MCAClassifier 子系统设计

1. 职责定义

MCAClassifier 承接 ADR-007 supplement 中 MCA 7 分轴市场上下文分类在工程层的实现（ADR-007 supplement §2.2）。MCA 是 M1–M7 共享的输入参数集，决定「用什么参数运算」，与 S1（决定「结论发布前做什么校验」）正交。

具体覆盖：

7 分轴 × 三档等级：
- 轴 1 投资者结构（L1 机构 / L2 混合 / L3 散户 / 量化高敏感）；
- 轴 2 衍生品成熟度（D1 深度 / D2 中等 / D3 浅 / 缺失）；
- 轴 3 制度性摩擦（F1 低 / F2 中 / F3 高，T+N / 涨跌停 / 停牌 / 监管盘中变更）；
- 轴 4 非市场参与者注入（N1 低 / N2 中 / N3 高，国家队战术 + 准政策信号）；
- 轴 5 信用环境与出清节奏（C1 市场化 / C2 混合 / C3 政府节奏主导）；
- 轴 6 信息可得性等级（I1 高透明 / I2 中 / I3 低）；
- 轴 7 货币与跨境约束（K1 完全开放 / K2 部分 / K3 强管制 / 双市场，R-A P0-2 立项）。
桶位归类：B1 发达机构基线 / B2 发达 + 主权基金 / B3 发达 + 链上原生 / B4 A 股政策出清 / B5a A 股政策点火 / B5b A 股散户踩踏 / B6 A 股跨市场翻译 / B7 EM 主权 + 货币危机扩展桶（R1 拆 B5 为 B5a / B5b）。
机制参数选择影响：
- M1.3 字段直接接入轴 1 / 4 / 6；
- M2.4 政策语义解码在轴 4 = N3 时激活；
- M3.t5 在轴 3 = F3 时叠加制度摩擦相位；
- M3.t7 命名空间消费轴 1 / 2 / 3 / 7 实例化；
- M4 用 MCA 轴位组合作为场景检索键值（如「L3 + N3 + F3」自动检索 2015 股灾 / 2024-09 政策底）；
- M5.3 形态在轴 1 = L3 + 轴 4 = N3 + 轴 5 = C3 不同组合下激活 (c) 或 (d)；
- M5 在轴 7 = K3 时引入「跨境资本流动反向力」变量；
- M6.3 衍生品支柱按轴 2 决定 applicable / partial / not-applicable；
- M6.7 双轨在轴 7 = K3 + 高通胀环境强制激活；
- M7a / M7b 权重在轴 1 不同档位下重平衡。

输出 ADR-008 supplement 1.1 契约的 Task schema 元数据 mca_bucket（ADR-008 supplement §2.7）。mca_bucket 不进入 StructuredCognitionResult 本体，进入 Task schema 元数据层（理由：MCA 标签是任务发起时刻的横切上下文，不是单次认知输出的内在要素；评测桶分层依赖任务元数据而非认知输出本身）。

2. 接口契约

class MCAClassifier:
    def classify(
        self,
        fin_object: FinObject,
        as_of: datetime,
        tag_version: str = "mca-v1.0",
    ) -> MCABucket: ...

    def get_axis(
        self,
        fin_object: FinObject,
        axis_id: Literal[
            "axis_1_investor_structure",
            "axis_2_derivatives_maturity",
            "axis_3_institutional_friction",
            "axis_4_non_market_actor",
            "axis_5_credit_environment",
            "axis_6_information_availability",
            "axis_7_currency_cross_border",
        ],
        as_of: datetime,
    ) -> AxisLevel: ...

    def derive_worst_axis(self, bucket: MCABucket) -> str:
        """从 bucket 中三档阈值最差档导出 worst_axis 字符串
        (如 'axis_4_N3' / 'axis_3_F3'),
        用于评测分桶 + 风险预算预警.
        """
        ...

    def refresh_calibration(
        self,
        calibration_window: CalibrationWindow,
    ) -> CalibrationReport:
        """半年一次的轴位定义校准 (ADR-007 supplement §2.2 MCA 标签校准频率).
        年度校准刷新 tag_version (mca-v1.0 -> mca-v1.1 -> ...).
        """
        ...

MCABucket 字段定义以 ADR-008 supplement §2.7 为事实源，含七轴枚举 + bucket_label (B1–B7) + worst_axis + tag_version；派生 Pydantic schema 见 StructuredCognitionResult 1.1 契约源。

子模型类型 placeholder（M0 阶段简定义）

接口签名引用的下列类型在 ADR-008 supplement / 1.1 契约源中尚未给出字段定义，本节给 M0 阶段的最小 Pydantic v2 placeholder，目的仅是让 Codex import 链闭合。字段细节留 M1+ 收紧路径见本子系统 §9 实现里程碑映射 + 后续 milestone-field-evolution-matrix.md 起草；事实源回写发生于 ADR-008 supplement v2 / 1.1 契约源后续 patch 段（半年校准刷新流程稳态后）。

# M0 placeholder 段。M1+ 收紧字段定义;事实源在 ADR-008 supplement v2 / cognition-1.1-contract.md v1.2 时回写。
from pydantic import BaseModel


class AxisLevel(BaseModel):
    """M0 placeholder。承载单轴判定结果(轴 id + 三档之一 + 判定置信度)。"""

    axis_id: str  # e.g. "axis_4_non_market_actor"
    level: str  # 三档枚举的字符串形态,如 "L3" / "N3" / "F3" 等
    confidence: float = 1.0  # ∈ [0, 1],半人工标注口径下可能 < 1.0
    # 其它字段待 M1+ 锁定


class CalibrationWindow(BaseModel):
    """M0 placeholder。承载半年一次轴位定义校准的窗口元数据。"""

    start_ts: int  # Unix epoch ms
    end_ts: int  # Unix epoch ms
    tag_version_from: str  # 校准前 tag_version,如 "mca-v1.0"
    tag_version_to: str  # 校准后 tag_version,如 "mca-v1.1"
    # 其它字段待 M1+ 锁定


class CalibrationReport(BaseModel):
    """M0 placeholder。承载 refresh_calibration 输出的校准报告。"""

    window: CalibrationWindow
    axis_drift_summary: dict  # 各轴漂移摘要,M1+ 收紧为强类型
    bucket_relabel_count: int = 0  # 桶位重打标的 case 数
    # 其它字段待 M1+ 锁定

3. 数据流

输入源：
- Fin Object 元数据（持有人结构 / 商业模式 / 通用战略 / 实体经济网络节点 / 政策反应函数 / 数据可得性等级，来自 M1.3 六类定性属性字段）。
- 外部数据 Providers（成交结构 / IV 曲面 / T+N 规则 / 违约处置 / 披露质量 / 跨境通道额度等公开数据，按七轴子维度归一化）。
- 历史 Fin Object × MCA 标签对照库（半年校准 + 事件驱动实时补标）。
内部处理：
- 七轴独立判定，各轴产出三档之一（L1/L2/L3 / D1/D2/D3 / F1/F2/F3 / N1/N2/N3 / C1/C2/C3 / I1/I2/I3 / K1/K2/K3）。
- 桶位归类按七轴组合查表（B1-B7 含 B5a/B5b 拆分），命中多桶时按 worst_axis 优先级裁决。
- worst_axis 字符串导出（如 axis_4_N3 / axis_3_F3），用于评测分桶 + 风险预算预警。
- 缺省时由意图识别层根据 Fin Object 属性自动判定 + 落入 Audit Trail（ADR-008 supplement §2.7 必选要求）。
输出：
- Task schema 元数据 mca_bucket（七轴 + bucket_label + worst_axis + tag_version）。
- 影响下游机制参数选择（参见 §1 机制参数选择影响清单），但不直接进入 StructuredCognitionResult 本体。

4. 关键依赖

依赖类型	内容
外部数据源	成交结构（量价数据 + 投资者分类）/ IV 曲面（衍生品市场）/ 监管规则数据（T+N / 涨跌停 / 停牌阈值）/ 主权基金披露 / 央行汇率数据 / 信用利差 / 披露质量评级 / 跨境通道额度等（具体接入清单见 ADR-007 supplement §5.3 工程依赖段）
内部模块	M1 子系统（消费 M1.3 字段）/ KnowledgeGraphService（图谱节点属性写回）/ State Management（Fin Object × MCA 标签对照库持久化）/ EvalHarness（评测分桶强制下发 `mca_bucket`，不允许被测体系自报）
持久化	Fin Object × MCA 标签对照库走嵌入式 SQLite + 年度版本化字段（`tag_version` 列）；半年校准刷新走对照库更新事务，旧版本保留 ≥ 8 季度 audit trail

5. 测试要求

测试维度对齐 EvalHarness 子系统的所有 11 维评测分桶（mca_bucket 作为评测系统强制下发的桶位标签，承接 Phase 4 §三 gaming 路径 6 防御「不允许被测体系自报」）。

单元测试：
- 7 轴枚举合法性（L1/L2/L3 / D1/D2/D3 / F1/F2/F3 / N1/N2/N3 / C1/C2/C3 / I1/I2/I3 / K1/K2/K3 各轴三档完整覆盖）。
- bucket_label 枚举（B1 / B2 / B3 / B4 / B5a / B5b / B6 / B7）的归类正确性。
- worst_axis 字符串导出的优先级裁决（如 N3 优先于 F3 / F3 优先于 C3 等，校准时由领域专家拍板）。
- tag_version 单调递增 + 旧版本 audit trail 保留。
集成测试：
- 与 KnowledgeGraphService 联动：MCA 轴 1 = L3 + 轴 4 = N3 + 轴 5 = C3 组合下 KnowledgeGraphService 激活 M5.3 (c)；轴 1 = L3 + 轴 4 = N1/N2 + 轴 5 = C2 单激活下激活 M5.3 (d)。
- 与 ConsistencyMiddleware 联动：B5b 散户踩踏桶下 S1 attention 二阶分支信号权重上调。
- 与 EvalHarness 联动：所有评测分桶按本子系统输出 mca_bucket 强制下发，被测体系不允许自报。
评测维度（消费方为 EvalHarness）：
- 14 case 锚位 + 4 EM 补充 case 反向校准（B1-B7 桶位覆盖率检查）。
- B7 EM 主权 + 货币危机扩展桶的零样本桶处理（v1 起步 1–2 case anchor L7 + L2，不参与百分位对照）。
- 桶间归一化：每桶独立维护「桶内满分」基准 + 跨桶比「桶内百分位」+ 最小样本量 ≥ 30 + bootstrap 标注「百分位带宽 ± X%」。
端到端测试：M0 走通骨架 5 条样例输入的 mca_bucket 录制 → 重放稳定性 + 半年校准前后归类一致性回归。

6. v1 工程回退

v1 阶段允许半人工标注的字段（承接 Phase 7 半人工标注 SLA 附录任务 D）：

MCA 轴 4 = N3 时的非市场参与者注入判定：reviewer 季度刷新 ≤ 15 工作日 SLA / 事件驱动 ≤ 7 工作日 SLA / 准确率 ≥ 80% / IAA kappa ≥ 0.75 / 全量复核。
半人工标注 case 的 mca_bucket + 失败模式标记必须双 reviewer 盲交叉；分歧记入 contested-points 不强制收敛。
超 SLA 由综合层自动 fallback 到模型 candidate 输出 + Audit Trail 标注 sla-breached / stale-axis-4。

必须模型自动产出（不允许人工标注覆盖最终值）：

轴 1 / 轴 2 / 轴 3 / 轴 5 / 轴 6 / 轴 7 多数子维度（由公开数据自动计算：成交结构、IV 曲面、T+N 规则、违约处置、披露质量、跨境通道额度等）。

7. 待解决问题 / 已知 trade-off

轴 4 N3 判定的代理信号不足：政策窗口 / 国家队组合 / 政治局会议 / 国新办专题等不公开细节难以从公开数据完全推断，v1 走「半人工标注 + 公开数据替代」回退路径；待 Phase 7+ 数据通路扩展（监管 API / 政策点火事件结构化抽取 pipeline）后转自动判定。
轴 7 货币与跨境约束的零样本桶位：B7 EM 主权 + 货币危机扩展桶在 v1 起步仅 1–2 case anchor（L7 + L2），跨桶百分位对照不可用；v1→v2 不强制跨 B7 + v2 起补足 ≥ 10 case 后纳入百分位（ADR-007 supplement §2.4）。
worst_axis 优先级裁决的领域专家共识：v1 初步排序 N3 > F3 > C3 > L3 > K3 > I3 > D3，但未经评测压测；半年校准时由领域专家共同评审调整，触发条件待 Phase 5 治理（Phase 5 治理 §3.1 MCA 等级阈值调整门槛 ≥ 2 case 表明现阈值导致系统性误诊）。
桶位归类多桶命中的边界情形：v1 按 worst_axis 优先级裁决，但理论上存在「两轴最差档相同」的边界情形（如 N3 + F3 同时命中），v1 兜底为按桶位编号字典序选小（B4 < B5a < B5b 等），实际边界 case 待 Phase 4 评测中暴露后补规则。
tag_version 升级的下游 schema 兼容性：半年校准刷新 tag_version（mca-v1.0 → mca-v1.1）时，旧 Task schema 的 mca_bucket 是否需要重算 / 仅标注 stale / 完全 immutable，待 Phase 7+ 治理流程锁定。

8. 与其它子系统的接口对齐

KnowledgeGraphService：本子系统是 KnowledgeGraphService 的强先验提供方；mca_bucket 在 build_transmission_graph / assemble_phase_matrix / classify_correlation_regime 调用前必须先取得。
ConsistencyMiddleware：本子系统的桶位影响 ConsistencyMiddleware 中 attention 二阶分支的信号权重选择（如 B5b 桶下 funding rate 权重上调）。
EvalHarness：本子系统的 mca_bucket 是 EvalHarness 评测分桶的事实源（评测系统强制下发，被测体系不允许自报）。半人工标注的 N3 标签由 reviewer 经 SLA 流程产出，进入评测样本时不重新自动判定。
既有子系统（Task Orchestration / State Management）：本子系统在 Task 入库时同步产出 mca_bucket 元数据；Task Orchestration 调度下游机制时按 mca_bucket 选择参数；State Management 持久化 Fin Object × MCA 标签对照库。

9. 实现里程碑映射

承接架构主稿 §29 v1 实现路径建议与 M0 Walking Skeleton §3.5。

实现现状对齐（2026-06-01，ADR-016 后）：本表写于 2026-05-29，早于 ADR-016 M1 范围界定（状态化 only，认知核实化拆 M1.5）把里程碑重切为「M0 骨架 → M1 状态化 only → M1.5 认知核实化 → M2 任务类型扩展 → M3 入口扩展」。MCA 真算实际落在 M1.5-C1（工程仓 commit 9e461e7），且实现路径不是本表设想的「逐轴 fixture → 自动毕业」，而是一次结构化 LLM 调用直接产 7 轴档位 + bucket_label（综合层纯函数 derive_mca_worst_axis 按 §7 v1 优先级 N>F>C>L>K>I>D 派生 worst_axis；tag_version="mca-v1.0"；输出随标的/市场变化、非常量）。下表的逐轴/逐里程碑切分保留为未来「轴位自动化深化 + 半年校准」的设计意图，里程碑列名沿用旧编号仅供参照，不代表当前已落地路径。

里程碑	本子系统落地范围	不落地（留下个里程碑）
M0	Task 上 `mca_bucket` 元数据字段以 `extra="ignore"` stub 形式存在，固定下发 B1（发达机构基线桶）；`classify` 接口签名落地但内部读 fixture（不做轴位推理）；`tag_version` 固定 `mca-v1.0`	7 轴自动推理、桶位裁决 worst_axis 排序、半人工 N3 标签 SLA 接入、桶位漂移监测
M1（旧逐轴设想，已被 M1.5-C1 整体真算路径取代，见上注）	〔旧设想〕轴 1（投资者结构）+ 轴 6（信息可得性）自动推理上线；轴 4（非市场参与者注入）按 §6/§7 走半人工标注，不在自动列；其余轴仍走 fixture；`mca_bucket` 升级为 `judgment_records` 独立索引列；`worst_axis` 排序按 §7 v1 排序逻辑落地	轴 2 / 轴 3 / 轴 5 / 轴 7 自动推理、半年校准刷新 `tag_version`
M2	7 轴全部自动推理上线（含轴 7「货币与跨境约束」）；半年校准刷新 `tag_version` 流程落地（按 Phase 5 §3.3 治理路径）；桶位漂移监测季度全量扫描	`tag_version` 升级时旧 Task 桶位重算策略（待 Phase 7+ 治理流程锁定）
M3	`tag_version` 升级时下游 schema 兼容策略锁定（重算 / stale / immutable 三选一）；轴 8（ESG 与气候政策）候选评估（Phase 3 T2 §5 预留）	跨工作流的 v2 体系演进项（按 Phase 5 治理流程节奏）

1. 职责定义​

2. 接口契约​

子模型类型 placeholder（M0 阶段简定义）​

3. 数据流​

4. 关键依赖​

5. 测试要求​

6. v1 工程回退​

7. 待解决问题 / 已知 trade-off​

8. 与其它子系统的接口对齐​

9. 实现里程碑映射​