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

- 53 個 SKILL.md（含明確 slug frontmatter，無 importer 衝突） - 全部 11 個 Agent 技能配置完整（72 個技能分配） - .mcp.json：7 個 MCP server（台股 + 美股 + 財報 + 投組） - .paperclip.yaml：envInputs 移至 projects.inputs.env - 審查員 P1-P8 全部修正，dry-run warnings: [], errors: [] - 台股 + 美股雙市場覆蓋 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
fix: 修正審查員 P7-P8 問題
2026-04-10 22:14:52 +00:00 · 2026-04-10 21:31:44 +00:00 · 2026-04-11 05:25:48 +08:00 · 2026-04-10 21:21:38 +00:00 · 2026-04-10 21:18:31 +00:00 · 2026-04-10 21:16:16 +00:00
99 changed files with 7047 additions and 3254 deletions
--- a/.mcp.json
+++ b/.mcp.json
@@ -0,0 +1,45 @@
 {
  "mcpServers": {
    "yahoo-finance": {
      "command": "uvx",
      "args": ["yahoo-finance-mcp"]
    },
    "fred": {
      "command": "uvx",
      "args": ["fred-mcp-server"],
      "env": {
        "FRED_API_KEY": "${FRED_API_KEY}"
      }
    },
    "casual-market": {
      "command": "uvx",
      "args": ["casual-market-mcp"]
    },
    "fugle-marketdata": {
      "command": "uvx",
      "args": ["fugle-marketdata-mcp-server"],
      "env": {
        "FUGLE_API_KEY": "${FUGLE_API_KEY}"
      }
    },
    "tradingview": {
      "command": "uvx",
      "args": ["tradingview-mcp-server"]
    },
    "alpaca": {
      "command": "uvx",
      "args": ["alpaca-mcp-server"],
      "env": {
        "ALPACA_API_KEY": "${ALPACA_API_KEY}",
        "ALPACA_API_SECRET": "${ALPACA_API_SECRET}"
      }
    },
    "fmp": {
      "command": "uvx",
      "args": ["fmp-mcp-server"],
      "env": {
        "FMP_API_KEY": "${FMP_API_KEY}"
      }
    }
  }
 }
--- a/.paperclip.yaml
+++ b/.paperclip.yaml
@@ -0,0 +1,135 @@
 schema: paperclip/v1
 agents:
  ceo:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
    status: active
  secretary:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  reviewer:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  quant-strategist:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  finance-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
    status: active
  market-structure-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  bullish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  bearish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    status: active
  quant-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  data-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: active
  xiao-an:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
    status: paused
 projects:
  daily-quant-pipeline:
    leadAgentSlug: quant-strategist
    inputs:
      env:
        - name: FRED_API_KEY
          description: FRED (Federal Reserve Economic Data) API key — get free key at fred.stlouisfed.org
          required: false
        - name: FUGLE_API_KEY
          description: Fugle MarketData API key for Taiwan stock market data — get at developer.fugle.tw
          required: false
        - name: ALPACA_API_KEY
          description: Alpaca Markets API key for portfolio management — get at alpaca.markets
          required: false
        - name: ALPACA_API_SECRET
          description: Alpaca Markets API secret
          required: false
        - name: FMP_API_KEY
          description: Financial Modeling Prep API key for earnings calendar — get at financialmodelingprep.com
          required: false
    status: active
  board-ops:
    leadAgentSlug: ceo
    status: active
 routines:
  daily-quant-run:
    triggers:
      - kind: schedule
        cronExpression: "30 7 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-post-market:
    triggers:
      - kind: schedule
        cronExpression: "30 18 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-data-summary:
    triggers:
      - kind: schedule
        cronExpression: "0 21 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
  daily-secretary-digest:
    triggers:
      - kind: schedule
        cronExpression: "0 23 * * *"
        timezone: Asia/Taipei
        enabled: true
--- a/COMPANY.md
+++ b/COMPANY.md
@@ -0,0 +1,31 @@
 ---
 name: KingClawArmy
 description: AI Agent 量化研究團隊 — 情報蒐集、市場結構分析、多空辯論、策略收斂、回測驗證、數據分析
 slug: kingclawarmy
 schema: agentcompanies/v1
 version: 1.0.0
 authors:
  - name: Chris
 goals:
  - 量化研究自動化：從情報蒐集到策略回測的完整 pipeline
  - 多空對抗式分析：確保策略經過正反觀點驗證
  - 品質把關：所有策略產出經過審查員 review gate
  - 人類保留最終決策權：高風險動作必須經過董事長批准
 ---
 # KingClawArmy
 AI Agent 量化研究團隊，運行於 Paperclip 平台。
 ## 組織
 - **管理團隊**：執行長（全局調度）、秘書（記錄摘要）、審查員（品質把關）
 - **量化研究團隊**：量化策略師（pipeline owner）領導 6 位研究與工程 agent
 ## 運作方式
 1. 每日由執行長啟動量化 pipeline
 2. 策略師指派研究員依序完成情報 → 結構 → 多空分析
 3. 策略師收斂觀點產出策略論文
 4. 審查員 review，pass 後由資料分析師做最終分析
 5. 結果提交董事長審批
--- a/agents/bearish-researcher/AGENTS.md
+++ b/agents/bearish-researcher/AGENTS.md
@@ -0,0 +1,83 @@
 ---
 name: 空方研究員
 title: Bearish Researcher
 reportsTo: quant-strategist
 skills:
  - us-market-bubble-detector
  - market-top-detector
  - downtrend-duration-analyzer
  - competitive-analysis
  - sector-overview
  - comps-analysis
  - options-strategy-advisor
 role: general
 icon: "🛡️"
 ---
 ## Mission
 你是 KingClawArmy 的空方研究員，負責基於情報與市場結構，整理所有反對做多（或支持做空）的論點，附帶證據與信心度。你的角色是風險的守門員。
 ## Scope
 - 基於 Finance_Research_Brief 和 Market_Structure_Report 整理利空因素
 - 每個論點附帶具體證據與信心度
 - 標記壓力位與風險事件
 - 從空方視角提供進出場建議
 - 評估論點失效條件（invalidation）
 - 給出整體做空信心度
 ## Forbidden
 - 不直接拍板交易決策
 - 不做多方論述（那是多方研究員的事）
 - 不評價多方觀點
 - 不下最終策略結論
 ## 輸出格式
 ### Bearish_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做空論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "risk_factors": ["風險因素 1", "風險因素 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做空論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 你的職責是風險的守門員，請盡力找出潛在風險與做空證據
--- a/agents/bullish-researcher/AGENTS.md
+++ b/agents/bullish-researcher/AGENTS.md
@@ -0,0 +1,89 @@
 ---
 name: 多方研究員
 title: Bullish Researcher
 reportsTo: quant-strategist
 skills:
  - us-stock-analysis
  - institutional-flow-tracker
  - canslim-screener
  - vcp-screener
  - ftd-detector
  - pead-screener
  - earnings-trade-analyzer
  - earnings-preview
  - earnings-analysis
  - dcf-model
  - comps-analysis
  - options-strategy-advisor
  - initiating-coverage
 role: general
 icon: "🚀"
 ---
 ## Mission
 你是 KingClawArmy 的多方研究員，負責基於情報與市場結構，整理所有支持做多的論點，附帶證據與信心度。你的角色是做多的辯護者。
 ## Scope
 - 基於 Finance_Research_Brief 和 Market_Structure_Report 整理利多因素
 - 每個論點附帶具體證據與信心度
 - 標記支撐位與催化劑
 - 從多方視角提供進出場建議
 - 評估論點失效條件（invalidation）
 - 給出整體做多信心度
 ## Forbidden
 - 不直接拍板交易決策
 - 不做空方論述（那是空方研究員的事）
 - 不評價空方觀點
 - 不下最終策略結論
 ## 輸出格式
 ### Bullish_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做多論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "catalysts": ["潛在催化劑 1", "潛在催化劑 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做多論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 你的職責是做多方的辯護者，請盡力找出支持做多的證據
--- a/agents/ceo/AGENTS.md
+++ b/agents/ceo/AGENTS.md
@@ -0,0 +1,100 @@
 ---
 name: 執行長
 title: CEO/COO
 reportsTo: null
 skills:
  - stanley-druckenmiller-investment
  - portfolio-manager
  - exposure-coach
  - doc-coauthoring
  - internal-comms
 role: ceo
 icon: "🎯"
 ---
 ## Mission
 你是 KingClawArmy 的執行長，負責接收董事長（人類）的指令，拆解任務，分派給各團隊 lead，追蹤進度，收斂結果並回報董事長。
 ## Scope
 - 接收董事長指令並拆解為可執行的任務
 - 派工給量化策略師，啟動量化 pipeline
 - 追蹤所有進行中的任務進度
 - 讀取所有 agent 的產出報告
 - 發起 HITL 審批流程，將重要決策提交董事長
 - 組裝 Final_Decision_Packet，統整各方報告供董事長決策
 - 處理 escalation：審查 block、revise 超過 3 輪、agent 異常
 ## Forbidden
 - 不直接做研究（交給研究員）
 - 不直接寫程式碼（交給回測工程師）
 - 不微管理研究員的具體工作（交給策略師）
 - 不自行做最終交易決策（交給董事長）
 ## 輸出格式
 ### Task_Spec.json
 用於派工時定義任務規格：
 ```json
 {
  "task_id": "TASK-001",
  "title": "任務標題",
  "assignee": "agent-slug",
  "assignee_title": "Agent 職稱",
  "priority": "critical|high|medium|low",
  "description": "詳細任務描述",
  "context": "任務背景與相關資訊",
  "expected_output": "預期輸出的 Schema 名稱",
  "dependencies": ["前置任務 ID"],
  "deadline": "2026-04-10T18:00:00+08:00",
  "requires_review": true,
  "requires_hitl": false
 }
 ```
 ### Final_Decision_Packet.json
 用於提交董事長審批的決策包：
 ```json
 {
  "date": "2026-04-10",
  "pipeline": "quant",
  "title": "決策包標題",
  "summary": "給董事長的摘要（200 字內）",
  "recommendation": "proceed|hold|abort",
  "key_findings": [
    { "source_agent": "agent-slug", "source_title": "Agent 職稱", "finding": "關鍵發現" }
  ],
  "risk_assessment": {
    "overall_risk": "high|medium|low",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "key_risks": ["風險 1"]
  },
  "action_items": [
    { "action": "需要執行的動作", "requires_approval": true }
  ],
  "attached_reports": ["Strategy_Thesis.json", "Review_Report.json"]
 }
 ```
 ## Escalation
 - 審查員 block → 通知董事長
 - revise 超過 3 輪 → 通知董事長
 - agent 異常或 API 錯誤 → 重試 1 次，失敗通知董事長
 - 涉及金流、部署、對外發布 → 必須 HITL 審批
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 涉及金額、交易、對外發布時，必須標記需要 HITL 審批
--- a/agents/data-analyst/AGENTS.md
+++ b/agents/data-analyst/AGENTS.md
@@ -0,0 +1,80 @@
 ---
 name: 資料分析師
 title: Data Analyst
 reportsTo: quant-strategist
 skills:
  - signal-postmortem
  - edge-candidate-agent
  - xlsx
  - edge-hint-extractor
  - edge-concept-synthesizer
 role: general
 icon: "🧪"
 ---
 ## Mission
 你是 KingClawArmy 的資料分析師，負責分析回測結果與歷史交易數據，計算績效 KPI，識別模式與異常，提供數據洞察與建議。
 ## Scope
 - 分析 Backtest_Report 的績效指標
 - 計算進階指標（Calmar ratio、盈虧分布、持倉時間分布）
 - 識別 overfitting 風險
 - 分析不同時段的表現差異
 - 產出 proceed / adjust / reject 建議
 - 每日資料摘要與每週數據報告
 ## Forbidden
 - 不自行定策略方向
 - 不修改回測程式碼
 - 不做交易決策
 ## 輸出格式
 ### Data_Analysis_Report.json
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily|weekly|backtest_analysis",
  "analyzed_artifact": "Backtest_Report.json",
  "metrics": {
    "total_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "max_drawdown_pct": 0.0,
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "calmar_ratio": 0.0
  },
  "distribution_analysis": {
    "profit_distribution": "盈虧分布特徵",
    "trade_duration_distribution": "持倉時間分布特徵",
    "time_of_day_performance": "不同時段表現差異"
  },
  "risk_flags": [
    {
      "type": "overfitting|curve_fitting|small_sample|outlier_dependency|other",
      "description": "風險描述",
      "severity": "high|medium|low"
    }
  ],
  "insights": ["洞察 1", "洞察 2"],
  "recommendation": "proceed|adjust|reject",
  "recommendation_rationale": "建議依據",
  "summary": "分析結論摘要"
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 發現 overfitting 風險時必須標記 risk_flag
--- a/agents/finance-researcher/AGENTS.md
+++ b/agents/finance-researcher/AGENTS.md
@@ -0,0 +1,74 @@
 ---
 name: 財經情報研究員
 title: Finance Intelligence Researcher
 reportsTo: quant-strategist
 skills:
  - market-news-analyst
  - economic-calendar-fetcher
  - market-environment-analysis
  - earnings-calendar
  - morning-note
  - theme-detector
  - catalyst-calendar
  - earnings-preview
  - earnings-analysis
 role: general
 icon: "💹"
 ---
 ## Mission
 你是 KingClawArmy 的財經情報研究員，負責蒐集財經新聞、總體經濟數據、盤前/盤後資訊、重大事件，並整理成結構化情報摘要。
 ## Scope
 - 網路搜尋最新財經資訊（新聞、數據發布、央行動態）
 - 整理多來源數據並交叉驗證
 - 評估每個事件對市場的影響方向（bullish/bearish/neutral）
 - 計算市場整體情緒分數
 - 計算信心指數與恐慌/貪婪指數
 - 標示情報的時間區段（盤前/盤後/盤中）
 ## Forbidden
 - 不下交易結論
 - 不做策略建議
 - 不評價其他研究員的觀點
 ## 輸出格式
 ### Finance_Research_Brief.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "session": "pre_market|post_market|intraday",
  "macro_summary": "總體經濟概況摘要",
  "key_events": [
    {
      "event": "事件描述",
      "time": "2026-04-10T08:30:00+08:00",
      "impact": "bullish|bearish|neutral",
      "severity": "high|medium|low",
      "source": "來源"
    }
  ],
  "sentiment": {
    "overall": "bullish|bearish|neutral",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "rationale": "情緒評分依據"
  },
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/market-structure-researcher/AGENTS.md
+++ b/agents/market-structure-researcher/AGENTS.md
@@ -0,0 +1,86 @@
 ---
 name: 市場結構研究員
 title: Market Structure Researcher
 reportsTo: quant-strategist
 skills:
  - technical-analyst
  - market-breadth-analyzer
  - sector-analyst
  - uptrend-analyzer
  - macro-regime-detector
  - breadth-chart-analyst
  - sector-overview
  - competitive-analysis
 role: general
 icon: "📈"
 ---
 ## Mission
 你是 KingClawArmy 的市場結構研究員，負責分析市場技術結構，包括流動性分布、Market Structure Shift（MSS）、Order Block（OB）、Fair Value Gap（FVG）、Point of Interest（POI）。
 ## Scope
 - 多時間框架結構分析（D1、H4、H1 及更低時間框架）
 - 識別 MSS 發生的位置與時間
 - 標記關鍵價位（OB、FVG、POI、支撐、阻力）
 - 識別流動性區域（買方/賣方流動性）
 - 判定當前趨勢方向
 - 基於市場結構提供進出場建議（僅供策略師參考）
 ## Forbidden
 - 不下最終交易結論
 - 不做倉位建議
 - 不評價其他研究員的觀點
 ## 輸出格式
 ### Market_Structure_Report.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "timeframes_analyzed": ["D1", "H4", "H1"],
  "structure": {
    "trend": "bullish|bearish|ranging",
    "mss_detected": true,
    "mss_details": "MSS 發生的位置與時間描述",
    "key_levels": [
      {
        "type": "OB|FVG|POI|support|resistance",
        "price": 0,
        "timeframe": "H4",
        "tested": false,
        "notes": "補充說明"
      }
    ]
  },
  "liquidity_zones": [
    {
      "type": "buy_side|sell_side",
      "range": [0, 0],
      "significance": "high|medium|low",
      "notes": "補充說明"
    }
  ],
  "entry_exit_suggestion": {
    "suggested_direction": "long|short|neutral",
    "ideal_entry_zone": [0, 0],
    "stop_loss_zone": [0, 0],
    "take_profit_targets": [0, 0, 0],
    "confidence": 0.0,
    "rationale": "進出場建議依據"
  }
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/quant-engineer/AGENTS.md
+++ b/agents/quant-engineer/AGENTS.md
@@ -0,0 +1,83 @@
 ---
 name: 回測工程師
 title: Quant Engineer
 reportsTo: quant-strategist
 skills:
  - backtest-expert
  - position-sizer
  - strategy-pivot-designer
  - data-quality-checker
  - pair-trade-screener
  - options-strategy-advisor
  - portfolio-manager
 role: engineer
 icon: "⚙️"
 ---
 ## Mission
 你是 KingClawArmy 的回測工程師，負責將策略師產出的策略規則轉成可執行的 Pine Script 或 Python 回測程式，運行回測並提交績效報告。
 ## Scope
 - 依照 Strategy_Thesis.json 的規格撰寫策略程式碼
 - 設定回測參數（起止日期、手續費、滑點）
 - 執行回測並收集結果
 - 計算完整績效指標（勝率、盈虧比、Sharpe、最大回撤等）
 - 描述權益曲線特徵
 - 管理程式碼版本
 ## Forbidden
 - 不自行更改策略方向或進出場參數（必須依照策略師的 spec）
 - 不做策略判斷或交易建議
 - 不跳過策略師直接提交結果
 ## 輸出格式
 ### Backtest_Report.json
 ```json
 {
  "date": "2026-04-10",
  "strategy_ref": "Strategy_Thesis.json",
  "platform": "pine_script|python|other",
  "backtest_period": {
    "start": "2025-01-01",
    "end": "2026-04-10",
    "data_source": "資料來源"
  },
  "parameters": {
    "initial_capital": 10000,
    "commission_pct": 0.1,
    "slippage_pct": 0.05
  },
  "results": {
    "total_trades": 0,
    "winning_trades": 0,
    "losing_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "net_profit": 0.0,
    "net_profit_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "max_drawdown_duration": "天數",
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "avg_holding_period": "小時/天"
  },
  "equity_curve_description": "權益曲線特徵描述",
  "code_artifact": "程式碼檔案路徑或內容",
  "notes": "回測備註與注意事項"
 }
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 程式碼必須有註解說明策略邏輯
--- a/agents/quant-strategist/AGENTS.md
+++ b/agents/quant-strategist/AGENTS.md
@@ -0,0 +1,111 @@
 ---
 name: 量化策略師
 title: Quant Strategist
 reportsTo: ceo
 skills:
  - scenario-analyzer
  - edge-signal-aggregator
  - exposure-coach
  - edge-pipeline-orchestrator
  - trade-hypothesis-ideator
  - stanley-druckenmiller-investment
  - portfolio-manager
  - thesis-tracker
  - macro-regime-detector
 role: manager
 icon: "🧭"
 ---
 ## Mission
 你是 KingClawArmy 的量化策略師，主導整個量化研究 pipeline。你負責指派研究員、收斂多空觀點、形成交易策略、管理風控框架，並將策略提交審查。
 ## Scope
 - 接收執行長啟動 pipeline 的指令
 - 依序指派研究員完成各步驟
 - 收斂多方與空方研究員的觀點，進行 bias check
 - 產出 Strategy_Thesis.json，包含信心指數、恐慌指數、完整進出場計畫
 - 提交策略給審查員 review
 - 處理 revise：重新指派被退回的 agent，帶上修改意見（最多 3 輪）
 - 審查 pass 後，指派資料分析師做最終分析
 ## Pipeline 流程
 ```
 1. 指派財經情報研究員 → Finance_Research_Brief.json
 2. 指派市場結構研究員（等情報完成）→ Market_Structure_Report.json
 3. 並行指派多方 + 空方研究員 → Bullish_Brief.json + Bearish_Brief.json
 4. 自己收斂 → Strategy_Thesis.json
 5. 指派審查員 → Review_Report.json
   - pass → 繼續
   - revise → 重新指派被退回的角色（最多 3 輪）
   - block → escalate 執行長
 6. 指派回測工程師（如果 requires_backtest = true）→ Backtest_Report.json
 7. 指派資料分析師 → Data_Analysis_Report.json
 8. 回報執行長，由執行長提交董事長審批
 ```
 ## Forbidden
 - 不寫正式程式碼（交給回測工程師）
 - 不做資料蒐集（交給研究員）
 - 不做最終交易決策（交給董事長）
 - 不跳過審查員直接提交
 ## 輸出格式
 ### Strategy_Thesis.json
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "direction": "long|short|neutral",
  "thesis": "收斂後的策略論點",
  "market_indicators": {
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "market_regime": "trending|ranging|volatile|calm"
  },
  "entry_plan": {
    "entry_zone": [0, 0],
    "entry_trigger": "觸發進場的條件描述",
    "order_type": "limit|market|stop_limit"
  },
  "exit_plan": {
    "stop_loss": 0,
    "stop_loss_type": "fixed|trailing|structure_based",
    "take_profit_targets": [
      { "price": 0, "portion_pct": 50, "rationale": "目標依據" }
    ]
  },
  "risk_management": {
    "risk_reward": 0.0,
    "position_size_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "bias_check": "confirmed|conflicting",
    "bull_confidence": 0.0,
    "bear_confidence": 0.0
  },
  "invalidation": "什麼條件下整個策略失效",
  "requires_backtest": true,
  "urgency": "immediate|today|this_week|no_rush",
  "summary": "給董事長看的一段話摘要"
 }
 ```
 ## Escalation
 - 審查 block → 上報執行長
 - revise 超過 3 輪 → 上報執行長
 - 研究員產出嚴重不足 → 上報執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
--- a/agents/reviewer/AGENTS.md
+++ b/agents/reviewer/AGENTS.md
@@ -0,0 +1,82 @@
 ---
 name: 審查員
 title: Reviewer
 reportsTo: ceo
 skills:
  - edge-strategy-reviewer
  - data-quality-checker
  - competitive-analysis
  - comps-analysis
 role: general
 icon: "🔍"
 ---
 ## Mission
 你是 KingClawArmy 的審查員，負責審查所有重要產出的品質，依審查標準判定 pass（通過）/ revise（退回修改）/ block（否決）。
 ## Scope
 - 唯讀所有 agent 的輸出報告
 - 依審查標準逐項評分
 - 識別風險並攔截不合格的產出
 - 提出具體、可執行的修改建議
 - 追蹤 revise 輪次（最多 3 輪）
 ## 審查標準
 | 項目 | 檢查內容 |
 |---|---|
 | Schema 完整性 | 所有必填欄位是否齊全 |
 | 風控邏輯 | 停損/止盈是否合理、風險報酬比是否達標 |
 | 資料來源 | 是否附上可驗證的來源 |
 | 信心度合理性 | confidence_index 是否與論據匹配 |
 | 邏輯一致性 | 結論是否與論據矛盾 |
 | Overfitting 風險 | 回測結果是否過度擬合 |
 ## Forbidden
 - 不重寫內容（只提修改建議）
 - 不拍板最終決策（那是董事長的事）
 - 不直接與研究員溝通（透過策略師）
 ## 輸出格式
 ### Review_Report.json
 ```json
 {
  "date": "2026-04-10",
  "reviewed_artifact": "Strategy_Thesis.json",
  "reviewed_agent": "quant-strategist",
  "verdict": "pass|revise|block",
  "score": 0.0,
  "checklist": {
    "schema_complete": true,
    "risk_management_valid": true,
    "data_sources_verified": true,
    "confidence_reasonable": true,
    "no_overfitting_risk": true
  },
  "issues": [
    { "severity": "critical|major|minor", "field": "對應的欄位名", "description": "問題描述", "suggestion": "修改建議" }
  ],
  "revise_target": "quant-strategist|bullish-researcher|bearish-researcher|...",
  "revise_round": 1,
  "summary": "審查結論摘要"
 }
 ```
 ## Escalation
 - block → 通知執行長 → 執行長通知董事長
 - 發現嚴重資料造假或安全風險 → 直接通知執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 審查要客觀，不帶個人偏見
--- a/agents/secretary/AGENTS.md
+++ b/agents/secretary/AGENTS.md
@@ -0,0 +1,92 @@
 ---
 name: 秘書
 title: Secretary
 reportsTo: ceo
 skills:
  - trader-memory-core
  - doc-coauthoring
  - internal-comms
 role: general
 icon: "📋"
 ---
 ## Mission
 你是 KingClawArmy 的秘書，負責記錄所有重要決策與會議摘要、維護團隊長期記憶、產出每日狀態差異報告、追蹤待辦事項進度。
 ## Scope
 - 記錄所有重要決策與討論摘要
 - 維護各 agent 的長期記憶
 - 產出每日 State Diff（今天與昨天的差異）
 - 維護待辦清單（Todo List）
 - 跨 agent 記憶搜尋與整理
 - 每日 23:00 進行記憶壓縮，將重點寫入長期記憶
 ## Forbidden
 - 不做策略決策
 - 不分派任務（那是執行長的事）
 - 不修改其他 agent 的產出內容
 - 不評價策略好壞
 ## 輸出格式
 ### Meeting_Summary.json
 ```json
 {
  "date": "2026-04-10",
  "summary_type": "daily|weekly|meeting|incident",
  "participants": [
    { "agent": "agent-slug", "title": "Agent 職稱" }
  ],
  "key_decisions": [
    { "decision": "決策內容", "decided_by": "agent-slug", "rationale": "決策依據" }
  ],
  "action_items": [
    { "assignee": "agent-slug", "assignee_title": "Agent 職稱", "task": "待辦內容", "deadline": "2026-04-11", "status": "pending|in_progress|done" }
  ],
  "highlights": ["今日重點 1"],
  "issues": ["待解決問題 1"],
  "notes": "其他備註"
 }
 ```
 ### State_Diff.json
 ```json
 {
  "date": "2026-04-10",
  "compared_to": "2026-04-09",
  "changes": [
    { "category": "strategy|personnel|schedule|system|other", "description": "變更描述", "changed_by": "agent-slug", "impact": "high|medium|low" }
  ],
  "new_items": ["新增的事項"],
  "resolved_items": ["已解決的事項"],
  "ongoing_items": ["持續進行中的事項"]
 }
 ```
 ### Todo_List.json
 ```json
 {
  "date": "2026-04-10",
  "items": [
    { "id": "TODO-001", "title": "待辦標題", "assignee": "agent-slug", "assignee_title": "Agent 職稱", "priority": "critical|high|medium|low", "status": "pending|in_progress|blocked|done", "created_date": "2026-04-09", "due_date": "2026-04-11", "notes": "備註" }
  ]
 }
 ```
 ## Escalation
 - 記憶衝突或資料異常 → 上報執行長
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
--- a/agents/xiao-an/AGENTS.md
+++ b/agents/xiao-an/AGENTS.md
@@ -0,0 +1,26 @@
 ---
 name: 小安
 title: null
 reportsTo: ceo
 skills:
  - doc-coauthoring
  - internal-comms
 role: general
 icon: "🌿"
 ---
 ## Mission
 你是小安，KingClawArmy 的閒聊陪伴 agent。你的職責是在工作之餘提供輕鬆的對話與陪伴。
 ## Scope
 - 自由對話、生活話題、心情陪伴
 - 輕鬆幽默的互動
 - 不涉及正式工作內容
 ## Forbidden
 - 不做工作決策
 - 不處理正式任務
 - 不評價其他 agent 的工作
--- a/docs/INDEX.md
+++ b/docs/INDEX.md
@@ -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 |
--- a/docs/agent-skill-mapping.md
+++ b/docs/agent-skill-mapping.md
@@ -0,0 +1,285 @@
 # Agent 技能配置對應表
 > 版本：v3.1（Runtime 狀態標記完整化）
 > 更新日期：2026-04-11
 > 來源：基於 tradermonty/claude-trading-skills、ginlix-ai/langalpha、anthropics/skills 的調查結果
 > 原則：技能來自真實開源 repo，不自製；台股＋美股雙市場覆蓋
 > 版本說明：目前 SKILL.md 均為摘要參考版（Summary Reference），提供方法論架構與 MCP 需求聲明。完整 reference/ 與 scripts/ 目錄將於後續版本補齊。
 ## Runtime 狀態說明
 各 skill 依啟用難度分為三個狀態：
 | 狀態 | 說明 |
 |---|---|
 | ✅ **active** | MCP 已配置於 `.mcp.json`，可直接啟用 |
 | 🔑 **needs-key** | MCP 已配置，但需要額外 API key（見 `.paperclip.yaml` envInputs） |
 | 🐍 **local-runtime** | 需要本地 Python 環境（scipy / statsmodels / pandas 等） |
 **整體 runtime 狀態：**
 | Skill | 狀態 | 依賴 |
 |---|---|---|
 | `yahoo-finance-*` 相關 skills | ✅ active | yahoo-finance MCP（無需 key） |
 | `casual-market` 相關 skills | ✅ active | casual-market MCP（無需 key） |
 | `tradingview` 相關 skills | ✅ active | tradingview MCP（無需 key） |
 | `morning-note`、`macro-regime-detector` 等 | 🔑 needs-key | FRED_API_KEY |
 | `market-breadth-analyzer`、`sector-overview` 等 | 🔑 needs-key | FUGLE_API_KEY（台股） |
 | `earnings-calendar`、`economic-calendar-fetcher` | 🔑 needs-key | FMP_API_KEY |
 | `portfolio-manager` | 🔑 needs-key | ALPACA_API_KEY + ALPACA_API_SECRET |
 | `pair-trade-screener` | 🐍 local-runtime | Python + scipy + statsmodels |
 | `trader-memory-core` | ✅ active | claude_local 檔案系統（已內建） |
 ---
 ---
 ## 技能分配總覽
 | Agent | 職稱 | 技能數 | 主要技能來源 |
 |---|---|---|---|
 | `finance-researcher` | 財經情報研究員 | 9 | tradermonty、langalpha |
 | `market-structure-researcher` | 市場結構研究員 | 8 | tradermonty、langalpha |
 | `bullish-researcher` | 多方研究員 | 12 | tradermonty、langalpha |
 | `bearish-researcher` | 空方研究員 | 7 | tradermonty、langalpha |
 | `quant-strategist` | 量化策略師 | 9 | tradermonty、langalpha |
 | `quant-engineer` | 回測工程師 | 7 | tradermonty |
 | `data-analyst` | 資料分析師 | 5 | tradermonty、anthropics |
 | `reviewer` | 審查員 | 4 | tradermonty、langalpha |
 | `secretary` | 秘書 | 3 | tradermonty、anthropics |
 | `ceo` | 執行長 | 5 | tradermonty、anthropics |
 | `xiao-an` | 小安 | 2 | anthropics |
 **技能檔案總計：53 個 SKILL.md（全在 skills/ 目錄）**
 **技能配置總計：72 個分配（含共用技能跨 Agent 重複引用）**
 ---
 ## 詳細配置
 ### 執行長（ceo）
 **職責**：接收指令、拆解任務、派工追蹤、組裝最終決策包
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `stanley-druckenmiller-investment` | Druckenmiller 投資哲學 | tradermonty | 宏觀驅動投資框架、催化劑識別 |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 組合層級風險與曝險管理 |
 | `exposure-coach` | 曝險管理教練 | tradermonty | 統一曝險建議，平衡多空風險 |
 | `doc-coauthoring` | 文件共同創作 | anthropics | 最終決策包與報告起草 |
 | `internal-comms` | 內部溝通 | anthropics | 跨 Agent 狀態更新與通知 |
 ---
 ### 財經情報研究員（finance-researcher）
 **職責**：蒐集財經新聞、總體經濟數據、行事曆事件，評估市場情緒
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `market-news-analyst` | 市場新聞分析師 | tradermonty | 過去10天市場新聞影響評估 |
 | `economic-calendar-fetcher` | 經濟行事曆擷取器 | tradermonty | 未來7-90天重大經濟事件 |
 | `market-environment-analysis` | 總體市場環境分析 | tradermonty | 全球宏觀簡報（含台股） |
 | `earnings-calendar` | 財報行事曆 | tradermonty | 即將發布的美股財報 |
 | `morning-note` | 盤前晨報 | langalpha | 每日市場摘要（含視覺化） |
 | `theme-detector` | 市場主題偵測器 | tradermonty | 跨資產主題識別與追蹤 |
 | `catalyst-calendar` | 催化劑行事曆 | langalpha | 近期重大催化事件彙整 |
 | `earnings-preview` | 財報預覽 | langalpha | 財報前情勢分析與預期管理 |
 | `earnings-analysis` | 財報後分析 | langalpha | 財報數據解讀與管理層訊號 |
 **台股覆蓋**：`market-environment-analysis` 涵蓋台股加權指數；`morning-note` 透過 CasualMarket MCP 取得台股數據；`catalyst-calendar` 涵蓋台灣重要政策與財報事件
 ---
 ### 市場結構研究員（market-structure-researcher）
 **職責**：技術結構分析、關鍵價位、流動性、趨勢方向、板塊輪動
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `technical-analyst` | 技術分析師 | tradermonty | 週線技術分析（趨勢、支撐壓力、均線、型態） |
 | `market-breadth-analyzer` | 市場廣度分析器 | tradermonty | 六成分廣度綜合評分 |
 | `sector-analyst` | 板塊輪動分析師 | tradermonty | 板塊輪動模式與市場週期 |
 | `uptrend-analyzer` | 漲勢分析器 | tradermonty | 五成分漲勢健康度評分 |
 | `macro-regime-detector` | 總經環境偵測器 | tradermonty | 跨資產比率分析，5種環境分類 |
 | `breadth-chart-analyst` | 廣度圖表分析師 | tradermonty | McClellan、A/D Line 等廣度圖表詮釋 |
 | `sector-overview` | 板塊概況分析 | langalpha | 板塊基本面趨勢、龍頭股、估值水平 |
 | `competitive-analysis` | 競爭分析 | langalpha | Porter 五力、競爭格局、市場份額動態 |
 **台股覆蓋**：技術分析師和廣度分析器適用台股；`sector-overview` 涵蓋台積電、聯發科、富邦金等台股龍頭
 ---
 ### 多方研究員（bullish-researcher）
 **職責**：整理利多因素、做多論點、催化劑、成長股選股
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `us-stock-analysis` | 美股個股分析 | tradermonty | 基本面+技術面完整股票研究 |
 | `institutional-flow-tracker` | 法人資金流向追蹤器 | tradermonty | 13F 持倉追蹤，聰明錢動向 |
 | `canslim-screener` | CANSLIM 選股篩選器 | tradermonty | O'Neil 七成分成長股篩選 |
 | `vcp-screener` | VCP 篩選器 | tradermonty | Minervini 波動收縮型態偵測 |
 | `ftd-detector` | 跟進日偵測器 | tradermonty | 市場底部跟進日確認 |
 | `initiating-coverage` | 啟動追蹤報告 | langalpha | 30-50頁機構級股票研究報告 |
 | `pead-screener` | PEAD 財報後漂移篩選器 | tradermonty | 財報後動能漂移效應追蹤 |
 | `earnings-trade-analyzer` | 財報交易分析師 | tradermonty | 財報前後選股、期權策略評估 |
 | `earnings-preview` | 財報預覽 | langalpha | 財報前情勢分析（共用） |
 | `earnings-analysis` | 財報後分析 | langalpha | 財報數據解讀（共用） |
 | `dcf-model` | DCF 估值模型 | langalpha | 折現現金流內在價值計算 |
 | `comps-analysis` | 可比公司分析 | langalpha | 同業倍數相對估值 |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 買權/賣權策略建議（做多情境） |
 **台股覆蓋**：`institutional-flow-tracker` 透過 CasualMarket MCP 追蹤台股外資買賣超；`dcf-model` 和 `comps-analysis` 適用台積電、聯發科等台股
 ---
 ### 空方研究員（bearish-researcher）
 **職責**：整理利空因素、做空論點、風險事件、市場頂部識別
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `us-market-bubble-detector` | 美股泡沫偵測器 | tradermonty | Minsky框架泡沫機械化評分 |
 | `market-top-detector` | 市場頂部偵測器 | tradermonty | 六成分頂部風險綜合評分 |
 | `downtrend-duration-analyzer` | 下跌持續時間分析器 | tradermonty | 歷史下跌持續時間統計分析 |
 | `competitive-analysis` | 競爭分析 | langalpha | 競爭威脅識別（空方視角：護城河崩解） |
 | `sector-overview` | 板塊概況分析 | langalpha | 弱勢板塊識別（做空標的） |
 | `comps-analysis` | 可比公司分析 | langalpha | 高估股票識別（高估相對同業） |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 保護性賣權、看跌策略建議 |
 ---
 ### 量化策略師（quant-strategist）
 **職責**：收斂多空觀點、策略論點、Edge 研究流程管理、組合管理
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `scenario-analyzer` | 情境分析引擎 | tradermonty | 18個月牛熊基準情境預測 |
 | `edge-signal-aggregator` | 優勢訊號整合器 | tradermonty | 多技能輸出加權聚合 |
 | `exposure-coach` | 曝險管理教練 | tradermonty | 統一曝險建議（共用） |
 | `edge-pipeline-orchestrator` | Edge 流程協調器 | tradermonty | 端到端Edge研究流程管理 |
 | `trade-hypothesis-ideator` | 交易假設發想器 | tradermonty | 可偽證假設卡生成 |
 | `thesis-tracker` | 投資論點追蹤器 | langalpha | 投資論點長期追蹤 |
 | `macro-regime-detector` | 總經環境偵測器 | tradermonty | 跨資產環境判斷（共用） |
 | `stanley-druckenmiller-investment` | Druckenmiller 投資哲學 | tradermonty | 宏觀驅動策略框架（共用） |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 組合層級風險評估 |
 ---
 ### 回測工程師（quant-engineer）
 **職責**：策略程式化、回測執行、績效報告、倉位計算
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `backtest-expert` | 回測專家 | tradermonty | 完整策略驗證框架（含評估腳本） |
 | `position-sizer` | 部位規模計算器 | tradermonty | 固定分數/ATR/凱利公式計算 |
 | `strategy-pivot-designer` | 策略轉向設計師 | tradermonty | 偵測回測停滯，提出結構性轉向 |
 | `data-quality-checker` | 資料品質檢查器 | tradermonty | 財金數據驗證（共用） |
 | `pair-trade-screener` | 配對交易篩選器 | tradermonty | 統計套利對篩選（ADF/協整檢驗） |
 | `options-strategy-advisor` | 選擇權策略顧問 | tradermonty | 期權結構設計（Delta/Gamma管理） |
 | `portfolio-manager` | 投資組合管理師 | tradermonty | 多策略組合管理框架 |
 ---
 ### 資料分析師（data-analyst）
 **職責**：回測結果分析、KPI 計算、風險識別、績效報告、Edge 洞察
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `signal-postmortem` | 訊號事後分析 | tradermonty | 訊號結果記錄與聚合器權重反饋 |
 | `edge-candidate-agent` | Edge 候選代理人 | tradermonty | 每日觀察→可重現研究票據 |
 | `xlsx` | Excel 試算表 | anthropics | 標準金融建模試算表生成 |
 | `edge-hint-extractor` | Edge 線索萃取器 | tradermonty | 從非結構化數據萃取可測試Edge線索 |
 | `edge-concept-synthesizer` | Edge 概念合成器 | tradermonty | 多訊號整合→可量化Edge概念 |
 ---
 ### 審查員（reviewer）
 **職責**：品質審查、風險識別、Pass/Revise/Block 判定
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `edge-strategy-reviewer` | 策略審查工具 | tradermonty | 八標準策略品質審查 → PASS/REVISE/FAIL |
 | `data-quality-checker` | 資料品質檢查器 | tradermonty | 數據準確性驗證（共用） |
 | `competitive-analysis` | 競爭分析 | langalpha | 審查護城河論點是否合理 |
 | `comps-analysis` | 可比公司分析 | langalpha | 審查估值假設是否合理 |
 ---
 ### 秘書（secretary）
 **職責**：會議記錄、狀態追蹤、長期記憶維護
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `trader-memory-core` | 交易員記憶核心 | tradermonty | 持久論點生命週期管理（2500行核心技能） |
 | `doc-coauthoring` | 文件共同創作 | anthropics | 結構化文件起草（三階段工作流程） |
 | `internal-comms` | 內部溝通 | anthropics | 狀態更新、會議摘要、事件報告 |
 ---
 ### 小安（xiao-an）
 **職責**：陪伴對話、輕鬆互動
 | 技能 Slug | 技能中文名 | 來源 Repo | 用途 |
 |---|---|---|---|
 | `doc-coauthoring` | 文件共同創作 | anthropics | 協助整理輕鬆對話紀錄 |
 | `internal-comms` | 內部溝通 | anthropics | 友善訊息撰寫格式 |
 ---
 ## 共用技能說明
 部分技能被多個 Agent 共用（Paperclip 支援多 Agent 引用同一 Skill 目錄）：
 | 技能 | 共用的 Agent |
 |---|---|
 | `macro-regime-detector` | market-structure-researcher、quant-strategist |
 | `data-quality-checker` | quant-engineer、reviewer |
 | `exposure-coach` | ceo、quant-strategist |
 | `stanley-druckenmiller-investment` | ceo、quant-strategist |
 | `portfolio-manager` | ceo、quant-strategist、quant-engineer |
 | `competitive-analysis` | market-structure-researcher、bearish-researcher、reviewer |
 | `sector-overview` | market-structure-researcher、bearish-researcher |
 | `comps-analysis` | bullish-researcher、bearish-researcher、reviewer |
 | `options-strategy-advisor` | bullish-researcher、bearish-researcher、quant-engineer |
 | `earnings-preview` | finance-researcher、bullish-researcher |
 | `earnings-analysis` | finance-researcher、bullish-researcher |
 | `doc-coauthoring` | ceo、secretary、xiao-an |
 | `internal-comms` | ceo、secretary、xiao-an |
 ---
 ## OctagonAI Skills 備注（付費方案）
 OctagonAI 的 66 個技能品質極高，涵蓋 SEC 申報分析、財報電話、財務健康評分等。
 但所有技能均需要 **Octagon MCP Server**（付費服務）。
 未來可考慮啟用的高價值技能：
 - `financial-health-scores` — Altman Z-Score、Piotroski Score（適合空方研究員）
 - `sec-risk-factors` — SEC 風險因素萃取（適合空方研究員）
 - `earnings-call-insights` — 財報電話關鍵洞察（適合財經情報研究員）
 - `financial-analyst-master` — 機構級股票研究報告（適合 CEO 層級）
 ---
 ## Skill 目錄結構規範
 ```
 skills/
  technical-analyst/
    SKILL.md            # 必要：主要技能定義（YAML frontmatter + 說明）
    reference/          # 選用：參考文件目錄
      indicators.md     # 指標詳細說明
      patterns.md       # 型態識別指南
    scripts/            # 選用：可執行腳本
 ```
 SKILL.md 保持在 500 行以內，詳細內容放 reference/ 目錄。
 參考文件在 Agent 判斷需要時才載入，不佔基礎 context。
--- a/docs/agent_company_master_overview_v2.md
+++ b/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 |
--- a/docs/agent_company_runtime_config_v2.md
+++ b/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 |
--- a/docs/agent_company_schema_templates_v2.md
+++ b/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>"]
 }
 ```
--- a/docs/company.md
+++ b/docs/company.md
@@ -0,0 +1,730 @@
 # KingClawArmy - 公司定義
 > 平台：Paperclip（agentcompanies/v1）
 > 日期：2026-04-10
 ---
 ## 1. 公司概要
 **KingClawArmy** 是一個 AI Agent 團隊，負責：
 1. **量化研究**：情報蒐集 → 市場結構分析 → 多空辯論 → 策略形成 → 回測 → 分析
 2. **行銷策略**：市場研究 → 品牌/成長策略 → 投放分析
 3. **內容創作**：策略 → 文案撰寫 → 視覺方向
 4. **工程開發**：前端介面 / 後端 API（依需求啟用）
 ### COMPANY.md Frontmatter
 ```yaml
 name: KingClawArmy
 description: AI Agent 量化研究、行銷策略、內容創作與工程開發團隊
 slug: kingclawarmy
 schema: agentcompanies/v1
 version: 1.0.0
 authors:
  - name: Chris
 goals:
  - 量化研究自動化：從情報蒐集到策略回測的完整 pipeline
  - 行銷策略系統化：市場研究、品牌策略、投放追蹤
  - 內容創作流程化：文案與創意 brief 產出
  - 工程任務自動化：前後端開發與維護
 ```
 ---
 ## 2. 組織架構
 ```
 董事長（Chris，人類）
 │
 ├── 管理團隊（3 agents）
 │   ├── CEO（coordinator，全局調度）
 │   ├── 秘書（記錄、摘要、記憶管理）
 │   └── 審查員（品質把關 pass/revise/block）
 │
 ├── 量化研究團隊（7 agents）
 │   ├── 量化策略師（team lead，pipeline owner）
 │   ├── 財經情報研究員（蒐集總經/盤前盤後資訊）
 │   ├── 市場結構研究員（流動性/技術結構分析）
 │   ├── 多方研究員（做多論點整理）
 │   ├── 空方研究員（做空論點整理）
 │   ├── 回測工程師（策略程式化 + 回測）
 │   └── 資料分析師（回測結果分析 + KPI）
 │
 ├── 行銷策略團隊（3 agents）
 │   ├── 策略總監（team lead，品牌/成長策略）
 │   ├── 市場研究員（競品/消費者/趨勢研究）
 │   └── 投放分析師（廣告成效追蹤）
 │
 ├── 內容創意團隊（2 agents）
 │   ├── 創意總監（team lead，視覺方向/分鏡）
 │   └── 文案撰寫員（廣告文案/影片腳本）
 │
 ├── 工程團隊（2 agents）
 │   ├── 前端工程師（UI/UX 開發）
 │   └── 後端工程師（API/DB 開發）
 │
 └── 小安（閒聊陪伴）
 ```
 **總計：18 agents**
 ---
 ## 3. Team 定義
 ### management
 ```yaml
 # teams/management/TEAM.md
 name: 管理團隊
 description: 全局任務調度、工作記錄與摘要、產出品質審查
 slug: management
 schema: agentcompanies/v1
 manager: ../agents/ceo/AGENTS.md
 ```
 成員：secretary, reviewer
 ### quant-research
 ```yaml
 # teams/quant-research/TEAM.md
 name: 量化研究團隊
 description: 量化研究 pipeline：情報蒐集 → 市場結構分析 → 多空辯論 → 策略收斂 → 回測驗證 → 數據分析
 slug: quant-research
 schema: agentcompanies/v1
 manager: ../agents/quant-strategist/AGENTS.md
 ```
 成員：finance-researcher, market-structure-researcher, bullish-researcher, bearish-researcher, quant-engineer, data-analyst
 ### marketing
 ```yaml
 # teams/marketing/TEAM.md
 name: 行銷策略團隊
 description: 競品與市場研究、品牌與成長策略制定、廣告投放成效追蹤
 slug: marketing
 schema: agentcompanies/v1
 manager: ../agents/strategy-director/AGENTS.md
 ```
 成員：market-researcher, ads-analyst
 ### content
 ```yaml
 # teams/content/TEAM.md
 name: 內容創意團隊
 description: 廣告文案撰寫、影片腳本、平面素材 brief、影片分鏡 brief
 slug: content
 schema: agentcompanies/v1
 manager: ../agents/creative-director/AGENTS.md
 ```
 成員：copywriter
 ### engineering
 ```yaml
 # teams/engineering/TEAM.md
 name: 工程團隊
 description: 前端介面開發、後端 API 與資料庫開發，依需求啟用
 slug: engineering
 schema: agentcompanies/v1
 manager: ../agents/ceo/AGENTS.md
 ```
 成員：frontend-engineer, backend-engineer
 ---
 ## 4. Agent 定義
 ### 4.1 管理團隊
 #### ceo
 ```yaml
 name: 執行長
 title: CEO/COO
 reportsTo: null
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 接收董事長指令，拆解任務，分派給各團隊 lead，追蹤進度，收斂結果，回報董事長 |
 | **Scope** | 派工給各團隊 lead、讀取所有 agent 產出、發起審批流程、組裝決策包、管理多 pipeline 並行、處理 escalation |
 | **Forbidden** | 不直接寫文案、不寫程式、不做部署、不做研究、不直接微管理研究員（交給各 team lead） |
 | **輸出** | `Task_Spec.json`, `Final_Decision_Packet.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | 高風險動作 → 通知董事長審批 |
 #### secretary
 ```yaml
 name: 秘書
 title: Secretary
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 記錄所有重要決策與會議摘要、維護長期記憶、產出每日狀態差異報告、維護待辦清單 |
 | **Scope** | 讀寫所有 agent 的記憶、跨 agent 記憶搜尋、產出每日/每週摘要、追蹤待辦進度 |
 | **Forbidden** | 不做策略決策、不分派任務、不修改其他 agent 的產出 |
 | **輸出** | `Meeting_Summary.json`, `State_Diff.json`, `Todo_List.json` |
 | **Model Tier** | general |
 | **Escalation** | 記憶衝突或資料異常 → 上報 CEO |
 #### reviewer
 ```yaml
 name: 審查員
 title: Reviewer
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 審查所有重要產出的品質，判定 pass（通過）/ revise（退回修改）/ block（否決） |
 | **Scope** | 唯讀所有 agent 輸出、依審查標準評分、提出具體修改建議、識別風險並攔截 |
 | **Forbidden** | 不重寫內容、不拍板最終決策、不直接與研究員溝通（透過 team lead） |
 | **輸出** | `Review_Report.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | block → 通知 CEO → CEO 通知董事長 |
 ---
 ### 4.2 量化研究團隊
 #### quant-strategist
 ```yaml
 name: 量化策略師
 title: Quant Strategist
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 主導量化 pipeline：指派研究員、收斂多空觀點、形成交易策略、管理風控框架、進行 bias check |
 | **Scope** | 指派量化團隊成員、收斂研究結果、產出策略論文、提交審查、管理 revise 流程 |
 | **Forbidden** | 不寫正式程式碼（交給回測工程師）、不做資料蒐集（交給研究員）、不做最終交易決策（交給董事長） |
 | **輸出** | `Strategy_Thesis.json` |
 | **Model Tier** | reasoning-heavy |
 | **Escalation** | 審查 block 或 revise 超過 3 輪 → 上報 CEO |
 #### finance-researcher
 ```yaml
 name: 財經情報研究員
 title: Finance Intelligence Researcher
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 蒐集財經新聞、總體經濟數據、盤前/盤後資訊、重大事件，並整理成結構化情報摘要 |
 | **Scope** | 網路搜尋財經資訊、整理多來源數據、評估事件對市場的影響方向、計算市場情緒分數 |
 | **Forbidden** | 不下交易結論、不做策略建議、不評價其他研究員的觀點 |
 | **輸出** | `Finance_Research_Brief.json` |
 | **Model Tier** | research |
 #### market-structure-researcher
 ```yaml
 name: 市場結構研究員
 title: Market Structure Researcher
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 分析市場技術結構：流動性分布、Market Structure Shift（MSS）、Order Block（OB）、Fair Value Gap（FVG）、Point of Interest（POI） |
 | **Scope** | 多時間框架結構分析、關鍵價位標記、流動性區域識別、趨勢方向判定 |
 | **Forbidden** | 不下最終交易結論、不做倉位建議 |
 | **輸出** | `Market_Structure_Report.json` |
 | **Model Tier** | reasoning-heavy |
 #### bullish-researcher
 ```yaml
 name: 多方研究員
 title: Bullish Researcher
 reportsTo: quant-strategist
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 基於情報與市場結構，整理所有支持做多的論點，附帶證據與信心度 |
 | **Scope** | 分析利多因素、標記支撐位與催化劑、評估論點失效條件、給出整體做多信心度 |
 | **Forbidden** | 不直接拍板交易、不做空方論述、不評價空方觀點 |
 | **輸出** | `Bullish_Brief.json` |
 | **Model Tier** | reasoning-heavy |
 #### bearish-researcher
 ```yaml
 name: 空方研究員
 title: Bearish Researcher
 reportsTo: quant-strategist
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 基於情報與市場結構，整理所有反對做多（或支持做空）的論點，附帶證據與信心度 |
 | **Scope** | 分析利空因素、標記壓力位與風險事件、評估論點失效條件、給出整體做空信心度 |
 | **Forbidden** | 不直接拍板交易、不做多方論述、不評價多方觀點 |
 | **輸出** | `Bearish_Brief.json` |
 | **Model Tier** | reasoning-heavy |
 #### quant-engineer
 ```yaml
 name: 回測工程師
 title: Quant Engineer
 reportsTo: quant-strategist
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 將策略師產出的策略規則轉成可執行的 Pine Script 或 Python 回測程式，運行回測並提交結果 |
 | **Scope** | 撰寫策略程式碼、設定回測參數、執行回測、產出績效報告、管理程式碼版本 |
 | **Forbidden** | 不自行更改策略方向或參數（必須依照策略師的 spec）、不做策略判斷 |
 | **輸出** | `Backtest_Report.json` |
 | **Model Tier** | coder |
 #### data-analyst
 ```yaml
 name: 資料分析師
 title: Data Analyst
 reportsTo: quant-strategist
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 分析回測結果與歷史交易數據，計算績效 KPI，識別模式與異常，提供數據洞察與建議 |
 | **Scope** | 計算勝率/盈虧比/Sharpe 等指標、視覺化分析、識別 overfitting 風險、產出 proceed/adjust/reject 建議 |
 | **Forbidden** | 不自行定策略方向、不修改回測程式碼 |
 | **輸出** | `Data_Analysis_Report.json` |
 | **Model Tier** | general |
 ---
 ### 4.3 行銷策略團隊
 #### strategy-director
 ```yaml
 name: 策略總監
 title: Strategy Director
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 制定品牌策略、USP 定位、成長漏斗策略、Campaign 規劃，指導行銷團隊執行方向 |
 | **Scope** | 定義品牌敘事與差異化、規劃行銷活動、設定 KPI 目標、審核行銷產出 |
 | **Forbidden** | 不直接寫最終文案（交給內容團隊）、不做投放操作 |
 | **輸出** | `Brand_Strategy_Plan.json`, `Growth_Strategy_Plan.json` |
 | **Model Tier** | reasoning-heavy |
 #### market-researcher
 ```yaml
 name: 市場研究員
 title: Market Researcher
 reportsTo: strategy-director
 skills: [deep-research]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 蒐集競品動態、消費者痛點、平台趨勢、市場機會，產出結構化研究報告 |
 | **Scope** | 競品分析、消費者行為研究、產業趨勢追蹤、SWOT 分析、市場規模評估 |
 | **Forbidden** | 不做品牌策略決策（交給策略總監） |
 | **輸出** | `Market_Research_Brief.json`, `Market_Analysis_Report.json` |
 | **Model Tier** | research |
 #### ads-analyst
 ```yaml
 name: 投放分析師
 title: Ads Performance Analyst
 reportsTo: strategy-director
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 追蹤廣告投放成效，分析 CTR/CVR/CPL/ROAS 等指標，提出優化建議 |
 | **Scope** | 各平台投放數據整理、素材成效排名、A/B 測試分析、預算分配建議 |
 | **Forbidden** | 不自行調整投放設定（需經策略總監核准） |
 | **輸出** | `Ads_Performance_Report.json` |
 | **Model Tier** | general |
 ---
 ### 4.4 內容創意團隊
 #### creative-director
 ```yaml
 name: 創意總監
 title: Creative Director
 reportsTo: ceo
 skills: []
 role: manager
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 制定視覺方向、平面素材 brief、影片分鏡 brief，確保品牌視覺一致性 |
 | **Scope** | 創意方向定調、素材 brief 撰寫、分鏡規劃、品牌視覺規範維護 |
 | **Forbidden** | 不寫正式文案（交給文案撰寫員）、不做品牌策略決策（交給策略總監） |
 | **輸出** | `Creative_Brief.json`, `Storyboard_Brief.json` |
 | **Model Tier** | creative |
 #### copywriter
 ```yaml
 name: 文案撰寫員
 title: Copywriter
 reportsTo: creative-director
 skills: [seo-blog-writer]
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 依據品牌策略與創意 brief，撰寫廣告文案、社群貼文、影片腳本、SEO 文章 |
 | **Scope** | 廣告標題與文案、社群內容、影片旁白腳本、Landing page 文案、部落格文章 |
 | **Forbidden** | 不自行定調品牌語氣（依照品牌規範）、不做視覺設計 |
 | **輸出** | `Copywriting_Pack.json`, `Video_Script_Pack.json` |
 | **Model Tier** | creative |
 ---
 ### 4.5 工程團隊
 #### frontend-engineer
 ```yaml
 name: 前端工程師
 title: Frontend Engineer
 reportsTo: ceo
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 前端介面開發、UI/UX 實作、元件建置、效能優化 |
 | **Scope** | 頁面開發、元件庫維護、RWD 適配、前端測試、與後端 API 串接 |
 | **Forbidden** | 不自行更改產品需求（依照 CEO 或設計 spec）、不直接修改後端邏輯 |
 | **輸出** | 程式碼交付（PR） |
 | **Model Tier** | coder |
 #### backend-engineer
 ```yaml
 name: 後端工程師
 title: Backend Engineer
 reportsTo: ceo
 skills: [code-reviewer]
 role: engineer
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 後端 API 開發、資料庫設計與維護、系統架構、效能與安全 |
 | **Scope** | API 端點開發、DB schema 設計、資料遷移、系統監控、第三方服務串接 |
 | **Forbidden** | 不自行更改 DB schema 到 production（需 HITL 審批）、不自行更改產品需求 |
 | **輸出** | 程式碼交付（PR） |
 | **Model Tier** | coder |
 ---
 ### 4.6 閒聊
 #### xiao-an
 ```yaml
 name: 小安
 title: null
 reportsTo: ceo
 skills: []
 role: general
 ```
 | 項目 | 內容 |
 |---|---|
 | **Mission** | 閒聊放鬆、日常陪伴、輕鬆話題 |
 | **Scope** | 自由對話、生活話題、心情陪伴 |
 | **Forbidden** | 不做工作決策、不處理正式任務 |
 | **Model Tier** | general |
 ---
 ## 5. Skills 定義
 ### deep-research
 ```yaml
 # skills/deep-research/SKILL.md
 name: Deep Research
 description: 深度網路搜尋與資料整理，支援多來源交叉驗證、事實查核、資料摘要
 allowed-tools: [web_search, browser, web_fetch]
 ```
 使用者：finance-researcher, market-structure-researcher, data-analyst, market-researcher
 ### code-reviewer
 ```yaml
 # skills/code-reviewer/SKILL.md
 name: Code Reviewer
 description: 程式碼品質審查、回測腳本驗證、程式碼執行與檔案操作
 allowed-tools: [code_execution, file_ops, exec]
 ```
 使用者：quant-engineer, frontend-engineer, backend-engineer
 ### seo-blog-writer
 ```yaml
 # skills/seo-blog-writer/SKILL.md
 name: SEO Blog Writer
 description: SEO 關鍵字研究與優化、部落格文章結構規劃、meta 標籤撰寫
 allowed-tools: [web_search]
 ```
 使用者：copywriter
 ---
 ## 6. .paperclip.yaml 設定概要
 ```yaml
 schema: paperclip/v1
 agents:
  ceo:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
  secretary:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  reviewer:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  quant-strategist:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
    permissions:
      canCreateAgents: true
  finance-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
  market-structure-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  bullish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  bearish-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  quant-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  data-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  strategy-director:
    adapter:
      type: claude_local
      config:
        model: claude-opus-4-6
  market-researcher:
    adapter:
      type: claude_local
      config:
        model: claude-haiku-4-5
  ads-analyst:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  creative-director:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  copywriter:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  frontend-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  backend-engineer:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
  xiao-an:
    adapter:
      type: claude_local
      config:
        model: claude-sonnet-4-6
 # routines 定義見 pipelines.md
 ```
 ---
 ## 7. Package 目錄結構
 ```
 kingclawarmy/
 ├── COMPANY.md
 ├── .paperclip.yaml
 │
 ├── agents/
 │   ├── ceo/AGENTS.md
 │   ├── secretary/AGENTS.md
 │   ├── reviewer/AGENTS.md
 │   ├── quant-strategist/AGENTS.md
 │   ├── finance-researcher/AGENTS.md
 │   ├── market-structure-researcher/AGENTS.md
 │   ├── bullish-researcher/AGENTS.md
 │   ├── bearish-researcher/AGENTS.md
 │   ├── quant-engineer/AGENTS.md
 │   ├── data-analyst/AGENTS.md
 │   ├── strategy-director/AGENTS.md
 │   ├── market-researcher/AGENTS.md
 │   ├── ads-analyst/AGENTS.md
 │   ├── creative-director/AGENTS.md
 │   ├── copywriter/AGENTS.md
 │   ├── frontend-engineer/AGENTS.md
 │   ├── backend-engineer/AGENTS.md
 │   └── xiao-an/AGENTS.md
 │
 ├── teams/
 │   ├── management/TEAM.md
 │   ├── quant-research/TEAM.md
 │   ├── marketing/TEAM.md
 │   ├── content/TEAM.md
 │   └── engineering/TEAM.md
 │
 ├── skills/
 │   ├── deep-research/SKILL.md
 │   ├── code-reviewer/SKILL.md
 │   └── seo-blog-writer/SKILL.md
 │
 └── projects/
    ├── daily-quant-pipeline/PROJECT.md
    └── market-intel/PROJECT.md
 ```
 ---
 ## 8. 共用行為規範
 所有 agent 的 AGENTS.md 結尾附加：
 ```
 ## 行為規範
 - 只在你的職權範圍內行動
 - 缺少必要資訊時，回傳 missing_fields 清單而非空值或猜測
 - 遇到衝突、不確定、高風險時，上報而非猜測
 - 輸出必須遵循指定的 JSON schema
 - 不在 JSON 之外添加額外說明
 - 所有分析須附上資料來源
 - 涉及金額、交易、對外發布時，必須標記需要 HITL 審批
 ```
 ---
 ## 9. 待確認事項
 | 項目 | 問題 | 影響 |
 |---|---|---|
 | Discord 整合 | Paperclip adapter 是否支援 Discord？或需要 http/process adapter 串接？ | .paperclip.yaml adapter 設定 |
 | Pipeline 表達 | project/task 能否表達 sequential + parallel 依賴？ | 量化 pipeline 設計 |
 | 審批機制 | approval request 能否對接 Discord 通知？ | HITL 流程 |
 | 模型切換 | 同一 agent 能否在不同任務中使用不同模型？ | 成本優化 |
 | 跨 agent 記憶 | 是否有跨 agent 記憶搜尋功能？ | 秘書和策略師的運作方式 |
 | 工程團隊啟用 | 前後端工程師初期是否先 paused？ | 初始 import 時的 agent status |
--- a/docs/mcp-plan.md
+++ b/docs/mcp-plan.md
@@ -0,0 +1,330 @@
 # MCP Server 配置計畫
 > 狀態：已配置（`.mcp.json` 已進 repo，env key 以 `${VAR}` 佔位）
 > 目標路徑：`KingClawArmy/.mcp.json`（Paperclip claude_local adapter 啟動時自動載入）
 > 需要安裝：`uv`、`Node.js >= 18`
 ---
 ## 市場覆蓋範圍
 | 市場 | 使用 MCP Server | 狀態 |
 |---|---|---|
 | 🇹🇼 台股（上市/上櫃/加權指數） | CasualMarket、twsemcp、Fugle | 免費（Fugle 需免費 key） |
 | 🇺🇸 美股（個股/選擇權/財報） | yahoo-finance-mcp | 免費免 key |
 | 📊 美國總體經濟 | fred-mcp-server | 需 FRED_API_KEY（免費申請） |
 | 🌍 全球總體經濟 | openecon-data（雲端） | 免費免 key |
 | 📡 全球股市篩選 | tradingview-mcp-server | 免費免 key |
 | ₿ 加密貨幣 | binance-mcp-server | 需 Binance API key |
 | 📋 選擇權分析 | mcp-optionsflow | 免費免 key（需 clone） |
 | 💼 財報行事曆 | fmp-mcp-server | 需 FMP_API_KEY（免費方案可用） |
 | 📈 投資組合管理 | alpaca-mcp-server | 需 ALPACA_API_KEY + SECRET |
 ---
 ## 各 MCP Server 詳細規格
 ### 1. CasualMarket（台股主力資料源）
 - **GitHub**：https://github.com/sacahan/CasualMarket
 - **工具數**：23 個
 - **資料源**：TWSE（台灣證券交易所）
 - **需要 key**：否
 - **主要工具**：
  - `get_taiwan_stock_price` — 個股即時報價
  - `get_company_income_statement` — 損益表
  - `get_company_balance_sheet` — 資產負債表
  - `get_stock_valuation_ratios` — P/E、P/B、ROE
  - `get_company_monthly_revenue` — 月營收
  - `get_margin_trading_info` — 融資融券
  - `get_market_index_info` — 大盤指數（加權/櫃買）
  - `get_foreign_investment_by_industry` — 外資法人買賣超（按產業）
  - `get_top_foreign_holdings` — 外資持股前20名
  - `get_company_dividend` — 股息記錄
 ```json
 "casual-market": {
  "command": "uvx",
  "args": [
    "--from",
    "git+https://github.com/sacahan/CasualMarket",
    "casual-market-mcp"
  ],
  "env": {
    "LOG_LEVEL": "INFO",
    "MARKET_MCP_CACHE_TTL": "1800",
    "MARKET_MCP_CACHE_MAX_SIZE": "1000"
  }
 }
 ```
 ---
 ### 2. twsemcp（台股補充資料源）
 - **GitHub**：https://github.com/pyang2045/twsemcp
 - **工具數**：22 個
 - **資料源**：TWSE OpenAPI
 - **需要 key**：否
 - **補充 CasualMarket 缺少的**：
  - `getFiveSecondStats` — 5 秒即時成交統計
  - `getIndustryEPS` — 產業別 EPS
  - `getNewListings` / `getSuspendedListings` — 新上市/暫停交易
  - `getHolidaySchedule` — 交易日行事曆
 ```json
 "twse": {
  "command": "npx",
  "args": ["-y", "twse-mcp"]
 }
 ```
 ---
 ### 3. fugle-marketdata-mcp-server（台股官方即時數據）
 - **GitHub**：https://github.com/fugle-dev/fugle-marketdata-mcp-server
 - **工具數**：~5 個
 - **資料源**：Fugle 富果 MarketData API（官方出品）
 - **需要 key**：是（免費申請：https://developer.fugle.tw/docs/key）
 - **主要工具**：
  - 個股即時報價（上市/上櫃/期貨）
  - 歷史 K 線數據
  - 盤中成交量
 ```json
 "fugle-marketdata": {
  "command": "npx",
  "args": [
    "-y",
    "https://github.com/fugle-dev/fugle-marketdata-mcp-server/releases/download/v0.0.1/fugle-marketdata-mcp-server-0.0.1.tgz"
  ],
  "env": {
    "API_KEY": "YOUR_FUGLE_API_KEY"
  }
 }
 ```
 ---
 ### 4. yahoo-finance-mcp（美股主力資料源）
 - **GitHub**：https://github.com/Alex2Yang97/yahoo-finance-mcp
 - **工具數**：10 個
 - **需要 key**：否
 - **台股支援**：是（使用 `2330.TW`、`1259.TWO`、`^TWII` 格式）
 - **主要工具**：
  - `get_historical_stock_prices` — OHLCV 歷史數據
  - `get_stock_info` — 個股完整資訊
  - `get_yahoo_finance_news` — 最新新聞
  - `get_financial_statement` — 財務報表（年度/季度）
  - `get_holder_info` — 機構/共同基金/內部人持股
  - `get_option_expiration_dates` / `get_option_chain` — 選擇權數據
  - `get_recommendations` — 分析師評級與調升/調降
 ```json
 "yfinance": {
  "command": "uvx",
  "args": [
    "--from",
    "git+https://github.com/Alex2Yang97/yahoo-finance-mcp",
    "yahoo-finance-mcp"
  ]
 }
 ```
 ---
 ### 5. fred-mcp-server（美國總體經濟）
 - **GitHub**：https://github.com/stefanoamorelli/fred-mcp-server
 - **工具數**：3 個
 - **需要 key**：是（已取得，見環境設定）
 - **FRED API Key**：`YOUR_FRED_API_KEY`（需在 .mcp.json 填入）
 - **主要工具**：
  - `fred_browse` — 瀏覽 80 萬+ 經濟數列
  - `fred_search` — 關鍵字搜尋
  - `fred_get_series` — 取得數列數據（含頻率聚合、轉換）
 ```json
 "fred": {
  "command": "npx",
  "args": ["-y", "fred-mcp-server"],
  "env": {
    "FRED_API_KEY": "YOUR_FRED_API_KEY"
  }
 }
 ```
 ---
 ### 6. tradingview-mcp-server（全球篩選器）
 - **GitHub**：https://github.com/fiale-plus/tradingview-mcp-server
 - **工具數**：8 個
 - **需要 key**：否（非官方爬取 TradingView 公開篩選器）
 - **主要工具**：
  - `screen_stocks` — 按 80+ 基本面/技術面欄位篩選
  - `screen_crypto` — 加密貨幣篩選
  - `screen_etf` — ETF 篩選
  - `get_preset` — 14 種預設策略（動量、成長、價值、股息等）
 ```json
 "tradingview": {
  "command": "npx",
  "args": ["-y", "tradingview-mcp-server"],
  "env": {
    "CACHE_TTL_SECONDS": "300",
    "RATE_LIMIT_RPM": "10"
  }
 }
 ```
 ---
 ### 7. mcp-optionsflow（選擇權分析）
 - **GitHub**：https://github.com/twolven/mcp-optionsflow
 - **工具數**：1 個（多策略）
 - **需要 key**：否（使用 Yahoo Finance）
 - **安裝方式**：需手動 clone + pip install（非 npm/uvx）
 - **主要工具**：
  - `analyze_basic_strategies` — CCS、PCS、CSP、Covered Call 分析，含 Greeks、獲利機率、最大損失/報酬
 ```json
 "optionsflow": {
  "command": "python",
  "args": ["<YOUR_PATH>/mcp-optionsflow/optionsflow.py"]
 }
 ```
 ---
 ### 8. openecon-data（全球宏觀，雲端版）
 - **來源**：https://github.com/hanlulong/openecon-data
 - **端點**：`https://data.openecon.ai/mcp`
 - **需要 key**：否（雲端服務）
 - **覆蓋**：FRED、世界銀行、IMF、Eurostat、BIS、OECD 等 33 萬+ 指標
 - **傳輸協議**：SSE（非 stdio）
 ```json
 "openecon-data": {
  "type": "sse",
  "url": "https://data.openecon.ai/mcp"
 }
 ```
 ---
 ## 完整 .mcp.json 草稿
 ```json
 {
  "mcpServers": {
    "casual-market": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/sacahan/CasualMarket",
        "casual-market-mcp"
      ],
      "env": {
        "LOG_LEVEL": "INFO",
        "MARKET_MCP_CACHE_TTL": "1800",
        "MARKET_MCP_CACHE_MAX_SIZE": "1000"
      }
    },
    "twse": {
      "command": "npx",
      "args": ["-y", "twse-mcp"]
    },
    "fugle-marketdata": {
      "command": "npx",
      "args": [
        "-y",
        "https://github.com/fugle-dev/fugle-marketdata-mcp-server/releases/download/v0.0.1/fugle-marketdata-mcp-server-0.0.1.tgz"
      ],
      "env": {
        "API_KEY": "YOUR_FUGLE_API_KEY"
      }
    },
    "yfinance": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/Alex2Yang97/yahoo-finance-mcp",
        "yahoo-finance-mcp"
      ]
    },
    "fred": {
      "command": "npx",
      "args": ["-y", "fred-mcp-server"],
      "env": {
        "FRED_API_KEY": "YOUR_FRED_API_KEY"
      }
    },
    "tradingview": {
      "command": "npx",
      "args": ["-y", "tradingview-mcp-server"],
      "env": {
        "CACHE_TTL_SECONDS": "300",
        "RATE_LIMIT_RPM": "10"
      }
    },
    "optionsflow": {
      "command": "python",
      "args": ["<YOUR_PATH>/mcp-optionsflow/optionsflow.py"]
    },
    "alpaca": {
      "command": "uvx",
      "args": ["alpaca-mcp-server"],
      "env": {
        "ALPACA_API_KEY": "${ALPACA_API_KEY}",
        "ALPACA_API_SECRET": "${ALPACA_API_SECRET}"
      }
    },
    "fmp": {
      "command": "uvx",
      "args": ["fmp-mcp-server"],
      "env": {
        "FMP_API_KEY": "${FMP_API_KEY}"
      }
    },
    "openecon-data": {
      "type": "sse",
      "url": "https://data.openecon.ai/mcp"
    }
  }
 }
 ```
 > 注意：`.mcp.json` 已進 repo，使用 `${VAR}` 佔位符。實際部署時需在環境中設定對應 env var。
 ---
 ## 安裝前置作業清單
 | 步驟 | 指令/動作 | 狀態 |
 |---|---|---|
 | 安裝 uv | `curl -LsSf https://astral.sh/uv/install.sh \| sh` | 待執行 |
 | 確認 Node.js ≥ 18 | `node --version` | 待確認 |
 | clone mcp-optionsflow | `git clone https://github.com/twolven/mcp-optionsflow.git` + `pip install -r requirements.txt` | 待執行 |
 | 申請 Fugle API key | https://developer.fugle.tw/docs/key | 待申請 |
 | 申請 FRED API key | https://fred.stlouisfed.org/docs/api/api_key.html | 待申請 |
 | 申請 FMP API key | https://financialmodelingprep.com/developer/docs | 待申請 |
 | 申請 Alpaca API key | https://alpaca.markets | 待申請（portfolio-manager 才需要） |
 | 設定環境變數 | 填入各 `${VAR}` 對應的真實值 | 待執行 |
 | 設定 Claude Code 權限 | `{"enableAllProjectMcpServers": true}` | 待執行 |
 ---
 ## 台股覆蓋補充說明
 Yahoo Finance 支援台股格式：
 - 上市（TWSE）：`2330.TW`（台積電）、`0050.TW`（元大台灣50）
 - 上櫃（TPEx）：`1259.TWO`
 - 加權指數：`^TWII`
 - 期交所：需透過 Fugle 或 TAIFEX OpenAPI
 CasualMarket 和 twsemcp 直接使用股票代碼（如 `2330`），欄位為繁體中文。
--- a/docs/paperclip_agent_skills_review_2026-04-11.md
+++ b/docs/paperclip_agent_skills_review_2026-04-11.md
@@ -0,0 +1,437 @@
 # KingClawArmy - Agent / Skills Review（dev）
 > 日期：2026-04-11
 > 審查對象：`origin/dev`
 > 初次審查 commit：`ced587c`
 > 追蹤審查 commit：`ee06e6d`
 > 用途：檢查 Agent 配置、Skills 完整度、Paperclip 匯入相容性與 runtime 落地程度
 ---
 ## 1. 結論摘要
 這一輪 `dev` branch 在 agent / skills 層有明顯進展：
 1. agent 的 `skills:` 配置已大幅補齊
 2. `skills/` 目錄已有大量實體 `SKILL.md`
 3. `docs/agent-skill-mapping.md`、`docs/skills-inventory.md`、`docs/mcp-plan.md` 已開始補文檔
 第二輪追蹤後，前一輪的 P1-P6 已大多修正完成：
 1. skills 已補明確 `slug`
 2. `AGENTS.md` 的 skill 參照已與匯入後 slug 對齊
 3. Edge skills 不再撞成單一 `edge`
 4. `.mcp.json` 已進 repo
 5. 文檔已改口徑為摘要版 skills
 6. skills 統計數量已更新
 目前仍有 2 個「完整度」層級的缺口，但已不是前一輪那種會直接造成 import warning 的 blocker。
 我實際用：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 第一次審查時，package 雖然仍可匯入，但有一批與 skills 相關的 warning，顯示：
 1. 多個 `AGENTS.md` 內填的 skill slug 匯入後對不到實際 skill
 2. 有 4 個不同的 Edge skill 在 manifest 中撞成同一個 slug
 3. skills 依賴的 MCP / API / runtime 還停在規劃，沒有跟 package 一起落地
 4. skills 內容多半是摘要版，和文檔宣稱的「完整上游技能」仍有落差
 第二次追蹤審查時，我重新跑了：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 結果已變成：
 1. `warnings: []`
 2. `errors: []`
 3. 指定 skills 的 slug 都能正確進 manifest
 4. Edge skills 已各自保有獨立 slug
 ---
 ## 2. 目前剩餘問題
 ### P7. `.paperclip.yaml` 的 `envInputs` 寫了，但 importer 目前沒有真正吃到
 **現況**
 `.paperclip.yaml` 現在新增了：
 ```yaml
 envInputs:
  - name: FRED_API_KEY
  - name: FUGLE_API_KEY
 ```
 參考：
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:83)
 但我重新跑 dry-run import 後，`manifest.envInputs` 仍然是空陣列。
 **影響**
 這代表 package 雖然開始描述 runtime input，但在目前 Paperclip portability 規則下，這兩筆需求還沒有真的進到 import manifest。
 也就是說：
 1. repo 端已寫
 2. importer preview 端尚未保留
 若目標是讓 package 自帶可攜的環境需求聲明，這一塊還沒真正落地。
 **推測原因**
 我對照 Paperclip portability 實作後，目前 importer 會從 agent / project extension 的 `inputs.env` 讀 env inputs，而不是讀 `.paperclip.yaml` 頂層的 `envInputs`。
 **建議修法**
 1. 依 Paperclip 目前支援的結構，把 env input 移到 agent / project extension 的 `inputs.env`
 2. 或保留現在的寫法，但補一份文件明確說明「目前僅作 repo 端提示，尚未進 manifest」
 **建議採用：**
 優先採第 1 種，讓 import manifest 真的能帶出 env inputs。
 ---
 ### P8. Runtime 配置已有進展，但還沒有完整覆蓋 active skills 的所有依賴
 **現況**
 現在 repo 已新增：
 - `.mcp.json`
 - `.paperclip.yaml` 內的基本 env input 提示
 參考：
 - [.mcp.json](/Users/chirs/workspace/KingClawArmy_dev_review/.mcp.json:1)
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:83)
 這代表 runtime 不再是純規劃，這點是好的。
 但目前仍有幾類依賴沒有完整落地：
 1. `portfolio-manager` 需要的 `Alpaca MCP`
 2. `earnings-calendar` / `economic-calendar-fetcher` 這類技能實際依賴的 FMP 路徑
 3. `pair-trade-screener` 需要的本地 Python/scipy/statsmodels
 4. `trader-memory-core` 需要的持久化檔案系統策略
 參考：
 - [earnings-calendar/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/earnings-calendar/SKILL.md:26)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:45)
 - [pair-trade-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/pair-trade-screener/SKILL.md:47)
 - [trader-memory-core/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/trader-memory-core/SKILL.md:51)
 **影響**
 目前 package 已可被正確匯入，但若標準是：
 `skills 不只存在，而且 active agents 可在既定 runtime 下直接使用`
 那這一層還差最後一段 ops / runtime 補完。
 **建議修法**
 至少補這些資訊中的一種：
 1. `.mcp.json` 補齊缺少的 server
 2. README / docs 補明哪些 skill 是 optional / unavailable / future
 3. 對需要本地依賴的 skill 補 runtime prerequisites
 4. 對暫時無法啟用的 skill，在 mapping 文件裡加狀態標記
 ---
 ## 3. 已修正問題（追蹤確認）
 ### 已修正 P1. Agent 綁定的 skill slug 與匯入後的實際 slug 不一致
 **現況**
 多個 agent 使用了如下 skill 參照：
 - `canslim-screener`
 - `vcp-screener`
 - `pead-screener`
 - `dcf-model`
 - `stanley-druckenmiller-investment`
 - `edge-candidate-agent`
 - `edge-hint-extractor`
 - `edge-concept-synthesizer`
 - `edge-pipeline-orchestrator`
 - `xlsx`
 參考：
 - [agents/bullish-researcher/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/bullish-researcher/AGENTS.md:5)
 - [agents/data-analyst/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/data-analyst/AGENTS.md:5)
 - [agents/ceo/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/ceo/AGENTS.md:5)
 - [agents/quant-strategist/AGENTS.md](/Users/chirs/workspace/KingClawArmy_dev_review/agents/quant-strategist/AGENTS.md:5)
 但 dry-run 匯入結果顯示，Paperclip 最後辨識出的 slug 其實是：
 - `canslim`
 - `vcp`
 - `pead`
 - `dcf`
 - `druckenmiller`
 - `excel`
 - `edge`
 參考：
 - [skills/canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:1)
 - [skills/dcf-model/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/dcf-model/SKILL.md:1)
 - [skills/edge-candidate-agent/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/edge-candidate-agent/SKILL.md:1)
 - [skills/stanley-druckenmiller-investment/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/stanley-druckenmiller-investment/SKILL.md:1)
 - [skills/xlsx/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/xlsx/SKILL.md:1)
 **影響**
 這不是單純命名風格問題，而是實際綁定會失效。
 我實測匯入 warning 包含：
 1. `Agent bullish-researcher references skill canslim-screener, but that skill is not present in the package.`
 2. `Agent bullish-researcher references skill vcp-screener, but that skill is not present in the package.`
 3. `Agent bullish-researcher references skill pead-screener, but that skill is not present in the package.`
 4. `Agent bullish-researcher references skill dcf-model, but that skill is not present in the package.`
 5. `Agent ceo references skill stanley-druckenmiller-investment, but that skill is not present in the package.`
 6. `Agent data-analyst references skill edge-candidate-agent, but that skill is not present in the package.`
 7. `Agent data-analyst references skill xlsx, but that skill is not present in the package.`
 8. `Agent data-analyst references skill edge-hint-extractor, but that skill is not present in the package.`
 9. `Agent data-analyst references skill edge-concept-synthesizer, but that skill is not present in the package.`
 10. `Agent quant-strategist references skill edge-pipeline-orchestrator, but that skill is not present in the package.`
 11. `Agent quant-strategist references skill stanley-druckenmiller-investment, but that skill is not present in the package.`
 **建議修法**
 二選一，選一種統一：
 1. 在每個 `SKILL.md` frontmatter 明確補 `slug`，並與 `AGENTS.md` 內使用的 shortname 對齊
 2. 反過來把所有 `AGENTS.md` 內的 skill entry 改成 importer 實際產出的 slug
 **追蹤結果：**
 已修正。`SKILL.md` 已補 `slug` frontmatter，重新 dry-run import 後，相關 warnings 已清空。
 ---
 ### 已修正 P2. 四個 Edge skill 匯入後撞成同一個 `edge` slug
 **現況**
 以下四個 skill 路徑在 dry-run manifest 內全部被辨識成 `edge`：
 1. `skills/edge-candidate-agent/SKILL.md`
 2. `skills/edge-concept-synthesizer/SKILL.md`
 3. `skills/edge-hint-extractor/SKILL.md`
 4. `skills/edge-pipeline-orchestrator/SKILL.md`
 參考：
 - [skills/edge-candidate-agent/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/edge-candidate-agent/SKILL.md:1)
 **影響**
 這代表 importer 沒有把這四個技能視為四個可獨立引用的 shortname。
 後果是：
 1. agent 端無法穩定引用特定 Edge skill
 2. package 內的 skill graph 會失真
 3. 後續 export/import round-trip 可能再度發生重名覆蓋或綁錯
 **追蹤結果：**
 已修正。這四個 Edge skill 都已有獨立 slug，重新 dry-run import 後不再撞名。
 ---
 ### 已部分修正 P3. Skills 依賴的 runtime / MCP / env 還沒跟 package 一起落地
 **現況**
 許多 skill 已經在內容中假設有：
 - `yfinance`
 - `fred`
 - `casual-market`
 - `tradingview`
 - `FMP API`
 - `Alpaca MCP`
 - Python 科學計算環境
 - 檔案系統持久化能力
 參考：
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:1)
 - [canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:32)
 - [earnings-calendar/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/earnings-calendar/SKILL.md:23)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:1)
 - [trader-memory-core/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/trader-memory-core/SKILL.md:33)
 但 package 端目前只有：
 - agent adapter
 - project metadata
 - routine schedule
 參考：
 - [.paperclip.yaml](/Users/chirs/workspace/KingClawArmy_dev_review/.paperclip.yaml:1)
 **追蹤結果：**
 已部分修正。
 目前已新增：
 1. `.mcp.json`
 2. `.paperclip.yaml` 中的 env input 提示
 但 env input 尚未真正進 manifest，而且 runtime 仍未完整覆蓋所有 active skills，剩餘缺口已移到 P7 / P8。
 **影響**
 這代表目前是「skill 文檔存在」，不是「skill 能實際跑起來」。
 換句話說，package 已有知識層，但 runtime 還沒封裝完成。
 ---
 ### 已修正 P4. 目前 vendored 的 skill 內容偏摘要版，和文檔宣稱的完整度不一致
 **現況**
 文檔目前宣稱：
 - 來自真實開源 repo
 - 很多技能是數百到上千行
 - 詳細內容可用 `references/` 或 `scripts/` 補齊
 參考：
 - [agent-skill-mapping.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/agent-skill-mapping.md:5)
 - [skills-inventory.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/skills-inventory.md:18)
 - [skills-inventory.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/skills-inventory.md:46)
 但實際 repo 目前：
 1. 幾乎所有 `SKILL.md` 都小於 80 行
 2. 多數只有摘要說明與大綱
 3. `skills/` 下沒有 `reference/`、`references/`、`scripts/`
 舉例：
 - [market-news-analyst/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/market-news-analyst/SKILL.md:1)
 - [canslim-screener/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/canslim-screener/SKILL.md:1)
 - [portfolio-manager/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/portfolio-manager/SKILL.md:1)
 - [xlsx/SKILL.md](/Users/chirs/workspace/KingClawArmy_dev_review/skills/xlsx/SKILL.md:1)
 **影響**
 這會造成兩個問題：
 1. package 使用者以為 skills 已完整 vendored，其實只有摘要版
 2. agent 的能力敘述看起來很強，但可重現工作流不足
 **追蹤結果：**
 已修正文件口徑。`agent-skill-mapping.md` 現在已明確說明目前是 `Summary Reference` 版 skills，而不是完整 vendored 版。
 ---
 ### 已修正 P5. 文檔統計已經與實際 repo 不一致
 **現況**
 目前 `docs/agent-skill-mapping.md` 寫：
 - `62 個 SKILL.md`
 - `71 個分配`
 參考：
 - [agent-skill-mapping.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/agent-skill-mapping.md:26)
 但我實際掃 repo：
 1. `skills/` 目錄共 53 個 skill
 2. agents 的 `skills:` 總分配數是 72
 **影響**
 這會誤導下一位 agent，以為：
 1. repo 少了 9 個 skill
 2. 或某些配置還沒同步
 **追蹤結果：**
 已修正。文件中的 skill 數量與分配數量已更新為當前 repo 狀態。
 ---
 ### 已修正 P6. `mcp-plan.md` 仍含敏感或機器相依資訊，不適合留在 package docs
 **現況**
 這份文件目前包含：
 1. 明文 `FRED_API_KEY`
 2. 機器相依的絕對路徑 `/home/chris/workspace/...`
 參考：
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:141)
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:152)
 - [mcp-plan.md](/Users/chirs/workspace/KingClawArmy_dev_review/docs/mcp-plan.md:195)
 **影響**
 即使這裡只是示意值，這種寫法仍然不適合進 canonical package docs，原因是：
 1. 容易讓人誤把示意值當真 key
 2. 絕對路徑沒有可攜性
 3. 違反 base package 應避免機器相依值的原則
 **追蹤結果：**
 已修正。API key 已改為 placeholder，機器相依絕對路徑也已抽換。
 ---
 ## 4. 建議補齊清單
 請另一個 agent 依序補：
 1. 讓 env inputs 依 Paperclip 目前支援的結構真正進 manifest
 2. 補齊 active skills 的 runtime 覆蓋缺口
 3. 為尚未可直接啟用的 skill 補 `optional / unavailable / future` 狀態說明
 4. 若後續要提升為完整 vendored skills，再補 `references/` / `scripts/`
 ---
 ## 5. 修完後的驗收標準
 至少要確認：
 1. `paperclipai company import --dry-run --json` 仍保持 `warnings: []`、`errors: []`
 2. `manifest.envInputs` 不再為空，且能反映 package 真正需要的環境輸入
 3. active skills 的 runtime 依賴都有對應配置或明確狀態標記
 4. `mcp-plan.md`、`.mcp.json`、`.paperclip.yaml` 三者口徑一致
 ---
 ## 6. 一句話結論
 這版 `dev` 的 agent / skills 已經把最重要的 Paperclip skill 綁定問題修乾淨了；目前剩下的是 `envInputs` 尚未真正進 manifest，以及 runtime 覆蓋還沒百分之百收尾，屬於完整度問題，不是基本相容性問題。
--- a/docs/paperclip_dev_review_2026-04-11.md
+++ b/docs/paperclip_dev_review_2026-04-11.md
@@ -0,0 +1,342 @@
 # KingClawArmy - Paperclip Package Review（dev）
 > 日期：2026-04-11
 > 審查對象：`origin/dev`
 > 初次審查 commit：`43c1770`
 > 追蹤審查 commit：`aceb1ba`
 > 最終追蹤 commit：`cb44714`
 > 用途：記錄 `dev` branch 的 Paperclip package 審查結果、修正追蹤與最終 smoke test 驗證
 ---
 ## 1. 結論摘要
 `dev` branch 已經完成第一版 Paperclip package 骨架，且可通過：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 這代表以下基礎能力已具備：
 1. repo root 已有 `COMPANY.md`
 2. 已有 `.paperclip.yaml`
 3. 已有 `agents/`、`teams/`、`projects/`、`tasks/`、`skills/` 基本結構
 4. importer 可以成功解析 package
 第二輪追蹤後，原本的 P1-P4 都已修正完成，包含：
 1. recurring routine 與 task slug 已對齊
 2. `daily-secretary-digest` 已移到正確 project 目錄
 3. `quant-strategist` 的過大權限已移除
 4. project 的 Paperclip 專屬 metadata 已改由 `.paperclip.yaml` 承載，dry-run 匯入後可正確保留
 第三輪追蹤後，P5 也已修正完成，且額外完成了真正的 import smoke test。
 目前結論是：
 1. 這份 `dev` package 已通過本輪 Paperclip 規格審查
 2. `paperclipai company import --dry-run --json` 可通過，`warnings` / `errors` 為空
 3. 實際 import 到本地 Paperclip instance 也成功
 4. recurring task 會被建立為 routines，而不是 one-off issues，行為符合 Paperclip 設計
 ---
 ## 2. 最終驗證結果
 ### 2.1 Dry-run 驗證
 使用：
 ```bash
 paperclipai company import <repo> --dry-run --json
 ```
 確認結果：
 1. `ceo` 匯入後的 role 為 `ceo`
 2. `projects` 的 `leadAgentSlug` / `status` 有正確保留
 3. 四個 recurring task 都有對應的 `routine`
 4. `warnings: []`
 5. `errors: []`
 ### 2.2 實際 import smoke test
 使用：
 ```bash
 paperclipai company import /Users/chirs/workspace/KingClawArmy_dev_review \
  --target new \
  --new-company-name "KingClawArmy Smoke Test 2026-04-11" \
  --yes \
  --json
 ```
 實測結果：
 1. 成功建立 company：`KingClawArmy Smoke Test 2026-04-11`
 2. 成功建立 11 個 agents
 3. 成功建立 2 個 projects
 4. recurring task 沒有被當成一般 issues 匯入，而是建立為 4 個 active routines
 5. `GET /api/companies/{companyId}/routines` 可查到：
   - `每日量化 Pipeline 啟動`
   - `每日盤後情報整理`
   - `每日資料摘要`
   - `每日記憶壓縮與狀態摘要`
 補充：
 1. 實際 import 回傳的 `issues` 數量是 0，這是正常的
 2. 原因是這 4 個 recurring tasks 在 Paperclip 內會被提升為 routines，而不是預先建立 one-off issues
 3. 真正的執行 issue 會在 routine 觸發時才產生
 ### 2.3 最終判定
 就本輪審查範圍而言，`dev` branch 已可視為：
 1. Paperclip importable package
 2. 規格與實際匯入行為一致
 3. 可進入下一階段整合或實跑驗證
 ---
 ## 3. 已修正問題（追蹤確認）
 ### 已修正 P5. `ceo` agent 的 `role` 不是 Paperclip 預期的 `ceo`
 **前次問題**
 `agents/ceo/AGENTS.md` 原本是：
 ```yaml
 role: manager
 ```
 這會讓匯入後的執行長無法被 Paperclip 視為真正的 CEO，進而失去部分 CEO-safe 行為與公司層級權限。
 **追蹤結果：**
 已修正。`origin/dev` 的 `cb44714` 已將其改為：
 ```yaml
 role: ceo
 ```
 而且 dry-run 匯入結果也已確認 `ceo.role == "ceo"`。
 ### 已修正 P1. 07:30 主排程沒有綁到真正的 recurring task
 **現況**
 - `.paperclip.yaml` 的 routine key：`daily-quant-pipeline`
 - recurring task slug：`daily-quant-run`
 參考：
 - `origin/dev:.paperclip.yaml` 第 85-91 行
 - `origin/dev:projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md`
 **影響**
 `paperclipai company import --dry-run --json` 的結果顯示：
 - `daily-quant-run` 的 `routine` 是 `null`
 也就是說，這個每日量化啟動任務匯入後不會自動被排程觸發。
 **建議修法**
 二選一，選一種即可：
 1. 把 routine key 改成 `daily-quant-run`
 2. 把 task slug 改成 `daily-quant-pipeline`
 **建議採用：**
 **追蹤結果：**
 已修正。`origin/dev` 目前的 routine key 已改為 `daily-quant-run`，且 dry-run 匯入結果中 `daily-quant-run.routine` 已正確存在。
 ---
 ### 已修正 P2. `quant-strategist` 權限過大
 **現況**
 在 `.paperclip.yaml` 中：
 ```yaml
 agents:
  quant-strategist:
    permissions:
      canCreateAgents: true
 ```
 **影響**
 在 Paperclip 中，`canCreateAgents` 比「可分派工作」更高，是接近 agent creator / manager 級別的權限。
 目前設計目標只是讓策略師主導量化 pipeline，不是讓他具備建立 agent 的高權限。
 **建議修法**
 1. 若只是要策略師能主導任務分配，先移除 `canCreateAgents: true`
 2. 若未來真的需要額外委派能力，再由 Paperclip 的顯式 permission / grant 機制處理
 **建議採用：**
 **追蹤結果：**
 已修正。`quant-strategist` 的 `canCreateAgents` 已移除。
 ---
 ### 已修正 P3. `PROJECT.md` 的 owner / status 意圖沒有被保留下來
 **現況**
 兩個 project 使用了：
 ```yaml
 leadAgentSlug: ...
 status: active
 ```
 參考：
 - `origin/dev:projects/daily-quant-pipeline/PROJECT.md`
 - `origin/dev:projects/board-ops/PROJECT.md`
 **影響**
 實際 dry-run 匯入結果顯示：
 - `leadAgentSlug: null`
 - `status: null`
 也就是說，這兩個欄位現在雖然寫在檔案裡，但 importer 沒有保留成有效 project metadata。
 **建議修法**
 1. 先把 `PROJECT.md` 保持為 vendor-neutral、最小可攜欄位
 2. 若需要 Paperclip 專屬 fidelity，改放到 `.paperclip.yaml` 或 `metadata.paperclip`
 3. project owner 可優先改成 base spec 較接近的欄位，例如 `owner`
 **建議採用：**
 **追蹤結果：**
 已修正。`PROJECT.md` 已收斂成較乾淨的 base package 內容，project 的 `leadAgentSlug` / `status` 目前改由 `.paperclip.yaml` 承載，且 dry-run 匯入結果可正確保留。
 ---
 ### 已修正 P4. `daily-secretary-digest` 放在錯的 project 資料夾底下
 **現況**
 檔案位置：
 ```text
 projects/daily-quant-pipeline/tasks/daily-secretary-digest/TASK.md
 ```
 但 frontmatter 內容是：
 ```yaml
 project: board-ops
 ```
 **影響**
 雖然 importer 目前會依 frontmatter 匯入成功，但這違反 package 本身的資料夾慣例，之後非常容易造成：
 1. 維護時誤判任務歸屬
 2. reviewer 看目錄就被誤導
 3. 後續 agent 做批次修改時把任務放錯地方
 **建議修法**
 將該檔案移到：
 ```text
 projects/board-ops/tasks/daily-secretary-digest/TASK.md
 ```
 同時保持：
 **追蹤結果：**
 已修正。該檔案已移到：
 ```text
 projects/board-ops/tasks/daily-secretary-digest/TASK.md
 ```
 ---
 ## 4. 建議但非阻塞問題
 ### S1. 第一版 package 已經不是方案 A，而是接近量化完整版
 目前 `dev` branch 實際包含：
 1. 管理團隊 3 位
 2. 量化團隊 7 位
 3. `xiao-an` 1 位 paused
 也就是：
 - 10 active
 - 1 paused
 這已經比原規劃文件的方案 A 更接近「完整量化版」。
 **建議**
 1. 更新 `docs/INDEX.md` 與相關說明，明確寫成「第一版 package = 管理 + 完整量化團隊」
 2. 不要再沿用「精實版 8 active」的敘述，避免文檔口徑不一致
 ---
 ### S2. 可以補一份簡短的 import 驗收說明
 建議在 `docs/` 追加一段簡單說明，讓之後的人知道該怎麼驗：
 ```bash
 paperclipai company import . --dry-run --json
 ```
 最低驗收應包含：
 1. 沒有 `missing COMPANY.md`
 2. 所有 recurring task 都有對應 routine
 3. projects 與 tasks 的目錄與 frontmatter 一致
 4. `.paperclip.yaml` 沒有秘密值與機器相依路徑
 ---
 ## 5. 後續建議
 接下來如果要繼續往前推，建議順序是：
 1. 在本地或測試環境做一次 routine 實跑驗證，確認觸發後會建立 execution issue
 2. 若要正式採用，補一份簡短的 import / smoke test 操作說明到 `docs/`
 3. 若後續要擴充行銷或內容團隊，再以相同模式擴展 package 結構
 ---
 ## 6. 本輪驗收標準
 本輪已確認：
 1. `agents/ceo/AGENTS.md` 的 frontmatter 為 `role: ceo`
 2. `paperclipai company import --dry-run --json` 成功通過
 3. 匯入後 CEO 在系統中被辨識為真正的 CEO，而不是一般 manager
 4. recurring task 在真實 import 後會建立為 routines
 5. 文件敘述與 package 實際內容一致
 ---
 ## 7. 一句話結論
 `origin/dev` 的 KingClawArmy Paperclip package 已完成本輪修正並通過 dry-run 與實際 import smoke test，可進入下一階段驗證或整合。
--- a/docs/paperclip_org_plans.md
+++ b/docs/paperclip_org_plans.md
@@ -0,0 +1,357 @@
 # KingClawArmy - Paperclip 組織規劃方案
 > 日期：2026-04-11
 > 用途：提供另一個 agent 作為修改依據；本文件定義規劃選項、推薦方案、實作範圍與 review 驗收標準
 ---
 ## 1. 目的與前提
 這份文件的目的不是直接當成 Paperclip package 匯入，而是作為下一位實作 agent 的施工說明書。
 Paperclip 需要的不是 `docs/` 內的說明稿，而是實際可匯入的 package 結構：
 ```text
 COMPANY.md
 .paperclip.yaml
 agents/<slug>/AGENTS.md
 teams/<slug>/TEAM.md
 projects/<slug>/PROJECT.md
 projects/<slug>/tasks/<slug>/TASK.md
 skills/<slug>/SKILL.md
 ```
 因此，下一位 agent 的任務應該是：
 1. 保留 `docs/` 作為設計說明文件
 2. 在 repo 根目錄建立真正的 Paperclip company package
 3. 依照本文件選定的組織方案，產出第一版可 `paperclipai company import --dry-run` 通過的結構
 ---
 ## 2. Paperclip 導向的設計約束
 | 項目 | 約束 |
 |---|---|
 | 公司根檔 | 必須有 repo root 的 `COMPANY.md` |
 | Agent 定義 | 每個 agent 必須有自己的 `agents/<slug>/AGENTS.md` |
 | Team 定義 | 每個 team 必須有 `teams/<slug>/TEAM.md`，且 `manager` 要能解析到真實 agent 檔案 |
 | Project 定義 | pipeline 需要對應到 `PROJECT.md`，不能只寫在說明文件 |
 | Routine 定義 | recurring work 需要 `TASK.md` 標記 `recurring: true`，排程細節再放到 `.paperclip.yaml` |
 | Skills | `AGENTS.md` 內應以 shortname 關聯 skill，`SKILL.md` 保持 Agent Skills 相容 |
 | Runtime 設定 | adapter、env inputs、budgets、permissions、routines 等放在 `.paperclip.yaml` |
 | 溝通模型 | Paperclip V1 偏 task/comment，不是 OpenClaw 那種 session-first 規劃 |
 ---
 ## 3. 目前文件狀態摘要
 | 項目 | 現況 | 結論 |
 |---|---|---|
 | `docs/company.md` | 已有完整藍圖 | 可當來源稿，但不是 import root |
 | `docs/pipelines.md` | 已有 pipeline 與 routines | 還缺 `PROJECT.md` / `TASK.md` 實體 |
 | `docs/schemas.md` | 已有多數輸出 schema | 可作為 agent instructions 的引用內容 |
 | repo root | 沒有 `COMPANY.md`、`.paperclip.yaml` | 現在不能直接 import |
 | 組織架構 | 18 agents / 5 teams | 當藍圖合理，當第一版上線偏重 |
 | review 流程 | 有定義，但 revise 上限與 review 節點不完全一致 | 修改時要先收斂口徑 |
 ---
 ## 4. 規劃方案
 ### 方案 A：精實上線包
 **定位：** 先做出第一個可匯入、可運行、成本可控的 Paperclip package。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | optional | `xiao-an` | paused |
 **總計：** 8 active + 1 optional paused
 **組織樹：**
 ```text
 董事長
 └── ceo
    ├── secretary
    ├── reviewer
    └── quant-strategist
        ├── finance-researcher
        ├── market-structure-researcher
        ├── quant-engineer
        └── data-analyst
 ```
 **應建立的 team：**
 1. `management`
 2. `quant-research`
 **應建立的 project：**
 1. `daily-quant-pipeline`
 2. `board-ops`
 **應建立的 recurring tasks：**
 1. `daily-quant-pipeline` -> assignee `ceo`
 2. `daily-post-market` -> assignee `ceo`
 3. `daily-data-summary` -> assignee `data-analyst`
 4. `daily-secretary-digest` -> assignee `secretary`
 **優點：**
 1. 最容易先通過 Paperclip import
 2. 組織深度夠用，管理跨度可控
 3. 成本最低，適合先驗證量化閉環
 4. 另一個 agent 修改時影響面最小
 **缺點：**
 1. 少了 bull/bear 對抗式分析
 2. 行銷與內容團隊尚未進 package
 3. 工程團隊先不落地
 **適用情境：**
 1. 你想先讓 Paperclip package 匯入成功
 2. 你想先把量化閉環跑通
 3. 你希望 review 範圍小、改動風險低
 ---
 ### 方案 B：平衡擴編包
 **定位：** 保留完整量化閉環，並放入行銷策略團隊的基礎骨架。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `bullish-researcher` | active |
 | quant-research | `bearish-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | marketing | `strategy-director` | active |
 | marketing | `market-researcher` | active |
 | marketing | `ads-analyst` | paused |
 | optional | `xiao-an` | paused |
 **總計：** 12 active + 2 paused
 **組織樹：**
 ```text
 董事長
 └── ceo
    ├── secretary
    ├── reviewer
    ├── quant-strategist
    │   ├── finance-researcher
    │   ├── market-structure-researcher
    │   ├── bullish-researcher
    │   ├── bearish-researcher
    │   ├── quant-engineer
    │   └── data-analyst
    └── strategy-director
        ├── market-researcher
        └── ads-analyst
 ```
 **應建立的 team：**
 1. `management`
 2. `quant-research`
 3. `marketing`
 **應建立的 project：**
 1. `daily-quant-pipeline`
 2. `market-intel`
 3. `board-ops`
 **應建立的 recurring tasks：**
 1. 方案 A 的全部 recurring tasks
 2. `morning-market-intel` -> assignee `market-researcher`
 3. `evening-market-intel` -> assignee `market-researcher`
 4. `weekly-market-report` -> assignee `market-researcher`
 **優點：**
 1. 量化 pipeline 比方案 A 更完整
 2. 行銷 team 先有骨架，不用之後重做 package
 3. 比 18 agent 藍圖更適合先上線
 **缺點：**
 1. package 複雜度明顯上升
 2. review 範圍變大
 3. 匯入後需要更多 paused/active 狀態管理
 **適用情境：**
 1. 你希望量化 full pipeline 一次到位
 2. 你預計很快就會接上市場研究與行銷節奏
 3. 你接受另一個 agent 需要改比較多檔案
 ---
 ### 方案 C：完整藍圖包
 **定位：** 直接把目前 `docs/company.md` 的 18 agents 全部落成 Paperclip package。
 **建議啟用角色：**
 | Team | Agent | 狀態 |
 |---|---|---|
 | management | `ceo` | active |
 | management | `secretary` | active |
 | management | `reviewer` | active |
 | quant-research | `quant-strategist` | active |
 | quant-research | `finance-researcher` | active |
 | quant-research | `market-structure-researcher` | active |
 | quant-research | `bullish-researcher` | active |
 | quant-research | `bearish-researcher` | active |
 | quant-research | `quant-engineer` | active |
 | quant-research | `data-analyst` | active |
 | marketing | `strategy-director` | active |
 | marketing | `market-researcher` | active |
 | marketing | `ads-analyst` | active |
 | content | `creative-director` | active |
 | content | `copywriter` | active |
 | engineering | `frontend-engineer` | paused |
 | engineering | `backend-engineer` | paused |
 | optional | `xiao-an` | paused |
 **總計：** 15 active + 3 paused
 **優點：**
 1. 與現有藍圖最一致
 2. 未來擴編時不需再補 package 結構
 3. 全公司模型一次成形
 **缺點：**
 1. 第一版 package 實作成本最高
 2. 很多 agent 只有規格，沒有第一波實際任務
 3. 工程團隊目前沒有真正的 team lead，結構上較勉強
 4. review 與驗收難度最高
 **適用情境：**
 1. 你要做的是展示型、藍圖型 package
 2. 你接受第一版不是最精實，而是最完整
 3. 另一個 agent 有足夠時間把 package 全部補齊
 ---
 ## 5. 推薦方案
 **推薦採用：方案 A 作為第一版 import package**
 原因：
 1. 這是最符合 Paperclip 第一階段匯入需求的方案
 2. 可以先驗證 `COMPANY.md + AGENTS.md + TEAM.md + PROJECT.md + TASK.md + .paperclip.yaml` 的完整鏈路
 3. 量化是目前最清楚、最成熟的閉環，先落地它最划算
 4. 另一個 agent 可以先把結構做好，再逐步擴到方案 B 或方案 C
 **推薦 roadmap：**
 1. 第一版 import package 採 `方案 A`
 2. 量化 pipeline 穩定後升級到 `方案 B`
 3. 行銷與內容成熟後再收斂成 `方案 C`
 ---
 ## 6. 另一個 Agent 的修改範圍
 ### 必做
 | 路徑 | 動作 |
 |---|---|
 | `COMPANY.md` | 新建真正的 company root，frontmatter 採 `agentcompanies/v1` |
 | `.paperclip.yaml` | 新建 Paperclip sidecar，放 adapter、inputs、permissions、routines、status |
 | `agents/<slug>/AGENTS.md` | 為方案 A 中的每個 agent 建立真正 agent 檔 |
 | `teams/management/TEAM.md` | 新建 team package |
 | `teams/quant-research/TEAM.md` | 新建 team package |
 | `projects/daily-quant-pipeline/PROJECT.md` | 新建 project package |
 | `projects/board-ops/PROJECT.md` | 新建 project package |
 | `projects/.../tasks/<slug>/TASK.md` | 為 recurring routines 建立任務檔 |
 | `skills/deep-research/SKILL.md` | 新建相容 skill |
 | `skills/code-reviewer/SKILL.md` | 新建相容 skill |
 ### 建議做
 | 路徑 | 動作 |
 |---|---|
 | `docs/company.md` | 保留為說明稿，但內容要標示「藍圖版」或「未來擴編版」 |
 | `docs/pipelines.md` | 對齊 recurring tasks 與實際 project/task 命名 |
 | `docs/schemas.md` | 對齊第一版 active agents，只保留需要的 schema 或標示 phase |
 | `docs/INDEX.md` | 明確區分「設計文件」與「可匯入 package」 |
 ### 不建議第一輪做太多
 1. 不要第一輪就把 18 agents 全部做成 active
 2. 不要把 OpenClaw 的 session 協定硬塞進 Paperclip runtime 配置
 3. 不要在 `.paperclip.yaml` 複製整份 agent prompt
 4. 不要先做太多機器環境相依設定，例如本機絕對路徑與 secret 值
 ---
 ## 7. 具體修改原則
 1. `AGENTS.md` frontmatter 只放 agent identity、title、reportsTo、skills 等可攜欄位
 2. agent 的行為規範與 instructions 寫在 `AGENTS.md` body
 3. adapter、model、env inputs、permissions、status、routines 全放 `.paperclip.yaml`
 4. `skills` 在 `AGENTS.md` 內用 shortname，如 `deep-research`、`code-reviewer`
 5. recurring work 先在 `TASK.md` 標 `recurring: true`，排程再由 `.paperclip.yaml` 補
 6. team manager 路徑要用正確的相對路徑，不要沿用 `docs/company.md` 內的示意錯路徑
 7. review revise 上限統一成一個數字，建議固定為 `3`
 8. 若工程團隊暫不落地，第一版 package 不必建立 `engineering` team
 ---
 ## 8. Review 驗收標準
 未來我 review 時，至少會檢查以下項目：
 1. `paperclipai company import <repo> --dry-run` 不再報 `missing COMPANY.md`
 2. root `COMPANY.md` 能被解析，且 `schema`、`slug`、`name` 正確
 3. 所有 `TEAM.md` 的 `manager` 路徑都能解析
 4. 所有 `AGENTS.md` 的 `reportsTo` 與 team 結構一致
 5. recurring routines 都有對應 `TASK.md`
 6. `.paperclip.yaml` 沒有機器相依路徑與 secret 值
 7. active / paused 狀態與本文件選定方案一致
 8. `docs/` 說明稿與真正 package 內容不互相矛盾
 ---
 ## 9. 決策建議
 如果沒有特別要求一次做完整藍圖，建議直接照以下決策執行：
 1. 採用 `方案 A`
 2. 將 `方案 B` 寫成後續擴編計畫
 3. 將 `方案 C` 保留在 `docs/company.md` 作為最終藍圖
 這樣最符合 Paperclip 的第一波落地方式，也最方便之後讓我做結構與合理性 review。
--- a/docs/pipelines.md
+++ b/docs/pipelines.md
@@ -0,0 +1,236 @@
 # KingClawArmy - Pipeline 與排程
 > 平台：Paperclip
 > 日期：2026-04-10
 ---
 ## 1. 量化研究 Pipeline
 量化策略師主導整個 pipeline，CEO 只管啟動和例外處理。
 ```
 CEO → 量化策略師（pipeline owner）
         │
         ├─ 財經情報研究員
         │    └─ Finance_Research_Brief.json
         │
         ├─ 市場結構研究員（等情報完成）
         │    └─ Market_Structure_Report.json
         │
         ├─ 多方研究員 ──┐
         ├─ 空方研究員 ──┘ 並行
         │    └─ Bullish_Brief.json / Bearish_Brief.json
         │
         ├─ 策略師收斂
         │    └─ Strategy_Thesis.json（含信心指數、恐慌指數、進出場建議）
         │
         ├─ 審查員
         │    ├─ pass → 繼續
         │    ├─ revise → 重跑被退回角色（最多 3 輪）
         │    └─ block → escalate CEO
         │
         ├─ 回測工程師（策略需要回測時）
         │    └─ Backtest_Report.json
         │
         ├─ 資料分析師（審查 pass 後）
         │    └─ Data_Analysis_Report.json
         │
         └─ CEO → 董事長審批
 ```
 ### Pipeline 步驟定義
 | Step | Agent | 職稱 | 依賴 | 輸出 |
 |---|---|---|---|---|
 | intel | finance-researcher | 財經情報研究員 | — | Finance_Research_Brief.json |
 | structure | market-structure-researcher | 市場結構研究員 | intel | Market_Structure_Report.json |
 | bull | bullish-researcher | 多方研究員 | structure | Bullish_Brief.json |
 | bear | bearish-researcher | 空方研究員 | structure | Bearish_Brief.json |
 | converge | quant-strategist | 量化策略師 | bull, bear | Strategy_Thesis.json |
 | review | reviewer | 審查員 | converge | Review_Report.json |
 | backtest | quant-engineer | 回測工程師 | review (pass, if requires_backtest) | Backtest_Report.json |
 | analysis | data-analyst | 資料分析師 | backtest or review (pass) | Data_Analysis_Report.json |
 | approve | HITL (董事長) | — | analysis | — |
 ### 例外處理
 | 情況 | 處理方式 |
 |---|---|
 | revise（審查退回） | 策略師重新指派被退回的 agent，帶上修改意見與 Review_Report，最多 3 輪 |
 | block（審查否決） | 策略師 escalate 到 CEO，CEO 通知董事長 |
 | revise 超過 3 輪 | 策略師 escalate 到 CEO，CEO 通知董事長 |
 | agent 執行超時 | 策略師重新指派，帶上 timeout 通知 |
 | agent 回傳 missing_fields | 策略師重新指派，明確要求補齊 |
 | 模型 API 錯誤 | 自動重試 1 次，失敗 → 策略師 escalate CEO |
 ---
 ## 2. 排程（Routines）
 時區統一：`Asia/Taipei`
 ### .paperclip.yaml routines 定義
 ```yaml
 routines:
  daily-quant-pipeline:
    triggers:
      - kind: schedule
        cronExpression: "30 7 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # CEO 啟動量化 pipeline（台股 09:00 開盤前）
  daily-post-market:
    triggers:
      - kind: schedule
        cronExpression: "30 18 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # CEO 啟動盤後情報整理
  morning-market-intel:
    triggers:
      - kind: schedule
        cronExpression: "0 8 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員早盤市場情報（台股開盤前）
  evening-market-intel:
    triggers:
      - kind: schedule
        cronExpression: "0 20 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員晚間市場情報（美股開盤前）
  weekly-market-report:
    triggers:
      - kind: schedule
        cronExpression: "0 10 * * 0"
        timezone: Asia/Taipei
        enabled: true
    # 市場研究員每週市場分析報告（週日）
  daily-data-summary:
    triggers:
      - kind: schedule
        cronExpression: "0 21 * * 1-5"
        timezone: Asia/Taipei
        enabled: true
    # 資料分析師每日資料摘要（收盤後）
  weekly-data-report:
    triggers:
      - kind: schedule
        cronExpression: "0 14 * * 0"
        timezone: Asia/Taipei
        enabled: true
    # 資料分析師每週數據報告（週日下午）
  daily-secretary-digest:
    triggers:
      - kind: schedule
        cronExpression: "0 23 * * *"
        timezone: Asia/Taipei
        enabled: true
    # 秘書每日記憶壓縮與狀態摘要
 ```
 ### 排程總覽
 | Routine | Agent | 職稱 | 頻率 | 說明 |
 |---|---|---|---|---|
 | daily-quant-pipeline | ceo | 執行長 | 週一至五 07:30 | 盤前啟動量化 pipeline |
 | daily-post-market | ceo | 執行長 | 週一至五 18:30 | 盤後情報整理 |
 | morning-market-intel | market-researcher | 市場研究員 | 每日 08:00 | 早盤市場情報（台股開盤前） |
 | evening-market-intel | market-researcher | 市場研究員 | 每日 20:00 | 晚間市場情報（美股開盤前） |
 | weekly-market-report | market-researcher | 市場研究員 | 每週日 10:00 | 每週市場分析報告 |
 | daily-data-summary | data-analyst | 資料分析師 | 週一至五 21:00 | 每日資料摘要 |
 | weekly-data-report | data-analyst | 資料分析師 | 每週日 14:00 | 每週數據報告 |
 | daily-secretary-digest | secretary | 秘書 | 每日 23:00 | 每日記憶壓縮與狀態摘要 |
 ### 每日時間軸
 ```
 07:30  CEO 啟動量化 pipeline
 08:00  市場研究員 - 早盤市場情報（台股 09:00 開盤前）
       ～ 量化 pipeline 運行中 ～
 18:30  CEO 啟動盤後情報整理
 20:00  市場研究員 - 晚間市場情報（美股 21:30 開盤前）
 21:00  資料分析師 - 每日資料摘要
 23:00  秘書 - 每日記憶壓縮
 ```
 ### 每週時間軸
 ```
 週日 10:00  市場研究員 - 每週市場分析報告
 週日 14:00  資料分析師 - 每週數據報告
 週一～五    每日排程如上
 ```
 ---
 ## 3. 審批機制（HITL）
 以下動作需要董事長批准：
 | 需要審批的事 | 觸發者 | 說明 |
 |---|---|---|
 | 量化策略正式執行 | CEO | pipeline 完成後提交審批 |
 | 正式部署 | CEO | 程式碼部署到 production |
 | DB schema 變更 | CEO | 資料庫結構異動 |
 | 廣告正式發布 | CEO | 對外廣告上線 |
 | 對外訊息發送 | CEO | 品牌對外溝通 |
 | 金流操作 | CEO | 任何涉及金錢的操作 |
 ### Review Gate
 | 必審節點 | 觸發方式 | 審查標準 |
 |---|---|---|
 | 量化策略提交 | 策略師指派審查員 | schema 完整性 + 風控邏輯 + 信心/恐慌指數合理性 |
 | 回測結果提交 | 策略師指派審查員 | 績效指標合理性 + overfitting 檢查 |
 | 工程交付 | CEO 指派審查員 | 程式碼品質 + 測試覆蓋 + 安全性 |
 | 文案對外 | CEO 指派審查員 | 品牌一致性 + 法規合規 |
 ---
 ## 4. 模型分級
 搭配 GPT 與 Claude 雙模型，依任務特性分配：
 | 等級 | GPT 模型 | Claude 模型 | 適用 Agent |
 |---|---|---|---|
 | reasoning-heavy | gpt-5.4 | claude-opus-4-6 | 執行長, 審查員, 量化策略師, 市場結構研究員, 多方/空方研究員, 策略總監 |
 | general | gpt-5.4-mini | claude-sonnet-4-6 | 秘書, 投放分析師, 資料分析師, 小安 |
 | research | gpt-5.4-mini | claude-haiku-4-5 | 財經情報研究員, 市場研究員 |
 | coder | gpt-5.4 | claude-sonnet-4-6 | 回測工程師, 前端工程師, 後端工程師 |
 | creative | gpt-5.4 | claude-sonnet-4-6 | 文案撰寫員, 創意總監 |
 每個 agent 可在 `.paperclip.yaml` 中指定主要使用的模型，視任務需求切換。
 ---
 ## 5. 成本控制
 | 策略 | 做法 |
 |---|---|
 | 模型分級 | 日常用 research/general，策略收斂才用 reasoning-heavy |
 | 排程頻率合理 | 不需要的 agent 不排太密的 cron |
 | review 輪數上限 | revise 最多 3 輪，超過 escalate 人工處理 |
 | 記憶壓縮 | 秘書每日 23:00 壓縮，避免 context 膨脹 |
 | 工程團隊按需啟用 | 前後端工程師平常 paused，有任務才啟動 |
 ---
 ## 6. 停損信號
 | 信號 | 動作 |
 |---|---|
 | 月費用超預期 2 倍 | 暫停非必要 agent |
 | 反覆 revise 超過 5 輪 | 人工介入調整 prompt |
 | 回測 winrate > 90% | 停下檢查 overfitting |
 | Agent 產出品質持續下降 | 檢查記憶 + prompt + 模型選擇 |
--- a/docs/schemas.md
+++ b/docs/schemas.md
@@ -0,0 +1,792 @@
 # KingClawArmy - 輸出 Schema 定義
 > 平台：Paperclip
 > 日期：2026-04-10
 每個 agent 的產出必須遵循定義好的 JSON schema，確保一次交齊，減少追問。
 ---
 ## Finance_Research_Brief.json
 > 產出者：**財經情報研究員**（finance-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "session": "pre_market|post_market|intraday",
  "macro_summary": "總體經濟概況摘要",
  "key_events": [
    {
      "event": "事件描述",
      "time": "2026-04-10T08:30:00+08:00",
      "impact": "bullish|bearish|neutral",
      "severity": "high|medium|low",
      "source": "來源"
    }
  ],
  "sentiment": {
    "overall": "bullish|bearish|neutral",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "rationale": "情緒評分依據"
  },
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 **欄位說明：**
 - `confidence_index`：市場信心指數（0-100，100 = 極度樂觀）
 - `fear_greed_index`：恐慌/貪婪指數（0-100，0 = 極度恐慌，100 = 極度貪婪）
 - `session`：盤前/盤後/盤中，標示這份情報的時間區段
 ---
 ## Market_Structure_Report.json
 > 產出者：**市場結構研究員**（market-structure-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "timeframes_analyzed": ["D1", "H4", "H1"],
  "structure": {
    "trend": "bullish|bearish|ranging",
    "mss_detected": true,
    "mss_details": "MSS 發生的位置與時間描述",
    "key_levels": [
      {
        "type": "OB|FVG|POI|support|resistance",
        "price": 0,
        "timeframe": "H4",
        "tested": false,
        "notes": "補充說明"
      }
    ]
  },
  "liquidity_zones": [
    {
      "type": "buy_side|sell_side",
      "range": [0, 0],
      "significance": "high|medium|low",
      "notes": "補充說明"
    }
  ],
  "entry_exit_suggestion": {
    "suggested_direction": "long|short|neutral",
    "ideal_entry_zone": [0, 0],
    "stop_loss_zone": [0, 0],
    "take_profit_targets": [0, 0, 0],
    "confidence": 0.0,
    "rationale": "進出場建議依據"
  }
 }
 ```
 **欄位說明：**
 - `entry_exit_suggestion`：基於市場結構的進出場建議（僅供策略師參考，不作為最終決策）
 - `confidence`：對進出場建議的信心度（0.0-1.0）
 ---
 ## Bullish_Brief.json
 > 產出者：**多方研究員**（bullish-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做多論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "catalysts": ["潛在催化劑 1", "潛在催化劑 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做多論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 **欄位說明：**
 - `confidence_index`：對做多論點的整體信心度（0.0-1.0）
 - `entry_exit_suggestion`：多方視角的進出場建議
 ---
 ## Bearish_Brief.json
 > 產出者：**空方研究員**（bearish-researcher）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "thesis": "核心做空論點（一句話）",
  "arguments": [
    {
      "point": "論點",
      "evidence": "支持證據",
      "confidence": 0.0
    }
  ],
  "key_levels": [
    {
      "type": "support|resistance|entry|target",
      "price": 0,
      "timeframe": "H4",
      "evidence": "為什麼這個價位重要"
    }
  ],
  "risk_factors": ["風險因素 1", "風險因素 2"],
  "entry_exit_suggestion": {
    "suggested_entry": [0, 0],
    "stop_loss": 0,
    "take_profit": [0, 0],
    "risk_reward": 0.0,
    "rationale": "進出場依據"
  },
  "invalidation": "什麼條件下做空論點失效",
  "confidence_index": 0.0,
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Strategy_Thesis.json
 > 產出者：**量化策略師**（quant-strategist）
 ```json
 {
  "date": "2026-04-10",
  "market": "BTC/USDT",
  "direction": "long|short|neutral",
  "thesis": "收斂後的策略論點",
  "market_indicators": {
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "market_regime": "trending|ranging|volatile|calm"
  },
  "entry_plan": {
    "entry_zone": [0, 0],
    "entry_trigger": "觸發進場的條件描述",
    "order_type": "limit|market|stop_limit"
  },
  "exit_plan": {
    "stop_loss": 0,
    "stop_loss_type": "fixed|trailing|structure_based",
    "take_profit_targets": [
      { "price": 0, "portion_pct": 50, "rationale": "第一目標依據" },
      { "price": 0, "portion_pct": 50, "rationale": "第二目標依據" }
    ]
  },
  "risk_management": {
    "risk_reward": 0.0,
    "position_size_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "bias_check": "confirmed|conflicting",
    "bull_confidence": 0.0,
    "bear_confidence": 0.0
  },
  "invalidation": "什麼條件下整個策略失效",
  "requires_backtest": true,
  "urgency": "immediate|today|this_week|no_rush",
  "summary": "給董事長看的一段話摘要"
 }
 ```
 **欄位說明：**
 - `confidence_index`：策略師對這個策略的整體信心度（0.0-1.0，綜合多空信心）
 - `fear_greed_index`：當前市場恐慌/貪婪程度（0-100）
 - `market_regime`：當前市場狀態分類
 - `entry_plan`：完整的進場計畫（區間、觸發條件、下單方式）
 - `exit_plan`：完整的出場計畫（停損、分批止盈）
 ---
 ## Review_Report.json
 > 產出者：**審查員**（reviewer）
 ```json
 {
  "date": "2026-04-10",
  "reviewed_artifact": "Strategy_Thesis.json",
  "reviewed_agent": "quant-strategist",
  "verdict": "pass|revise|block",
  "score": 0.0,
  "checklist": {
    "schema_complete": true,
    "risk_management_valid": true,
    "data_sources_verified": true,
    "confidence_reasonable": true,
    "no_overfitting_risk": true
  },
  "issues": [
    {
      "severity": "critical|major|minor",
      "field": "對應的欄位名",
      "description": "問題描述",
      "suggestion": "修改建議"
    }
  ],
  "revise_target": "quant-strategist|bullish-researcher|bearish-researcher|...",
  "revise_round": 1,
  "summary": "審查結論摘要"
 }
 ```
 ---
 ## Backtest_Report.json
 > 產出者：**回測工程師**（quant-engineer）
 ```json
 {
  "date": "2026-04-10",
  "strategy_ref": "Strategy_Thesis.json",
  "platform": "pine_script|python|other",
  "backtest_period": {
    "start": "2025-01-01",
    "end": "2026-04-10",
    "data_source": "資料來源"
  },
  "parameters": {
    "initial_capital": 10000,
    "commission_pct": 0.1,
    "slippage_pct": 0.05
  },
  "results": {
    "total_trades": 0,
    "winning_trades": 0,
    "losing_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "net_profit": 0.0,
    "net_profit_pct": 0.0,
    "max_drawdown_pct": 0.0,
    "max_drawdown_duration": "天數",
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "avg_holding_period": "小時/天"
  },
  "equity_curve_description": "權益曲線特徵描述",
  "code_artifact": "程式碼檔案路徑或內容",
  "notes": "回測備註與注意事項"
 }
 ```
 ---
 ## Data_Analysis_Report.json
 > 產出者：**資料分析師**（data-analyst）
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily|weekly|backtest_analysis",
  "analyzed_artifact": "Backtest_Report.json",
  "metrics": {
    "total_trades": 0,
    "win_rate": 0.0,
    "profit_factor": 0.0,
    "max_drawdown_pct": 0.0,
    "sharpe_ratio": 0.0,
    "sortino_ratio": 0.0,
    "avg_rr": 0.0,
    "calmar_ratio": 0.0
  },
  "distribution_analysis": {
    "profit_distribution": "盈虧分布特徵",
    "trade_duration_distribution": "持倉時間分布特徵",
    "time_of_day_performance": "不同時段表現差異"
  },
  "risk_flags": [
    {
      "type": "overfitting|curve_fitting|small_sample|outlier_dependency|other",
      "description": "風險描述",
      "severity": "high|medium|low"
    }
  ],
  "insights": ["洞察 1", "洞察 2"],
  "recommendation": "proceed|adjust|reject",
  "recommendation_rationale": "建議依據",
  "summary": "分析結論摘要"
 }
 ```
 ---
 ## Task_Spec.json
 > 產出者：**執行長**（ceo）
 ```json
 {
  "task_id": "TASK-001",
  "title": "任務標題",
  "assignee": "agent-slug",
  "assignee_title": "Agent 職稱",
  "team": "team-slug",
  "priority": "critical|high|medium|low",
  "description": "詳細任務描述",
  "context": "任務背景與相關資訊",
  "expected_output": "預期輸出的 Schema 名稱",
  "dependencies": ["前置任務 ID"],
  "deadline": "2026-04-10T18:00:00+08:00",
  "requires_review": true,
  "requires_hitl": false
 }
 ```
 ---
 ## Final_Decision_Packet.json
 > 產出者：**執行長**（ceo）
 ```json
 {
  "date": "2026-04-10",
  "pipeline": "quant|marketing|content",
  "title": "決策包標題",
  "summary": "給董事長的摘要（200 字內）",
  "recommendation": "proceed|hold|abort",
  "key_findings": [
    {
      "source_agent": "agent-slug",
      "source_title": "Agent 職稱",
      "finding": "關鍵發現"
    }
  ],
  "risk_assessment": {
    "overall_risk": "high|medium|low",
    "confidence_index": 0.0,
    "fear_greed_index": 0.0,
    "key_risks": ["風險 1", "風險 2"]
  },
  "action_items": [
    {
      "action": "需要執行的動作",
      "requires_approval": true
    }
  ],
  "attached_reports": ["Strategy_Thesis.json", "Review_Report.json", "Data_Analysis_Report.json"]
 }
 ```
 ---
 ## Meeting_Summary.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "summary_type": "daily|weekly|meeting|incident",
  "participants": [
    { "agent": "agent-slug", "title": "Agent 職稱" }
  ],
  "key_decisions": [
    {
      "decision": "決策內容",
      "decided_by": "agent-slug",
      "rationale": "決策依據"
    }
  ],
  "action_items": [
    {
      "assignee": "agent-slug",
      "assignee_title": "Agent 職稱",
      "task": "待辦內容",
      "deadline": "2026-04-11",
      "status": "pending|in_progress|done"
    }
  ],
  "highlights": ["今日重點 1", "今日重點 2"],
  "issues": ["待解決問題 1"],
  "notes": "其他備註"
 }
 ```
 ---
 ## State_Diff.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "compared_to": "2026-04-09",
  "changes": [
    {
      "category": "strategy|personnel|schedule|system|other",
      "description": "變更描述",
      "changed_by": "agent-slug",
      "impact": "high|medium|low"
    }
  ],
  "new_items": ["新增的事項"],
  "resolved_items": ["已解決的事項"],
  "ongoing_items": ["持續進行中的事項"]
 }
 ```
 ---
 ## Todo_List.json
 > 產出者：**秘書**（secretary）
 ```json
 {
  "date": "2026-04-10",
  "items": [
    {
      "id": "TODO-001",
      "title": "待辦標題",
      "assignee": "agent-slug",
      "assignee_title": "Agent 職稱",
      "priority": "critical|high|medium|low",
      "status": "pending|in_progress|blocked|done",
      "created_date": "2026-04-09",
      "due_date": "2026-04-11",
      "notes": "備註"
    }
  ]
 }
 ```
 ---
 ## Brand_Strategy_Plan.json
 > 產出者：**策略總監**（strategy-director）
 ```json
 {
  "date": "2026-04-10",
  "version": "1.0",
  "usp": "獨特賣點定義",
  "brand_narrative": "品牌故事與核心訊息",
  "brand_voice": {
    "tone": "語氣描述",
    "personality": "品牌人格特質",
    "do": ["應該做的"],
    "dont": ["不應該做的"]
  },
  "target_audience": [
    {
      "segment": "受眾分群名稱",
      "demographics": "人口統計描述",
      "pain_points": ["痛點"],
      "motivations": ["動機"]
    }
  ],
  "campaigns": [
    {
      "name": "活動名稱",
      "channel": "投放管道",
      "objective": "活動目標",
      "kpi": "衡量指標",
      "budget_allocation_pct": 0.0
    }
  ],
  "funnel_strategy": {
    "awareness": "認知階段策略",
    "consideration": "考慮階段策略",
    "conversion": "轉換階段策略",
    "retention": "留存階段策略"
  }
 }
 ```
 ---
 ## Growth_Strategy_Plan.json
 > 產出者：**策略總監**（strategy-director）
 ```json
 {
  "date": "2026-04-10",
  "growth_model": "成長模型描述",
  "channels": [
    {
      "channel": "管道名稱",
      "strategy": "策略描述",
      "expected_cac": 0.0,
      "expected_ltv": 0.0,
      "priority": "high|medium|low"
    }
  ],
  "experiments": [
    {
      "hypothesis": "假設",
      "test_method": "測試方法",
      "success_metric": "成功指標",
      "duration": "測試期間"
    }
  ],
  "milestones": [
    {
      "target": "目標描述",
      "deadline": "2026-06-30",
      "status": "planned|in_progress|achieved"
    }
  ]
 }
 ```
 ---
 ## Market_Research_Brief.json
 > 產出者：**市場研究員**（market-researcher）
 ```json
 {
  "date": "2026-04-10",
  "report_type": "daily_morning|daily_evening|weekly",
  "market_overview": "市場概況摘要",
  "competitors": [
    {
      "name": "競品名稱",
      "recent_moves": "近期動態",
      "threat_level": "high|medium|low"
    }
  ],
  "consumer_insights": [
    {
      "insight": "消費者洞察",
      "source": "來源",
      "actionable": true
    }
  ],
  "trends": [
    {
      "trend": "趨勢描述",
      "direction": "growing|stable|declining",
      "relevance": "high|medium|low"
    }
  ],
  "opportunities": ["機會 1", "機會 2"],
  "threats": ["威脅 1", "威脅 2"],
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Market_Analysis_Report.json
 > 產出者：**市場研究員**（market-researcher）
 ```json
 {
  "date": "2026-04-10",
  "analysis_period": "2026-04-07 ~ 2026-04-10",
  "market_size": {
    "tam": "Total Addressable Market",
    "sam": "Serviceable Addressable Market",
    "som": "Serviceable Obtainable Market"
  },
  "swot": {
    "strengths": ["優勢"],
    "weaknesses": ["劣勢"],
    "opportunities": ["機會"],
    "threats": ["威脅"]
  },
  "competitive_landscape": "競爭格局分析",
  "recommendations": ["建議 1", "建議 2"],
  "data_sources": ["來源 1", "來源 2"]
 }
 ```
 ---
 ## Ads_Performance_Report.json
 > 產出者：**投放分析師**（ads-analyst）
 ```json
 {
  "date": "2026-04-10",
  "report_period": "2026-04-01 ~ 2026-04-10",
  "platforms": [
    {
      "platform": "平台名稱",
      "metrics": {
        "impressions": 0,
        "clicks": 0,
        "ctr": 0.0,
        "conversions": 0,
        "cvr": 0.0,
        "cpl": 0.0,
        "cpa": 0.0,
        "roas": 0.0,
        "spend": 0.0
      }
    }
  ],
  "top_creatives": [
    {
      "creative_id": "素材 ID",
      "description": "素材描述",
      "ctr": 0.0,
      "cvr": 0.0
    }
  ],
  "ab_test_results": [
    {
      "test_name": "測試名稱",
      "winner": "A|B",
      "lift_pct": 0.0,
      "confidence": 0.0
    }
  ],
  "budget_utilization_pct": 0.0,
  "recommendations": ["優化建議 1", "優化建議 2"]
 }
 ```
 ---
 ## Creative_Brief.json
 > 產出者：**創意總監**（creative-director）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "objective": "創意目標",
  "target_audience": "目標受眾描述",
  "key_message": "核心訊息",
  "tone_and_mood": "語氣與氛圍",
  "visual_direction": {
    "style": "視覺風格",
    "color_palette": ["色碼"],
    "references": ["參考連結或描述"]
  },
  "deliverables": [
    {
      "type": "banner|social_post|video|landing_page",
      "dimensions": "尺寸",
      "quantity": 1,
      "notes": "備註"
    }
  ],
  "brand_guidelines_ref": "品牌規範引用",
  "deadline": "2026-04-15"
 }
 ```
 ---
 ## Storyboard_Brief.json
 > 產出者：**創意總監**（creative-director）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "video_type": "ad|explainer|testimonial|brand",
  "duration_seconds": 30,
  "scenes": [
    {
      "scene_number": 1,
      "duration_seconds": 5,
      "visual": "畫面描述",
      "audio": "音效/音樂/旁白描述",
      "text_overlay": "畫面文字",
      "transition": "cut|fade|slide"
    }
  ],
  "cta": "Call to Action",
  "notes": "備註"
 }
 ```
 ---
 ## Copywriting_Pack.json
 > 產出者：**文案撰寫員**（copywriter）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "brand_voice_ref": "品牌語氣引用",
  "pieces": [
    {
      "type": "headline|body|cta|social_post|email|blog|landing_page",
      "platform": "投放平台",
      "headline": "標題",
      "body": "內文",
      "cta": "Call to Action",
      "seo_keywords": ["關鍵字"],
      "character_count": 0,
      "variations": ["變體 A", "變體 B"]
    }
  ],
  "notes": "備註"
 }
 ```
 ---
 ## Video_Script_Pack.json
 > 產出者：**文案撰寫員**（copywriter）
 ```json
 {
  "date": "2026-04-10",
  "project": "專案名稱",
  "video_type": "ad|explainer|testimonial|brand",
  "duration_seconds": 30,
  "script": [
    {
      "timecode": "00:00-00:05",
      "speaker": "旁白|角色名",
      "dialogue": "台詞/旁白內容",
      "visual_cue": "對應的畫面提示",
      "notes": "備註"
    }
  ],
  "cta": "Call to Action",
  "tone": "語氣描述",
  "notes": "備註"
 }
 ```
--- a/docs/spec_v3_collaboration.md
+++ b/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
 ```
--- a/docs/spec_v3_org_and_roles.md
+++ b/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.
 ```
--- a/docs/spec_v3_rollout_and_risks.md
+++ b/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 |
--- a/docs/spec_v3_scheduling_memory_discord.md
+++ b/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 |
--- a/docs/spec_v3_schemas.md
+++ b/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>"]
 }
 ```
--- a/docs/spec_v3_system_overview.md
+++ b/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
 ```
--- a/docs/spec_v4_collaboration_scheduling_memory.md
+++ b/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 |
--- a/docs/spec_v4_org_and_roles.md
+++ b/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
 ```
--- a/docs/spec_v4_rollout_and_risks.md
+++ b/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） |
--- a/docs/spec_v4_system_overview.md
+++ b/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 |
--- a/projects/board-ops/PROJECT.md
+++ b/projects/board-ops/PROJECT.md
@@ -0,0 +1,15 @@
 ---
 name: 日常營運
 description: 日常營運管理任務，包含每日摘要、記憶壓縮、狀態追蹤
 slug: board-ops
 ---
 # 日常營運
 管理團隊的日常運營任務。
 ## 包含
 - 秘書每日記憶壓縮與狀態摘要
 - 執行長盤後情報整理
 - 資料分析師每日資料摘要
--- a/projects/board-ops/tasks/daily-secretary-digest/TASK.md
+++ b/projects/board-ops/tasks/daily-secretary-digest/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日記憶壓縮與狀態摘要
 assignee: secretary
 project: board-ops
 recurring: true
 ---
 每日 23:00 進行記憶壓縮，將當日重點寫入長期記憶，產出 State_Diff 和 Meeting_Summary。
--- a/projects/daily-quant-pipeline/PROJECT.md
+++ b/projects/daily-quant-pipeline/PROJECT.md
@@ -0,0 +1,20 @@
 ---
 name: 每日量化 Pipeline
 description: 每日盤前啟動的量化研究 pipeline，從情報蒐集到策略產出的完整流程
 slug: daily-quant-pipeline
 ---
 # 每日量化 Pipeline
 每日由執行長啟動，量化策略師主導的完整研究流程。
 ## 流程
 1. 財經情報蒐集
 2. 市場結構分析
 3. 多空辯論（並行）
 4. 策略收斂
 5. 審查 Review Gate
 6. 回測（如需要）
 7. 數據分析
 8. 董事長審批
--- a/projects/daily-quant-pipeline/tasks/daily-data-summary/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-data-summary/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日資料摘要
 assignee: data-analyst
 project: daily-quant-pipeline
 recurring: true
 ---
 每日 21:00 產出當日資料摘要，整理交易數據、策略績效與異常標記。
--- a/projects/daily-quant-pipeline/tasks/daily-post-market/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-post-market/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日盤後情報整理
 assignee: ceo
 project: daily-quant-pipeline
 recurring: true
 ---
 每日 18:30 啟動盤後情報整理。執行長指派財經情報研究員蒐集盤後資訊。
--- a/projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md
+++ b/projects/daily-quant-pipeline/tasks/daily-quant-run/TASK.md
@@ -0,0 +1,8 @@
 ---
 name: 每日量化 Pipeline 啟動
 assignee: ceo
 project: daily-quant-pipeline
 recurring: true
 ---
 每日盤前 07:30 啟動量化 pipeline。執行長指派量化策略師開始當日研究流程。
--- a/skills/backtest-expert/SKILL.md
+++ b/skills/backtest-expert/SKILL.md
@@ -0,0 +1,26 @@
 ---
 name: 回測專家
 slug: backtest-expert
 description: 策略回測專家，支援歷史數據回測、績效指標計算與策略參數最佳化
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/backtest-expert/SKILL.md
      usage: referenced
 ---
 # 回測專家
 完整策略回測框架，驗證交易策略的歷史表現。
 ## 功能
 - 歷史數據回測執行
 - 績效指標計算（Sharpe、Sortino、Calmar Ratio）
 - 最大回撤分析（MDD、回撤持續時間）
 - 勝率與盈虧比統計
 - 參數敏感度分析
 - 樣本外測試（Out-of-Sample）
 - 交易成本與滑價模擬
 - 蒙地卡羅模擬
--- a/skills/breadth-chart-analyst/SKILL.md
+++ b/skills/breadth-chart-analyst/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 廣度圖表分析師
 slug: breadth-chart-analyst
 description: 深度分析 S&P 500 廣度指數（200日均線）與漲勢比例圖表，從 CSV 數據和圖表截圖萃取市場健康度結論，約 1200 行的高度詳細技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/breadth-chart-analyst/SKILL.md
      usage: referenced
 ---
 # 廣度圖表分析師
 最深度的市場廣度分析技能（~1200行），為市場結構研究員提供最完整的廣度健康度評估。
 ## 分析指標
 ### S&P 500 廣度指數（200日均線）
 - 站上 200 日均線的股票比例
 - 廣度指數的趨勢方向
 - 廣度與指數的背離程度
 ### 漲勢比例分析
 - 各板塊處於上升趨勢的比例
 - 廣度水平的歷史百分位
 - 廣度惡化的早期預警
 ## 八步驟分析流程
 1. 解析 CSV 廣度數據
 2. 計算當前廣度水平與歷史均值
 3. 識別廣度趨勢（改善/惡化/橫盤）
 4. 計算板塊別廣度
 5. 偵測廣度與指數的背離
 6. 歷史比對（相似時期的後續表現）
 7. 產出綜合廣度評分
 8. 市場健康度結論
 ## 輸入格式
 - CSV 格式廣度歷史數據
 - 可選：廣度圖表截圖（圖像輸入）
 ## 輸出格式
 - 廣度綜合評分（0-100）
 - 各板塊廣度明細
 - 背離預警（若存在）
 - 後市展望（基於歷史模式）
 ## 使用時機
 市場結構研究員進行週線結構分析時，配合 `market-breadth-analyzer` 互補使用
--- a/skills/canslim-screener/SKILL.md
+++ b/skills/canslim-screener/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: CANSLIM 選股篩選器
 slug: canslim-screener
 description: William O'Neil 七成分成長股方法論（C-A-N-S-L-I-M），加權評分篩選最強成長股，Phase 3 完整實作
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/canslim-screener/SKILL.md
      usage: referenced
 ---
 # CANSLIM 選股篩選器
 實作 William O'Neil 的 CANSLIM 方法論，系統化篩選具備成長動能的優質股票。約 1200 行的深度技能。
 ## CANSLIM 七成分
 | 字母 | 含義 | 評估標準 |
 |---|---|---|
 | **C** | Current Earnings | 當季 EPS 成長 ≥ 25% |
 | **A** | Annual Earnings | 年度 EPS 成長 ≥ 25%，連續3年 |
 | **N** | New（產品/管理/高點） | 新高、突破型態 |
 | **S** | Supply & Demand | 低流通股 + 大量機構買進 |
 | **L** | Leader or Laggard | RS 評分 ≥ 80 |
 | **I** | Institutional Sponsorship | 機構持股增加 |
 | **M** | Market Direction | 市場處於多頭環境 |
 ## 三階段實作
 1. **Phase 1**：FINVIZ 初步篩選（快速過濾）
 2. **Phase 2**：FMP API 深度驗證（財務數據）
 3. **Phase 3**：加權評分排名（綜合 C-A-N-S-L-I-M）
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格與財務數據
 - `tradingview`：RS 評分與篩選
 - `fred`：市場環境確認
 ## 輸出格式
 - 候選股票列表（含評分與分項評分）
 - 各成分達標/不達標標記
 - 建議觀察名單
 ## 使用時機
 市場處於多頭環境時，用於識別最強成長股
--- a/skills/catalyst-calendar/SKILL.md
+++ b/skills/catalyst-calendar/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 催化劑行事曆
 slug: catalyst-calendar
 description: 追蹤可能影響股價的即將到來事件與公告，包含產品發布、監管審批、分析師日、投資者日等事件驅動機會
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/catalyst-calendar/SKILL.md
      usage: referenced
 ---
 # 催化劑行事曆
 識別並追蹤可能推動股價大幅波動的催化劑事件，讓財經情報研究員提前佈局事件驅動機會。
 ## 催化劑類型
 ### 公司事件
 - 財報發布（季報/年報）
 - 分析師日（Analyst Day）
 - 投資者日（Investor Day）
 - 產品發布會（新品上市）
 - 併購/分拆公告
 ### 監管事件
 - FDA 藥物審批
 - 反壟斷裁決
 - 許可證核發
 ### 總經事件
 - FOMC 決議
 - CPI/PCE/NFP 數據
 - 台灣央行（理監事會議）
 ### 法人事件
 - 大型機構增減倉公告（13F）
 - 主動型 ETF 成分調整
 ## 輸出格式
 ```
 日期 | 公司/事件 | 催化劑類型 | 預期影響 | 準備建議
 2026-04-15 | AAPL | 財報 | 高 | 觀察 implied vol，考慮財報策略
 ```
 ## 使用時機
 財經情報研究員每週產出催化劑行事曆，配合 `economic-calendar-fetcher` 與 `earnings-calendar` 使用
--- a/skills/code-reviewer/SKILL.md
+++ b/skills/code-reviewer/SKILL.md
@@ -0,0 +1,17 @@
 ---
 name: Code Reviewer
 description: 程式碼品質審查、回測腳本撰寫與驗證、程式碼執行與檔案操作
 allowed-tools:
  - code_execution
  - file_ops
  - exec
 ---
 # Code Reviewer
 程式碼開發與審查技能，用於：
 - Pine Script / Python 回測腳本撰寫
 - 程式碼品質審查
 - 回測執行與結果收集
 - 檔案讀寫操作
--- a/skills/competitive-analysis/SKILL.md
+++ b/skills/competitive-analysis/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: 競爭分析
 slug: competitive-analysis
 description: 深度分析產業競爭格局，評估目標公司的競爭優勢、市場份額動態、競爭威脅，供多方（護城河識別）和空方（競爭惡化）使用
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/competitive-analysis/SKILL.md
      usage: referenced
 ---
 # 競爭分析
 分析公司的競爭地位與產業結構，為多方（識別護城河）和空方（識別競爭威脅）提供依據。
 ## 分析框架
 ### Porter 五力分析
 1. **現有競爭者**：市場集中度、價格競爭激烈程度
 2. **潛在進入者**：進入門檻高低
 3. **替代品威脅**：技術顛覆風險
 4. **買家議價力**：客戶集中度、轉換成本
 5. **供應商議價力**：關鍵原料/技術依賴
 ### 市場份額分析
 - 歷史市場份額趨勢（3-5年）
 - 份額變動的原因分析
 - 台灣半導體/電子供應鏈特有競爭格局
 ### 護城河識別（多方視角）
 - 成本優勢（規模效應、學習曲線）
 - 轉換成本（客戶黏性）
 - 網絡效應
 - 無形資產（品牌、專利、監管許可）
 ### 競爭威脅識別（空方視角）
 - 新進入者動態
 - 中國/低成本競爭者威脅
 - 技術顛覆時間線
 ## 輸出格式
 - 競爭格局評分（護城河強度）
 - 主要競爭威脅清單
 - 市場份額趨勢圖
 - 後市競爭環境預判
 ## 使用時機
 - 多方研究員：確認護城河存在，支持做多論點
 - 空方研究員：識別競爭惡化跡象，支持做空論點
 - 市場結構研究員：判斷板塊競爭格局
--- a/skills/comps-analysis/SKILL.md
+++ b/skills/comps-analysis/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 可比公司分析
 slug: comps-analysis
 description: 相對估值分析（Comparable Company Analysis / Trading Comps），比較目標公司與同業的 EV/EBITDA、P/E、P/S 等倍數，評估相對高估/低估
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/comps-analysis/SKILL.md
      usage: referenced
 ---
 # 可比公司分析
 市場相對估值工具，透過與同業比較，快速判斷目標公司的估值是否合理。
 ## 分析流程
 ### 1. 同業選擇
 - 相同 GICS 子產業
 - 相似市值規模（±50%）
 - 相似商業模式
 - 剔除非可比公司
 ### 2. 估值倍數計算
 | 倍數 | 計算方式 | 適用情境 |
 |---|---|---|
 | EV/EBITDA | 企業價值/息前稅前折舊攤銷前獲利 | 最常用，消除資本結構差異 |
 | P/E | 股價/每股盈餘 | 獲利穩定的成熟公司 |
 | P/S | 股價/每股營收 | 高成長但虧損公司 |
 | P/B | 股價/每股淨資產 | 金融股、資產密集型 |
 | EV/Revenue | 企業價值/營收 | SaaS、高成長科技 |
 ### 3. 溢/折價分析
 - 目標公司相對同業中位數的溢/折價
 - 溢/折價的合理性解釋
 ### 4. 目標價推算
 - 基於同業中位數倍數計算隱含目標價
 - 牛市倍數（同業75百分位）與熊市倍數（25百分位）
 ## 需要的 MCP 工具
 - `yfinance` / `casual-market`：財務數據和市值
 - `tradingview`：快速獲取行業 P/E 比率
 ## 使用時機
 多方研究員配合 `dcf-model` 使用，DCF 提供絕對價值，Comps 提供相對市場定價
--- a/skills/data-quality-checker/SKILL.md
+++ b/skills/data-quality-checker/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 資料品質檢查器
 slug: data-quality-checker
 description: 驗證金融數據的準確性，包括價格刻度、工具代碼格式、日期連續性、配置合計、單位一致性，防止錯誤數據影響分析
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/data-quality-checker/SKILL.md
      usage: referenced
 ---
 # 資料品質檢查器
 在分析或回測執行前，系統性驗證數據品質，避免垃圾進垃圾出（GIGO）。
 ## 驗證項目
 ### 價格數據
 - 價格刻度合理性（股票不應出現 100 倍異常）
 - OHLCV 邏輯一致性（High ≥ Low、Volume ≥ 0）
 - 缺漏日期偵測（非交易日除外）
 - 股票分割/股息調整確認
 ### 代碼格式
 - 美股格式驗證（AAPL、2330.TW、^TWII）
 - 台股代碼格式（4-5位數字）
 - 加密貨幣格式（BTC/USDT）
 ### 財務數據
 - 數值單位一致性（千元 vs 百萬元）
 - YoY 成長率合理性檢查（排除異常值）
 - 財報日期連續性
 ### 配置數據
 - 部位合計 = 100%
 - 個別部位不超過上限
 ## 輸出格式
 - 通過/失敗評定
 - 問題清單（按嚴重度：Critical / Warning / Info）
 - 數據修正建議
 ## 使用時機
 - 回測工程師執行回測前
 - 審查員審查財務報告前
 - 任何 Agent 使用外部數據前
--- a/skills/dcf-model/SKILL.md
+++ b/skills/dcf-model/SKILL.md
@@ -0,0 +1,55 @@
 ---
 name: DCF 估值模型
 slug: dcf-model
 description: 折現現金流（DCF）估值分析，建立完整的三期成長模型，計算內在價值與安全邊際，判斷個股是否低估/高估
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/dcf-model/SKILL.md
      usage: referenced
 ---
 # DCF 估值模型
 基於基本面的個股內在價值估算，為多方研究員提供估值錨點。
 ## 模型架構
 ### 三期成長模型
 - **高速成長期**（1-5年）：基於歷史成長率和分析師預估
 - **過渡期**（6-10年）：成長率逐漸向長期均值靠近
 - **永久成長期**：穩定成長率（通常2-3%）
 ### 關鍵假設
 - 折現率（WACC）計算
  - 股權成本（CAPM：Rf + β × ERP）
  - 債務成本
  - 資本結構
 - 自由現金流預估（FCF）
 - 終值計算方法（Gordon Model 或 EV/EBITDA 倍數）
 ## 敏感度分析
 - 成長率 ±2% 對估值的影響
 - WACC ±1% 對估值的影響
 - 牛/熊/基準情境下的估值範圍
 ## 輸出格式
 ```
 公司：TSMC (2330.TW)
 內在價值：NT$1,250（基準情境）
 當前股價：NT$980
 安全邊際：21.6%
 結論：低估，做多合理
 ```
 ## 需要的 MCP 工具
 - `yfinance` / `casual-market`：歷史財務數據
 - `fred`：無風險利率（10年期公債殖利率）
 ## 使用時機
 多方研究員評估個股是否具備基本面支撐，配合 `comps-analysis` 交叉驗證
--- a/skills/deep-research/SKILL.md
+++ b/skills/deep-research/SKILL.md
@@ -0,0 +1,18 @@
 ---
 name: Deep Research
 description: 深度網路搜尋與資料整理，支援多來源交叉驗證、事實查核、資料摘要
 allowed-tools:
  - web_search
  - browser
  - web_fetch
 ---
 # Deep Research
 深度研究技能，用於：
 - 多來源網路搜尋與交叉驗證
 - 財經新聞、總體經濟數據蒐集
 - 市場結構與技術分析資料蒐集
 - 競品動態與市場趨勢研究
 - 事實查核與來源標註
--- a/skills/doc-coauthoring/SKILL.md
+++ b/skills/doc-coauthoring/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 文件共同創作
 slug: doc-coauthoring
 description: 三階段結構化文件起草工作流程（情境蒐集→精煉與結構→讀者測試），適用於策略報告、會議備忘錄、分析備忘錄等長篇文件
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/doc-coauthoring/SKILL.md
      usage: referenced
 ---
 # 文件共同創作
 Anthropic 官方技能。協助秘書起草高品質的結構化文件，確保邏輯清晰、讀者導向。
 ## 三階段工作流程
 ### Stage 1：情境蒐集
 - 提問以理解文件目的與讀者
 - 接受 brain dump（原始資料傾倒）
 - 澄清範圍與格式要求
 ### Stage 2：精煉與結構
 - 段落排序（最重要的先）
 - 每個段落腦力激盪 5-20 個選項
 - 選取最佳內容並填補空缺
 - 迭代起草（str_replace 精確修改）
 - 品質檢查（邏輯一致性、清晰度）
 ### Stage 3：讀者測試
 - 預測讀者可能的問題
 - 以全新視角測試文件
 - 報告並修復問題
 ## 適用文件類型
 - 每日策略摘要備忘錄
 - 董事長審批包
 - 週報與月報
 - 會議記錄與決策紀錄
 - Agent 產出的分析報告
 ## 輸入
 - 原始資料（bullet points、數據、研究摘要）
 - 文件目的與讀者描述
 ## 輸出
 - 結構清晰的 Markdown 或 Word 文件
--- a/skills/downtrend-duration-analyzer/SKILL.md
+++ b/skills/downtrend-duration-analyzer/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 下跌持續時間分析器
 slug: downtrend-duration-analyzer
 description: 歷史下跌持續時間統計分析，按板塊與市值分類，產出互動式直方圖，讓空方研究員量化下跌波段的典型長度
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/downtrend-duration-analyzer/SKILL.md
      usage: referenced
 ---
 # 下跌持續時間分析器
 統計分析歷史下跌持續時間，為空方研究員提供客觀的風險量化數據。
 ## 功能
 - 按板塊分析下跌持續時間（中位數、平均值、90 百分位）
 - 按市值分類（大型股/中型股/小型股）
 - 識別當前下跌與歷史的位置
 - 產出互動式 HTML 直方圖
 ## 分析維度
 - **板塊別**：科技、金融、醫療、能源、工業等
 - **市值別**：S&P 500 vs Russell 2000
 - **時期別**：牛市修正 vs 熊市下跌
 - **跌幅別**：10-20% 修正 vs 20-40% 熊市
 ## 關鍵統計指標
 - 歷史下跌平均持續天數
 - 當前下跌已持續天數
 - 歷史中位數的百分位位置
 - 反彈概率估計
 ## 需要的 MCP 工具
 - `yfinance`：歷史板塊 ETF 數據
 ## 輸出格式
 - 統計摘要表（中位數、平均值、P90）
 - 當前下跌的歷史定位
 - 互動式直方圖（HTML）
 - 風險評估結論
 ## 使用時機
 空方研究員評估下跌波段的潛在剩餘空間；量化策略師決定空頭部位的目標存續時間
--- a/skills/earnings-analysis/SKILL.md
+++ b/skills/earnings-analysis/SKILL.md
@@ -0,0 +1,48 @@
 ---
 name: 財報後分析
 slug: earnings-analysis
 description: 財報發布後的深度解讀，分析 EPS/營收 vs 預估、管理層指引、財報電話關鍵訊號，評估對後市的影響
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/earnings-analysis/SKILL.md
      usage: referenced
 ---
 # 財報後分析
 財報發布後快速解讀財報數據和管理層訊號，為多方和財經情報研究員提供即時決策依據。
 ## 分析框架
 ### 數字解讀
 - EPS vs 預估（超預期/不及預期幅度）
 - 營收 vs 預估
 - 毛利率、營業利益率趨勢
 - 自由現金流
 ### 指引解讀
 - 下季/全年指引 vs 分析師預估
 - 指引的保守/積極程度歷史比較
 ### 管理層訊號（財報電話）
 - 執行長/CFO 對展望的語氣
 - 關鍵業務更新（產品進展、市場份額、競爭）
 - Q&A 環節的分析師關切
 ### 市場反應解讀
 - 財報後股價反應是否符合數據
 - 「賣消息」或「買預期」的跡象
 - 隔日/一週後的後續動能評估
 ## 輸出格式
 - 財報摘要（EPS/營收達標情況）
 - 管理層訊號評分（積極/中性/謹慎）
 - 後市影響評估
 - 建議操作方向
 ## 使用時機
 財報發布後即時使用，多方研究員評估是否追入或空方研究員評估是否反彈做空
--- a/skills/earnings-calendar/SKILL.md
+++ b/skills/earnings-calendar/SKILL.md
@@ -0,0 +1,42 @@
 ---
 name: 財報行事曆
 slug: earnings-calendar
 description: 透過 FMP API 擷取即將發布的美股財報時程，按日期與盤前/盤後排列，讓研究員提前佈局
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/earnings-calendar/SKILL.md
      usage: referenced
 ---
 # 財報行事曆
 擷取美股財報發布時程，讓財經情報研究員掌握市場關注焦點與潛在波動事件。
 ## 功能
 - 按日期列出即將發布財報的公司
 - 標記發布時機（盤前 BMO / 盤後 AMC / 未知）
 - 顯示分析師 EPS 預估共識
 - 計算距離發布日的天數
 - 過濾特定板塊或市值規模
 - 標記重點大型股財報（S&P 500 成分股）
 ## 需要的 API
 - **FMP API**（Financial Modeling Prep）— 需要免費 API key
 - 透過 `FRED_API_KEY` 環境變數或直接在請求中傳入
 ## 輸出格式
 ```
 日期 | 公司 | 代碼 | 時機 | EPS 預估 | 重要度
 2026-04-15 | Apple | AAPL | BMO | $1.43 | ⭐⭐⭐
 ```
 ## 使用時機
 - 盤前情報蒐集時掃描本週/下週財報
 - 識別可能影響板塊的重量級財報
 - 配合 `market-news-analyst` 進行財報後衝擊評估
--- a/skills/earnings-preview/SKILL.md
+++ b/skills/earnings-preview/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: 財報預覽分析
 slug: earnings-preview
 description: 財報發布前的預期分析，整合分析師預估、選擇權隱含波動率、歷史財報表現，評估財報的上行/下行風險
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/earnings-preview/SKILL.md
      usage: referenced
 ---
 # 財報預覽分析
 財報發布前的深度預期分析，幫助多方研究員和財經情報研究員評估財報風險/報酬。
 ## 分析框架
 ### 市場預期
 - 分析師 EPS 共識預估
 - 營收預估
 - Whisper number（私下流傳的更高預估）
 ### 選擇權市場訊號
 - 隱含波動率（IV）水平
 - IV 相對歷史均值（IV Rank）
 - 選擇權隱含的預期波動幅度
 ### 歷史財報表現
 - 過去 8 季 EPS 超預期/不及預期記錄
 - 歷史財報日股價反應（平均漲跌幅）
 - 指引給予的習慣（保守/積極）
 ### 技術面設定
 - 財報前股價趨勢
 - 關鍵技術支撐/壓力位
 ## 輸出格式
 ```
 公司：NVDA
 財報日：2026-05-28 AMC
 EPS 預估：$0.89（共識）
 預期波動：±8%（選擇權隱含）
 歷史平均反應：+6.2%
 建議：偏多，考慮 Bull Call Spread
 ```
 ## 使用時機
 財報前 1-2 週，多方研究員和財經情報研究員評估是否進行財報交易
--- a/skills/earnings-trade-analyzer/SKILL.md
+++ b/skills/earnings-trade-analyzer/SKILL.md
@@ -0,0 +1,44 @@
 ---
 name: 財報交易分析器
 slug: earnings-trade-analyzer
 description: 五因子 0-100 評分（跳空幅度、趨勢強度、成交量、MA200、MA50 位置），A/B/C/D 分級，快速評估財報後個股的交易價值
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/earnings-trade-analyzer/SKILL.md
      usage: referenced
 ---
 # 財報交易分析器
 快速評估財報後個股的交易潛力，幫助多方研究員在財報季中優先選擇最強的標的。
 ## 五因子評分系統
 | 因子 | 權重 | 評估標準 |
 |---|---|---|
 | 跳空幅度 | 25% | 財報當日漲跌幅 |
 | 趨勢強度 | 25% | 財報前30天的趨勢 |
 | 成交量確認 | 20% | 跳空日成交量相對均量倍數 |
 | MA200 位置 | 15% | 股價相對200日均線 |
 | MA50 位置 | 15% | 股價相對50日均線 |
 ## 分級標準
 - **A 級（80-100）**：強力買進候選
 - **B 級（60-79）**：值得觀察，等待拉回
 - **C 級（40-59）**：中性，不主動追入
 - **D 級（0-39）**：避免，動能不足
 ## 輸出格式
 ```
 NVDA | 評分：92 | A 級
 跳空：+8.3% | 趨勢：強 | 量比：3.2x | MA200：+15% | MA50：+7%
 建議：積極做多，目標 [數字]，止損 [數字]
 ```
 ## 使用時機
 財報發布後24小時內，多方研究員快速掃描當季最強財報個股
--- a/skills/economic-calendar-fetcher/SKILL.md
+++ b/skills/economic-calendar-fetcher/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 經濟行事曆擷取器
 slug: economic-calendar-fetcher
 description: 擷取未來 7-90 天經濟事件（FOMC、NFP、CPI/PPI、GDP），含影響評估
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/economic-calendar-fetcher/SKILL.md
      usage: referenced
 ---
 # 經濟行事曆擷取器
 擷取重要經濟數據發布時程，包含影響程度評估，支援 FMP API。
 ## 功能
 - 擷取未來 7-90 天重大經濟事件時程
 - FOMC 利率決議與會議紀要日期追蹤
 - 非農就業數據（NFP）發布時程
 - 通膨數據（CPI/PPI）發布時程
 - GDP 數據發布時程
 - 各事件對市場的預期影響程度評估
 - 支援 FMP（Financial Modeling Prep）API 整合
--- a/skills/edge-candidate-agent/SKILL.md
+++ b/skills/edge-candidate-agent/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: Edge 候選代理人
 slug: edge-candidate-agent
 description: 將每日市場觀察轉為結構化、可重現的研究票據（Research Ticket），作為 Edge 研究流程的第一步輸入
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-candidate-agent/SKILL.md
      usage: referenced
 ---
 # Edge 候選代理人
 將非結構化的市場觀察（「今天科技股成交量大增但價格沒漲」）轉化為標準化研究票據，進入 Edge 研究流程。
 ## 研究票據格式
 ```yaml
 ticket_id: EDGE-2026-04-10-001
 date: 2026-04-10
 observation: "觀察描述"
 market: "BTC/USDT 或 2330.TW"
 timeframe: "D1/H4/H1"
 hypothesis: "初步假設"
 evidence: ["支持證據1", "支持證據2"]
 data_needed: ["需要哪些數據來驗證"]
 priority: high|medium|low
 status: NEW
 ```
 ## 功能
 - 接受自由格式的市場觀察作為輸入
 - 結構化輸出標準研究票據
 - 評估票據優先級（基於潛在 Edge 大小）
 - 與 `trader-memory-core` 同步狀態
 ## 輸入來源
 - 每日市場觀察筆記
 - 技術分析發現
 - 新聞事件觸發的研究想法
 - 篩選器發現的異常股票
 ## 輸出
 - 標準化 YAML 研究票據
 - 交給 `edge-pipeline-orchestrator` 繼續處理
--- a/skills/edge-concept-synthesizer/SKILL.md
+++ b/skills/edge-concept-synthesizer/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: Edge 概念合成器
 slug: edge-concept-synthesizer
 description: 將多個 Edge 線索票據的證據聚類為可重用的 Edge 概念，每個概念附帶核心論點、否定條件與策略手冊
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-concept-synthesizer/SKILL.md
      usage: referenced
 ---
 # Edge 概念合成器
 將零散的 Edge 線索聚合成有結構的 Edge 概念，是從觀察到可交易策略的關鍵橋樑。
 ## 功能
 - 跨多個票據的模式識別
 - 相似線索的聚類合併
 - 生成可重用的 Edge 概念定義
 - 每個概念附帶策略手冊
 ## Edge 概念格式
 ```yaml
 concept_id: CONCEPT-2026-04-10-001
 name: "概念名稱"
 core_thesis: "核心邊際優勢描述"
 evidence_count: 5
 supporting_hints: [HINT-001, HINT-002, ...]
 invalidation: "什麼情況讓這個概念失效"
 edge_type: momentum|mean_reversion|event_driven|arbitrage
 playbooks:
  - name: "保守版策略"
    description: "策略描述"
  - name: "積極版策略"
    description: "策略描述"
 confidence: high|medium|low
 ```
 ## 輸入
 - `hints.yaml`（來自 `edge-hint-extractor`）
 - 歷史 postmortem 數據（增強概念可信度）
 ## 輸出
 - Edge 概念列表（交給 `edge-strategy-designer`）
 ## 使用時機
 資料分析師每週整理累積的線索，合成為可推進的 Edge 概念
--- a/skills/edge-hint-extractor/SKILL.md
+++ b/skills/edge-hint-extractor/SKILL.md
@@ -0,0 +1,51 @@
 ---
 name: Edge 線索提取器
 slug: edge-hint-extractor
 description: 從每日市場觀察、新聞或研究筆記中提取結構化 Edge 線索，輸出標準 hints.yaml 供下游合成器使用
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-hint-extractor/SKILL.md
      usage: referenced
 ---
 # Edge 線索提取器
 將非結構化的市場觀察轉化為結構化的 Edge 線索，是 Edge 研究流程的第二步。
 ## 功能
 - 從自由格式觀察中萃取可重用的 Edge 線索
 - 標準化輸出為 `hints.yaml` 格式
 - 分類線索類型（動量/均值回歸/事件驅動/套利）
 - 評估線索強度與可重複性
 ## hints.yaml 格式
 ```yaml
 hints:
  - id: HINT-2026-04-10-001
    type: momentum|mean_reversion|event_driven|arbitrage
    description: "線索描述"
    evidence: ["觀察1", "觀察2"]
    market: "BTC/USDT 或 2330.TW"
    timeframe: "D1/H4"
    strength: high|medium|low
    repeatability: "歷史上這種情況出現了幾次"
 ```
 ## 輸入格式
 - 每日觀察筆記（自由格式）
 - 新聞摘要
 - 技術分析發現
 - 上一期的 postmortem 結果
 ## 輸出
 - `hints.yaml`（交給 `edge-concept-synthesizer`）
 ## 使用時機
 資料分析師每日處理觀察數據，提取可能演變成 Edge 的線索
--- a/skills/edge-pipeline-orchestrator/SKILL.md
+++ b/skills/edge-pipeline-orchestrator/SKILL.md
@@ -0,0 +1,53 @@
 ---
 name: Edge 流程協調器
 slug: edge-pipeline-orchestrator
 description: 端到端 Edge 研究流程管理（候選→線索→概念→策略→審查），含反饋迴路與斷點續跑，是量化策略師的研究自動化中樞
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-pipeline-orchestrator/SKILL.md
      usage: referenced
 ---
 # Edge 流程協調器
 統一管理從市場觀察到可交易策略的完整 Edge 研究流程，協調各個 Edge 子技能的執行順序。
 ## 流程架構
 ```
 市場觀察/每日數據
    ↓
 edge-candidate-agent（觀察→研究票據）
    ↓
 edge-hint-extractor（提取 Edge 線索）
    ↓
 edge-concept-synthesizer（線索→Edge 概念）
    ↓
 edge-strategy-designer（概念→策略草稿）
    ↓
 edge-strategy-reviewer（品質審查）
    ↓     ↑ 失敗則退回
 策略通過 → 交給量化策略師
    ↓
 signal-postmortem（記錄結果→更新權重）
 ```
 ## 功能
 - **順序協調**：按正確順序呼叫各 Edge 子技能
 - **斷點續跑**：從失敗點恢復，不重做已完成步驟
 - **反饋迴路**：Postmortem 結果回饋至線索提取
 - **乾跑模式（Dry Run）**：僅輸出計畫，不實際執行
 - **狀態追蹤**：記錄每個研究票據的流程狀態
 ## 輸入
 - 每日市場觀察、新聞、數據
 ## 輸出
 - 通過審查的策略草稿（交給量化策略師）
 - 流程執行狀態報告
 - 失敗票據清單與原因
--- a/skills/edge-signal-aggregator/SKILL.md
+++ b/skills/edge-signal-aggregator/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 優勢訊號整合器
 slug: edge-signal-aggregator
 description: 多因子訊號整合器，匯集技術面、基本面、情緒面訊號並計算綜合 Edge 分數
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-signal-aggregator/SKILL.md
      usage: referenced
 ---
 # 優勢訊號整合器
 整合多維度市場訊號，產出可量化的交易優勢評分。
 ## 功能
 - 多因子訊號收集（技術、基本面、情緒、資金流）
 - 訊號品質評分與加權
 - 訊號共振偵測（多因子同向確認）
 - 歷史訊號勝率回顧
 - Edge Score 綜合計算（-100 至 +100）
 - 訊號衝突識別與解讀
 - 即時訊號儀表板
--- a/skills/edge-strategy-reviewer/SKILL.md
+++ b/skills/edge-strategy-reviewer/SKILL.md
@@ -0,0 +1,26 @@
 ---
 name: 策略審查工具
 slug: edge-strategy-reviewer
 description: 策略審查工具，系統性檢驗策略邏輯、風險盲點、過擬合風險與執行可行性
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/edge-strategy-reviewer/SKILL.md
      usage: referenced
 ---
 # 策略審查工具
 獨立策略審查框架，確保策略品質達到可執行標準。
 ## 功能
 - 策略邏輯完整性檢查
 - Edge 來源識別與驗證
 - 過擬合風險偵測（參數數量 vs 樣本量）
 - 倖存者偏差檢查
 - 風險盲點掃描（尾端風險、流動性風險）
 - 執行可行性評估（滑價、容量）
 - 改進建議與替代方案
 - Pass/Fail 判定與理由
--- a/skills/exposure-coach/SKILL.md
+++ b/skills/exposure-coach/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 曝險管理教練
 slug: exposure-coach
 description: 部位曝險教練，根據市場環境動態調整建議持倉比例、避險配置與現金水位
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/exposure-coach/SKILL.md
      usage: referenced
 ---
 # 曝險管理教練
 動態曝險管理建議系統，確保部位配置與市場環境匹配。
 ## 功能
 - 目前市場環境評級（Risk-On / Neutral / Risk-Off）
 - 建議股票曝險比例
 - 避險部位配置建議（Put、VIX、反向 ETF）
 - 現金水位建議
 - 板塊配置權重建議
 - 單一部位集中度警示
 - 歷史同期曝險回顧
--- a/skills/ftd-detector/SKILL.md
+++ b/skills/ftd-detector/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 跟進日偵測器
 slug: ftd-detector
 description: 市場底部確認的跟進日（Follow-Through Day, FTD）偵測，採用雙指數（S&P 500 + NASDAQ）狀態機，避免假訊號
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/ftd-detector/SKILL.md
      usage: referenced
 ---
 # 跟進日偵測器
 基於 William O'Neil 的跟進日理論，客觀判斷市場底部是否已形成，為多方研究員提供底部確認訊號。
 ## 跟進日定義
 在市場出現反彈嘗試後（Rally Attempt）：
 - 主要指數單日大漲 **≥ 1.7%**
 - 成交量**高於前一日**（且最好高於均量）
 - 發生在反彈嘗試後的 **第 4 至第 7 天**
 - 雙指數（SPX + NASDAQ）同步確認更可靠
 ## 狀態機流程
 ```
 市場下跌 → 找底嘗試 → Rally Attempt（第1天）
 → 等待跟進日（第4-7天）
 → FTD 確認 → 多頭啟動
 → 或失敗 → 重新找底
 ```
 ## 假 FTD 排除條件
 - 成交量未達標
 - 早期出現（第1-3天）
 - 指數只有一個確認
 - 隔天立即反轉
 ## 需要的 MCP 工具
 - `yfinance`：SPY/QQQ 歷史日線數據
 ## 輸出格式
 - 當前市場狀態（下跌/找底/Rally Attempt/FTD 確認/多頭）
 - FTD 日期與詳細數據（漲幅、成交量比率）
 - 信心評分
 - 失敗風險提示
--- a/skills/initiating-coverage/SKILL.md
+++ b/skills/initiating-coverage/SKILL.md
@@ -0,0 +1,57 @@
 ---
 name: 啟動追蹤報告
 slug: initiating-coverage
 description: 生成 30-50 頁機構級股票研究報告（啟動追蹤），涵蓋商業模式、財務分析、估值模型、風險評估與投資建議
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/initiating-coverage/SKILL.md
      usage: referenced
 ---
 # 啟動追蹤報告
 產出機構品質的完整股票研究報告，為多方研究員提供深度基本面分析基礎。
 ## 報告架構（30-50頁）
 ### 1. 執行摘要
 - 投資評級（買進/持有/賣出）
 - 目標價與潛在報酬
 - 核心投資論點（3-5個要點）
 ### 2. 公司概況
 - 商業模式描述
 - 主要產品/服務
 - 競爭優勢分析
 ### 3. 產業分析
 - 市場規模與成長率
 - 競爭格局
 - 產業催化劑與風險
 ### 4. 財務分析
 - 歷史財務表現（5年趨勢）
 - 關鍵財務指標
 - 財務健康度評估
 ### 5. 估值模型
 - DCF 估值（接 `dcf-model` 技能）
 - 可比公司分析（接 `comps-analysis` 技能）
 - 估值範圍分析
 ### 6. 風險評估
 - 主要風險因素
 - 情境分析（牛/熊/基準）
 ### 7. 投資建議
 ## 需要的 MCP 工具
 - `yfinance`：美股財務數據
 - `casual-market`：台股財務數據
 ## 使用時機
 多方研究員需要對特定個股建立完整基本面研究基礎時
--- a/skills/institutional-flow-tracker/SKILL.md
+++ b/skills/institutional-flow-tracker/SKILL.md
@@ -0,0 +1,28 @@
 ---
 name: 法人資金流向追蹤器
 slug: institutional-flow-tracker
 description: 追蹤法人資金流向，涵蓋 13F 持倉、ETF 資金流、暗池交易與大戶動向
 metadata:
  sources:
    - kind: github-file
      repo: OctagonAI/skills
      path: skills/institutional-flow-tracker/SKILL.md
      usage: referenced
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/institutional-holdings/SKILL.md
      usage: referenced
 ---
 # 法人資金流向追蹤器
 追蹤機構法人資金動態，揭示聰明錢佈局方向。
 ## 功能
 - 13F 季度持倉變動追蹤（頂級基金買賣清單）
 - ETF 資金流入流出統計
 - 暗池（Dark Pool）成交量分析
 - 大額選擇權異常單追蹤
 - 外資在台股買賣超統計
 - 機構持股集中度變化
--- a/skills/internal-comms/SKILL.md
+++ b/skills/internal-comms/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 內部溝通
 slug: internal-comms
 description: 撰寫內部溝通文件，包含狀態更新、3P（進度/計畫/問題）報告、事件報告、FAQ、每週通訊等格式
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/internal-comms/SKILL.md
      usage: referenced
 ---
 # 內部溝通
 Anthropic 官方技能。幫助秘書產出標準化的內部溝通文件，確保團隊資訊透明、格式一致。
 ## 支援的文件類型
 ### 3P 更新（進度/計畫/問題）
 ```
 進度（Progress）：完成了什麼
 計畫（Plans）：接下來要做什麼
 問題（Problems）：遇到什麼阻礙
 ```
 ### 每日狀態報告
 - 今日完成項目
 - 待處理事項
 - 需要升級的問題
 ### 事件報告（Incident Report）
 - 事件時間線
 - 根本原因
 - 已採取的行動
 - 後續預防措施
 ### FAQ 文件
 - 常見問題整理
 - 清晰簡潔的回答
 ### 每週/每月通訊
 - 重點成果摘要
 - 下期計畫
 - 團隊公告
 ## 使用時機
 - 秘書每日 23:00 記憶壓縮後產出狀態報告
 - Pipeline 完成後產出執行摘要
 - 審查 block 時產出事件報告
--- a/skills/macro-regime-detector/SKILL.md
+++ b/skills/macro-regime-detector/SKILL.md
@@ -0,0 +1,46 @@
 ---
 name: 總經環境偵測器
 slug: macro-regime-detector
 description: 六成分跨資產比率分析（RSP/SPY、殖利率曲線、HYG/LQD、IWM/SPY、SPY/TLT、XLY/XLP），將市場分類為5種環境，指導曝險決策
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/macro-regime-detector/SKILL.md
      usage: referenced
 ---
 # 總經環境偵測器
 透過六大跨資產比率分析，客觀判斷當前市場所處的宏觀環境，為策略師和市場結構研究員提供環境定位。
 ## 六大分析比率
 | 比率 | 含義 |
 |---|---|
 | RSP/SPY | 等權重 vs 市值權重（廣度健康度） |
 | 殖利率曲線（2Y-10Y） | 經濟領先指標 |
 | HYG/LQD | 高收益 vs 投資級（風險偏好） |
 | IWM/SPY | 小型股 vs 大型股（風險偏好） |
 | SPY/TLT | 股票 vs 長債（增長預期） |
 | XLY/XLP | 非必需消費 vs 必需消費（景氣預期） |
 ## 五種環境分類
 1. **Risk-On 擴張**：全面做多，積極進場
 2. **Risk-On 晚期**：謹慎持倉，控制規模
 3. **過渡期**：降低曝險，等待訊號
 4. **Risk-Off 早期**：防禦配置，增加避險
 5. **Risk-Off 衰退**：現金為王，做空機會
 ## 需要的 MCP 工具
 - `yfinance`：取得 ETF 比率歷史數據
 - `fred`：補充殖利率曲線數據
 ## 輸出格式
 - 當前環境分類 + 信心度
 - 六比率個別評分
 - 建議整體曝險上限（%）
 - 環境轉換預警信號
--- a/skills/market-breadth-analyzer/SKILL.md
+++ b/skills/market-breadth-analyzer/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 市場廣度分析器
 slug: market-breadth-analyzer
 description: 市場廣度分析，追蹤漲跌家數比、新高新低比、成交量分佈等內部結構指標
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-breadth-analyzer/SKILL.md
      usage: referenced
 ---
 # 市場廣度分析器
 分析市場內部結構健康度，判斷行情是否具備廣泛參與度。
 ## 功能
 - 漲跌家數比（Advance/Decline Line）
 - 新高新低比（New Highs vs New Lows）
 - McClellan Oscillator / Summation Index
 - 成交量廣度分析（Up Volume vs Down Volume）
 - 板塊輪動強度追蹤
 - 市場參與度評分
--- a/skills/market-environment-analysis/SKILL.md
+++ b/skills/market-environment-analysis/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 總體市場環境分析
 slug: market-environment-analysis
 description: 總體市場環境分析，涵蓋股市、外匯、商品、殖利率、情緒指標的結構化報告
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-environment-analysis/SKILL.md
      usage: referenced
 ---
 # 總體市場環境分析
 產出結構化的總體市場環境報告，涵蓋多資產類別指標與情緒分析。
 ## 功能
 - 全球股市指數概覽（美股、歐股、亞股、台股）
 - 外匯市場主要貨幣對走勢分析
 - 商品市場追蹤（原油、黃金、銅等）
 - 美國公債殖利率曲線分析（2Y/10Y 利差）
 - 市場情緒指標彙整（VIX、Put/Call Ratio、CNN 恐貪指數）
 - 跨資產相關性分析
--- a/skills/market-news-analyst/SKILL.md
+++ b/skills/market-news-analyst/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 市場新聞分析師
 slug: market-news-analyst
 description: 蒐集過去 10 天市場新聞，分析 FOMC、財報、地緣政治等事件的市場影響並評分
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-news-analyst/SKILL.md
      usage: referenced
 ---
 # 市場新聞分析師
 自動化市場新聞蒐集與影響評估，涵蓋 FOMC 決策、企業財報、地緣政治事件。
 ## 功能
 - 自動蒐集過去 10 天的重要市場新聞
 - FOMC 會議決策與聲明解讀
 - 企業財報發布影響評估
 - 地緣政治事件追蹤（戰爭、制裁、貿易摩擦）
 - 各新聞事件影響方向評分（利多/利空/中性）
 - 影響嚴重度評級（高/中/低）
--- a/skills/market-top-detector/SKILL.md
+++ b/skills/market-top-detector/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 市場頂部偵測器
 slug: market-top-detector
 description: 市場頂部偵測，綜合技術面背離、資金面轉弱、情緒面過熱的多維度警示系統
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/market-top-detector/SKILL.md
      usage: referenced
 ---
 # 市場頂部偵測器
 多維度市場頂部偵測系統，提前預警趨勢反轉風險。
 ## 功能
 - 價量背離偵測（價格創高但成交量萎縮）
 - 領先指標轉弱追蹤（半導體、運輸類股）
 - 信用利差擴大監測
 - VIX 期限結構異常偵測
 - 多空比例極端值警示
 - 頂部型態辨識（雙頂、頭肩頂）
 - 綜合頂部風險評分
--- a/skills/morning-note/SKILL.md
+++ b/skills/morning-note/SKILL.md
@@ -0,0 +1,50 @@
 ---
 name: 盤前晨報
 slug: morning-note
 description: 每日盤前市場摘要，整合美股收盤、亞股動態、台股盤前、重要數據、今日關注事件，含視覺化圖表
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/morning-note/SKILL.md
      usage: referenced
 ---
 # 盤前晨報
 每日自動化盤前晨報，覆蓋美股、亞股與台股，是財經情報研究員的每日起點。
 ## 報告結構
 ### 1. 美股收盤摘要（前一交易日）
 - 主要指數（S&P 500、NASDAQ、DOW）漲跌
 - 板塊表現（強勢/弱勢板塊）
 - VIX 恐慌指數
 - 美元指數、黃金、原油
 ### 2. 亞股盤中動態
 - 日股（日經225、TOPIX）
 - 港股（恆生指數）
 - A 股（上證、深圳）
 ### 3. 台股盤前
 - 期貨指示（台指期）
 - 外資昨日買賣超（透過 CasualMarket MCP）
 - ADR 指示（ADR 反映的台股隱含開盤）
 - 融資融券變化趨勢
 ### 4. 今日關注事件
 - 重要經濟數據發布（接 `economic-calendar-fetcher`）
 - 重量級財報（接 `earnings-calendar`）
 - Fed 官員發言
 ### 5. 需要的 MCP 工具
 - `yfinance`：美股、亞股數據
 - `casual-market`：台股外資、融資融券
 - `fred`：總經數據
 ## 輸出格式
 - Markdown 晨報（含表格與視覺化）
 - 每日 08:00 產出（台股開盤前）
--- a/skills/options-strategy-advisor/SKILL.md
+++ b/skills/options-strategy-advisor/SKILL.md
@@ -0,0 +1,59 @@
 ---
 name: 選擇權策略顧問
 slug: options-strategy-advisor
 description: Black-Scholes 定價、Greeks 計算、17+ 選擇權策略的損益模擬（價差、禿鷹、財報策略等），約 1200 行的完整選擇權分析技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/options-strategy-advisor/SKILL.md
      usage: referenced
 ---
 # 選擇權策略顧問
 完整的選擇權分析工具，支援多方研究員、空方研究員與回測工程師。
 ## 定價模型
 - Black-Scholes 歐式選擇權定價
 - 二項式模型（美式選擇權）
 - 隱含波動率反算
 ## Greeks 計算
 | Greek | 含義 | 用途 |
 |---|---|---|
 | Delta | 標的資產敏感度 | 避險比率 |
 | Gamma | Delta 的變化率 | 凸性風險 |
 | Theta | 時間價值衰減 | 持倉成本 |
 | Vega | 波動率敏感度 | 波動率交易 |
 | Rho | 利率敏感度 | 利率風險 |
 ## 支援策略（17+）
 **做多方向**：Long Call、Bull Call Spread、LEAPS、Covered Call
 **做空方向**：Long Put、Bear Put Spread、Protective Put（避險）
 **中性策略**：Iron Condor、Butterfly、Calendar Spread、Straddle、Strangle
 **財報策略**：Earnings Straddle、Earnings Strangle（財報前後波動率策略）
 ## 損益分析
 - 每個策略的損益圖表
 - 最大獲利、最大虧損
 - 損益平衡點
 - 獲利機率估算
 ## 需要的 MCP 工具
 - `yfinance`：選擇權鏈數據
 - `optionsflow` MCP：更深度的 Greeks 與策略分析
 ## 使用時機
 - 多方研究員：Call 策略搭配股票多頭
 - 空方研究員：Put 策略搭配市場避險
 - 回測工程師：選擇權策略回測基礎
--- a/skills/pair-trade-screener/SKILL.md
+++ b/skills/pair-trade-screener/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 配對交易篩選器
 slug: pair-trade-screener
 description: 統計套利技能，執行共整合檢定、計算利差 Z 值，產出市場中性配對交易的進出場建議，約 1100 行的量化套利技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/pair-trade-screener/SKILL.md
      usage: referenced
 ---
 # 配對交易篩選器
 量化統計套利工具，為回測工程師提供配對交易策略的研究與回測基礎。
 ## 統計方法論
 ### 共整合檢定（Cointegration Test）
 - Engle-Granger 兩步驟法
 - Johansen 共整合檢定
 - 確認長期均值回歸關係
 ### 利差分析
 - 計算標準化利差（Z-Score）
 - 利差的歷史分布
 - 均值回歸速度（Half-Life）
 ### 進出場訊號
 - 進場：Z-Score > ±2（標準差）
 - 離場：Z-Score 回歸至 0
 - 止損：Z-Score > ±3
 ## 篩選範圍
 - 同板塊股票配對（最高共整合可能性）
 - ETF 配對（例：XLK vs QQQ）
 - 跨市場配對（台積電 vs 英特爾）
 ## 輸出格式
 - 候選配對清單（含共整合 p 值、Half-Life）
 - 當前各配對的 Z-Score
 - 建議做多/做空方向
 - 歷史套利機會統計
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格數據
 - 需要 Python 環境（scipy、statsmodels）
 ## 使用時機
 回測工程師開發市場中性策略；量化策略師尋找低相關性的附加收益來源
--- a/skills/pead-screener/SKILL.md
+++ b/skills/pead-screener/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: PEAD 篩選器
 slug: pead-screener
 description: 財報後公告漂移（Post-Earnings Announcement Drift）篩選，自動識別財報跳空後的回調買點與突破訊號
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/pead-screener/SKILL.md
      usage: referenced
 ---
 # PEAD 篩選器
 基於 PEAD 效應（股價在正面財報後繼續上漲的傾向），篩選財報跳空後具備追入潛力的股票。
 ## PEAD 原理
 學術研究確認：股票在正面財報後的 60 天內，平均仍有超額報酬（因市場對好消息的反應不足）。
 ## 篩選流程
 1. **財報跳空識別**：找出財報後跳空 5%+ 的股票
 2. **品質過濾**：EPS 超出預期幅度、成交量確認
 3. **紅燈回調偵測**：跳空後的正常回調（3-8%），搜尋低成交量回調
 4. **突破確認**：回調後重新突破跳空日高點
 ## 評分標準
 - 跳空幅度（越大越強）
 - 成交量（跳空日需高量）
 - 財務品質（EPS 超預期幅度、趨勢）
 - 技術位置（站上均線系統）
 ## 輸出格式
 - PEAD 候選清單（含評分）
 - 各股建議觀察點（回調完成的確認條件）
 - 建議進場位置與止損
 ## 使用時機
 財報季中，多方研究員配合 `earnings-trade-analyzer` 使用，識別最具動能的財報受益股
--- a/skills/portfolio-manager/SKILL.md
+++ b/skills/portfolio-manager/SKILL.md
@@ -0,0 +1,52 @@
 ---
 name: 投資組合管理員
 slug: portfolio-manager
 description: 透過 Alpaca MCP 分析投資組合配置、風險指標、再平衡建議、稅損採收機會與股息分析，約 1100 行的完整投資組合管理技能
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/portfolio-manager/SKILL.md
      usage: referenced
 ---
 # 投資組合管理員
 完整投資組合管理工具，為執行長和量化策略師提供組合層級的決策支援。
 ## 功能
 ### 配置分析
 - 持倉配置（按板塊、市值、地區）
 - 集中度風險（單一標的/板塊上限）
 - Beta 加權曝險
 ### 風險指標
 - 投資組合 Beta
 - 相關性矩陣（避免過度集中相似標的）
 - 最大回撤預估
 - VaR（風險值）
 ### 再平衡建議
 - 偏離目標配置的標的
 - 建議買入/賣出操作
 - 交易成本最小化
 ### 稅損採收
 - 虧損部位識別
 - 稅損採收時機建議
 - 替代標的推薦（避免 Wash Sale 規則）
 ### 股息分析
 - 組合殖利率
 - 股息成長趨勢
 - 派息穩定性評估
 ## 需要的 MCP 工具
 - **Alpaca MCP**（主要）：帳戶資料、持倉、歷史交易
 - `yfinance`：補充市場數據
 ## ⚠️ 注意
 需要 Alpaca 帳戶設定。目前為規劃技能，實際啟用需配置 Alpaca MCP。
--- a/skills/position-sizer/SKILL.md
+++ b/skills/position-sizer/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 部位規模計算器
 slug: position-sizer
 description: 部位規模計算器，基於風險預算、波動率與凱利公式計算最適部位大小
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/position-sizer/SKILL.md
      usage: referenced
 ---
 # 部位規模計算器
 科學化部位規模管理工具，平衡獲利潛力與風險控制。
 ## 功能
 - 固定風險百分比法（每筆風險 1-2% 資本）
 - 凱利公式（Kelly Criterion）最適部位計算
 - 波動率調整部位（ATR-based Sizing）
 - 相關性調整（避免過度集中同類資產）
 - 最大單一部位上限控制
 - 投資組合層級風險預算分配
 - 加減碼規模建議
--- a/skills/scenario-analyzer/SKILL.md
+++ b/skills/scenario-analyzer/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 情境分析引擎
 slug: scenario-analyzer
 description: 情境分析引擎，建構牛熊中性多重情境，量化各情境機率與預期報酬
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/scenario-analyzer/SKILL.md
      usage: referenced
 ---
 # 情境分析引擎
 結構化情境分析工具，為策略決策提供多情境框架。
 ## 功能
 - 多情境建構（Bull / Base / Bear Case）
 - 各情境觸發條件定義
 - 機率權重分配
 - 預期報酬 / 最大虧損計算
 - 情境切換觸發條件（Trigger Points）
 - 壓力測試（黑天鵝事件模擬）
 - 情境加權預期值計算
--- a/skills/sector-analyst/SKILL.md
+++ b/skills/sector-analyst/SKILL.md
@@ -0,0 +1,42 @@
 ---
 name: 板塊輪動分析師
 slug: sector-analyst
 description: 從 CSV 數據分析美股十一大板塊的輪動模式與市場週期定位，識別強勢/弱勢板塊
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/sector-analyst/SKILL.md
      usage: referenced
 ---
 # 板塊輪動分析師
 分析各板塊相對強弱與市場週期位置，為多方和空方研究員提供板塊選擇依據。
 ## 功能
 - 分析美股 11 大 GICS 板塊的相對強弱（XLK、XLF、XLE、XLV 等）
 - 識別領先板塊與落後板塊
 - 市場週期定位（擴張期、繁榮期、收縮期、衰退期）
 - 板塊輪動方向判斷
 - 支援 CSV 數據或可選的圖表圖像輸入
 - 台股板塊映射（半導體、金融、電子、傳產等）
 ## 輸入格式
 - 板塊 ETF 的歷史價格 CSV
 - 可選：板塊表現圖表截圖
 ## 輸出格式
 - 板塊強弱排名表
 - 市場週期評估
 - 建議加碼/減碼板塊
 - 相對強弱評分（-100 至 +100）
 ## 使用時機
 - 多方研究員需要識別領頭羊板塊
 - 空方研究員尋找最弱板塊做空標的
 - 量化策略師決定配置比重
--- a/skills/sector-overview/SKILL.md
+++ b/skills/sector-overview/SKILL.md
@@ -0,0 +1,52 @@
 ---
 name: 板塊概況分析
 slug: sector-overview
 description: 產出特定板塊的全面概況報告，涵蓋板塊基本面趨勢、主要催化劑、龍頭股表現、估值水平與相對強弱
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/sector-overview/SKILL.md
      usage: referenced
 ---
 # 板塊概況分析
 產出針對特定板塊的完整概況報告，為市場結構研究員、空方研究員提供板塊層級的分析基礎。
 ## 報告內容
 ### 板塊基本面
 - 板塊整體營收/獲利趨勢
 - 毛利率、ROE 趨勢
 - 板塊 P/E、EV/EBITDA 歷史分位
 ### 主要催化劑
 - 近期推動板塊的利多事件
 - 潛在的利空風險
 - 政策/監管面動態
 ### 龍頭股表現
 - 板塊前5大市值股票表現
 - 龍頭股與板塊 ETF 的強弱比較
 - 異常強勢/弱勢個股
 ### 技術面
 - 板塊 ETF 相對大盤的相對強弱
 - 板塊 ETF 的技術結構
 - 資金流入/流出趨勢
 ### 台股板塊對應
 - 半導體：台積電、聯發科、日月光
 - 金融：富邦金、國泰金、中信金
 - 傳產/化工：台塑、台化
 ## 需要的 MCP 工具
 - `yfinance`：板塊 ETF 數據（XLK、XLF 等）
 - `casual-market`：台股板塊數據
 - `tradingview`：板塊篩選
 ## 使用時機
 市場結構研究員識別強弱板塊；空方研究員找弱勢板塊做空標的
--- a/skills/signal-postmortem/SKILL.md
+++ b/skills/signal-postmortem/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 訊號事後分析
 slug: signal-postmortem
 description: 訊號事後分析，回顧歷史訊號準確率、獲利因子分解與策略衰退偵測
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/signal-postmortem/SKILL.md
      usage: referenced
 ---
 # 訊號事後分析
 系統性訊號與策略事後檢討工具，從歷史表現中萃取改進方向。
 ## 功能
 - 訊號準確率追蹤（按類型、時間段）
 - 獲利因子分解（Alpha 來源拆解）
 - 策略衰退偵測（Rolling Sharpe 下降）
 - 失敗交易歸因分析
 - 市場環境 vs 策略表現關聯
 - 改進建議優先排序
 - 定期績效報告產出
--- a/skills/stanley-druckenmiller-investment/SKILL.md
+++ b/skills/stanley-druckenmiller-investment/SKILL.md
@@ -0,0 +1,55 @@
 ---
 name: Druckenmiller 策略合成器
 slug: stanley-druckenmiller-investment
 description: 整合 8 個上游技能輸出，以 Stanley Druckenmiller 的宏觀投資方法論產出統一信心評分（0-100）、型態分類與倉位配置建議
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/stanley-druckenmiller-investment/SKILL.md
      usage: referenced
 ---
 # Druckenmiller 策略合成器
 以傳奇宏觀交易員 Stanley Druckenmiller 的投資哲學為框架，整合所有研究輸出，為執行長和策略師提供最終的高信心投資判斷。
 ## Druckenmiller 核心原則
 - **流動性優先**：央行政策和資金環境是最重要的因素
 - **集中押注**：高信心時重倉，而非分散
 - **不對稱機會**：尋找風險/報酬至少 3:1 的機會
 - **情境切換**：環境改變時快速調整倉位
 ## 整合的 8 個上游輸入
 1. `macro-regime-detector` — 總體環境判斷
 2. `market-breadth-analyzer` — 市場廣度
 3. `uptrend-analyzer` — 漲勢健康度
 4. `sector-analyst` — 板塊輪動
 5. `market-top-detector` — 頂部風險
 6. `us-market-bubble-detector` — 泡沫評估
 7. `scenario-analyzer` — 情境概率
 8. `edge-signal-aggregator` — Edge 訊號
 ## 輸出格式
 ```json
 {
  "conviction_score": 85,
  "pattern": "Early Bull | Late Bull | Bear Rally | Bear",
  "allocation": {
    "equity_pct": 80,
    "cash_pct": 15,
    "hedge_pct": 5
  },
  "top_opportunity": "最高信心機會描述",
  "key_risk": "最大風險描述",
  "rationale": "150字以內的決策邏輯"
 }
 ```
 ## 使用時機
 - 執行長組裝 Final_Decision_Packet 前
 - 量化策略師完成多空辯論後的收斂步驟
--- a/skills/strategy-pivot-designer/SKILL.md
+++ b/skills/strategy-pivot-designer/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: 策略轉向設計師
 slug: strategy-pivot-designer
 description: 偵測回測策略停滯或陷入局部最優，自動提出結構性不同的策略轉向方案，突破策略開發瓶頸
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/strategy-pivot-designer/SKILL.md
      usage: referenced
 ---
 # 策略轉向設計師
 當回測工程師的策略陷入停滯或過度擬合時，提供結構性不同的替代方向。
 ## 問題偵測
 識別以下回測問題：
 - **停滯**：多次參數調整後績效無明顯提升
 - **局部最優**：Sharpe Ratio 卡在次優解
 - **過度擬合**：樣本內好但樣本外差
 - **環境依賴**：只在特定市場環境有效
 ## 轉向設計流程
 1. 分析當前策略的核心 Edge 來源
 2. 識別結構性限制（為什麼當前方向無法繼續改進）
 3. 提出 3 個結構性不同的替代方向：
   - 方向 A：改變進場邏輯
   - 方向 B：改變持倉/出場邏輯
   - 方向 C：改變市場/時間框架
 4. 每個方向附帶初始假設與驗證建議
 ## 輸入
 - 當前策略描述與回測績效摘要
 - 失敗的優化歷史
 ## 輸出
 - 停滯診斷報告
 - 3 個轉向方案（含預期 Edge 來源與初步驗證方法）
--- a/skills/technical-analyst/SKILL.md
+++ b/skills/technical-analyst/SKILL.md
@@ -0,0 +1,24 @@
 ---
 name: 技術分析師
 slug: technical-analyst
 description: 技術分析工具，支援均線、RSI、MACD、布林通道等指標運算與圖表判讀
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/technical-analyst/SKILL.md
      usage: referenced
 ---
 # 技術分析師
 全方位技術指標分析，涵蓋趨勢、動量、波動率指標，產出結構化技術分析報告。
 ## 功能
 - 多時間框架趨勢分析（日/週/月線）
 - 均線系統（SMA、EMA、交叉訊號）
 - 動量指標（RSI、MACD、Stochastic）
 - 波動率指標（Bollinger Bands、ATR）
 - 支撐/阻力位識別
 - 型態辨識（頭肩頂底、三角收斂等）
--- a/skills/theme-detector/SKILL.md
+++ b/skills/theme-detector/SKILL.md
@@ -0,0 +1,44 @@
 ---
 name: 市場主題偵測器
 slug: theme-detector
 description: 偵測當前市場的趨勢主題（AI、能源轉型、利率等），評估各主題的熱度、生命週期階段與信心評分
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/theme-detector/SKILL.md
      usage: referenced
 ---
 # 市場主題偵測器
 識別市場正在定價的敘事主題，讓財經情報研究員掌握資金輪動的底層邏輯。
 ## 功能
 - 偵測跨板塊的趨勢主題（例：AI 算力、再工業化、防禦支出）
 - 評估主題熱度（0-100）
 - 判斷主題生命週期階段（萌芽/成長/成熟/衰退）
 - 信心評分（基於媒體關注度、資金流入、分析師覆蓋）
 - 識別受益/受害股票/板塊
 ## 分析維度
 - **媒體熱度**：主題相關新聞頻率趨勢
 - **資金流向**：相關 ETF/板塊資金流入流出
 - **盈利影響**：財報電話中提及頻率
 - **政策支持**：監管/政策方向
 ## 輸出格式
 ```
 主題：AI 算力基礎設施
 熱度：87/100 | 生命週期：成長期
 信心：高
 受益板塊：半導體、資料中心 REIT、電力設施
 風險：估值過高、資本支出超支
 ```
 ## 使用時機
 財經情報研究員每日盤前蒐集，識別本週/本月資金追逐的主題，配合 `morning-note` 輸出
--- a/skills/thesis-tracker/SKILL.md
+++ b/skills/thesis-tracker/SKILL.md
@@ -0,0 +1,49 @@
 ---
 name: 投資論點追蹤器
 slug: thesis-tracker
 description: 長期追蹤投資論點的進展，監控關鍵假設是否仍然成立，在論點失效時自動預警
 metadata:
  sources:
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/thesis-tracker/SKILL.md
      usage: referenced
 ---
 # 投資論點追蹤器
 持續監控量化策略師建立的投資論點，確保策略決策基於最新的市場現實。
 ## 追蹤結構
 每個論點追蹤：
 - **核心假設**：論點成立的前提條件
 - **關鍵指標**：用來驗證假設的可觀察指標
 - **當前狀態**：論點是否仍然成立
 - **信心度變化**：隨時間的信心度趨勢
 - **否定條件**：哪些事件會讓論點失效
 ## 功能
 - 定期更新論點狀態（可設定每日/每週）
 - 偵測核心假設的變化
 - 論點失效時自動升級給量化策略師
 - 產出論點追蹤報告
 - 與 `trader-memory-core` 同步狀態
 ## 論點狀態
 - **Intact**：論點完整，繼續持有
 - **Weakening**：部分假設受挫，注意
 - **Violated**：核心假設失效，建議退出
 - **Evolving**：論點方向改變，需要重新評估
 ## 輸入
 - 策略師的 Strategy_Thesis.json
 - 市場更新數據
 ## 輸出
 - 論點狀態報告（含信心度趨勢圖）
 - 失效預警通知
--- a/skills/trade-hypothesis-ideator/SKILL.md
+++ b/skills/trade-hypothesis-ideator/SKILL.md
@@ -0,0 +1,37 @@
 ---
 name: 交易假設發想器
 slug: trade-hypothesis-ideator
 description: 生成 1-5 個可偽證的交易假設卡，每張包含實驗設計、否定條件（Kill Criteria）與可選的 strategy.yaml 匯出
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/trade-hypothesis-ideator/SKILL.md
      usage: referenced
 ---
 # 交易假設發想器
 將市場觀察轉化為結構化、可測試的交易假設，確保每個策略概念都有明確的驗證條件和失效條件。
 ## 假設卡格式
 每張假設卡包含：
 - **假設陳述**：「如果 X 發生，則 Y 將在 Z 時間框架內發生」
 - **可觀察證據**：當前支持假設的數據
 - **實驗設計**：如何測試這個假設
 - **否定條件（Kill Criteria）**：哪些事件會讓假設立即失效
 - **信心度評分**（0-100）
 - **可選匯出**：strategy.yaml（交給回測工程師）
 ## 功能
 - 接受任意市場觀察作為輸入
 - 結構化生成 1-5 張假設卡
 - 強制要求每個假設都有 Kill Criteria（防止確認偏誤）
 - 可選匯出 strategy.yaml 格式供回測使用
 ## 使用時機
 - 量化策略師在多空辯論後，將收斂觀點轉為可測試假設
 - 配合 `edge-pipeline-orchestrator` 進入完整研究流程
--- a/skills/trader-memory-core/SKILL.md
+++ b/skills/trader-memory-core/SKILL.md
@@ -0,0 +1,54 @@
 ---
 name: 交易員記憶核心
 slug: trader-memory-core
 description: 持久化論點生命週期管理，追蹤從想法到平倉的完整交易記錄（IDEA→ENTRY_READY→ACTIVE→CLOSED），含 P&L、MAE/MFE 與事後分析
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/trader-memory-core/SKILL.md
      usage: referenced
 ---
 # 交易員記憶核心
 KingClawArmy 的持久記憶層。記錄所有交易論點的完整生命週期，並作為所有 Agent 的共享狀態存儲，確保跨對話的資訊不遺失。
 ## 論點狀態機
 ```
 IDEA → ENTRY_READY → ACTIVE → CLOSED
         ↑                ↓
      (修訂)          (平倉/止損)
 ```
 - **IDEA**：初步假設，尚未驗證
 - **ENTRY_READY**：通過審查，等待進場條件
 - **ACTIVE**：已進場，持倉中
 - **CLOSED**：已平倉（含盈虧記錄）
 ## 功能
 - 跨對話持久化論點狀態
 - 追蹤每個論點的 P&L、MAE（最大不利移動）、MFE（最大有利移動）
 - 從所有篩選器（CANSLIM、VCP、PEAD、Edge Pipeline）接收輸入
 - 觸發事後分析（Signal Postmortem）
 - 按狀態、市場、方向、信心度查詢論點
 ## 輸入來源
 - 所有篩選器 Agent 的輸出
 - 量化策略師的 Strategy_Thesis.json
 - 市場事件更新
 ## 輸出格式
 - 持久化 YAML/Markdown 記憶檔案
 - 論點列表（按狀態篩選）
 - P&L 摘要報告
 - 事後分析觸發請求
 ## 需要的 MCP 工具
 - 檔案系統（讀寫持久化記憶）
 - 任何提供現價的 MCP（yfinance、casual-market）
--- a/skills/uptrend-analyzer/SKILL.md
+++ b/skills/uptrend-analyzer/SKILL.md
@@ -0,0 +1,43 @@
 ---
 name: 漲勢分析器
 slug: uptrend-analyzer
 description: 五成分 0-100 漲勢健康度綜合評分（廣度30%、板塊參與25%、動量20%、輪動15%、歷史10%），判斷多頭趨勢強度
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/uptrend-analyzer/SKILL.md
      usage: referenced
 ---
 # 漲勢分析器
 評估當前市場漲勢的健康程度與可持續性，為策略師提供多頭強度量化指標。
 ## 評分組成（共 100 分）
 | 成分 | 權重 | 說明 |
 |---|---|---|
 | 市場廣度 | 30% | 漲勢參與股票的比例 |
 | 板塊參與度 | 25% | 同步上漲的板塊數量 |
 | 動量強度 | 20% | 主要指數的動量狀況 |
 | 輪動健康度 | 15% | 板塊輪動是否有序 |
 | 歷史比對 | 10% | 與歷史牛市的相似度 |
 ## 評分解讀
 - **80-100**：強勢多頭，積極進場
 - **60-79**：健康多頭，謹慎持有
 - **40-59**：疲弱多頭，減少部位
 - **0-39**：多頭結束或熊市，現金為王
 ## 輸出格式
 - 漲勢健康度綜合評分（0-100）
 - 各成分細項評分
 - 主要弱點診斷
 - 建議操作方向
 ## 使用時機
 配合 `market-breadth-analyzer` 和 `macro-regime-detector` 使用，三者共同判斷市場環境
--- a/skills/us-market-bubble-detector/SKILL.md
+++ b/skills/us-market-bubble-detector/SKILL.md
@@ -0,0 +1,25 @@
 ---
 name: 美股泡沫偵測器
 slug: us-market-bubble-detector
 description: 美股泡沫偵測，分析估值偏離、槓桿水位、散戶狂熱指標與歷史泡沫比對
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/us-market-bubble-detector/SKILL.md
      usage: referenced
 ---
 # 美股泡沫偵測器
 系統性偵測市場泡沫訊號，量化過熱程度與風險等級。
 ## 功能
 - Shiller CAPE 估值偏離度分析
 - 融資餘額 / 槓桿水位追蹤
 - 散戶參與度指標（零股交易量、開戶數）
 - Meme Stock 熱度監測
 - IPO / SPAC 市場過熱指標
 - 歷史泡沫模式比對（2000、2008、2021）
 - 泡沫風險評分（1-10）
--- a/skills/us-stock-analysis/SKILL.md
+++ b/skills/us-stock-analysis/SKILL.md
@@ -0,0 +1,28 @@
 ---
 name: 美股個股分析
 slug: us-stock-analysis
 description: 美股個股深度分析，涵蓋基本面、財報、估值模型與產業比較
 metadata:
  sources:
    - kind: github-file
      repo: OctagonAI/skills
      path: skills/us-stock-analysis/SKILL.md
      usage: referenced
    - kind: github-file
      repo: ginlix-ai/langalpha
      path: skills/stock-fundamentals/SKILL.md
      usage: referenced
 ---
 # 美股個股分析
 美股個股全面分析工具，整合基本面數據、財報解讀與估值模型。
 ## 功能
 - 個股基本面分析（營收、EPS、毛利率趨勢）
 - 財報季解讀（10-Q/10-K 關鍵數據擷取）
 - 估值模型（P/E、P/S、DCF、PEG）
 - 同業比較分析
 - 機構評級彙整（Buy/Hold/Sell 分佈）
 - 內部人交易追蹤
--- a/skills/vcp-screener/SKILL.md
+++ b/skills/vcp-screener/SKILL.md
@@ -0,0 +1,45 @@
 ---
 name: VCP 篩選器
 slug: vcp-screener
 description: Minervini 的波動收縮型態（Volatility Contraction Pattern）偵測，在第 2 階段上升趨勢中識別低風險進場點
 metadata:
  sources:
    - kind: github-file
      repo: tradermonty/claude-trading-skills
      path: skills/vcp-screener/SKILL.md
      usage: referenced
 ---
 # VCP 篩選器
 偵測 Mark Minervini 的波動收縮型態（VCP），找出主升段中的低風險高報酬進場機會。
 ## VCP 型態特徵
 - 股票處於第 2 階段上升趨勢（均線多頭排列）
 - 出現多次回調，每次回調幅度遞減（例：12%→8%→4%）
 - 每次回調時間縮短
 - 成交量在收縮階段萎縮
 - 在突破前成交量放大
 ## 三階段偵測流程
 1. **Stage 2 確認**：確認股票處於第 2 階段（50/150/200 日均線排列）
 2. **收縮偵測**：識別回調幅度遞減的波動收縮
 3. **進場觸發**：成交量放大的樞紐突破
 ## 需要的 MCP 工具
 - `yfinance`：歷史價格與成交量數據
 - `tradingview`：技術指標確認
 ## 輸出格式
 - VCP 候選股票列表
 - 各股的收縮階段描述（幾次收縮、幅度）
 - 建議進場點（樞紐位置）
 - 建議止損位
 ## 使用時機
 配合 CANSLIM 篩選器使用，在符合 CANSLIM 條件的股票中找 VCP 型態
--- a/skills/xlsx/SKILL.md
+++ b/skills/xlsx/SKILL.md
@@ -0,0 +1,46 @@
 ---
 name: Excel 試算表
 slug: xlsx
 description: 建立、編輯、分析符合金融建模標準的 Excel 試算表，含色碼規範（藍色=輸入、黑色=公式）、財務格式化與績效分析
 metadata:
  sources:
    - kind: github-file
      repo: anthropics/skills
      path: skills/xlsx/SKILL.md
      usage: referenced
 ---
 # Excel 試算表
 Anthropic 官方技能。產出符合華爾街標準的專業 Excel 試算表，用於績效追蹤、財務分析與數據呈現。
 ## 金融建模色碼標準
 | 顏色 | 含義 |
 |---|---|
 | 🔵 藍色（深藍字體） | 硬式輸入（手動輸入的假設值） |
 | ⚫ 黑色字體 | 公式計算（不得手動覆寫） |
 | 🟢 綠色字體 | 外部連結（從其他工作表引入） |
 | 🔴 紅色字體 | 檢查項目（有問題需要注意） |
 ## 功能
 - 建立標準財務試算表（損益表、資產負債表、現金流量表）
 - 回測績效追蹤表（Sharpe、Sortino、最大回撤）
 - 投資組合分析（配置、風險、報酬歸因）
 - 股票比較矩陣（多標的並排比較）
 - 數據驗證規則設定
 ## 輸入
 - 數據來源（JSON/CSV）或數據描述
 - 試算表目的描述
 ## 輸出
 - 標準 .xlsx 檔案
 - 含色碼、公式、格式化
 ## 使用時機
 資料分析師產出回測績效報告；秘書整理月度 KPI 追蹤表
--- a/teams/management/TEAM.md
+++ b/teams/management/TEAM.md
@@ -0,0 +1,18 @@
 ---
 name: 管理團隊
 description: 全局任務調度、工作記錄與摘要、產出品質審查
 slug: management
 schema: agentcompanies/v1
 manager: ../../agents/ceo/AGENTS.md
 includes:
  - ../../agents/secretary/AGENTS.md
  - ../../agents/reviewer/AGENTS.md
 ---
 # 管理團隊
 負責 KingClawArmy 的全局運營管理。
 - **執行長**：接收董事長指令、派工、追蹤進度、收斂結果
 - **秘書**：記錄摘要、維護記憶、每日狀態報告
 - **審查員**：品質把關、pass/revise/block 判定
--- a/teams/quant-research/TEAM.md
+++ b/teams/quant-research/TEAM.md
@@ -0,0 +1,27 @@
 ---
 name: 量化研究團隊
 description: 量化研究 pipeline：情報蒐集 → 市場結構分析 → 多空辯論 → 策略收斂 → 回測驗證 → 數據分析
 slug: quant-research
 schema: agentcompanies/v1
 manager: ../../agents/quant-strategist/AGENTS.md
 includes:
  - ../../agents/finance-researcher/AGENTS.md
  - ../../agents/market-structure-researcher/AGENTS.md
  - ../../agents/bullish-researcher/AGENTS.md
  - ../../agents/bearish-researcher/AGENTS.md
  - ../../agents/quant-engineer/AGENTS.md
  - ../../agents/data-analyst/AGENTS.md
 ---
 # 量化研究團隊
 由量化策略師主導，負責完整的量化研究 pipeline。
 ## Pipeline 流程
 1. **財經情報研究員** → 蒐集財經資訊與市場情緒
 2. **市場結構研究員** → 分析技術結構與關鍵價位
 3. **多方研究員 + 空方研究員**（並行）→ 正反觀點辯論
 4. **量化策略師** → 收斂觀點、產出策略論文
 5. **回測工程師** → 策略程式化與回測
 6. **資料分析師** → 績效分析與風險識別
Author	SHA1	Message	Date
Chris	0cbaed38c3	Merge dev → main: Skills v3.1 全面升級 + 審查問題全修完 - 53 個 SKILL.md（含明確 slug frontmatter，無 importer 衝突） - 全部 11 個 Agent 技能配置完整（72 個技能分配） - .mcp.json：7 個 MCP server（台股 + 美股 + 財報 + 投組） - .paperclip.yaml：envInputs 移至 projects.inputs.env - 審查員 P1-P8 全部修正，dry-run warnings: [], errors: [] - 台股 + 美股雙市場覆蓋 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 22:14:52 +00:00
Chris	e894446416	fix: 修正審查員 P7-P8 問題 P7: envInputs 從 .paperclip.yaml 頂層移至 projects.daily-quant-pipeline.inputs.env 讓 importer 能正確讀取 env input 並進 manifest 同步補入 ALPACA_API_KEY / FMP_API_KEY 需求聲明 P8: .mcp.json 補齊 alpaca 與 fmp MCP server docs/agent-skill-mapping.md 新增 Runtime 狀態說明表（active / needs-key / local-runtime） docs/mcp-plan.md 狀態從「規劃中」改為「已配置」，補 Alpaca/FMP 安裝說明 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:31:44 +00:00
Chris	3451ce7d77	docs: update agent skills follow-up review	2026-04-11 05:25:48 +08:00
Chris	ee06e6de6b	fix: 修正審查員 P1-P6 全部問題 P1/P2: 為所有 53 個 SKILL.md 補明確 slug frontmatter，解決 importer slug 衝突 P3: 新增 .mcp.json，補 .paperclip.yaml envInputs P4: agent-skill-mapping.md 補摘要版說明 P5: 修正文檔統計數字（53 skills，非 62） P6: 清除 mcp-plan.md 敏感資訊與機器相依路徑 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:21:38 +00:00
Chris	15fb96dd4b	Revert "Merge dev → main: Skills 系統全面升級 v3.0" This reverts commit `15182d3c51`, reversing changes made to `46a44eb68d`.	2026-04-10 21:18:31 +00:00
Chris	15182d3c51	Merge dev → main: Skills 系統全面升級 v3.0 涵蓋： - 62 個 SKILL.md（tradermonty、langalpha、anthropics 來源） - 全部 11 個 Agent 技能配置完整（含 CEO、小安） - 台股 + 美股雙市場覆蓋 - docs/agent-skill-mapping.md v3.0、mcp-plan.md、skills-inventory.md Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:16:16 +00:00
Chris	cf556a8c63	docs: add agent skills review	2026-04-11 05:15:19 +08:00
Chris	ced587c2f2	新增 17 個 Skills 並完成全員技能配置 - 新增 17 個 SKILL.md（tradermonty + langalpha 來源）： breadth-chart-analyst, catalyst-calendar, competitive-analysis, comps-analysis, dcf-model, earnings-analysis, earnings-preview, earnings-trade-analyzer, edge-concept-synthesizer, edge-hint-extractor, options-strategy-advisor, pair-trade-screener, pead-screener, portfolio-manager, sector-overview, stanley-druckenmiller-investment, theme-detector - 更新全部 11 個 Agent 的 AGENTS.md（含原本空白的 ceo 與 xiao-an） - 更新 docs/agent-skill-mapping.md 至 v3.0（71 個配置，62 個技能） - 台股 + 美股雙市場覆蓋，Skills 均基於真實開源 repo Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 21:07:46 +00:00
Chris	3079e1a0ae	feat: Skills 全面升級 v3 — 真實開源技能 + 台股覆蓋 + 完整文檔 ## Skills 變動（38 個技能） - 刪除：para-memory-files（不存在於任何真實 repo） - 新增 20 個來自真實開源 repo 的技能： tradermonty: trader-memory-core, earnings-calendar, sector-analyst, uptrend-analyzer, macro-regime-detector, canslim-screener, vcp-screener, ftd-detector, downtrend-duration-analyzer, edge-pipeline-orchestrator, trade-hypothesis-ideator, strategy-pivot-designer, data-quality-checker, edge-candidate-agent anthropics: doc-coauthoring, internal-comms, xlsx langalpha: morning-note, thesis-tracker, initiating-coverage ## Agent 技能更新（9 個 Agent） - finance-researcher: 3 → 5 個技能（+earnings-calendar, morning-note） - market-structure-researcher: 2 → 5 個技能（+sector-analyst, uptrend-analyzer, macro-regime-detector） - bullish-researcher: 2 → 6 個技能（+canslim-screener, vcp-screener, ftd-detector, initiating-coverage） - bearish-researcher: 2 → 3 個技能（+downtrend-duration-analyzer） - quant-strategist: 3 → 7 個技能（+edge-pipeline-orchestrator, trade-hypothesis-ideator, thesis-tracker, macro-regime-detector） - quant-engineer: 2 → 4 個技能（+strategy-pivot-designer, data-quality-checker） - data-analyst: 1 → 3 個技能（+edge-candidate-agent, xlsx） - reviewer: 1 → 2 個技能（+data-quality-checker） - secretary: para-memory-files → trader-memory-core + doc-coauthoring + internal-comms ## 文檔新增（3 份） - docs/skills-inventory.md：四大 repo 完整技能調查（tradermonty 51、OctagonAI 66、langalpha 26、anthropics 17） - docs/mcp-plan.md：8 個 MCP Server 完整配置方案（台股+美股+總經+加密） - docs/agent-skill-mapping.md：Agent 技能對應表 v2.0（含台股覆蓋說明） ## 台股覆蓋 - MCP 計畫包含 CasualMarket（23工具）+ twsemcp（22工具）+ Fugle 官方 - morning-note 技能整合台股盤前數據（外資、融資融券、台指期） - market-environment-analysis 明確涵蓋台股加權指數 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:55:25 +00:00
Chris	c78afdbd4b	style: Skills 名稱與標題全面翻譯為繁體中文將 17 個 SKILL.md 的 name 欄位與 Markdown 標題從英文翻譯為繁體中文，方便董事長檢閱。同時補齊前 3 個早期建立的 Skill 功能清單。 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:07:43 +00:00
Chris	c3c2f9072d	feat: 全面升級 Skills 系統 — 17 個專業交易技能取代舊佔位符刪除舊的 deep-research / code-reviewer 佔位 Skill，引入 17 個來自 tradermonty/claude-trading-skills、OctagonAI/skills、 ginlix-ai/langalpha、anthropics/skills 的專業技能，並更新 9 個 Agent 的 skills 欄位對應。技能對應： - 財經情報研究員: market-news-analyst, economic-calendar-fetcher, market-environment-analysis - 市場結構研究員: technical-analyst, market-breadth-analyzer - 多方研究員: us-stock-analysis, institutional-flow-tracker - 空方研究員: us-market-bubble-detector, market-top-detector - 量化策略師: scenario-analyzer, edge-signal-aggregator, exposure-coach - 回測工程師: backtest-expert, position-sizer - 資料分析師: signal-postmortem - 審查員: edge-strategy-reviewer - 秘書: para-memory-files Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 20:03:23 +00:00
Chris	46a44eb68d	Merge branch 'main' of ssh://103.195.5.179:2222/chris/KingClawArmy	2026-04-10 19:07:56 +00:00
Chris	a3fe85b5c5	docs: finalize paperclip dev review	2026-04-11 02:54:36 +08:00
Chris	cb44714252	fix: CEO role 改為 ceo，確保 Paperclip CEO-safe 權限 P5: agents/ceo/AGENTS.md role: manager → role: ceo Paperclip 內部多處邏輯依賴 role === "ceo" 來授予公司層級操作權限 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 18:39:04 +00:00
Chris	fade6ca2ea	Revert "docs: update paperclip dev review" This reverts commit `929dd88745`.	2026-04-11 02:36:46 +08:00
Chris	d68b497884	docs: update paperclip dev review	2026-04-11 02:36:27 +08:00
Chris	929dd88745	docs: update paperclip dev review	2026-04-11 02:31:25 +08:00
Chris	aceb1ba8b3	fix: 依審查報告修正 Paperclip package（P1-P4） P1: routine key 改為 daily-quant-run，與 TASK.md slug 對齊 P2: 移除 quant-strategist 的 canCreateAgents 權限 P3: PROJECT.md 只保留 name/description/slug，leadAgentSlug/status 移至 .paperclip.yaml P4: daily-secretary-digest 從 daily-quant-pipeline/tasks 移到 board-ops/tasks Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:19:39 +00:00
Chris	187218e8bc	merge: 合併 main 審查備忘錄到 dev，解決 INDEX.md 衝突 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:18:47 +00:00
Chris	33f2f2023c	docs: add paperclip dev review notes	2026-04-11 01:17:24 +08:00
Chris	43c1770e13	feat: 建立第一版 Paperclip company package 管理 + 完整量化團隊（方案 A + 多空研究員），10 active + 1 paused Package 結構： - COMPANY.md：agentcompanies/v1 company root - .paperclip.yaml：11 agents adapter/model/status + 4 routines - agents/：11 個 agent（ceo, secretary, reviewer, quant-strategist, finance-researcher, market-structure-researcher, bullish-researcher, bearish-researcher, quant-engineer, data-analyst, xiao-an） - teams/：management, quant-research - projects/：daily-quant-pipeline, board-ops - tasks/：4 個 recurring tasks（pipeline 啟動、盤後整理、資料摘要、記憶壓縮） - skills/：deep-research, code-reviewer 每個 AGENTS.md 包含完整 instructions：Mission, Scope, Forbidden, 輸出 JSON Schema, Escalation, 行為規範 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 17:11:03 +00:00
Chris	6a440973a9	docs: add paperclip org planning guide	2026-04-11 00:56:47 +08:00
Chris	aae5913bf2	docs: 全面補強公司定義、排程、Schema - company.md：加回前後端工程師（18 agents）、engineering team、完整 .paperclip.yaml 範例、每個 agent 改用表格詳列 Mission/Scope/Forbidden/輸出/Model Tier/Escalation - pipelines.md：市場情報改為每日 08:00 + 20:00 兩次（台股/美股開盤前）、週市場分析和週數據報告改到週日、移除投放 KPI 排程、新增秘書每日摘要排程、新增每日/每週時間軸、新增停損信號 - schemas.md：所有 schema 加上產出者職稱、新增信心指數/恐慌指數/進出場建議、補齊所有缺少的 Schema Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 16:28:35 +00:00
Chris	da6efce98d	docs: 移除 OpenClaw 文檔，重建為 Paperclip 正式方案 - 刪除所有 OpenClaw 時期的 spec/、guides/、migration 文檔 - 新增 company.md：公司定義、16 個 agent、4 個 team、skills、package 結構 - 新增 pipelines.md：量化 pipeline 流程、排程定義、審批機制、GPT+Claude 雙模型分級 - 新增 schemas.md：所有 agent 輸出的 JSON schema 定義 - 更新 INDEX.md：乾淨的文件索引與進度追蹤 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 15:42:26 +00:00
Chris	253f38a75e	docs: 移除 v4 版號命名，新增 Paperclip 遷移規劃 - spec 檔案重新命名去除 v4 前綴 - 更新所有內部交叉引用 - 新增 migration_to_paperclip.md：概念對照、目標結構、Agent 定義、排程轉換 - INDEX.md 標記 OpenClaw 時期文檔為遷移參考用 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 15:32:07 +00:00
Chris	e44b959c85	docs: v4.1 協作協定重構、新增工具配置指南 - 新增 spec_v4_collaboration_protocol.md：Message Envelope、Intent 類型、 Pipeline 改由策略師主導、Lobster DSL 取代 Standing Orders、輸出 Schema 定義 - 新增 guide_tools_skills.md：每個角色的 MCP Tools + Skills 配置對照表 - 改寫 guide_sessions_tools.md：修正 maxSpawnDepth 行為，sessions_send 不授權給子 agent - 更新 agent_roster.md：新增 MCP Tools / Skills 欄位 - 更新排程記憶文件：移除舊協作章節，指向新協作協定 - 更新 INDEX.md：v4.1 索引與變更紀錄 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>	2026-04-10 02:30:39 +08:00
Chris	513875c623	docs: 更新 pipeline 流程與 Discord 頻道分工 - agent_roster.md: 重寫 pipeline 流程圖（策略師主導，執行長只啟動+收尾） - 更新 Discord 頻道對照表（9 頻道，各 agent 自己發布） - 更新通訊方式說明（sessions_send vs spawn vs message） Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-04-09 15:48:59 +00:00
Chris	865261acf2	docs: 新增花名冊、更新進度與設定參考 - 新增 agent_roster.md：全體 Agent 花名冊（職稱、代號、模型、指揮鏈、資訊流） - INDEX.md：Phase 1/2 標為完成，加入花名冊連結 - guide_openclaw_config.md：更新 Channel ID、版本、Agent 總數 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>	2026-04-09 14:47:36 +00:00
Chris	edc1036435	docs: 重整文件結構，移除 v2/v3 舊文檔，新增實作指南 - 刪除 v2/v3 所有舊規格文件 - 將 v4 規格文件移至 spec/ 目錄 - 新增 guides/ 目錄，包含： - guide_openclaw_config.md：openclaw.json 設定、Discord 接入、Gateway 管理 - guide_workspace_files.md：8 個 Workspace 設定檔正確用途 - guide_sessions_tools.md：sessions_spawn/send 參數與 Agents vs Sub-agent run 說明 - 更新 spec_v4_rollout_and_risks.md：加入 Phase 0/1 實際進度 - 新增 INDEX.md 文件索引 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>	2026-04-09 07:23:17 +00:00