Report |
-| **發言規則** | 輪流發言 |
-| **最大輪數** | 6 |
-| **結束條件** | 各方表述完畢，CEO 摘要 |
-| **輸出** | Meeting_Conclusion.json → 決定是否進入量化策略流程 |
-
----
-
-## 4.4 會議流程標準化
-
-所有會議遵循以下流程：
-
-```
-1. 觸發
-   ├── 自動觸發（排程/事件）
-   └── 手動觸發（CEO 或董事長建立 meeting issue）
-
-2. 準備
-   ├── 蒐集前置資料（各參與者的最新產出）
-   ├── 載入會議模板（參與者、規則、最大輪數）
-   └── 在 Discord 建立 Thread
-
-3. 討論
-   ├── 主持人開場（說明議題 + 目標）
-   ├── 各 agent 依發言規則輪流發言
-   ├── 允許追問、反駁、補充
-   └── 主持人在適當時機收斂
-
-4. 結論
-   ├── 主持人宣布結論
-   ├── 秘書產出 Meeting_Summary
-   └── 結論寫入 Mem0 + Paperclip Issue
-
-5. 後續
-   ├── 根據結論建立後續任務
-   └── 分派給對應 agent
-```
-
----
-
-## 4.5 Review Gate（審查關卡）
-
-### 必審節點
-
-| 節點 | 觸發條件 | 審查者 |
-|---|---|---|
-| 量化策略提交 | Quant_Strategy_Spec 完成 | 審查員 |
-| 回測結果提交 | Backtest_Delivery 完成 | 審查員 |
-| 工程交付 | Frontend/Backend Delivery 完成 | 審查員 |
-| 文案/素材對外 | Copywriting_Pack / Creative Brief 完成 | 審查員 |
-| 跨部門整合完成 | Final_Decision_Packet 組裝完成 | 審查員 |
-
-### HITL 節點（需要你親自批准）
-
-| 節點 | 原因 |
-|---|---|
-| 正式環境部署前 | 高風險 |
-| 資料庫 schema 變更前 | 高風險 |
-| 廣告正式發布前 | 涉及預算與品牌 |
-| 對外正式訊息發送前 | 涉及品牌與客戶 |
-| 涉及金流操作前 | 高風險 |
-| 量化策略正式自動執行前 | 高風險 |
-| 月預算超額 | 成本控制 |
-
-HITL 流程：
-```
-Agent 完成任務 → 審查員 pass → 系統偵測到 HITL 節點
-  ↓
-Discord #approvals 發送通知
-  ↓
-你看到通知 → /clip approve <id> 或 /clip reject <id>
-  ↓
-approve → 繼續執行
-reject → 退回修改，附上你的意見
-```

docs/spec_v3_org_and_roles.md

@@ -1,399 +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）
-│
-├── 管理團隊 (3 agents)
-│   ├── CEO/COO
-│   ├── 秘書
-│   └── 審查員
-│
-├── 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，依需求啟用)
-    ├── 前端工程師
-    └── 後端工程師
-```
-
-**總計：15 ~ 17 agents**
-
-### 2.2 彙報關係（Paperclip Org Chart）
-
-```
-                        CEO/COO
-                       ┌───┴────────────────────┐
-                       │                        │
-               ┌───────┴───────┐          ┌─────┴─────┐
-               │  秘書         │          │  審查員    │
-               └───────────────┘          └───────────┘
-                       │
-          ┌────────────┼────────────┬──────────────┐
-          │            │            │              │
-    量化研究團隊  行銷策略團隊  內容創意團隊    工程團隊
-    ┌─────┴────┐  ┌───┴───┐   ┌──┴──┐      ┌──┴──┐
-    │財經情報  │  │市場研究│   │文案  │      │前端 │
-    │市場結構  │  │策略總監│   │創意  │      │後端 │
-    │多方研究  │  │投放分析│   └─────┘      └─────┘
-    │空方研究  │  └───────┘
-    │量化策略  │
-    │回測工程  │
-    │資料分析  │
-    └─────────┘
-```
-
-所有 agent 直接向 CEO/COO 彙報。秘書和審查員是 CEO/COO 的幕僚，不直接管理其他 agent。
-
-### 2.3 狀態分類
-
-| 狀態 | 說明 | 角色 |
-|---|---|---|
-| **常駐** | 每次 heartbeat 都啟動 | CEO/COO、秘書 |
-| **Warm** | 高頻喚醒，快速回應 | 審查員 |
-| **喚醒** | 依排程或事件觸發才啟動 | 其餘所有 agent |
-
----
-
-## 第三部分：角色定義
-
-> 所有 agent 使用 **OpenClaw** 作為 adapter  
-> 模型等級為建議值，實際部署時依可用模型選擇
-
-### 3.0 模型等級分類
-
-| 等級 | 說明 | 適用模型舉例 |
-|---|---|---|
-| **reasoning-heavy** | 需要深度推理、策略收斂、審查判斷 | Claude Opus, GPT-4o, DeepSeek-V3 |
-| **general** | 通用任務管理、摘要、整理 | Claude Sonnet, GPT-4o-mini, Qwen |
-| **coder** | 寫程式、回測、資料處理 | Claude Sonnet, Codex, DeepSeek-Coder |
-| **creative** | 文案撰寫、創意發想 | Claude Sonnet, GPT-4o |
-| **research** | 資料蒐集、整理、去重 | Claude Haiku, GPT-4o-mini, 任何輕量模型 |
-
----
-
-### 3.1 管理團隊
-
-#### CEO/COO（調度核心）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `ceo_coo` |
-| **團隊** | 管理團隊 |
-| **上級** | 董事長（你） |
-| **模型等級** | general |
-| **狀態** | 常駐 |
-| **Mission** | 接收董事長指令，拆解任務，分派給對應 agent，追蹤進度，收斂結果，組裝決策包 |
-| **Scope** | 建立/分派任務、讀取所有 agent 產出、跨團隊協調、發起會議、組裝 Final Decision Packet |
-| **Forbidden** | 不直接寫文案、不直接寫程式、不直接部署、不直接做研究 |
-| **輸出** | Task_Spec.json, Final_Decision_Packet.json |
-| **工具權限** | Paperclip 任務 API（建立/分派/更新）、Discord 討論發起、Mem0 讀取 |
-| **Escalation** | 高風險決策、預算超額、agent 反覆 revise 超過 3 輪 → 上報董事長 |
-
-#### 秘書（記憶與狀態管理）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `secretary` |
-| **團隊** | 管理團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | general |
-| **狀態** | 常駐 |
-| **Mission** | 記錄會議摘要、追蹤狀態變更、維護 Todo、壓縮/整理記憶 |
-| **Scope** | 讀寫 Mem0 記憶、產出 State Diff、產出會議摘要、維護 Todo List |
-| **Forbidden** | 不做策略決策、不分派任務 |
-| **輸出** | Meeting_Summary.json, State_Diff.json, Todo_List.json |
-| **工具權限** | Mem0 讀寫、Paperclip issue 讀取、Discord 訊息讀取 |
-| **Escalation** | 記憶衝突、狀態不一致 → 上報 CEO/COO |
-
-#### 審查員（品質把關）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `reviewer` |
-| **團隊** | 管理團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | warm |
-| **Mission** | 審查各 agent 產出品質，判定 pass / revise / block |
-| **Scope** | 唯讀檢查所有 agent 輸出、提出修改建議、風險攔截 |
-| **Forbidden** | 不重寫全部內容、不直接拍板決策、不直接修改他人產出 |
-| **輸出** | Review_Report.json |
-| **工具權限** | 所有 agent 輸出唯讀、Paperclip issue 讀取/留言 |
-| **Escalation** | block 判定 → 上報 CEO/COO → 可能上報董事長 |
-
----
-
-### 3.2 量化研究團隊
-
-#### 財經情報研究員
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `finance_researcher` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | research |
-| **狀態** | 喚醒（每日定時 + 事件觸發） |
-| **Mission** | 蒐集財經、總經、盤前盤後資訊，整理成結構化報告 |
-| **Scope** | 網路搜尋、資料爬取、資訊清洗去重、產出研究摘要 |
-| **Forbidden** | 不下交易結論、不做策略判斷 |
-| **輸出** | Finance_Research_Brief.json |
-| **工具權限** | 網路搜尋、爬蟲、資料清洗 |
-| **Escalation** | 資料來源衝突、異常市場事件 → 上報 CEO/COO |
-
-#### 市場結構研究員
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `market_structure_researcher` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 解析流動性、市場結構、掃單、MSS、OB、FVG、POI |
-| **Scope** | 讀取行情資料、結構分析、圖表解讀、產出結構報告 |
-| **Forbidden** | 不直接下最終交易結論 |
-| **輸出** | Market_Structure_Report.json |
-| **工具權限** | 行情資料 API、結構分析工具、圖表讀取 |
-| **Escalation** | 結構不明確、多重矛盾信號 → 標註不確定度 |
-
-#### 多方研究員
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `bullish_researcher` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 專門整理支持交易 / 做多的論點，建立完整的多方論述 |
-| **Scope** | 讀取研究報告與結構報告，提出做多理由、支撐證據、預期優勢 |
-| **Forbidden** | 不直接拍板、不做空方論述 |
-| **輸出** | Bullish_Research_Report.json |
-| **工具權限** | 唯讀研究報告、結構報告 |
-| **Escalation** | 找不到足夠支持做多的證據 → 如實報告 |
-
-#### 空方研究員
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `bearish_researcher` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 專門整理反對交易 / 做空 / 放棄交易的論點 |
-| **Scope** | 讀取研究報告與結構報告，提出風險警告、做空理由、放棄交易的原因 |
-| **Forbidden** | 不直接拍板、不做多方論述 |
-| **輸出** | Bearish_Research_Report.json |
-| **工具權限** | 唯讀研究報告、結構報告 |
-| **Escalation** | 發現重大風險 → 標記 high severity |
-
-#### 量化策略研究員（含風控）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `quant_strategist` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 收斂多空觀點形成正式策略規則，含進場/出場規則、風控規則、position sizing、bias check |
-| **Scope** | 讀取多方/空方報告，定義進場/出場條件，設計風控框架，執行 bias check |
-| **Forbidden** | 不寫正式程式碼、不直接執行交易 |
-| **輸出** | Quant_Strategy_Spec.json（含 Risk_Control 欄位） |
-| **工具權限** | 唯讀所有研究報告、策略規格工具 |
-| **Escalation** | 多空觀點嚴重衝突無法收斂 → 發起 Discord 辯論會議 |
-
-#### 回測工程師
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `quant_engineer` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | coder |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 將策略規則轉成 Pine Script / Python 回測，接資料，產出回測結果 |
-| **Scope** | 讀取策略規格、撰寫回測程式碼、執行回測、輸出結果 |
-| **Forbidden** | 不自行更改策略方向、不自行做最終績效結論 |
-| **輸出** | Backtest_Delivery.json |
-| **工具權限** | Git repo、回測框架、歷史資料、sandbox 執行環境 |
-| **Escalation** | 策略規格不完整或有矛盾 → 回報量化策略研究員 |
-
-#### 資料分析員
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `data_analyst` |
-| **團隊** | 量化研究團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy（深度分析）/ general（日常） |
-| **狀態** | 喚醒（每日定時 + 事件觸發） |
-| **Mission** | 分析回測結果，計算 KPI（expectancy、drawdown、winrate），提供洞察與建議 |
-| **Scope** | SQL 查詢、回測結果分析、KPI 計算、視覺化、週報產出 |
-| **Forbidden** | 不自行定策略方向 |
-| **輸出** | Data_Analysis_Report.json |
-| **工具權限** | SQL、回測資料讀取、圖表工具 |
-| **Escalation** | 回測結果異常（如 winrate > 90% 可能 overfitting） → 標記 bias warning |
-
----
-
-### 3.3 行銷策略團隊
-
-#### 市場研究員（情報 + 分析）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `market_researcher` |
-| **團隊** | 行銷策略團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | research |
-| **狀態** | 喚醒（每日 + 每週定時） |
-| **Mission** | 蒐集競品、消費者痛點、平台趨勢；分析市場變化與競品反應 |
-| **Scope** | 網路搜尋、競品追蹤、趨勢分析、消費者洞察、週報產出 |
-| **Forbidden** | 不下最終商業策略結論、不盯每日廣告 KPI |
-| **輸出** | Market_Research_Brief.json, Market_Analysis_Report.json |
-| **工具權限** | 網路搜尋、爬蟲、資料清洗 |
-| **Escalation** | 市場劇烈變化 → 即時通報 CEO/COO |
-
-#### 策略總監（品牌 + 成長）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `strategy_director` |
-| **團隊** | 行銷策略團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | reasoning-heavy |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 定義 USP、目標受眾、品牌敘事、campaign 方向、漏斗策略、轉換策略 |
-| **Scope** | 品牌定位、成長策略、campaign 規劃、漏斗設計 |
-| **Forbidden** | 不直接寫最終文案、不寫底層 SQL |
-| **輸出** | Brand_Strategy_Plan.json, Growth_Strategy_Plan.json |
-| **工具權限** | 品牌知識庫、市場研究摘要、策略知識庫 |
-| **Escalation** | 品牌方向重大調整 → 上報董事長 |
-
-#### 投放成效分析師
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `ads_analyst` |
-| **團隊** | 行銷策略團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | general |
-| **狀態** | 喚醒（每日定時） |
-| **Mission** | 分析 CTR / CVR / CPL / ROAS，診斷投放問題，提出優化建議 |
-| **Scope** | 廣告 KPI 監控、診斷分析、優化建議、異常警報 |
-| **Forbidden** | 不做品牌定位、不定策略方向 |
-| **輸出** | Ads_Performance_Report.json |
-| **工具權限** | 廣告平台資料 API、KPI 儀表板 |
-| **Escalation** | ROAS 急降、預算異常消耗 → 即時警報 |
-
----
-
-### 3.4 內容創意團隊
-
-#### 文案撰寫員（廣告 + 腳本）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `copywriter` |
-| **團隊** | 內容創意團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | creative |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 撰寫廣告文案（Hook、Body、CTA、版本矩陣）及影片腳本（旁白、節奏、鏡頭腳本） |
-| **Scope** | 廣告文案撰寫、影片腳本撰寫、A/B 版本產出 |
-| **Forbidden** | 不改整體策略方向 |
-| **輸出** | Copywriting_Pack.json, Video_Script_Pack.json |
-| **工具權限** | 品牌語氣庫、文案資料庫 |
-| **Escalation** | 品牌語氣不確定 → 詢問策略總監 |
-
-#### 創意總監（平面 + 影片視覺方向）
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `creative_director` |
-| **團隊** | 內容創意團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | creative |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 制定平面素材 brief 與影片分鏡 brief，確保視覺一致性與品牌規範 |
-| **Scope** | 圖像方向指導、平面素材 QA、分鏡結構設計、影片視覺 QA |
-| **Forbidden** | 不直接做最終素材（交由人類設計師或 AI 圖像工具） |
-| **輸出** | Static_Creative_Brief.json, Storyboard_Brief.json |
-| **工具權限** | 素材規格庫、品牌規範、VL 任務工具（如有視覺模型） |
-| **Escalation** | 視覺方向與品牌衝突 → 詢問策略總監 |
-
----
-
-### 3.5 工程團隊（依需求啟用）
-
-#### 前端工程師
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `frontend_engineer` |
-| **團隊** | 工程團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | coder |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | 前端頁面開發、UI 互動、追蹤埋點 |
-| **Scope** | 前端程式碼撰寫、build、tracking 測試 |
-| **Forbidden** | 不決定商業策略、不修改 DB schema |
-| **輸出** | Frontend_Delivery.json |
-| **工具權限** | Git repo、前端 build 工具、sandbox |
-| **Escalation** | 技術選型不確定 → 討論；部署前 → 必審 |
-
-#### 後端工程師
-
-| 項目 | 內容 |
-|---|---|
-| **Agent ID** | `backend_engineer` |
-| **團隊** | 工程團隊 |
-| **上級** | CEO/COO |
-| **模型等級** | coder |
-| **狀態** | 喚醒（事件觸發） |
-| **Mission** | API 開發、資料庫設計、自動化整合 |
-| **Scope** | API/DB 開發、sandbox 測試 |
-| **Forbidden** | 不寫廣告文案、正式發布需通過 gate |
-| **輸出** | Backend_Delivery.json |
-| **工具權限** | Git repo、API 框架、DB sandbox |
-| **Escalation** | DB schema 變更 → 必須 HITL 批准 |
-
----
-
-### 3.6 OpenClaw 共用 Prompt 結尾
-
-所有 agent 的 system prompt 結尾附加：
-
-```text
-You must only operate within your assigned role boundary.
-Do not perform work outside your scope.
-If required information is missing, explicitly return the missing_fields list.
-If there is conflict, uncertainty, or high risk, escalate instead of guessing.
-Your output must follow the required JSON schema exactly.
-Do not add extra commentary outside the JSON payload.
-When participating in Discord discussions, stay in character and contribute from your role's perspective.
-```

docs/spec_v3_rollout_and_risks.md

@@ -1,187 +0,0 @@
-# KingClawArmy - 第九部分：上線計畫 & 第十部分：風險與限制
-
----
-
-## 第九部分：上線計畫
-
-### 9.1 總覽
-
-| Phase | 目標 | 上線角色 | 驗收標準 |
-|---|---|---|---|
-| 0 | 基礎設施 | 無 agent | 環境可用 |
-| 1 | 管理閉環 | 3 agents | CEO 能派工、秘書能記錄、審查能審核 |
-| 2 | 量化閉環 | +7 agents | 從情報到回測的完整 pipeline 跑通 |
-| 3 | 行銷閉環 | +3 agents | 市場研究 → 策略 → KPI 追蹤跑通 |
-| 4 | 內容閉環 | +2 agents | 文案 + 創意 brief 產出跑通 |
-| 5 | 工程（依需求） | +0~2 agents | 前後端任務可執行 |
-| 6 | 營運化 | 全體 | 完整排程、HITL、監控、成本控制 |
-
----
-
-### 9.2 Phase 0：基礎設施建置
-
-**目標：** 讓所有基礎工具可用
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 0.1 | 安裝並啟動 Paperclip（Node.js + PostgreSQL） | Dashboard 可開啟 |
-| 0.2 | 安裝 OpenClaw，設定至少一個 AI model API | OpenClaw 能回應 |
-| 0.3 | 建立 Discord Server，建立頻道結構 | 頻道都在 |
-| 0.4 | 安裝 paperclip-plugin-discord，連接 Discord Bot | Bot 在 Discord 上線 |
-| 0.5 | 安裝並設定 Mem0（self-host 或 cloud） | Mem0 API 可呼叫 |
-| 0.6 | 在 Paperclip 建立公司，設定 OpenClaw adapter | 公司建立成功 |
-
----
-
-### 9.3 Phase 1：管理閉環
-
-**目標：** CEO 派工 → Agent 執行 → 秘書記錄 → 審查員審核，完整跑通
-
-**上線角色：** CEO/COO、秘書、審查員
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 1.1 | 在 Paperclip 建立 CEO/COO agent（OpenClaw adapter） | Agent 出現在 org chart |
-| 1.2 | 設定 CEO 的 system prompt + heartbeat | CEO heartbeat 正常觸發 |
-| 1.3 | 手動建立一個測試任務給 CEO | CEO 能接到任務並回應 |
-| 1.4 | 加入秘書 agent | 秘書能讀取 CEO 產出並做摘要 |
-| 1.5 | 加入審查員 agent | 審查員能審核產出，回傳 pass/revise |
-| 1.6 | 測試完整流程：任務 → CEO 拆 → 秘書記錄 → 審查 | 三個 agent 能協作完成一個任務 |
-| 1.7 | 測試 Discord 通知 | 任務狀態變更推送到 Discord |
-| 1.8 | 測試 HITL | #approvals 收到通知，你能 approve |
-
-**Phase 1 完成標準：**
-- [ ] CEO 能接收指令、拆任務
-- [ ] 秘書能產出 Meeting_Summary 和 State_Diff
-- [ ] 審查員能產出 Review_Report（pass/revise/block）
-- [ ] Discord 通知正常
-- [ ] HITL 審批正常
-- [ ] Mem0 記憶寫入/讀取正常
-
----
-
-### 9.4 Phase 2：量化研究閉環
-
-**目標：** 完整量化 pipeline，從情報蒐集到回測分析
-
-**上線角色：** 財經情報、市場結構、多方、空方、量化策略、回測工程、資料分析
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 2.1 | 加入財經情報研究員，設定每日排程 | 每日自動產出 Finance_Research_Brief |
-| 2.2 | 加入市場結構研究員，設定事件觸發 | 情報完成後自動觸發結構分析 |
-| 2.3 | 加入多方 + 空方研究員 | 結構報告完成後，兩者平行產出報告 |
-| 2.4 | 加入量化策略研究員 | 能收斂多空觀點成 Quant_Strategy_Spec |
-| 2.5 | 測試 Discord 辯論功能 | 多空在 thread 中討論，量化策略主持 |
-| 2.6 | 加入回測工程師 | 能讀取策略規格，產出回測結果 |
-| 2.7 | 加入資料分析員 | 能分析回測結果，產出報告 |
-| 2.8 | 跑一次完整 pipeline | 從盤前情報到最終分析報告完整跑通 |
-| 2.9 | 審查員 review 整個 pipeline | 通過 gate 才算完成 |
-
-**Phase 2 完成標準：**
-- [ ] 量化 pipeline 端對端跑通
-- [ ] 事件觸發鏈正常（一個完成自動觸發下一個）
-- [ ] Discord 辯論能產出有意義的結論
-- [ ] 審查機制正常運作
-- [ ] 每日定時排程正常
-
----
-
-### 9.5 Phase 3：行銷閉環
-
-**上線角色：** 市場研究員、策略總監、投放成效分析師
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 3.1 | 加入市場研究員 | 每日/每週自動產出市場研究 |
-| 3.2 | 加入策略總監 | 能根據市場研究產出品牌/成長策略 |
-| 3.3 | 加入投放成效分析師 | 每日自動產出 KPI 報告 |
-| 3.4 | 測試跨部門對齊會議 | 量化 + 行銷團隊在 Discord 討論 |
-
----
-
-### 9.6 Phase 4：內容閉環
-
-**上線角色：** 文案撰寫員、創意總監
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 4.1 | 加入文案撰寫員 | 能根據策略產出文案 |
-| 4.2 | 加入創意總監 | 能產出視覺 brief |
-| 4.3 | 內容審查流程 | 審查員 review 文案與 brief |
-
----
-
-### 9.7 Phase 5-6：工程 & 營運化
-
-**Phase 5（依需求）：** 加入前端/後端工程師
-
-**Phase 6（營運化）：**
-- 完整排程矩陣上線
-- 所有 HITL 節點確認
-- 預算監控啟用
-- 每日/每週自動報告穩定
-- 異常告警機制驗證
-
----
-
-## 第十部分：風險與限制
-
-### 10.1 已知技術限制
-
-| 限制 | 影響 | 緩解方式 |
-|---|---|---|
-| Discord plugin 為社群開發 | 可能缺少官方支援 | 追蹤 repo 更新、準備自行 fork 維護 |
-| Discord thread 最多 10 agents | 大型會議受限 | 拆成小組討論再彙總 |
-| Discord 討論為 2-50 輪 | 超長辯論不適合 | 設定合理 max_rounds，分多次會議 |
-| OpenClaw 曾有安全漏洞（CVE-2026-25253） | RCE 風險 | 保持更新、啟用認證、監控安全公告 |
-| Mem0 記憶可能過時 | Agent 根據過時資訊決策 | 秘書每日壓縮、設定 TTL、定期清理 |
-| AI 模型幻覺 | 產出不正確的資訊 | 審查員把關、交叉驗證、人類最終審核 |
-
-### 10.2 成本估算框架
-
-| 項目 | 計算方式 | 控制手段 |
-|---|---|---|
-| AI API 費用 | per-agent 月預算 × agent 數 | Paperclip budget 功能 |
-| 每次 heartbeat 的 token | 依模型和任務複雜度 | 選擇合適的模型等級 |
-| 每次會議的 token | 參與人數 × 輪數 × 平均回覆長度 | 限制 max_rounds |
-| 記憶讀寫的 token | Mem0 的 embedding + retrieval | 控制記憶大小、壓縮頻率 |
-
-**成本控制建議：**
-- 日常研究類用 research 等級模型（便宜）
-- 只有策略收斂、審查、辯論用 reasoning-heavy（貴但值得）
-- 設定 per-agent 月預算上限，超額需 HITL 批准
-- 會議不要超過 10 輪，大部分 6 輪即可收斂
-
-### 10.3 安全注意事項
-
-| 項目 | 風險 | 措施 |
-|---|---|---|
-| API Key 管理 | 洩露導致費用爆增 | 使用環境變數、不進版本控制 |
-| Agent 權限 | Agent 做超出範圍的事 | 嚴格的 Forbidden 規則 + 工具白名單 |
-| 交易執行 | AI 自動下單造成損失 | HITL 必審 + 策略必須先通過完整 pipeline |
-| 資料安全 | 敏感資訊外洩 | 不在 prompt 中放敏感資料、記憶加密 |
-| Discord 安全 | 未授權存取 | Server 設為私人、Bot 只在指定頻道運作 |
-
-### 10.4 什麼時候該停下來
-
-| 信號 | 動作 |
-|---|---|
-| 月費用超出預期 2 倍 | 暫停非必要 agent，分析原因 |
-| Agent 反覆 revise 超過 5 輪收斂不了 | 人工介入，可能需要調整 prompt 或流程 |
-| 回測結果看起來太好（winrate > 90%） | 100% 是 overfitting，停止並重新檢查 |
-| Agent 產出的品質持續下降 | 檢查記憶是否過時、prompt 是否需要更新 |
-| 安全漏洞通報 | 立即更新或暫停受影響元件 |
-
----
-
-## 附錄：文件索引
-
-| 文件 | 內容 |
-|---|---|
-| `spec_v3_system_overview.md` | 第一部分：系統總覽 |
-| `spec_v3_org_and_roles.md` | 第二部分：組織架構 + 第三部分：角色定義 |
-| `spec_v3_collaboration.md` | 第四部分：協作模式 |
-| `spec_v3_scheduling_memory_discord.md` | 第五部分：排程 + 第六部分：記憶 + 第七部分：Discord |
-| `spec_v3_schemas.md` | 第八部分：JSON Schema |
-| `spec_v3_rollout_and_risks.md` | 第九部分：上線計畫 + 第十部分：風險與限制 |

docs/spec_v3_scheduling_memory_discord.md

@@ -1,194 +0,0 @@
-# KingClawArmy - 第五部分：排程與觸發 & 第六部分：記憶架構 & 第七部分：Discord Server 結構
-
----
-
-## 第五部分：排程與觸發
-
-### 5.1 Heartbeat 排程表（定時觸發）
-
-| Agent | 頻率 | 時間 | 說明 |
-|---|---|---|---|
-| CEO/COO | 每次 heartbeat | 依 Paperclip 設定（建議 15-30 分鐘） | 常駐，檢查新任務/回報 |
-| 秘書 | 每次 heartbeat | 與 CEO 同步 | 常駐，維護狀態與記憶 |
-| 財經情報研究員 | 每日 2 次 | 07:30（盤前）、18:30（盤後） | 固定蒐集財經資訊 |
-| 市場研究員 | 每日 1 次 + 每週 1 次 | 每日 10:00、每週一 09:00 | 日常情報 + 週報 |
-| 投放成效分析師 | 每日 1 次 | 09:30 | 日常 KPI 檢查 |
-| 資料分析員 | 每日 1 次 + 每週 1 次 | 每日 20:00、每週一 10:00 | 日報 + 週報 |
-| 秘書（壓縮） | 每日 1 次 | 23:00 | 每日記憶壓縮與 State Diff |
-
-### 5.2 事件觸發表
-
-| 事件 | 觸發的 Agent | 說明 |
-|---|---|---|
-| 董事長下達新指令 | CEO/COO | 透過 Discord 或 Paperclip UI |
-| CEO 分派任務 | 被分派的 agent | Paperclip Issue assign |
-| 財經情報 + 市場數據齊備 | 市場結構研究員 | 開始結構分析 |
-| 市場結構報告完成 | 多方研究員、空方研究員 | 同時觸發，平行執行 |
-| 多方 + 空方報告完成 | 量化策略研究員 | 收斂觀點 |
-| 量化策略完成 | 回測工程師 | 落地回測 |
-| 回測完成 | 資料分析員 | 分析回測結果 |
-| 資料分析完成 | 秘書 | 摘要 + State Diff |
-| 任何草稿完成 | 審查員 | 審查品質 |
-| 審查 revise | 被 revise 的 agent | 修改後重新提交 |
-| 審查 pass（HITL 節點） | Discord #approvals | 等待董事長批准 |
-| 審查 revise 超過 3 輪 | CEO/COO | 考慮發起會議 |
-| 品牌策略完成 | 文案撰寫員、創意總監 | 開始內容產出 |
-| 成長策略完成 | 投放成效分析師 | 準備追蹤 KPI |
-| Agent 設定 blocked | CEO/COO | 處理阻塞 |
-| 預算超額 | Discord #approvals | HITL 通知 |
-
-### 5.3 量化研究主流程（事件鏈）
-
-```
-[定時 07:30]
-  ↓
-財經情報研究員 → Finance_Research_Brief
-  ↓ [完成事件]
-市場結構研究員 → Market_Structure_Report
-  ↓ [完成事件]
-┌──────────────┐
-│ 多方研究員    │ → Bullish_Research_Report  ─┐
-│ 空方研究員    │ → Bearish_Research_Report  ─┤ [平行執行]
-└──────────────┘                              │
-  ↓ [兩者都完成]                               │
-量化策略研究員 ←──────────────────────────────┘
-  │
-  ├── [如需辯論] → 發起 meeting_quant_debate（Discord）
-  │                  ↓
-  │               辯論結論
-  │                  ↓
-  └── → Quant_Strategy_Spec
-  ↓ [完成事件]
-回測工程師 → Backtest_Delivery
-  ↓ [完成事件]
-資料分析員 → Data_Analysis_Report
-  ↓ [完成事件]
-秘書 → Meeting_Summary + State_Diff
-  ↓
-審查員 → Review_Report
-  ↓
-  ├── pass → CEO 組 Final_Decision_Packet → HITL 董事長批准
-  └── revise → 回退到被點名角色
-```
-
----
-
-## 第六部分：記憶架構
-
-### 6.1 Mem0 記憶分類
-
-| 記憶類型 | 範圍 | 存取者 | 說明 |
-|---|---|---|---|
-| **共享決策記憶** | 全團隊 | 所有 agent | 董事長決策、重大方向變更、已定的策略 |
-| **團隊工作記憶** | 團隊內 | 團隊成員 | 進行中的研究脈絡、累積的分析結果 |
-| **會議記憶** | 參與者 | 會議參與者 + 秘書 | 會議結論、共識、待辦 |
-| **個別工作記憶** | 個人 | 該 agent 本身 | 個人工作脈絡、偏好、學到的經驗 |
-| **品牌知識庫** | 行銷+內容團隊 | 策略總監、文案、創意 | USP、語氣、品牌規範 |
-| **策略規則庫** | 量化團隊 | 量化相關 agent | 已驗證的策略規則、回測結果 |
-
-### 6.2 記憶寫入規則
-
-| 事件 | 寫入什麼 | 誰寫入 |
-|---|---|---|
-| 會議結束 | Meeting_Summary → 會議記憶 | 秘書 |
-| 董事長做決策 | 決策內容 + 理由 → 共享決策記憶 | 秘書 |
-| 策略規則定稿 | Quant_Strategy_Spec → 策略規則庫 | 秘書 |
-| 回測完成 | 回測結果摘要 → 策略規則庫 | 秘書 |
-| 品牌方向更新 | Brand_Strategy_Plan → 品牌知識庫 | 秘書 |
-| 每日壓縮 | 當日所有產出摘要 → 團隊工作記憶 | 秘書 |
-| Agent 學到新經驗 | 經驗描述 → 個別工作記憶 | 該 agent |
-
-### 6.3 記憶讀取規則
-
-| Agent 做任務時 | 自動帶入的記憶 |
-|---|---|
-| 量化策略研究員開始收斂 | 策略規則庫（過去的策略 + 結果）+ 最近的會議記憶 |
-| 文案撰寫員寫文案 | 品牌知識庫 + 策略總監最新方向 |
-| CEO 拆任務 | 共享決策記憶 + 所有團隊工作記憶摘要 |
-| 審查員審查 | 過去同類產出的 Review 記錄 + 改善歷史 |
-
-### 6.4 記憶生命週期
-
-| 記憶類型 | 保留期限 | 清理方式 |
-|---|---|---|
-| 共享決策記憶 | 永久（除非被新決策覆蓋） | 手動或被新決策取代 |
-| 團隊工作記憶 | 30 天滾動 | 秘書每日壓縮，超過 30 天自動摘要 |
-| 會議記憶 | 90 天 | 超過 90 天壓縮成重點摘要 |
-| 個別工作記憶 | 由 agent 自行管理 | Mem0 的遺忘曲線機制 |
-| 品牌知識庫 | 永久（除非品牌重塑） | 策略總監更新時覆蓋 |
-| 策略規則庫 | 永久（標記已驗證/已廢棄） | 不刪除，標記狀態 |
-
----
-
-## 第七部分：Discord Server 結構
-
-### 7.1 頻道規劃
-
-```
-KingClawArmy Discord Server
-│
-├── 📋 管理區
-│   ├── #dashboard        — 系統狀態總覽、每日摘要
-│   ├── #approvals        — HITL 審批請求（你在這裡批准/退回）
-│   ├── #commands         — 管理指令操作區
-│   └── #errors           — 錯誤與異常通知
-│
-├── 📊 量化研究區
-│   ├── #quant-briefing   — 每日盤前/盤後情報摘要
-│   ├── #quant-discussion — 量化團隊討論（辯論在 thread 中進行）
-│   └── #quant-results    — 回測結果、策略定稿通知
-│
-├── 📈 行銷區
-│   ├── #marketing-intel  — 市場情報、競品動態
-│   ├── #marketing-discussion — 行銷策略討論
-│   └── #ads-performance  — 每日投放 KPI 報告
-│
-├── ✏️ 內容區
-│   ├── #content-briefs   — 文案/創意 brief 發布
-│   └── #content-review   — 內容審查與回饋
-│
-├── 🔧 工程區（依需求開啟）
-│   ├── #engineering-tasks — 工程任務通知
-│   └── #engineering-review — 工程審查
-│
-└── 📝 記錄區
-    ├── #meeting-logs     — 所有會議紀錄存檔
-    ├── #decision-log     — 重大決策記錄
-    └── #audit-trail      — 完整操作軌跡
-```
-
-### 7.2 Discord Slash Commands
-
-| 指令 | 功能 | 你會用到的場景 |
-|---|---|---|
-| `/clip agents` | 列出所有 agent 狀態 | 看誰在跑、誰閒著 |
-| `/clip status` | 系統總覽 | 快速了解現況 |
-| `/clip budget <agent>` | 查看 agent 預算 | 成本控制 |
-| `/clip issues` | 查看任務列表 | 追蹤進度 |
-| `/clip approve <id>` | 批准 HITL 請求 | 高風險動作放行 |
-| `/clip reject <id>` | 退回 HITL 請求 | 附上修改意見 |
-| `/acp spawn agent:<name> task:<desc>` | 手動啟動 agent | 臨時指派任務 |
-| `/acp cancel session:<id>` | 停止 agent | 緊急停止 |
-
-### 7.3 通知規則
-
-| 事件 | 推送到 | 格式 |
-|---|---|---|
-| Agent 完成任務 | 對應區域頻道 | embed 摘要 |
-| 審查 pass | #approvals（如 HITL） | embed + approve 按鈕 |
-| 審查 revise | 對應區域頻道 | embed + revise 原因 |
-| 審查 block | #errors + #approvals | 高優先通知 |
-| 會議開始 | 對應區域頻道 | thread 自動建立 |
-| 會議結束 | #meeting-logs | 會議摘要 embed |
-| 每日摘要 | #dashboard | 今日完成/進行中/blocked |
-| 錯誤/異常 | #errors | 錯誤詳情 + 建議處理方式 |
-| 預算警告 | #approvals | 剩餘預算百分比 |
-
-### 7.4 Thread 使用規範
-
-| 類型 | Thread 建立位置 | 參與者 | 結束後 |
-|---|---|---|---|
-| 量化辯論 | #quant-discussion | 多空+策略+風控 | 存檔到 #meeting-logs |
-| 策略審查 | 對應區域頻道 | 審查員+被審者+CEO | 結論更新到 issue |
-| 跨部門對齊 | #dashboard | CEO + 各團隊 lead | 存檔到 #meeting-logs |
-| 臨時討論 | 任何頻道 | 由發起者決定 | 秘書摘要存檔 |

docs/spec_v3_schemas.md

@@ -1,412 +0,0 @@
-# KingClawArmy - 第八部分：JSON Schema
-
-> 基於 v2 schema 更新，新增會議相關 schema  
-> 所有 schema 只保留格式模板，不放假資料
-
----
-
-## 8.1 共用欄位
-
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "agent_id": "<string>",
-  "role": "<string>",
-  "timestamp": "<ISO-8601 string>",
-  "status": "<pending|running|pass|revise|block|done|cancelled>",
-  "input_version": "<string>"
-}
-```
-
----
-
-## 8.2 管理層 Schema
-
-### Task_Spec.json（CEO/COO 產出）
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "agent_id": "ceo_coo",
-  "role": "ceo_coo",
-  "timestamp": "<ISO-8601>",
-  "status": "<pending|running|done>",
-  "goal": "<string>",
-  "success_criteria": ["<string>"],
-  "routes": [
-    {
-      "agent_id": "<string>",
-      "subtask": "<string>",
-      "required_output": "<string>",
-      "collaboration_mode": "<task_handoff|meeting>"
-    }
-  ],
-  "priority": "<low|medium|high>",
-  "meeting_required": "<boolean>",
-  "meeting_type": "<meeting_quant_debate|meeting_strategy_review|meeting_cross_team_sync|null>",
-  "notes": ["<string>"]
-}
-```
-
-### Final_Decision_Packet.json（CEO/COO 產出）
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "agent_id": "ceo_coo",
-  "timestamp": "<ISO-8601>",
-  "status": "done",
-  "summary": "<string>",
-  "options": [
-    {
-      "name": "<string>",
-      "description": "<string>",
-      "pros": ["<string>"],
-      "cons": ["<string>"],
-      "risk_level": "<low|medium|high>"
-    }
-  ],
-  "recommended_option": "<string>",
-  "review_verdict": "<pass|revise|block>",
-  "meeting_conclusions": ["<string>"],
-  "decision_needed": ["<string>"]
-}
-```
-
-### Meeting_Summary.json（秘書產出）
-```json
-{
-  "task_id": "<string>",
-  "project_id": "<string>",
-  "agent_id": "secretary",
-  "timestamp": "<ISO-8601>",
-  "meeting_type": "<string>",
-  "topic": "<string>",
-  "participants": ["<agent_id>"],
-  "key_points": ["<string>"],
-  "consensus": "<string>",
-  "disagreements": ["<string>"],
-  "action_items": [
-    {
-      "owner": "<agent_id>",
-      "task": "<string>",
-      "deadline": "<ISO-8601|null>"
-    }
-  ],
-  "unresolved": ["<string>"]
-}
-```
-
-### State_Diff.json（秘書產出）
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "secretary",
-  "timestamp": "<ISO-8601>",
-  "added": ["<string>"],
-  "changed": ["<string>"],
-  "removed": ["<string>"]
-}
-```
-
-### Review_Report.json（審查員產出）
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "reviewer",
-  "timestamp": "<ISO-8601>",
-  "reviewed_agent_id": "<string>",
-  "reviewed_output_type": "<string>",
-  "verdict": "<pass|revise|block>",
-  "issues": [
-    {
-      "severity": "<low|medium|high>",
-      "category": "<string>",
-      "evidence": "<string>",
-      "required_fix": "<string>"
-    }
-  ],
-  "revise_count": "<number>",
-  "recommend_meeting": "<boolean>",
-  "notes": "<string>"
-}
-```
-
----
-
-## 8.3 量化研究 Schema
-
-### Finance_Research_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "finance_researcher",
-  "timestamp": "<ISO-8601>",
-  "sources": [
-    {
-      "title": "<string>",
-      "url": "<string>",
-      "published_at": "<ISO-8601>",
-      "source_type": "<news|blog|forum|official>",
-      "summary": "<string>",
-      "confidence": "<number 0-1>",
-      "dedupe_key": "<string>"
-    }
-  ],
-  "macro_summary": "<string>",
-  "conflicts": ["<string>"],
-  "takeaways": ["<string>"]
-}
-```
-
-### Market_Structure_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "market_structure_researcher",
-  "timestamp": "<ISO-8601>",
-  "timeframes_used": ["<string>"],
-  "structure_summary": ["<string>"],
-  "liquidity_zones": ["<string>"],
-  "poi_candidates": ["<string>"],
-  "mss_signals": ["<string>"],
-  "bias": "<bullish|bearish|neutral|unclear>",
-  "confidence": "<number 0-1>",
-  "notes": ["<string>"]
-}
-```
-
-### Bullish_Research_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "bullish_researcher",
-  "timestamp": "<ISO-8601>",
-  "bull_case": ["<string>"],
-  "supporting_evidence": ["<string>"],
-  "expected_edge": ["<string>"],
-  "invalidations": ["<string>"],
-  "conviction_level": "<low|medium|high>"
-}
-```
-
-### Bearish_Research_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "bearish_researcher",
-  "timestamp": "<ISO-8601>",
-  "bear_case": ["<string>"],
-  "supporting_evidence": ["<string>"],
-  "risk_warnings": ["<string>"],
-  "trade_rejection_reasons": ["<string>"],
-  "conviction_level": "<low|medium|high>"
-}
-```
-
-### Quant_Strategy_Spec.json（含風控）
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "quant_strategist",
-  "timestamp": "<ISO-8601>",
-  "strategy_hypothesis": ["<string>"],
-  "entry_rules": ["<string>"],
-  "exit_rules": ["<string>"],
-  "risk_control": {
-    "position_sizing": ["<string>"],
-    "stop_rules": ["<string>"],
-    "take_profit_rules": ["<string>"],
-    "max_drawdown": "<string>",
-    "max_concurrent_positions": "<number>"
-  },
-  "bias_checks": ["<string>"],
-  "meeting_based": "<boolean>",
-  "meeting_id": "<string|null>"
-}
-```
-
-### Backtest_Delivery.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "quant_engineer",
-  "timestamp": "<ISO-8601>",
-  "implementation_type": "<pine|python|both>",
-  "rules_implemented": ["<string>"],
-  "data_used": ["<string>"],
-  "assumptions": ["<string>"],
-  "results_summary": {
-    "winrate": "<number>",
-    "expectancy": "<number>",
-    "max_drawdown": "<number>",
-    "sharpe_ratio": "<number>",
-    "total_trades": "<number>",
-    "period": "<string>"
-  },
-  "artifacts": ["<string>"],
-  "bias_warnings": ["<string>"],
-  "handoff_notes": ["<string>"]
-}
-```
-
-### Data_Analysis_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "data_analyst",
-  "timestamp": "<ISO-8601>",
-  "report_type": "<daily|weekly|backtest_analysis|ad_hoc>",
-  "kpi_summary": ["<string>"],
-  "insights": ["<string>"],
-  "anomalies": ["<string>"],
-  "recommendations": ["<string>"]
-}
-```
-
----
-
-## 8.4 行銷 & 內容 Schema
-
-### Market_Research_Brief.json / Market_Analysis_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "market_researcher",
-  "timestamp": "<ISO-8601>",
-  "report_type": "<brief|analysis>",
-  "sources": [
-    {
-      "title": "<string>",
-      "url": "<string>",
-      "summary": "<string>",
-      "confidence": "<number 0-1>"
-    }
-  ],
-  "pain_points": ["<string>"],
-  "competitor_patterns": ["<string>"],
-  "trend_signals": ["<string>"],
-  "takeaways": ["<string>"]
-}
-```
-
-### Brand_Strategy_Plan.json / Growth_Strategy_Plan.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "strategy_director",
-  "timestamp": "<ISO-8601>",
-  "plan_type": "<brand|growth>",
-  "usp": ["<string>"],
-  "target_audience": ["<string>"],
-  "core_messages": ["<string>"],
-  "campaign_direction": ["<string>"],
-  "funnel_plan": ["<string>"],
-  "test_plan": ["<string>"]
-}
-```
-
-### Ads_Performance_Report.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "ads_analyst",
-  "timestamp": "<ISO-8601>",
-  "performance_summary": ["<string>"],
-  "diagnosis": ["<string>"],
-  "optimization_suggestions": ["<string>"],
-  "alerts": ["<string>"]
-}
-```
-
-### Copywriting_Pack.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "copywriter",
-  "timestamp": "<ISO-8601>",
-  "content_type": "<ad_copy|video_script|both>",
-  "hooks": ["<string>"],
-  "bodies": ["<string>"],
-  "ctas": ["<string>"],
-  "video_sections": [
-    {
-      "scene": "<number>",
-      "message": "<string>",
-      "duration_seconds": "<number>"
-    }
-  ]
-}
-```
-
-### Static_Creative_Brief.json / Storyboard_Brief.json
-```json
-{
-  "task_id": "<string>",
-  "agent_id": "creative_director",
-  "timestamp": "<ISO-8601>",
-  "brief_type": "<static|storyboard>",
-  "visual_direction": ["<string>"],
-  "must_include": ["<string>"],
-  "asset_specs": ["<string>"],
-  "shots": [
-    {
-      "scene": "<number>",
-      "visual": "<string>",
-      "motion": "<string>",
-      "caption": "<string>"
-    }
-  ],
-  "style_notes": ["<string>"]
-}
-```
-
----
-
-## 8.5 新增：會議相關 Schema
-
-### Meeting_Request.json（發起會議）
-```json
-{
-  "meeting_id": "<string>",
-  "meeting_type": "<meeting_quant_debate|meeting_strategy_review|meeting_cross_team_sync|meeting_daily_premarket|custom>",
-  "topic": "<string>",
-  "requested_by": "<agent_id>",
-  "participants": ["<agent_id>"],
-  "moderator": "<agent_id>",
-  "input_context": ["<schema_name>"],
-  "max_rounds": "<number>",
-  "stop_condition": "<string>",
-  "discord_channel": "<string>"
-}
-```
-
-### Meeting_Conclusion.json（會議結論）
-```json
-{
-  "meeting_id": "<string>",
-  "meeting_type": "<string>",
-  "topic": "<string>",
-  "participants": ["<agent_id>"],
-  "moderator": "<agent_id>",
-  "total_rounds": "<number>",
-  "conclusion": "<string>",
-  "consensus_reached": "<boolean>",
-  "key_arguments": [
-    {
-      "agent_id": "<string>",
-      "position": "<string>",
-      "key_points": ["<string>"]
-    }
-  ],
-  "action_items": [
-    {
-      "owner": "<agent_id>",
-      "task": "<string>"
-    }
-  ],
-  "dissenting_opinions": ["<string>"],
-  "next_steps": ["<string>"]
-}
-```

docs/spec_v3_system_overview.md

@@ -1,129 +0,0 @@
-# KingClawArmy AI Agent Team - 系統規格書 v3
-
-> 版本：v3.0  
-> 日期：2026-04-09  
-> 狀態：初版定稿  
-> 前版差異：v2 為本地 LLM 架構，v3 改為 model-agnostic + Paperclip + Discord 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**：從情報蒐集 → 市場結構分析 → 多空辯論 → 策略形成 → 風控 → 回測 → 分析，完成完整量化研究閉環
-2. **行銷策略**：從市場研究 → 品牌/成長策略 → 投放分析，完成行銷策略閉環
-3. **內容創作**：從策略 → 文案撰寫 → 視覺方向，完成內容產出閉環
-4. **工程開發**：前端/後端開發、部署（依需求啟用）
-5. **自主協作**：Agent 之間能進行結構化任務交接與即時討論，產出 1+1 > 2 的協作效果
-
-### 1.2 設計原則
-
-| 原則 | 說明 |
-|---|---|
-| Model-Agnostic | 不綁定任何特定 AI 模型，可自由切換雲端或本地 |
-| 漸進式上線 | 一隻一隻加入，觀察調整後再擴編 |
-| 人類保留最終決策權 | 所有高風險動作必須經過董事長（你）批准 |
-| 結構化溝通 | Agent 之間透過 JSON Schema 傳遞資訊，確保格式一致 |
-| 討論產生價值 | 關鍵決策點安排多 Agent 討論，而非單一 Agent 獨斷 |
-
-### 1.3 整體架構
-
-```
-┌─────────────────────────────────────────────────────┐
-│                    董事長（你）                        │
-│          透過 Discord + Paperclip UI 操作             │
-└──────────────────────┬──────────────────────────────┘
-                       │
-┌──────────────────────▼──────────────────────────────┐
-│              Discord（溝通 + 管理 + HITL）            │
-│                                                      │
-│  頻道：通知、審批、量化討論、行銷討論、錯誤、日報      │
-│  功能：                                               │
-│  ├── Agent 群組討論（thread 內多 agent 對話）          │
-│  ├── 管理指令（/clip agents, /clip approve）          │
-│  ├── HITL 審批（agent 需要你批准時通知你）             │
-│  └── 完整對話記錄（自動 audit trail）                  │
-└──────────────────────┬──────────────────────────────┘
-                       │ paperclip-plugin-discord
-┌──────────────────────▼──────────────────────────────┐
-│           Paperclip（組織 + 調度 + 任務管理）          │
-│                                                      │
-│  ├── Org Chart：團隊結構、彙報關係                    │
-│  ├── Heartbeat：排程喚醒 agent                       │
-│  ├── Issue System：任務建立、分派、追蹤               │
-│  ├── Budget：per-agent 預算控制                      │
-│  └── Adapter：透過 OpenClaw 執行所有 agent            │
-└──────────────────────┬──────────────────────────────┘
-                       │ OpenClaw Adapter
-┌──────────────────────▼──────────────────────────────┐
-│           OpenClaw（Agent 執行層）                     │
-│                                                      │
-│  ├── 每個 Agent 獨立的 system prompt                  │
-│  ├── 每個 Agent 獨立的工具權限                        │
-│  ├── 模型自由選擇（Claude / GPT / DeepSeek / 本地）   │
-│  └── A2A 通訊能力（透過 plugin）                      │
-└──────────────────────┬──────────────────────────────┘
-                       │
-┌──────────────────────▼──────────────────────────────┐
-│              Mem0（記憶層）                            │
-│                                                      │
-│  ├── 共享記憶：跨 agent 的決策記錄、研究結果           │
-│  ├── 個別記憶：每個 agent 的工作脈絡                  │
-│  └── 會議記憶：討論結論與共識                         │
-└──────────────────────┬──────────────────────────────┘
-                       │
-┌──────────────────────▼──────────────────────────────┐
-│              AI Model API（模型層）                    │
-│                                                      │
-│  之後再決定，可能的選項：                              │
-│  ├── 雲端：Claude API / OpenAI API / DeepSeek API    │
-│  ├── 本地：vLLM / Ollama / SGLang                    │
-│  └── 混合：部分雲端 + 部分本地                        │
-└─────────────────────────────────────────────────────┘
-```
-
-### 1.4 技術選型
-
-| 層級 | 工具 | 版本/來源 | 選擇理由 |
-|---|---|---|---|
-| 組織管理 | Paperclip | MIT, 44K+ stars | 最成熟的 AI agent 公司框架，有 org chart、heartbeat、預算、UI |
-| 溝通管理 | Discord + paperclip-plugin-discord | 社群 plugin | 補足 Paperclip 缺少的 peer-to-peer 討論，同時作為 HITL 介面 |
-| Agent 執行 | OpenClaw | MIT, 257K+ stars | Model-agnostic、支援多種模型、有 A2A 能力、社群活躍 |
-| 記憶 | Mem0 | Apache 2.0, 48K+ stars | 社群最大、可自建或用雲端、支援共享+個別記憶 |
-| 模型 | 待定 | — | Model-agnostic 設計，之後可自由選擇 |
-
-### 1.5 資料流概覽
-
-```
-董事長下達指令
-  │
-  ▼
-CEO/COO 接收 → 拆任務 → 分派給對應團隊
-  │
-  ├── 結構化任務 → Paperclip Issue → Agent Heartbeat 執行
-  │                                    │
-  │                                    ▼
-  │                              OpenClaw 執行
-  │                                    │
-  │                                    ▼
-  │                              產出 JSON 結果
-  │                                    │
-  │                                    ▼
-  │                              寫回 Paperclip
-  │
-  ├── 需要討論的任務 → Discord Thread → 多 Agent 討論
-  │                                      │
-  │                                      ▼
-  │                                 產出會議結論
-  │                                      │
-  │                                      ▼
-  │                                 寫回 Paperclip
-  │
-  └── 需要你批准 → Discord #approvals → 你批准/退回
-                                         │
-                                         ▼
-                                    繼續或修改
-```

docs/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 |

docs/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
-```

docs/spec_v4_rollout_and_risks.md

@@ -1,138 +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
-
-**沿用 v3 版 schema，見 `spec_v3_schemas.md`。**
-
-schema 定義與系統架構無關（純資料格式），v3 版仍然適用。
-
----
-
-## 第九部分：上線計畫
-
-### 9.1 總覽
-
-| Phase | 目標 | 上線角色 | 驗收標準 |
-|---|---|---|---|
-| 0 | 基礎設施 | — | OpenClaw + Discord 可用 |
-| 1 | 管理閉環 | 3 agents | CEO 派工→秘書記錄→審查審核 |
-| 2 | 量化閉環 | +7 agents | 情報到回測完整 pipeline |
-| 3 | 行銷閉環 | +3 agents | 研究→策略→KPI 追蹤 |
-| 4 | 內容閉環 | +2 agents | 文案+創意 brief |
-| 5 | 工程（依需求） | +0~2 agents | 前後端任務可執行 |
-
-### 9.2 Phase 0：基礎設施
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 0.1 | 安裝 OpenClaw | `openclaw --version` 正常 |
-| 0.2 | 設定至少一個 AI model API | OpenClaw 能回應訊息 |
-| 0.3 | 設定記憶引擎（QMD 建議） | `memory_search` 可用 |
-| 0.4 | 建立 Discord Server + 頻道 | 頻道結構完成 |
-| 0.5 | 連接 OpenClaw Discord 整合 | Bot 在 Discord 上線 |
-| 0.6 | 建立 `~/.openclaw/openclaw.json` 基本結構 | config 可載入 |
-
-### 9.3 Phase 1：管理閉環
-
-| 步驟 | 動作 | 驗收 |
-|---|---|---|
-| 1.1 | 建立 CEO agent（SOUL.md + workspace） | Agent 回應正常 |
-| 1.2 | 設定 CEO 的 Discord binding | Discord 訊息能路由到 CEO |
-| 1.3 | 手動在 Discord 下達測試任務 | CEO 能理解並回應 |
-| 1.4 | 建立秘書 agent | 秘書能用 memory_search 讀取 CEO 產出 |
-| 1.5 | 建立審查員 agent | 審查員能回覆 pass/revise |
-| 1.6 | 測試 CEO spawn 秘書 | sessions_spawn 正常 |
-| 1.7 | 測試 CEO send 審查員 | sessions_send 來回正常 |
-| 1.8 | 測試 HITL：CEO @你 在 Discord | 你收到通知，回覆後 CEO 繼續 |
-| 1.9 | 測試跨 agent 記憶 | 秘書能搜尋 CEO 的記憶（QMD extraCollections） |
-
-**Phase 1 完成標準：**
-- [ ] 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） |

docs/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 |

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

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。

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

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。

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。

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。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

skills/institutional-flow-tracker/SKILL.md

@@ -0,0 +1,24 @@
+---
+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: tradermonty/claude-trading-skills
+      path: skills/institutional-flow-tracker/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

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

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

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

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

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）

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

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）

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

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

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

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。

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

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

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

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

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

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

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）

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）

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

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

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

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）

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

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）

skills/us-stock-analysis/SKILL.md

@@ -0,0 +1,24 @@
+---
+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: tradermonty/claude-trading-skills
+      path: skills/us-stock-analysis/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

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

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

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

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