FinBayes 产品定义
0. 文档角色
本文回答一个问题：FinBayes 面向用户时应该是什么样的产品。
它把 FinBayes 战略白皮书 中的战略定位转成产品行为契约，供工程实现、评审和后续迭代使用。本文不要求读者先理解历史版本、归档材料或旧工程文档；读完本文，应能判断一个 FinBayes 功能是否符合当前产品定义。
文档分工：
- 为什么要做 FinBayes：由战略白皮书回答
- 代码如何拆层：由 FinBayes 工程架构 回答
- 第三方参考项目如何处理：由 FinBayes 第三方参考资料 回答（v1 时期的工程仓基线评估已归档至
_archive/projects/finbayes/2026-05-27-engineering-supplements-archive/baseline-evaluation.md，仅作历史参考） - 每一阶段怎么交付和验收：由 FinBayes Harness Workflow 与 Goal 执行规范 回答
如果本文和战略白皮书在战略定位、产品边界或生态关系上出现冲突，以战略白皮书为准；如果冲突发生在工程细节或实现顺序上，以本目录下的工程化文档为准。架构文档（architecture.md）中关于状态对象生命周期、降级链、子系统职责、ADR 等工程细节是本文档的延伸定义，本文档不重复定义。
战略白皮书第四节「金融认知体系」的第一版正式构成由 ADR-007 supplement · 金融认知体系第一版正式构成 锁定为由 5 个互锁部分组成（8 机制 + 市场结构分轴 + S1 跨机制子流程 + 评测体系 + 迭代治理；旧称「五件套」已按 ADR-022 弃用——构成动态演进、不写死数字）。该 supplement 状态为「accepted（经过研究产出但仍在持续构建）」，下游 L2 引用按整体调用，状态标签必须保留。
1. 产品一句话
FinBayes 是一个围绕用户金融判断持续运行的金融认知 agent——有感知→规划→行动→观察的循环、有工具、有状态资产、有主动触发。 它帮助个人投资者围绕 Crypto 与 US Stocks 把金融问题问清楚、信息看全面、判断条件说清楚，并把历史判断沉淀成可在未来对账复盘的认知资产。自然语言问答是它最常用的入口，不是它的全部：单次问答只是 agent 的一个回合，跨回合的自主循环——持续监控用户判断的成立 / 失效条件、在市场变化时主动发起复盘——才是 FinBayes 区别于通用 AI 问答的产品本体。
FinBayes 的核心价值是把用户面对金融市场时的困惑、判断、反方证据、成立条件、失效条件和复盘过程组织起来，并让这套认知资产在一个会循环、会接地、会主动唤醒的 agent 身体里持续演进。行情、资讯、社区观点、通用 AI 和下游执行系统都可以成为协同对象，但 FinBayes 自身的产品中心是金融认知 agent。
产品本体（frame · 第一性定义）：FinBayes 不是一个「输入问题、输出一次回答」的问答函数，而是一个带循环 + 工具 + 状态 + 主动性的金融认知 agent。本文后续章节（§4 问题族 / 任务类型、§5 三层价值、§7 输出形态）描述的是 agent 在单个回合内如何组织一次认知——它们是 agent 的入口与单轮行为，不是 agent 的全部。跨回合的自主循环（§8 持续认知循环 + 主动信号）与状态资产（§3）与单轮认知同等是产品第一性骨架，实施时不得只建单轮、不建循环。把 FinBayes 误当成单次问答函数来交付，是本产品定义明确禁止的框架偏移。
定位要点 · 认知数据独立性（战略不变量 I-14'）：FinBayes 的高质量分析/推理/认知输出不强依赖任何外部金融数据/信息——无论用户本地上传，还是第三方 API/搜索/生态内 Data Horizon，对 FinBayes 都是外部。在仅有通用 LLM、零外部数据接入时仍正常工作并保持高质量；外部数据是辅助证据（完善/矫正/佐证），不是认知前提。由此带来一个机构/内网差异点：离线 + 多模态 + 吃用户自带证据（如上传 K 线图、内部研报）也能产出高质量认知，而数据终端型产品在断网环境基本失效。
工程实现按 6 子系统（Input/Output Pipeline、Task Orchestration、Evidence + Synthesis、State Management、Capability Registry、Provider Adapter Pool）组织，详见架构文档 §9。
7 类任务 vs 6 子系统的关系：7 类任务（解释/分析/比较/复盘/风险识别/交易准备/交易决策辅助）是用户视角的输出语义，6 子系统是 Core Runtime 工程视角的模块结构，两者正交。Task Orchestration 子系统识别任务类型并组织执行链路；事后任务类型标签写入审计 trail（详见架构 §9 + §18）。
2. 第一阶段范围
2.1 市场范围
第一阶段做深两个市场：
- Crypto：价格波动、链上活动、协议生态、代币经济、资金流、监管事件、市场叙事
- US Stocks：财报、估值、行业周期、ETF 资金、宏观政策、利率预期、风险偏好
ETF 与宏观变量是支撑层。利率、通胀、美元流动性、风险偏好、资金流等变量用于解释 Crypto 与 US Stocks 的联动，不作为独立市场入口展开。
第一阶段把工程深度集中在 Crypto、US Stocks 以及两者共享的 ETF / 宏观变量上。A 股、商品、外汇、债券和更广泛链上行为分析作为后续市场扩展候选；账户层和执行层由生态内下游执行系统承接。
2.2 核心用户
第一阶段服务已经开始持续关注金融市场、需要组织判断和复盘的人。中心人群是主动型个人投资者。
| 用户层级 | 第一阶段角色 |
|---|---|
| L0 金融新手 | 可以友好承接，但不把付费和长期留存建立在这一层 |
| L1 入门投资者 | 核心用户，验证从理解问题到形成判断的成长路径 |
| L2 主动型个人投资者 | 最优先验证的人群，有持续关注对象、会主动比较和复盘 |
| L3 高阶个人投资者 | 核心用户，用于压力测试数据深度、判断密度和复盘能力 |
| L4 职业投资者 | 第一阶段不以职业工作流为中心，未来可作为 Pro / B2B 方向评估 |
2.3 第一阶段交付重心
第一阶段用清晰的交付重心保证工程落地不会被市场扩展、执行系统或商业包装分散：
| 方向 | 第一阶段口径 |
|---|---|
| 用户判断 | 帮用户形成条件化判断材料，保留用户决策权 |
| 交易前检查 | 提供交易前检查、风险、反方和失效条件，执行动作由用户或下游执行系统承接 |
| 凭证处理 | 金融执行凭证一律停留在安全回应链；模型 / 数据 Provider secret 只作为本机运行配置 |
| 事实空间 | 按证据组织事实、反方和信息缺口，个性化只调整表达和关注节奏 |
| Web UI | Web UI 并行迭代，runtime 先提供任务接口、事件流、projection schema 和状态候选契约 |
| 职业工作流 | 第一阶段服务 L1-L3 个人投资者，职业投资者工作流作为后续 Pro / B2B 候选 |
| 商业指标 | 先验证持续认知价值，再定义商业定量阈值 |
3. 核心对象
FinBayes 围绕五类对象组织产品行为。工程实现中的 schema 由工程架构文档定义；本文只定义产品含义。
状态资产的定位（frame）：下面五类对象不是「用户的历史记录」这种被动留存，而是 agent 的工作记忆 + 自主触发条件源。Watchlist 决定 agent 主动盯什么、Judgment Record 的成立 / 失效条件是 agent 自主复盘循环的触发器、Dynamic Profile 是 agent 跨回合理解用户的记忆层。它们首先为 agent 的跨回合自主循环（§8）服务，其次才为用户翻查历史服务——这是 FinBayes 状态层区别于通用问答产品「会话历史」的根本。删除 / 导出 / 修改这些资产的用户主权（§10）不变，但其产品定位是 agent 的承重记忆，不是可有可无的日志。
3.1 Fin Object
Fin Object 是用户关注的金融对象。它可以是：
- 标的：BTC、ETH、SOL、NVDA、AAPL、SPY 等
- 板块：半导体、Layer1、AI 概念股等
- 主题：降息、AI 浪潮、稳定币监管等
- 组合：BTC vs ETH、NVDA vs AMD 等用户自定义对比或配置组合
- 事件：财报、FOMC、链上攻击、协议升级等
- 政策或宏观变量：利率、通胀、监管动向等
- Actor：影响市场叙事的具名主体，如机构、央行、重要意见领袖
- 市场叙事：AI、降息、ETF、监管、链上周期等正在影响判断的故事线
Fin Object 是关注、判断、反方证据、成立条件、失效条件和复盘记录的承载体。
3.2 Watchlist
Watchlist 是组织 Fin Object 的机制。
用户把 Fin Object 加入 Watchlist，表示该对象值得持续关注。FinBayes 根据 Watchlist 组织主动信号和复盘提醒，而不是只按价格波动或新闻热度提醒用户。
Watchlist 的行为要求：
- 支持加入不同类型的 Fin Object
- 支持分组、排序、关注密度和复盘节奏
- 与历史判断和复盘记录联动
- 当市场变化触及用户已有判断的成立条件或失效条件时，触发复查信号
3.3 Session
Session 是一次对话或任务上下文。
用户可以在同一 Session 内围绕同一组 Fin Object 持续追问、复盘、刷新。Session 之间的持续状态由 Watchlist、Judgment Record 和用户画像承接。Session 本身不是核心产品资产，而是承载交互的容器。
第一阶段支持一个默认 Session 降低首次使用门槛，同时允许用户创建多个 Session 来组织不同金融意图、不同场景或不同关注对象集合。长期价值沉淀到 Watchlist、Judgment Record 和 Dynamic Profile，Session 承载交互和上下文。
多 Session 的产品含义是“金融认知工作区”，不是团队协作空间。用户可以用它把持续问题分开，例如：
- “BTC 宏观与链上跟踪”
- “NVDA 财报后复盘”
- “稳定币监管事件”
- “我的 Crypto 与 US Stocks 组合风险”
- “下周交易准备”
Session 的行为要求：
- 支持创建、命名、切换、归档、删除和置顶。
- 支持一个当前专注对象或一组当前专注对象。
- 支持从某个 Fin Object、Judgment Record 或历史输出继续追问。
- 支持在长会话中生成摘要和压缩上下文，并保留成立条件、失效条件、反方证据和历史判断链。
- 支持把可复用判断沉淀到 Judgment Record，让用户从结构化判断资产继续追问和复盘。
因此，Session 是交互容器；Watchlist、Fin Object、Judgment Record 和 Dynamic Profile 是长期认知资产。删除或归档 Session 时，已确认长期认知资产默认保留（不级联删除）；用户若需同步删除必须二次确认并按资产逐项列出影响范围（工程承接详见架构文档 §11 Session 生命周期）。
3.4 Judgment Record
Judgment Record 是用户在某个时间点围绕某个 Fin Object 形成的金融判断记录。Judgment Record 的写入遵循候选 → 用户确认两步契约，工程承接详见架构文档 §11。
它至少包含：
- 时间戳与 Session 链接
- 涉及的 Fin Object
- 用户表达的判断方向或倾向
- 支持理由
- 反方证据
- 成立条件
- 失效条件
- 不确定性和信息缺口
- 后续复盘和判断更新
FinBayes 不把判断当成一次性回答，而是把它沉淀成可复盘资产。市场变化触及成立条件或失效条件时，FinBayes 应能呼起对应 Judgment Record，提醒用户复查原判断是否仍成立。
3.5 动态用户画像
动态用户画像是 FinBayes 在持续交互中形成的用户理解，包括认知偏好、风险偏好、表达偏好和关注密度。
画像只用于提高沟通效率和判断支持质量，不用于裁剪事实空间。画像由系统持续观察静默构建（不弹候选、不打断用户）；用户始终可以查看、修改、清空画像，用户主动修改的画像优先级高于系统观察，仅当系统新观察要覆盖用户亲设偏好时才提示确认。动态画像的字段集合与"画像不裁剪事实空间"的工程承接详见架构文档 §11、§13、§17；画像静默写入模型（区别于 Judgment / Watchlist 的候选→已确认两步）与推迟 M2 见 ADR-007 §6 修订。
工程层会派生 Task / StructuredCognitionResult / StateCandidate / TaskGroup / AuditEvent / ProviderReadiness 等工程对象，承担状态机 / 候选两步写入 / 任务编排 / 审计 / 降级触发 等职责。详见架构文档 §4 跨层对象映射表 + §11 状态对象生命周期。本节定义的 5 类业务对象（Fin Object / Watchlist / Session / Judgment Record / Dynamic Profile）是用户感知的核心；工程对象不进入用户可见层。
StructuredCognitionResult 的字段范围：现行 10 认知要素（详见 §7）由 战略层与架构层关于结构化认知输出的对齐 ADR-008 锁定；ADR-007 supplement 五件套额外引入 6 顶层字段 + 1 元数据（机制层结构化字段，6 顶层字段：
phase_evidence/causal_graph/regulation_status/applicability_flags/posterior/s1；1 元数据：Task 上的mca_bucket），承接路径见 ADR-008 supplement · 机制层输出契约扩展。本文 §7.3 给出产品层的承接说明。
4. 用户问题族与认知任务体系
FinBayes 的入口是用户真实金融问题，而不是标准化表单。工程实现必须先理解用户问题族，再把问题族映射为一个或多个金融认知任务。
范围护栏（frame）：本章的问题族表与任务类型表定义的是 agent 的「入口意图识别 + 单轮任务组织」——即 agent 在一个回合内如何理解用户意图、组织一次认知输出。它不是 FinBayes 的产品边界。跨回合的状态循环与主动信号（§8）与本章同等重要：实施时不得「只建任务表、不建循环」。一个能完美识别 10 个问题族、却不会主动盯盘、不会在失效条件触发时回来找用户的系统，仍然只是问答函数，不是 FinBayes。
4.1 用户问题族契约
战略白皮书 §2 用户是谁、来 FinBayes 解决什么所描述的用户问题，在产品层落为以下问题族。问题族不是硬编码问题字符串，而是识别用户真实意图、任务组合、证据要求和第一屏结构的产品契约。
| 用户问题族 | 典型表达 | 用户真实意图 | 默认任务组合 | 必需回答结构 |
|---|---|---|---|---|
| 概念理解 | “ETF 折溢价是什么意思？”“链上 TVL 怎么看？” | 搞懂概念、机制或指标含义 | 解释类 | 概念解释、机制、适用场景、常见误解、可继续追问项 |
| 行情解释 | “BTC 最近怎么了？”“NVDA 财报后为什么波动这么大？” | 理解发生了什么和可能原因 | 分析类 + 风险识别类 | 发生了什么、关键证据、主要解释、反方解释、后续观察点 |
| 追高 / 减仓困惑 | “BTC 现在还能追吗？”“涨这么多要不要减？” | 在接近交易动作前检查判断条件 | 交易准备类 + 风险识别类 | 题眼回应、成立条件、失效条件、反方证据、交易前检查点 |
| 具体价位决策 | “BTC 跌到 50000 我要不要补？” | 围绕具体条件做判断检验 | 交易决策辅助 + 风险识别类 | 条件化判断、关键变量、仓位/时间窗口提示、执行权说明 |
| 资产比较 | “BTC vs ETH 这轮该怎么配？”“NVDA 和 AMD 谁更值得看？” | 在多个对象之间比较判断维度 | 比较类 + 分析类 | 对比维度、各对象优势/弱点、适用条件、反方证据 |
| 历史复盘 | “我之前看多 ETH 的理由还成立吗？” | 检查过去判断是否需要更新 | 复盘类 + 分析类 | 原判断、原成立条件、当前变化、是否仍成立、更新建议 |
| 风险扫描 | “现在最大的下行风险是什么？” | 找到自己可能忽视的风险 | 风险识别类 | 风险来源、触发条件、影响路径、监测指标、失效边界 |
| 事件冲击 | “美联储这次讲话怎么看？”“监管新闻对稳定币有什么影响？” | 理解事件对关注对象的影响 | 分析类 + 风险识别类 | 事件摘要、影响链、受影响对象、反方、观察窗口 |
| 组合视角 | “我的 Crypto 和 US Stocks 组合风险集中在哪？” | 从多个对象看联动和暴露 | 比较类 + 风险识别类 + 交易准备类 | 暴露维度、相关性、集中风险、再检查问题、交易前检查点 |
| 持续跟踪 | “继续跟一下这个主题”“这个判断之后怎么观察？” | 建立后续关注和复盘路径 | 分析类 + Watchlist / Judgment Record 动作 | 当前状态、触发条件、后续观察点、可加入关注或复盘 |
问题族的产品验收信号：
- 同一问题族的不同说法能稳定映射到相同主任务和相近辅助任务。
- 同一句话命中多个问题族时，FinBayes 能识别主问题族，并把辅助问题族放入 TaskGroup。
- 第一屏先回答用户真实题眼，再展开证据、反方和条件。
- 证据不足时输出信息缺口和下一步观察点，而不是输出空泛结论。
4.2 用户认知任务类型
FinBayes 不把所有问题压成同一种回答格式。用户的自然语言表达会被识别为不同认知任务，不同任务使用不同输出结构。
| 任务类型 | 典型表达 | 产品定义 |
|---|---|---|
| 解释类 | “什么是 ETF 折溢价？” | 解释金融概念、机制或现象 |
| 分析类 | “美联储这次讲话怎么看？” | 围绕事件、数据或市场变化组织判断材料 |
| 比较类 | “BTC vs ETH 这轮该怎么配？” | 围绕多个 Fin Object 做多维对比 |
| 复盘类 | “我之前看多 ETH 的理由还成立吗？” | 调出历史判断，检查成立条件和失效条件 |
| 风险识别类 | “BTC 现在最大下行风险是什么？” | 主动识别影响用户关注对象的风险来源 |
| 交易准备类 | “下周财报前 NVDA 怎么处理？” | 帮用户看清条件、反方、风险和失效边界 |
| 交易决策辅助 | “BTC 跌到 50000 我要不要补？” | 聚焦具体决策点，给条件化判断材料而非执行指令 |
4.3 自然语言到任务类型
用户通常会用自然语言表达问题，而不是明确说“我要做分析”或“我要复盘”。FinBayes 从自然表达中识别真实任务：
- “BTC 最近怎么样”默认按分析类处理，同时提示可以继续转向复盘、交易准备或风险识别
- “我之前看多 ETH 的理由还成立吗”识别为复盘类，并尝试呼起对应 Judgment Record
- “BTC 还能追吗”识别为交易准备类，输出条件化判断、反方证据、失效边界和不确定性
- 用户表达不足以判断任务类型时，只追问关键澄清问题，不让用户填写长表单
自然语言到任务的识别策略（规则路径 / LLM Function Calling / 混合）由工程层 ADR-004 决议。当前倾向：LLM Function Calling 主导识别，clarify 工具作为澄清路径；工程承接详见架构文档 §9 Task Orchestration / Capability Registry 子系统。
clarify 是任务编排工具，不是第 8 类用户认知任务。clarify 在工程层是 Capability Registry 中的一类工具（category=clarify），由 Task Orchestration 在意图不明时主动调用，澄清后回到 7 类任务的主流程。它不出现在用户视角的任务类型清单中。M0 阶段 clarify 工具 skip（M2 上线）。
一个用户问题可以同时命中多个金融认知任务。例如“NVDA 财报后还能追吗，顺便和 AMD 比一下”可能同时包含分析、比较、交易准备和风险识别。FinBayes 应通过 TaskGroup 组织主任务、辅助任务、并发执行和最终归并，让用户看到统一回答和有价值的阶段性结果。
多任务场景的产品要求：
- 能识别主任务和辅助任务。
- 可并行处理互不依赖的任务。
- 哪个任务先形成有价值的用户可读结果，就可以先输出。
- 任务失败、数据不足或模型不可用时，呈现清楚的降级说明、信息缺口或下一步观察点。
- 最终输出保持一个统一回答，多 Agent 或多任务过程进入 audit 层。
4.4 交易相关问题的回答契约
交易准备类和交易决策辅助类问题可以回答，但必须遵守三条规则：
- 给条件化判断、关键变量和可复查前提
- 同时呈现支持理由、反方证据、成立条件、失效条件和信息缺口
- 标注这是判断检验材料，执行权在用户
5. 三层价值交付契约
战略白皮书 §1 愿景的“把问题想清楚 / 把信息看全面 / 把本质看透”不是宣传语，而是每次高价值回答都要尽量达成的产品验收结构。不同任务类型权重不同，但三层价值必须被工程 contract 明确承接。
5.1 三层价值的工程承接
| 价值层 | 产品含义 | 用户可见表现 | 工程承接 |
|---|---|---|---|
| 想清楚 | 把自然语言里的真实问题、隐含条件和决策场景拆清楚 | 第一屏命中题眼；说明问题类型、时间窗口、对象和关键前提 | QuestionFamily、Task Router、TaskGroup、clarification policy |
| 看全面 | 把相关事实、观点、反方和信息缺口组织成可理解事实空间 | 同时呈现支持证据、反方证据、缺失信息、来源和 freshness | Market Pack、EvidencePlan、Data Source Registry、EvidencePacket |
| 看本质 | 把判断推进到关键变量、因果链、成立条件、失效条件和复盘链 | 用户知道“为什么这样判断、哪些条件变了要重看” | Synthesis Layer、StructuredCognitionResult、Judgment Record、Review Gate |
5.2 三层价值的验收标准
三层价值的最低验收标准：
- 解释类可以降低“看本质”的深度，但仍要指出常见误解和适用边界。
- 分析、比较、风险识别、交易准备和交易决策辅助必须覆盖三层价值。
- 复盘类必须把“看本质”落到原判断条件是否仍成立。
- Channel 等短输出可以压缩表达，但其来源结果必须已经包含三层价值结构。
5.3 战略白皮书三层价值到输出形态映射
| 战略价值层 | 主要覆盖的问题族 | 必须出现在输出中的认知要素 |
|---|---|---|
| 想清楚 | 概念理解、行情解释、追高 / 减仓困惑、具体价位决策 | 题眼回应、问题类型、对象、时间窗口、关键前提、可继续追问项 |
| 看全面 | 行情解释、资产比较、风险扫描、事件冲击、组合视角 | 依据、多视角、反方证据、来源与时间戳、信息缺口、freshness |
| 看本质 | 历史复盘、交易准备、交易决策辅助、组合视角、持续跟踪 | 成立条件、失效条件、关键变量、因果链、历史判断链接、交易前检查点 |
任何任务可以压缩表达密度，但不能跳过对应价值层的必需认知要素。短输出、Channel 输出或 widget 输出如果只展示摘要，其来源结果仍必须保留完整三层价值结构。
6. 懂金融 / 懂用户 / 懂判断能力契约
战略白皮书 §4 核心优势的“懂金融、懂用户、懂判断”在产品层落为三组能力契约。它们不是文案风格，而是 FinBayes 与通用 AI、行情软件、财经媒体、投资社区和交易平台的核心差异。
| 能力 | 产品定义 | 必须体现在哪些对象中 | 验收信号 |
|---|---|---|---|
| 懂金融 | 理解市场是多变量动态系统，能按市场、任务和对象选择证据面；体系来源为「金融认知体系」（详见 §6.4） | Market Pack、EvidencePlan、Task taxonomy、StructuredCognitionResult（含 ADR-007 supplement 机制层字段） | Crypto / US Stocks / Cross Market 回答能体现对应市场变量，而不是通用泛答 |
| 懂用户 | 理解用户当前关注对象、历史判断、表达密度、任务状态和复盘需求 | Session、Watchlist、Judgment Record、Dynamic Profile、StateCandidate | 能围绕同一对象连续追问、复盘历史判断，并保持事实空间完整 |
| 懂判断 | 帮用户形成条件化、可更新、可复盘、连接真实交易场景的判断 | StructuredCognitionResult、Judgment Record、Projection、Review Gate | 输出包含依据、反方、成立条件、失效条件、信息缺口和交易前检查点 |
第一阶段实现口径：
- “懂金融”先覆盖 Crypto、US Stocks 和 Cross Market，不把 A 股、商品、外汇、债券提前做成等深能力。覆盖深度由「金融认知体系」(§6.4) 在 Crypto + US Stocks 两个市场场景下持续校准；A 股 / EM 桶位作为 case 库 anchor 校准，不进第一阶段产品交付承诺。
- “懂用户”先覆盖表达密度、关注对象、历史判断和复盘链，不提前假设商业付费分层。
- “懂判断”先覆盖条件化判断、反方、失效条件和复盘，不进入自动执行或代客决策。
6.4 「懂金融」体系来源：金融认知体系
战略白皮书第四节「懂金融」的核心是 FinBayes 自建的金融认知体系。第一版正式构成由 ADR-007 supplement · 金融认知体系第一版正式构成 锁定，由 5 个互锁部分组成（产品层调用必须整体引用，不能单取其一）：
| 件 | 内容 | 产品层意义 |
|---|---|---|
| 1 | 8 机制定义层（M1 金融对象本体 / M2 信息源对齐 / M3 时间维度 / M4 场景 / M5 事件传导链路 / M6 金融规律 / M7 行为偏差 + 不确定性 / M8 可迭代矫正） | 「懂金融」的体系结构。每个机制有四层定义（核心定义 + 子机制 + 横切接入 + 输出契约）；机制间四带耦合 |
| 2 | 市场结构分轴（MCA 7 分轴：投资者结构 / 衍生品成熟度 / 制度性摩擦 / 非市场参与者注入 / 信用环境 / 信息可得性 / 货币与跨境约束） | 「懂金融」的市场适配层。决定 Crypto vs US Stocks vs Cross Market 各自的运算参数选择；评测体系按市场结构分组分层防止全集平均掩盖局部退化 |
| 3 | S1 叙事-数字一致性跨机制子流程（4 失败模式 + attention 二阶分支） | 「懂判断」的发布前校验层。每个认知结论产出前必须运行一次，承载战略白皮书「主导叙事识别」与「叙事可证伪条件」契约 |
| 4 | 评测体系（11 维度 D1–D11 + 7 MCA 桶） | 「懂金融」的可观测层。FinBayes 不评测预测准确率，评测认知结构是否完整 + 是否能解释事后市场演化 |
| 5 | 迭代治理（Phase 5 节奏：4 触发源 + 季度全量 / 月度增量 + 三档变更门槛 + 14 天异议期 + 3:1 否决） | 「懂金融」的演化机制。承载战略白皮书「正在持续构建」的状态语义，确保认知体系不被静默改动 |
体系当前状态为 ADR-007 supplement frontmatter 显式登记的「accepted（经过研究产出但仍在持续构建）」。第一阶段产品定义对体系的依赖口径：
- 产品文案与用户可见说明中不暴露体系细节（M1–M8 / MCA 等术语不进入用户界面），但每一次结构化认知输出的字段组合体现体系。
- 体系的「持续构建」状态对用户透明：当用户看到「该问题当前覆盖度有限」「桶位证据不足」时，承接的是评测体系桶位覆盖率信号。
- 体系演化（v1→v2 / vN→vN+1）由 ADR-007 supplement Phase 5 治理流程驱动，产品定义不替体系定义具体机制；本节只声明引用关系，不复制 supplement 内容。
7. 输出形态
FinBayes 不使用固定字段表覆盖所有问题。输出结构随任务类型变化，但核心认知要素稳定存在。
| 认知要素 | 含义 |
|---|---|
| 结论 / 倾向 | 当前证据下可成立的条件化方向 |
| 依据 | 支持当前判断的事实、数据和推断 |
| 多视角 | 不同立场、方法或时间尺度下的代表性观点 |
| 反方证据 | 主动呈现与当前判断冲突的证据或论点 |
| 成立条件 | 当前判断成立需要满足的前提 |
| 失效条件 | 发生什么变化时当前判断应被推翻或重看 |
| 不确定性 / 信息缺口 | 当前不知道但会影响判断的变量 |
| 来源与时间戳 | 关键事实或数据的来源标识与采集时间 |
| 可继续追问项 | 用户可以继续深入的问题 |
| 历史判断链接 | 当前判断与既有 Judgment Record 的关系 |
| 任务类型 | 默认必含认知要素 |
|---|---|
| 解释类 | 结论、依据、来源与时间戳、可继续追问项 |
| 分析类 | 结论、依据、多视角、反方证据、成立条件、不确定性、来源与时间戳 |
| 比较类 | 对比维度、各对象结论、反方证据、不确定性、来源与时间戳、信息缺口 |
| 复盘类 | 原成立条件、当前变化、是否仍成立、新增信息、反方证据、历史判断链接、来源与时间戳、信息缺口 |
| 风险识别类 | 风险来源、触发条件、失效条件、多视角、来源与时间戳、信息缺口 |
| 交易准备类 | 条件化倾向、成立条件、失效条件、反方证据、不确定性、来源与时间戳、信息缺口、交易前检查点、非指令标注 |
| 交易决策辅助 | 同交易准备类，并聚焦具体决策点 |
来源、freshness 和信息缺口的产品规则：
- 非纯概念任务必须包含关键事实 / 数据的来源类型、采集时间或 freshness 标注，并说明哪些变量缺失会改变判断。
- 解释类如果不依赖实时数据，也要说明来源类型或知识边界，例如“通用金融概念解释，不含实时行情判断”。
- 比较、风险、交易准备和交易决策辅助不得只输出观点；必须让用户看到判断依据来自哪里、是否过期、还缺什么。
- 当来源不可用或 Provider 降级时，回答应明确区分“已知事实”“可推断部分”和“待补证据”，而不是用流畅语言填补空白。
7.1 输出质量恒定，表达密度可调
FinBayes 可以按用户层级和入口形态调整表达密度，同时保持判断质量一致。
- L0 用户可以少用术语，同时保留反方证据、风险、成立条件和失效条件
- L3 用户可以使用更专业的框架和术语，但仍必须说明不确定性
- Web、TUI、CLI、MCP、Channel 的呈现形式可以不同，但 runtime 层产出的核心认知要素必须一致
7.2 证据不足时的输出
当证据不足以支撑明确倾向时，FinBayes 应说明“不知道什么”“当前还能判断什么”和“下一步该看什么”。这类回答仍然有价值，因为它帮助用户识别信息缺口和后续观察点。
7.3 机制层结构化字段承接
§7 表 1 的 10 认知要素由 战略层与架构层关于结构化认知输出的对齐 ADR-008 锁定，是 FinBayes 任务输出的用户可见层契约。§6.4 引入的「金融认知体系」额外引入机制层结构化字段，在 StructuredCognitionResult 中与现行 10 要素并列：
frame 护栏（直接回应 M1.5 / M1.6 框架偏移）：把机制层字段「算真、算深」提升的是 agent 在单个回合内产出的认知质量，它不等于 agent 本体，也不推进 agent 的循环 / 状态 / 自主性。严禁把「把某个字段从占位换成真算」或「把渲染做漂亮」当成一个里程碑的全部价值——那样做，字段越深，越掩盖 agent 身体的缺席。机制层字段的深度，只有在被 agent 循环消费（如
posterior/ 失效条件进入主动信号触发逻辑、进入到期对账）时，才转化为 agent 能力；孤立地加深字段而不接入循环，是本产品定义判定为框架偏移的反模式。
| 字段 | 来源机制 | 产品层意义 | 何时激活 |
|---|---|---|---|
phase_evidence + phase_matrix | M3 时间维度对齐（9 类时钟槽位 + Minsky 子相位 + Koo 资产负债表时钟） | 让分析对象的时间坐标显式：当前周期阶段 + 跨时钟相位差矩阵 + 矛盾相位 | M3 启用时；分析类 / 风险识别类 / 交易准备类任务默认激活 |
causal_graph（含 correlation_regime 元数据） | M5 事件传导链路（含 M5.3 shared-book 四形态 + M5.4 制度摩擦层 + M5.5 反向力量 + M5.8 相关性跃迁标签） | 把因果链 / 反身性 / shared-book / 制度摩擦显式建模为图；高压环境下显式标记相关性结构性跃迁 | M5 启用时；事件冲击 / 风险扫描 / 组合视角问题族默认激活 |
regulation_status | M6.4「规律不适用」三态标签（applicable / partial / not-applicable） | 把估值 / 因子 / 衍生品 / 资本结构层的适用性以三态显式输出（含不适用原因） | 交易准备类 / 交易决策辅助 / 比较类任务激活 |
posterior（双峰重尾后验） | M7.uq 不确定性量化 | 高不确定性场景下，不强行收敛到单点判断，输出双峰重尾后验形态（「凯利仓位上限」字段形态已随 ADR-021 退役） | 任意任务在 M7.uq 触发时激活；交易决策辅助强制激活 |
s1（叙事-数字一致性输出子结构） | S1 跨机制子流程 8 字段输出（含 mode 可多选 / coupling-direction / falsification / backtrigger / confidence / convergence-flag） | 每个认知结论产出前的发布前校验结果；4 失败模式标签 + attention 二阶分支结果 + 反向触发记录 | 每次综合输出必跑；M5 显式识别「主导叙事」时立即触发 |
mca_bucket（元数据） | MCA 7 分轴 | 任务输出归属于哪个 MCA 桶（Crypto = B3 链上原生主体；US Stocks = B1 / B2 / B5b 等组合） | 每次任务输出元数据标注 |
工程契约形态由 ADR-008 supplement · 机制层输出契约扩展 在 finbayes-whitepaper-rewrite 工作流承接锁定（Pydantic schema / 求解顺序 / 字段命名最终态由该 ADR 主导）。
产品层口径：
- 用户可见层不直接展示上述字段名（如
phase_matrix/correlation_regime不进入界面），但承载这些字段的回答会体现「跨时钟相位」「shared-book 横向传染」「相关性跃迁」「双峰判断」等内容形态。 - 来源与 freshness 标注（§7 列表）仍然适用于机制层字段：每个相位标签 / 节点 / 反向力量都必须可追溯到证据 ref。
- M6.4 标注「规律不适用」时，产品层必须显式呈现「该判断框架不适用」+ 切换 attention 二阶分支（如 meme 资产场景），不强行套用估值结论。
8. 体验主线
FinBayes 的核心体验不是一次回答，而是持续认知循环：
这条主线要求 FinBayes 能让用户围绕同一组 Fin Object 反复回来，逐步积累 Watchlist、Judgment Record 和用户画像。
8.1 主动信号
主动信号以历史判断条件为中心，而不是只以价格波动或新闻热度为中心。
例如：“BTC 跌了 5% 并触及了你之前判断中的某个关键前提，所以建议复盘。”
主动信号必须说明：
- 触及哪条历史判断
- 触及哪个成立条件或失效条件
- 当前变化是什么
- 原判断是否需要复查
- 用户可以如何继续看
8.2 个性化契约
FinBayes 可以个性化表达方式和关注节奏，同时保持事实空间完整。
个性化可以做：
- 调整术语深度和表达密度
- 顺着用户关注集组织内容
- 在用户情绪化时刻温和承接
个性化需要保留：
- 与用户立场相反的证据
- 关键风险
- 已接受叙事的反方
- 影响判断的事实空间
8.3 情绪化时刻
用户在 FOMO、恐慌、过度自信或突发事件中提问时，FinBayes 可以承接情绪，并把情绪转成认知工作：
- 先识别用户担心或兴奋的具体变量
- 再说明该变量发生了什么
- 同时给反方证据、成立条件和失效条件
- 把未经证据支持的判断转成待验证假设
9. 多入口契约
FinBayes 的核心是金融认知 runtime。Web、TUI、CLI、MCP、Channel 都是 runtime 之上的入口适配。
| 入口 | 第一阶段范围 |
|---|---|
| Web UI | Web UI 可并行迭代；runtime 必须先提供稳定任务接口、事件流、projection schema 和状态候选契约 |
| TUI | 本地自然语言主入口之一，支持配置后启动、持续问答、Session 切换、关注对象选择和状态确认 |
| CLI | 本地命令式入口，用于单次提问、自动化调用、测试和轻量状态操作 |
| MCP | 后续兼容入口，让外部 Agent 调用 FinBayes runtime；第一阶段交付 contract-ready 的结构化调用形态 |
| Channel | Telegram、Discord 等社群入口的摘要式输出和复盘回链，不作为交易信号 |
同一用户、同一 Session、同一问题，在不同入口中的核心认知输出必须一致。入口层只决定呈现策略，不重新做判断。
FinBayes 可以支持用户本地部署。本地部署的产品目标是让用户在自己的机器上完成一套清晰、可验证的配置和启动流程：
- 选择模型或数据 Provider。
- 配置必要的本地目录、缓存和密钥存储方式。
- 验证 Provider 是否可用。
- 启动 TUI、CLI 或本地 Web 入口。
- 在 Provider 不可用时看到清楚的降级状态。
Provider 配置属于本地运行体验的一部分，并遵循 FinBayes 的认知/执行分工。FinBayes 可以读取用户在本地配置的模型 Provider 或数据 Provider；金融账户凭证、交易所凭证、钱包密钥或执行权限由安全回应处理，不进入金融认知 runtime。
Provider 选择走四层降级（用户配置 → 系统默认 → 本地嵌入式 LLM → 缓存 + 规则 → 受限菜单），保障 LLM 不可用时基础能力仍可用。具体降级链与 Provider Adapter Pool 子系统设计详见架构文档 §9、§13。
9.1 关注对象与结构化认知内容的交互
用户在 TUI 或 Web UI 中应能把关注的 Fin Object 加入 Watchlist，并能在后续交互中选择一个或多个对象作为当前专注上下文。
FinBayes 对结构化认知内容至少应支持四类用户动作：
| 动作 | 产品含义 |
|---|---|
| 加入关注 | 把 Fin Object 或主题加入 Watchlist candidate，等待用户确认 |
| 继续追问 | 以当前 Fin Object、Session 和历史输出为上下文继续问答 |
| 复盘 | 把某个历史 Judgment Record 或结构化输出作为复查对象 |
| 转发 / 推送 | 将用户可读摘要推送到 Channel 或外部入口，保留认知 / 执行分工说明和回链 |
转发和推送输出用户可读摘要、触发原因和回链；内部 trace、provider error、证据 raw dump 进入 audit/debug 层。
10. 用户画像与敏感信息
10.1 用户画像
FinBayes 的画像来自日常交互中的持续观察，也可以由用户主动修改。首次使用时不要求用户先填写传统金融机构式风险偏好表。
用户始终保有控制权：
- 可以查看画像
- 可以修改画像中的任何信息
- 可以清空整个画像
- 清空时，FinBayes 应明确提示协作上下文已重置
用户主动修改的画像优先于系统观察。FinBayes 可以提示“我观察到了不同信号，是否重新调整”，用户确认后再更新。
10.2 画像用途
画像用于提高沟通效率和判断支持质量，例如选择合适的表达密度、术语深度和视角组合。
画像用途约束：
- 表达密度可以变化，反方证据保留。
- 术语深度可以变化，关键风险保留。
- 关注节奏可以变化，事实呈现范围保留。
- 用户已有立场可作为上下文，不作为事实筛选器。
10.3 金融执行凭证（不可妥协的边界）
战略白皮书 §9 产品立场与边界（金融执行凭证的处理）是本产品定义的上位边界：
金融执行凭证——私钥、助记词、钱包恢复短语、交易所登录凭证、交易所 API key、经纪商 API key、银行账户、信用卡等——FinBayes 一律不收、不存、不训练。
金融执行凭证代表账户、资金或交易执行权限。FinBayes runtime 不接收这类信息，不把它写入 Session、Judgment Record、Dynamic Profile、日志、训练数据或任何状态资产；用户可见层只给安全回应和风险提示。
如果用户主动提供这些信息，FinBayes 提示风险，并把可回答部分转成认知任务，例如“如何安全配置交易所 API key”或“如何检查某个交易想法的风险”。
凭证不变量在工程层的端到端阻断（输入边界 hook + 输出端凭证样式过滤 + 状态对象 / Cache / 审计 trail 永不接触凭证 + 执行类工具注册拒绝）详见架构文档 §17 边界与安全。
10.4 模型 / 数据 Provider 凭证（本机配置秘密）
本地部署中的模型 Provider key、数据 Provider key 或本地服务 token 不在 §10.3 的金融执行凭证范围内。它们属于用户本机配置秘密，用于连接模型、行情、新闻、filings、macro、链上数据或本地模型服务。
工程实现应优先使用本机安全存储、环境变量或用户明确指定的本地配置文件；Session、Judgment Record、Dynamic Profile、Case Library、日志摘要和用户可见输出不得记录 secret 原文。
界面和 CLI 必须把两类凭证语义区分清楚：
- 金融执行凭证：不接收、不存储、不训练，只给安全回应。
- 模型 / 数据 Provider 凭证：作为本机运行配置处理，只显示 masked 状态和 readiness，不进入金融认知状态。
10.5 战略白皮书商业未决与商业硬约束的不抢答边界
战略白皮书 §10 悬而未决问题及 §8 商业立场明确保留以下商业未决问题：
- 单位经济：重度用户成本、订阅价、轻度用户付费意愿之间是否可持续。
- vs 通用 AI 留存竞争：用户为什么持续回到 FinBayes，而不是通用 AI 加自选股组合。
- L1-L3 各层商业强度：不同用户层级的付费意愿、留存触发点和服务成本。
工程可以记录成本、留存、复盘触发、用户层级信号和质量反馈，但不能把这些问题的答案硬编码进产品逻辑。与这些未决项相关的成本上限、并发上限、用户层级阈值、付费转换点、限额策略和商业实验开关必须进入配置文件或实验配置，由商业团队和产品团队基于冷启动数据调整。
战略白皮书 §8 商业立场的双轨设计（订阅 + 佣金）还给出两条商业硬约束，产品定义在此明确承接，避免工程层无意把返佣激励硬编码进产品逻辑：
- 订阅必须能独立覆盖单位经济：第一阶段佣金作为辅助收入，订阅本身必须有能力独立覆盖 FinBayes 的核心运营成本——这保障 FinBayes 在用户大量选择 ATM 之外的第三方交易工具时仍然可持续。
- 佣金占比上限：佣金不得成为 FinBayes 主要收入流，避免 FinBayes 与用户认知利益一致性被侵蚀（佣金高占比可能反向激励“多对接 ATM / 鼓励多交易”）。具体占比阈值由战略层保留为悬而未决问题（详见白皮书 §10 未决零），产品与工程层不得预设返佣激励逻辑。
11. 产品不变量
11.1 认知与执行分工
战略白皮书 §6 生态位置的认知与执行分工锚点是：
FinBayes 不直接下单，也不持有账户凭证。
- FinBayes 输出认知材料、条件化判断和交易前检查。
- 用户保留完整决策权和执行权。
- 账户、订单、仓位、资金和自动交易由下游执行系统或用户自己的工具承接。
- 金融执行凭证不进入 FinBayes runtime、状态资产或训练数据。
实际执行由 AI Trading Matrix 在用户授权与审计框架内承接。FinBayes 与 AI Trading Matrix 在生态层独立，在用户授权下接力。
11.2 用户主权
- 用户的决策权和执行权完整保留。
- FinBayes 输出的是认知材料。
- 交易准备或交易决策辅助任务标注“这是检验而非指令，执行权在你”。
11.3 上游信息边界
上游金融信息感知由 Data Horizon 承接。FinBayes 使用上游素材形成判断，Data Horizon 提供素材、事件和情报输入。
12. 第一阶段成功口径
本文只定义产品行为级信号，不预设商业定量阈值。
验收口径 = agent 行为门（frame · 最强防漂移锁）：FinBayes 的成功口径不能只剩「用户是否回访」「用户能否说出差异」这类问答产品指标——指南针只测单次回答，团队就只会建单次回答（Goodhart 式框架污染）。每个里程碑的首要验收问题改为 agent 行为门：这个阶段是否做出了上一阶段做不到的 agent 行为？是否在结构上超过了旧的一次性问答函数？ 下表「agent 行为级信号」与「单轮认知质量信号」同等是一等公民，不得只验证后者。
agent 行为级信号（一等公民，优先验证）：
| 要验证的假设 | 可观察信号 |
|---|---|
| agent 自主循环是否运行 | 主动信号在无人提问时被定时器 / 事件真实触发，而非只在用户开口时才响应 |
| 主动信号是否链回正确判断 | 触发的主动信号能准确指向对应 Judgment Record 的某条成立 / 失效条件，而非泛泛的价格提醒 |
| 主动复盘是否被采纳 | 用户接受主动信号发起的复盘、并据此更新或确认原判断 |
| 判断是否进入可对账闭环 | Judgment Record 带可证伪断言 + 失效条件，到期 / 条件触及时被 agent 自动拉真实数据复盘，而非写入即死档 |
| 是否结构性超过一次性函数 | 当前阶段交付的能力在结构上是旧 single-shot 问答函数做不到的（跨回合状态复用、自主触发、延迟对账） |
单轮认知质量信号：
| 要验证的假设 | 可观察信号 |
|---|---|
| 用户愿意持续使用 AI 参与金融判断 | 用户围绕同一组 Fin Object 反复追问、复盘、更新 |
| 关注对象能成为持续认知承载 | 用户主动把 Fin Object 加入 Watchlist，并期待主动信号 |
| 历史判断与复盘带来价值 | 用户主动触发复盘类任务，或接受主动信号后的复盘建议 |
| 差异化可感知 | 用户能说出 FinBayes 与通用 AI、行情软件、投资社区的差异 |
| 交易准备类输出有价值 | 用户接近交易行动时，提示用户自行声明仓位、风险预算或时间窗口用于条件化检查（不进交易动作，仅做认知前置） |
| Crypto + US Stocks 切入合适 | 两个市场都能形成上述信号 |
| 三层价值可感知 | 用户能指出 FinBayes 帮自己把问题想清楚、信息看全面、本质看透 |
| 三懂能力可感知 | 用户能感知 FinBayes 理解市场变量、个人关注对象和判断条件，而不是只给通用回答 |
商业团队和产品团队可以基于冷启动数据继续定义单位经济、留存竞争和各用户层级商业强度。本文不提前替这些问题给答案。
13. 维护检查
修改本文时，逐条检查：
- 是否仍以战略白皮书作为唯一战略基线
- 是否仍保持 Crypto + US Stocks 的第一阶段范围
- 是否仍保持 FinBayes 的认知与执行分工
- 是否保持不同任务类型的输出结构
- 是否覆盖用户问题族、三层价值和三懂能力契约
- 是否在个性化表达时保留完整事实空间
- 是否把账户凭证、自动交易或代客执行能力交给正确的下游系统或安全回应链
- 是否支持默认 Session + 多命名 Session + 长期认知资产
- 是否保持多入口共享同一 runtime contract
- 是否区分本地 Provider 配置秘密与金融执行凭证
- 是否能被没有读过历史文档的新读者直接理解
- 是否对「金融认知体系」（§6.4）保持整体引用（8 机制 + MCA + S1 + 评测 + 治理整体调用，不单取其一），并保留 ADR-007 supplement「持续构建」状态语义
- 是否保留 §7.3 机制层结构化字段的产品层口径（用户可见层不暴露字段名，但承载字段的回答必须体现对应内容形态）
- 是否仍把 FinBayes 定义为带自主循环 + 工具 + 状态 + 主动性的金融认知 agent（而非单次问答函数），且循环 / 状态 / 主动信号与单轮认知同等是产品第一性骨架（§1 / §3 / §4 / §8）
- 是否在 §12 验收口径中保留 agent 行为门为一等公民（主动信号真触发、链回正确判断、被采纳率、延迟对账闭环），而不只是问答产品指标
Changelog / 演化记录
2026-06-04（kelly_cap 退役补扫）：§7.3 posterior 行删除残留的「凯利上限」措辞——不确定性仍由双峰重尾后验承载，「凯利仓位上限」字段形态随 ADR-021 退役。本处为 ADR-021 原传播与实现侧补扫均漏覆盖的残留。
2026-06-04（阶段 0 文档矫正 · (A) 类改透 · 依据金融真智能体骨架蓝图(E)#1 + 议定结果）：把产品定性从「单次问答函数」矫正回「带自主循环 + 工具 + 状态 + 主动性的金融认知 agent」。§1 开篇立产品本体 frame（agent 第一性定义，单次问答只是一个回合）；§3 状态资产正名为「agent 工作记忆 + 自主触发条件源」；§4 任务表加范围护栏（入口意图识别 + 单轮组织，非产品边界，不得只建表不建循环）；§7.3 加 frame 护栏（字段算深 ≠ agent，直接回应 M1.5 / M1.6 偏移）；§12 验收口径换 agent 行为门（主动信号真触发 / 链回正确判断 / 被采纳率 / 延迟对账闭环立为一等公民）；§13 维护检查补 agent 本体 + agent 行为门两条。
2026-05-29：修正引用战略白皮书的 v2 残留节号，全部对齐到 v3 十节目录——§4.1 用户问题族（原引 §3/§7）改为 §2 用户是谁来解决什么；§5 三层价值（原引 §5）改为 §1 愿景；§6 三懂能力（原引 §6）改为 §4 核心优势；§10.3 金融执行凭证（原引 §14）改为 §9 产品立场与边界；§10.5 商业未决（原引 §15）改为 §10 悬而未决问题 + §8 商业立场；§11.1 认知与执行分工（原引 §8 生态分工）改为 §6 生态位置。§10.5 补入 §8 商业立场双轨设计的两条商业硬约束（订阅独立覆盖单位经济、佣金占比上限），避免工程层无意硬编码返佣激励。