Labs-FinTecAI-Gov
Curvature Labs FinTec AI Ecosystem 的战略、产品、治理与协同知识仓库。
团队门户：https://fin-tec-ai.up.railway.app/
第一次进入？
按你的任务选一个入口，不要一次读完整个仓库。
| 你想做什么 | 先读 |
|---|---|
| 第一次理解仓库和生态 | 本文 → baseline/03-current-baseline.md → registry/project-registry.md |
| 接入某个产品 / 系统 | 下方 生态对象 表中的项目入口 |
| 了解变更规则和协作方式 | ACCESS_GUIDE.md |
| 按任务挑最小上下文 | CONTEXT-MAP.md |
| 查某份文档的状态和角色 | INDEX.md |
| 恢复 Controller 会话 | controllers/README.md → controllers/registry.md → 对应 state.md |
Agent 接入：先读
llms.txt和docs-manifest.json，再按任务路由读最少量.md。
事实源规则
仓库内 .md 文件是事实源。门户、Pagefind、llms.txt、docs-manifest.json 只是呈现和路由——不产生新事实。controllers/ 和 packets/ 是恢复状态和协同记录，稳定结论必须回写到正式文档。
生态对象
FinTec AI Ecosystem 采用 3 + 2 结构——三个前台独立系统 / 产品，加两个基础设施 / 能力底座：
| 对象 | 一句话定位 | 项目入口 |
|---|---|---|
| Data Horizon / 数据视界 | 金融信息感知系统：感知、采集、组织上游金融信息 | projects/data-horizon/ |
| FinClaw | 金融认知与研究分析中枢：把信息转化为可复查的结构化认知 | projects/finclaw/ |
| AI Trading Matrix | 受治理的交易执行支持：回测、策略赛马、客观交易和执行治理 | projects/trading-matrix/ |
| Reinforcement Learning Engine | 反馈与学习层：沉淀可学习资产和反馈闭环 (readiness-gated) | projects/reinforcement-learning-engine/ |
| Financial Expert Foundation Model | 金融领域模型能力底座 (readiness-gated) | projects/financial-expert-foundation-model/ |
第一阶段优先让正在推进的产品 / 系统形成各自独立闭环，再逐步建立生态级接口和反馈闭环。
关键边界
- 认知 vs 执行：认知环节可输出策略解释、评级、决策支持；真实交易执行必须经过授权与执行治理链路。
- 独立闭环优先：每个前台对象第一阶段先证明自身最小闭环，不硬依赖其他对象。
- 底座按需启动：RLE 和 FEFM 由 Readiness Signal 触发，不提前空转。
详细的边界定义、领域语言和协同规则见 baseline/03-current-baseline.md 和 contexts/ecosystem/CONTEXT.md。
仓库结构
| 目录 | 内容 |
|---|---|
| baseline/ | 生态战略白皮书、恢复锚点、当前有效基线 |
| registry/ | 生态对象注册表 |
| contexts/ | 生态级领域语言 |
| projects/ | 各产品 / 系统的产品定义、设计、状态 |
| governance/ | 治理规则、接入协议、变更范围、更新闭环 |
| controllers/ | Controller 会话恢复状态（非产品事实源） |
| packets/ | 跨项目同步、升级和协同记录（非产品事实源） |
| evaluation/ | 评测用例、运行记录和报告 |
| references/ | 外部参考、竞品和复核材料 |
| source/ | 内部来源和预对齐材料 |
详细的文档状态索引见 INDEX.md；变更规则和协作方式见 ACCESS_GUIDE.md。