跳到主要内容

Data Horizon / 数据视界 继承上下文

状态：基线收束草案 最后更新：2026-05-07 项目：Data Horizon / 数据视界 来源：FinTec AI Ecosystem 生态级基线、项目注册表与项目锚点

1. 本文档定位​

本文档用于把生态层当前有效的基线、边界、接口和治理口径继承到 Data Horizon / 数据视界 项目中。

它服务于项目负责人、参与人及其个人域 Agent，使后续产品定义、MVP 定义、PRD、issue、context 和实现讨论默认站在同一组上游输入之上。

本文档不是：

  • 项目完整方案；
  • 实现计划；
  • alpha 现状报告；
  • 技术架构设计；
  • 最终工程化对接设计。

项目现状、已有 alpha、缺口、风险和下一步应记录在 current-state.md。

2. 继承来源与优先级​

Data Horizon / 数据视界 当前应优先继承以下文档：

  1. ../../baseline/03-current-baseline.md 当前可被项目级文档继承的生态级判断集合。

  2. ../../registry/project-registry.md 当前生态对象注册表，登记各对象角色、边界、接口和项目入口。

  3. project-anchor.md Data Horizon / 数据视界 当前项目入口锚点。

  4. ../../governance/material-intake-policy.md 材料接入和事实源治理规则。

  5. ../../governance/project-context-template.md 项目级文档包的最低协作协议。

若本文档与 baseline/03-current-baseline.md 冲突，以生态级当前有效基线为准。若项目实践证明当前基线不够用，应通过 sync / escalation 回到生态层修订。

准备期 decision log 和 change index 已完成有效内容抽取并移出正式仓库，不作为当前权威入口逐条继承。

3. 继承的生态定义​

Data Horizon / 数据视界 所属的 FinTec AI Ecosystem 当前定义为：

围绕金融信息感知、金融认知、交易执行、反馈学习、金融领域模型能力持续增强而组织起来的 AI Native 金融智能生态。

因此，Data Horizon / 数据视界 不应被理解为孤立的数据工具，也不应被压缩为某个下游系统的内部模块。

它继承的生态根问题是：

在金融信息形态快速扩张、超额收益来源持续迁移的背景下，市场参与者难以将海量异构信息稳定转化为可验证金融认知、可治理交易执行支持和可复利的领域能力，导致潜在收益与组织能力在感知、认知、执行和反馈环节持续损耗。

Data Horizon / 数据视界 只承担其中的感知环节，不单独解决完整根问题。

4. 继承的生态结构​

当前生态采用 3 + 2 结构。

三个前台独立系统 / 产品：

  1. Data Horizon / 数据视界
  2. FinClaw
  3. AI Trading Matrix

两个基础设施 / 能力底座：

  1. Reinforcement Learning Engine
  2. Financial Expert Foundation Model

Data Horizon / 数据视界 属于三个前台独立系统 / 产品之一，当前生态角色是金融信息感知系统。

它位于能力链路的第一环：

金融信息感知
  -> 金融认知与研究分析
  -> 交易执行
  -> 结果反馈与学习沉淀
  -> 金融领域模型能力增强

该链路用于解释生态协同关系，不用于要求第一阶段强行集成全部对象。

5. 继承的一句话定义​

Data Horizon / 数据视界 是 FinTec AI Ecosystem 中的独立金融信息感知系统。

它负责对外部金融世界中的非结构化信息和结构化信息进行感知、采集、组织、标准化和上游输出，使这些信息能够被人类用户、FinClaw、AI Trading Matrix 或外部客户消费。

6. 继承的当前拥有职责​

Data Horizon / 数据视界 当前拥有：

  • 非结构化金融信息感知；
  • 结构化金融数据感知；
  • 多源信息采集、清洗、组织和输出；
  • 来源、时间、质量、可信度和缺失信息的显式标记；
  • 可被人或系统消费的上游金融信息产品 / 服务；
  • 在合法、授权和可治理边界内处理公开或非公开信息来源。

这些职责说明它的价值不只是“拿到数据”，而是把外部金融世界转化为更可查、可用、可追踪、可消费的上游信息对象。

7. 继承的当前不拥有职责​

Data Horizon / 数据视界 当前不拥有：

  • 主要金融认知中枢职责；
  • 最终研究结论职责；
  • 策略解释、投资判断或决策支持职责；
  • 交易执行、交易辅助、账户操作或真实交易执行职责；
  • Reinforcement Learning Engine 的反馈学习职责；
  • Financial Expert Foundation Model 的长期领域模型能力建设职责；
  • 因接近上游信息而吸收下游认知和执行职责；
  • 在缺少授权、合规或治理边界时接入和处理非公开信息。

这意味着 Data Horizon / 数据视界 可以输出信息、事件、数据异常、来源包和质量标记，但不应把这些对象包装成确定性金融结论或交易指令。

8. 继承的第一阶段判断​

第一阶段重点不是一次性打通完整生态主链路。

Data Horizon / 数据视界 第一阶段应证明：

它能作为独立金融信息感知系统形成最小闭环，并且不依赖下游认知或执行系统时仍具备最小产品价值。

第一阶段最低标准至少应回答：

  • 目标用户或消费对象是谁；
  • 核心输入是什么；
  • 核心处理链路是什么；
  • 可交付输出是什么；
  • 价值如何验证；
  • 非目标和风险边界是什么；
  • 不依赖 FinClaw 或 AI Trading Matrix 时，最小价值如何成立；
  • 与相邻对象协同时，哪些接口不会破坏自身独立闭环。

9. 继承的金融风险边界​

所有项目输出都必须默认定位为：

  • 信息；
  • 认知的上游输入；
  • 研究辅助的输入材料；
  • 决策支持的输入材料；
  • 受约束交易执行支持的上游材料。

Data Horizon / 数据视界 尤其需要继承以下边界：

  • 不得把感知到的信息包装成确定性金融结论；
  • 不得让用户误以为系统在保证收益、替代专业判断或直接承担投资责任；
  • 不得绕过风险提示或诱导高风险执行；
  • 不得在缺少授权、审计、风控和执行治理时触发交易执行；
  • 非公开信息只能在合法、授权和可治理边界内处理。

10. 继承的关键接口​

10.1 Data Horizon / 数据视界 -> FinClaw​

这是当前最高优先级接口之一。

当前继承问题：

  • 上游感知输出是什么对象；
  • 在认知开始前，信息已经被结构化到什么程度；
  • 来源、时间、质量和缺失信息如何传递；
  • 哪些内容仍只是感知对象，不能被当成金融认知结论；
  • FinClaw 如何消费感知输出并形成结构化认知。

第一阶段约束：

  • Data Horizon / 数据视界 不以 FinClaw 完整实现为硬依赖；
  • FinClaw 也不以 Data Horizon / 数据视界 完整输入为硬依赖；
  • 双方接口应在各自独立闭环可描述后再正式定义。

10.2 Data Horizon / 数据视界 -> AI Trading Matrix​

Data Horizon / 数据视界 可以向 AI Trading Matrix 提供结构化信息、事件或信号，但这些输出本身不构成交易指令。

当前继承问题：

  • 哪些输出只是信息或信号；
  • 哪些输出可能进入执行支持链路；
  • 何时需要引入授权、风控、审计和执行治理；
  • 哪些执行结果、失败案例或延迟案例可回流改善感知质量。

第一阶段约束：

  • 不直接生成真实交易执行；
  • 不触及账户、订单、资金、合约、私钥或自动执行；
  • 不以执行系统需求反向吞并感知系统边界。

10.3 Data Horizon / 数据视界 -> Reinforcement Learning Engine​

当真实使用数据、反馈数据和下游消费结果出现后，Data Horizon / 数据视界 可向 Reinforcement Learning Engine 提供：

  • 信息质量反馈；
  • 来源可靠性反馈；
  • 下游消费效果反馈；
  • 失败案例、误报、漏报和延迟案例。

第一阶段不应因未来学习闭环而提前建设复杂反馈基础设施。

10.4 Financial Expert Foundation Model -> Data Horizon / 数据视界​

Financial Expert Foundation Model 未来可以反哺 Data Horizon / 数据视界 的信息理解、分类、抽取、结构化和质量判断能力。

第一阶段不应以模型愿景替代感知产品闭环，也不应用模型权威感掩盖来源不明、时效不足或质量不确定的信息。

11. 对后续项目文档的约束​

后续 Data Horizon / 数据视界 项目文档应遵守：

  • project-anchor.md 固定项目定义、生态角色、职责边界和第一阶段目标；
  • inherited-context.md 只承接上游基线，不记录可变 alpha 现状；
  • current-state.md 记录当前事实、缺口、风险、开放问题和下一步；
  • 成熟度足够时补齐 CONTEXT.md，承载项目级领域语言和产品 / 系统级 context；
  • 产品定义和 MVP 定义不得把感知输出写成确定性金融结论或交易指令；
  • issue、PRD 和实现任务应显式标注其处于感知、认知、执行支持、反馈或模型能力中的哪一层。

12. 当前仍需项目级回答的问题​

以下问题不在本文档中直接决策，应进入 current-state.md、后续 CONTEXT.md、产品定义或 MVP 定义：

  1. 第一阶段优先感知哪些市场、资产、主题、数据类型或信息源？
  2. 目标用户或消费对象是内部团队、人类金融用户、系统消费方还是外部客户？
  3. 最小输出对象采用 Financial Information Feed、Perception Record、Event / Signal Digest、Source / Evidence Package 中的哪几类？
  4. 输出应达到什么结构化程度，才能交给 FinClaw 消费？
  5. 哪些质量、来源、时效和缺失标记必须作为第一阶段底线？
  6. 哪些 alpha 实践已经反证或补充了当前生态基线？
  7. 哪些商业化路径可以在不吸收认知或执行职责的前提下独立成立？

13. 回流条件​

以下情况应向生态层触发 sync / escalation：

  • 当前感知与认知边界定义不成立；
  • Data Horizon / 数据视界 开始承担金融认知、策略判断、决策支持或执行职责；
  • 输出契约冲击 FinClaw、AI Trading Matrix 或生态风险边界；
  • 现有 alpha 实践反证顶层基线不完整；
  • 非公开信息、数据授权、合规或用户误导风险超出当前治理口径；
  • 某些本地实现或数据对象应上升为共享生态定义。

14. 相关文档​