跳到主要内容

FinClaw MVP 产品定义文档

本文件从完整态产品定义中截取第一阶段要在用户与市场上验证的用户、场景、交付物、能力与风险边界。

若你在做第一版路线图、里程碑验收或与工程对齐范围，请以本文为第一入口；完整态能力与长期承诺请回看 product-definition.md 与 strategic-whitepaper.md。

读完约 20–35 分钟，你应能说清 MVP 内含什么与外含什么，并把范围映射到下游 PRD / schema / 评测而不会与完整态自相矛盾。

trust: canonical；状态 Current MVP Product Definition（第一阶段已收束）；最后更新 2026-05-15。

上游: product-definition.md、strategic-whitepaper.md。设计支撑: design/foundation/product-object-and-advisor-design.md、design/foundation/terminology-and-object-naming.md。

目录​

  1. MVP 目标
  2. 用户与市场
  3. 第一阶段场景范围
  4. MVP 交付物
  5. MVP 能力范围
  6. 第一阶段金融技能层
  7. 金融认知顾问层与金融 Claw 产品层
  8. 第一阶段核心对象模型
  9. MVP 输入、输出与运行流程
  10. 轻量认知轨迹
  11. 阶段性生态关系
  12. AI / Agent 标准化约束
  13. 第一阶段体验原则
  14. 验收标准
  15. MVP 不解决的问题
  16. 阶段演进
  17. 后续下推

正文从 §1 MVP 目标起；原置于文首的元数据与过程叙事迁至文末 Changelog / 演化记录。

1. MVP 目标​

第一阶段产品形态需要成立的是：

FinClaw 能作为独立金融认知产品，帮助有真实金融关注对象、会持续观察市场、但缺少稳定认知体系的个人金融参与者，围绕加密资产或主题形成结构化市场认知，并把一次性研究转化为可复查、可更新、可追踪的认知线程。

第一阶段不要求一次性实现完整 FinTec AI Ecosystem 主链路，也不要求依赖 Data Horizon / 数据视界 完整输入或 AI Trading Matrix 执行闭环。

2. 用户与市场​

项第一阶段定义
目标用户有真实金融关注对象、会持续观察市场、但缺少稳定认知体系的个人金融参与者
首发市场加密货币市场认知
核心任务围绕资产、项目、主题、事件或叙事形成结构化认知
用户收益把过载金融信息转化为可复查、可更新、可持续维护的认知结构，更清楚识别风险、争议、未知和后续观察问题
明确不承诺投资收益、交易执行、自动下单、无授权调仓

3. 第一阶段场景范围​

第一阶段主路径是：

理解当前状态 -> 建立持续线程 -> 挑战主判断 -> 形成执行前认知边界。

3.1 主路径场景​

场景输入输出验收重点
市场认知快照资产、项目、主题、事件或用户问题市场认知快照输出结构完整，能区分事实、推断、争议、未知和来源
市场认知线程用户希望持续跟踪的资产、主题、叙事或开放问题市场认知线程能保存快照、记录关注理由、刷新条件和认知变化
风险与反方挑战资产、项目、主题或用户已有判断风险 / 争议映射，写入快照或线程能提出反方观点、未知信息、待验证问题和失效条件
策略假设 / 执行前认知检查点用户明确提出行动相关问题，或前序认知足够支持假设条件化策略假设、风险约束、执行前认知检查点不输出真实执行指令，能说明前提、失效条件和风险

3.2 辅助路径场景​

辅助路径可以进入第一阶段，但必须服务主对象和主路径。

场景输入输出限制
新闻 / 事件解读事件、项目更新、政策变化、市场争议事件 / 叙事认知快照作为快照入口，不独立变成新闻摘要产品
宏观 / 板块背景宏观条件、板块变化、风格切换背景解释，写入快照或线程作为上下文增强，不建设复杂宏观系统
机会发现用户希望找到值得研究的候选对象候选观察对象和观察问题不能变成荐股、喊单或自动信号
每日 / 每周刷新已有市场认知线程刷新摘要和变化记录作为线程延伸，不做完整主动投研日历
报告 / 简报快照或线程报告、简报、网页报告或渠道消息只是呈现形态，不是独立主产品

3.3 后置路径场景​

第一阶段不进入主路径：

  • 全市场扫描器；
  • 自动交易信号发现；
  • 组合优化；
  • 回测系统；
  • 机构级投研流程；
  • 大规模技能市场；
  • 多人协作审计流。

4. MVP 交付物​

4.1 Market Cognition Snapshot（市场认知快照）​

MVP 必须支持该交付物。

最小字段：

字段MVP 要求
object明确资产、项目、主题、事件或用户问题
time_context标明生成时间和信息覆盖范围
market_context给出核心事实和背景
narratives至少区分主流叙事和可能的反向叙事
recent_events列出与判断相关的近期事件
risk_and_controversy明确风险因素、争议点和反方观点
unknowns明确缺失信息和未验证假设
watch_questions给出后续观察问题
sources说明来源类别、限制和可信度

可选字段：

  • strategy_hypothesis；
  • pre_execution_checkpoints；
  • related_threads；
  • user_notes。

4.2 Market Cognition Thread（市场认知线程）​

第一阶段中的 Market Cognition Thread 不应只作为轻量字段组合处理，而应作为一等产品对象。

必须支持：

  • 保存同一资产 / 主题的历史快照引用；
  • 记录用户关注理由、研究偏好和当前关注阶段；
  • 记录开放研究问题；
  • 记录 watch questions；
  • 记录刷新条件、刷新原因和上次刷新后的认知变化；
  • 记录策略假设、失效条件和反方证据的演化；
  • 支持从单次快照延展为可复查、可更新、可追踪的连续认知视图；
  • 支持报告 / 简报 / 人工复盘等输出形态。

暂不要求：

  • 完整投资组合管理；
  • 自动交易提醒；
  • 多账户执行状态；
  • 团队协作审计流；
  • 复杂事件溯源图谱。

因此，第一阶段可以先不引入复杂协作流或交易执行状态，但不能把 Market Cognition Thread 降级为快照引用和观察问题的附属字段。它应是用户持续使用 FinClaw 的主要承载对象。

4.3 Evidence-Bounded Cognition Output​

MVP 每个核心输出必须显式包含：

  • 事实；
  • 推断；
  • 争议；
  • 未知；
  • 待观察问题；
  • 来源 / 时间上下文。

若来源不足，应明确说明“当前无法形成可靠判断”，而不是补出确定结论。

4.4 Cognition-Stage Strategy Output​

MVP 可以允许策略层认知输出，但必须置于受控场景。

最低字段：

字段要求
hypothesis条件化策略假设
preconditions成立前提
invalidators失效条件
risk_constraints风险约束
signals_to_watch待验证认知信号
pre_execution_checkpoints执行前仍需确认的事项
execution_boundary明确不直接执行交易

5. MVP 能力范围​

5.1 必须具备​

  • 用户输入资产、项目、主题、事件或问题；
  • 生成结构化市场认知快照；
  • 输出 evidence-bounded cognition；
  • 生成风险 / 争议映射；
  • 生成 watch questions；
  • 保存并维护市场认知线程；
  • 明确输出来源、时效和限制；
  • 明确金融风险和执行边界。

5.2 可以具备​

  • 用户关注资产 / 主题列表；
  • 历史快照对比；
  • 认知刷新提醒；
  • 条件化策略假设；
  • 执行前认知检查点；
  • 用户偏好记录；
  • 第一批加密市场 Fin Skills。

5.3 暂不具备​

  • 真实交易执行；
  • 自动下单；
  • 自动调仓；
  • 资金划转；
  • 链上交易；
  • 私钥管理；
  • token launch；
  • 机构级投研协作流；
  • 大规模 Fin Skills marketplace；
  • 完整 Data Horizon / 数据视界 接入；
  • 完整 AI Trading Matrix 执行闭环。

6. 第一阶段金融技能层​

第一阶段金融技能只围绕加密市场认知建设。

首批候选：

Skill职责
asset-context-summarizer整理资产 / 项目的基础上下文
narrative-mapper识别主流叙事、反向叙事和叙事来源
event-impact-reader解释事件可能影响的对象、路径和不确定性
risk-controversy-mapper梳理风险、争议、反方观点和未知
source-quality-checker检查来源类型、时效和可靠性限制
watch-question-generator从快照生成后续观察问题
strategy-hypothesis-framer在受控边界内生成条件化策略假设

这些金融技能是能力资产，不是产品本身。第一版仍以用户认知状态、场景和交付物为中心。

每个金融技能必须具备：

  • 明确能力边界；
  • 明确输入要求；
  • 明确输出类型；
  • 可被任务复用；
  • 可被金融认知顾问或认知编排层调用；
  • 可被独立评估。

金融技能不是最终对外人格，不直接等同于金融认知顾问，也不是任意扩展的临时提示集合。

7. 金融认知顾问层与金融 Claw 产品层​

第一阶段应坚持“职责清晰、视角必要”，不做复杂角色堆砌。

7.1 核心金融认知顾问​

金融认知顾问职责
事件解读顾问解释事件的金融含义与影响范围
标的研究顾问围绕标的 / 主题形成当前认知快照
市场 / 宏观顾问从市场状态、宏观背景和风格环境补充判断
风控顾问识别主判断中的风险点、脆弱点和失效条件
反方挑战顾问系统性构造反方逻辑与反证
交易前判断顾问围绕 pre-trade 问题形成条件化认知支持

每个金融认知顾问必须定义：负责的问题、不负责的问题、可调用的金融技能、输出对象、出现分歧时的表达方式、证据约束，以及如何进入市场认知线程。

金融认知顾问不是角色名展示，也不是多 Agent 演示。它的价值在于给用户提供可解释、可审计、可分歧、可复盘的专业认知视角。

7.2 金融 Claw 产品层​

金融 Claw 产品层不是单纯调度器。它是 FinClaw 面向用户的产品承载层，用于把用户问题、金融认知顾问、金融技能、证据边界、个性化偏好、市场认知线程和输出形态组织成一个持续可用的金融认知体验。

第一阶段应成立的产品能力：

  • 识别任务类型；
  • 澄清用户意图和约束；
  • 选择必要金融技能；
  • 选择必要金融认知顾问；
  • 组织“主分析 + 风险挑战 + 反方分歧”；
  • 检查证据边界和数据质量；
  • 汇总为统一输出对象；
  • 将关键结论、观察问题、策略假设和失效条件写入市场认知线程；
  • 在涉及行动语言时收束为执行前认知检查点。

第一阶段不要求金融 Claw 自主长链规划全部复杂工作流，不维护庞大顾问社会，不自动优化全部策略路径，也不承担学习引擎角色。但它必须体现产品层中心地位：用户不是在消费技能清单或顾问列表，而是在维护自己的金融认知状态。

8. 第一阶段核心对象模型​

第一阶段的主对象是市场认知快照和市场认知线程。其他对象和字段必须围绕这两个主对象服务，不能反向把产品变成报告生成器、多顾问发言流或技能调用平台。

对象层级如下：

层级内容第一阶段口径
主对象市场认知快照、市场认知线程必须支持保存、复查、引用、更新和导出。
边界对象执行前认知检查点可保存、引用和审计，但不等同于订单、交易信号或自动执行触发器。
驱动字段观察问题、刷新条件、失效条件属于快照和线程，用于推动后续刷新和复盘。
质量字段证据项、数据质量说明、来源限制、置信边界嵌入正式认知输出，先作为质量字段运行。
中间材料金融认知顾问输出、技能调用结果、反方挑战过程可追溯，但不作为用户主消费对象。
呈现形态报告、简报、网页报告、聊天摘要、外部渠道消息快照或线程的呈现方式，不是独立主产品。

工程对象模型可继续保留下列支撑对象，但它们不等同于第一阶段产品主对象：

对象含义最小字段
Task一次认知任务task_id、task_type、trigger_source、objective、targets、time_scope、constraints、priority
Input Material任务输入材料material_id、material_type、source、summary、entities、timestamp、confidence
Context Pack完成任务所需的最小上下文集合related_materials、market_snapshot、historical_context、target_entities、user_constraints、notes
Skill原子能力单元skill_id、skill_name、skill_type、applicable_tasks、input_requirements、output_type
Agent顾问角色agent_id、role_name、scope、methodology、allowed_skills、output_focus
Insight主理解与主判断thesis、supporting_points、confidence、time_horizon、linked_targets
Hypothesis条件化未来判断base_case、bull_case、bear_case、trigger_conditions、invalid_conditions
Risk View风险、反证与不确定性risk_points、counter_evidence、uncertainty_level、failure_modes
Scenario情景推演对象scenario_type、assumptions、reaction_path、watch_points
Pre-Execution Checkpoint认知层执行前认知检查点target、conditions、urgency、rationale、execution_boundary
Trace轻量认知轨迹记录trace_id、task_id、used_skills、used_agents、output_refs、status

Cognition Signal Candidate 可作为预留对象，但不作为 MVP 成败重点。

9. MVP 输入、输出与运行流程​

9.1 输入定义​

MVP 输入必须满足：

  • 多源兼容；
  • 不依赖 Data Horizon / 数据视界 才能成立；
  • 支持结构化与非结构化材料；
  • 支持人工输入与系统输入共存。

标准输入抽象为：

  • Task Request；
  • Input Materials；
  • Market Context；
  • Historical Context。

9.2 输出定义​

MVP 标准输出应至少包含：

  • Insight；
  • Hypothesis；
  • Risk View；
  • Scenario；
  • Pre-Execution Checkpoint；
  • Trace。

输出必须尽量满足：

  • 结构化；
  • 可解释；
  • 可复盘；
  • 有条件；
  • 有风险侧；
  • 有对象范围；
  • 有时间尺度。

9.3 标准流程​

MVP 标准流程：

任务触发
  -> 任务标准化
  -> 上下文构建
  -> Claw 调度
  -> Skills 执行
  -> Agents 分析
  -> 风险挑战
  -> 输出编译
  -> 结果交付
  -> 轻量轨迹记录

最小流程不能跳过风险挑战和对象化输出。

10. 轻量认知轨迹​

MVP 保留认知轨迹，但不重投入复杂反馈学习体系。

本阶段只记录四类最小信息：

  • 任务是什么；
  • 调用了哪些 Skills 和 Agents；
  • 输出了什么结果；
  • 是否被用户继续使用或采纳。

本阶段不做：

  • 强归因引擎；
  • 自动学习飞轮；
  • 复杂奖励机制；
  • 模型自动优化链路；
  • 生态级反馈闭环。

保留轻量轨迹的意义是：后续可复盘、可评估、可接学习系统，也可成为金融专家模型训练数据基础。

但第一阶段不以训练自有大模型为交付目标。当前应优先沉淀可治理的数据资产，包括真实用户问题、市场认知快照、市场认知线程、证据项、数据质量说明、金融认知顾问分歧、反方挑战、用户反馈和失败案例。

这些数据只应在用户授权、匿名化 / 去标识化、敏感信息过滤、产品记忆与训练数据分离、个人域数据与可聚合学习数据分离的前提下进入训练资产池。

11. 阶段性生态关系​

11.1 与 Data Horizon / 数据视界​

MVP 阶段的 FinClaw 不依赖 Data Horizon / 数据视界 才能成立。

当前阶段可将 Data Horizon / 数据视界 视为未来输入增强层，而不是当前成立前提。

第二阶段接入目标不是证明“接口存在”，而是验证：

  • 是否提升事件发现效率；
  • 是否提升上下文完整性；
  • 是否提升连续跟踪能力；
  • 是否提升主题链 / 事件链的认知价值；
  • 是否提升输入质量和任务触发质量。

11.2 与 AI Trading Matrix​

MVP 阶段不要求与 AI Trading Matrix 形成完整执行闭环。

当前阶段只做标准对象预留：

  • 可保留 Pre-Execution Checkpoint；
  • 可预留 Cognition Signal Candidate；
  • 可保留未来对接的对象边界；
  • 不将“认知转执行成功率”作为 MVP 关键成败标准。

下一阶段再验证认知结果的执行承接价值、传递性和反馈学习价值。

12. AI / Agent 标准化约束​

本节用于约束后续 AI 工程化落地时的定义稳定性。

  • 定义优先于发挥：不得擅自扩大 MVP 范围、改写对象语言、发散新增复杂能力域或将预留能力误判为当前必须能力；
  • 对象优先于文本：关键结果应优先映射到标准对象，而不是只输出自由文本；
  • 任务优先于对话：FinClaw 是任务型认知系统，不是泛化问答入口；
  • 调度优先于单角色：核心不是一个万能 Agent，而是底层能力、Skills、Agents、Claw 调度和结构化输出；
  • 风险侧必须存在：任何主判断都应配套风险点、反方逻辑、不确定性和失效条件；
  • 不得越权扩展到执行责任：当前阶段不负责最终交易指令、仓位控制、收益目标或风险豁免。

12.1 用户画像与敏感信息约束​

第一阶段采用轻量、渐进、可修正的用户画像。可记录关注市场、关注资产 / 主题、风险偏好、研究风格、输出深度、常用语言和偏好渠道。

画像可来自用户显式设置、场景内自然表达和行为派生，但必须可修改、可删除，不得替代证据、风险和反方挑战。

第一阶段不主动索取真实身份、账户信息、持仓明细、资金规模、收入 / 资产水平、交易权限、私钥 / 钱包敏感信息、复杂投资适当性问卷或机构合规流程字段。

如果用户主动提供：

  • 真实身份、收入 / 资产水平：默认不需要；不进入训练资产；当前对话必要时才临时使用；
  • 持仓明细、资金规模、风险偏好：可作为用户自述认知上下文；保存前必须确认；
  • 账户信息、交易权限、机构合规字段：不进入当前认知产品主流程；
  • 私钥、助记词、登录凭证、交易所密钥、钱包恢复短语：一律拒收、屏蔽、不得保存、不得训练、不得回显。

12.2 模型策略约束​

第一阶段默认由平台认证模型承担正式认知输出。用户自带模型可以作为高级配置保留，但不进入默认主体验。

任务分层建议如下：

任务类型模型要求原因
正式市场认知快照平台认证模型需要稳定事实区分、证据边界、风险和反方输出。
市场认知线程更新平台认证模型会影响长期认知状态，不能由不可控模型随意改写。
深度研究 / 高价值报告平台认证模型或平台深度模式质量、成本、来源和责任边界都需要平台控制。
策略假设 / 执行前认知检查点平台认证模型接近行动语言，必须保持高质量和边界稳定。
轻量摘要 / 初筛 / 非正式追问可允许自带模型风险较低，可用成本或隐私偏好换取灵活性。
私人草稿 / 本地实验可允许自带模型但必须标注为非正式输出，不进入权威认知线程。

自带模型输出不得默认写入权威市场认知线程。若需要写入，应经过平台认证模型复核或质量检查流程。

13. 第一阶段体验原则​

第一阶段体验不应只是普通聊天，也不应退化为强制表单流程。

产品形态应采用：

对话进入，工作台沉淀，渠道分发。

其中：

  • 对话入口承接口语、短问、模糊问题、突发事件和连续追问；
  • 场景化任务流在必要时引导用户补足关注对象、时间范围、证据要求、风险偏好和输出深度；
  • 认知工作台保存市场认知快照、市场认知线程、证据边界、观察问题、策略假设和执行前认知检查点；
  • 报告 / 简报是快照或线程的输出形态，不是独立主产品；
  • 外部聊天渠道可用于触发、订阅、轻量追问和传播，但权威认知对象应回落到 FinClaw 自身产品层。

应优先支持：

  • 围绕资产 / 主题开始研究；
  • 结构化展示快照；
  • 显示事实、推断、争议、未知和来源；
  • 让用户保存为认知线程；
  • 让用户追踪 watch questions；
  • 在策略层输出中清晰显示风险和执行边界。

网页端认知工作台应作为第一主形态，因为金融认知需要承载高密度内容、表格、图表、证据、线程、对比、复盘和报告。移动端、外部聊天渠道、命令行或终端界面可以作为入口、轻量消费、内部评测或高阶用户工具，但不应替代权威认知对象层。

14. 验收标准​

第一阶段产品形态可被认为成立，必须同时满足七个验收域，而不是只证明功能跑通。

14.1 用户体验验收​

个人用户不理解 FinClaw 内部机制，也能独立完成一次高质量金融认知任务。验收时应观察：

  • 用户是否知道从哪里开始；
  • 用户是否能用自然但不完整的表达发起任务；
  • 用户是否不需要理解 Agent、Skill、Prompt、YAML、模型链路或内部编排；
  • 系统是否能把用户意图转成合适的金融认知任务；
  • 用户是否能读懂输出结构、证据、假设、风险、不确定性和执行边界；
  • 用户是否能继续追问、保存、刷新或进入持续跟踪。

14.2 输出质量验收​

正式输出必须是可保存、可复盘、可追踪的金融认知对象，而不是一次性自然语言回答。每个主路径输出至少检查：

  • 是否有明确对象和时间上下文；
  • 是否区分事实、推断、假设、争议、未知和用户自述材料；
  • 是否列出证据状态、来源限制和数据质量约束；
  • 是否列出风险、反方观点、失效条件和后续观察问题；
  • 是否说明执行前边界，避免收益承诺、确定性买卖建议或真实执行指令。

14.3 持续跟踪验收​

第一阶段至少要证明 FinClaw 能围绕一个资产、主题、事件链或开放问题，维持一份用户可理解、可刷新、可复盘的持续认知记录。

第一阶段不要求全自动长期监控所有对象，但必须支持：

  • 保存认知快照；
  • 选择持续跟踪对象；
  • 维护当前主判断、关键证据、风险、反方、观察问题和失效条件；
  • 刷新时说明相对上次的变化；
  • 保留历史，不用新结果覆盖旧判断；
  • 支持暂停、关闭或不再继续跟踪。

14.4 评测用例验收​

评测不能只包含标准化金融问答，必须覆盖真实个人用户会提出的模糊、不完整、行动邻近、证据不足、风险冲突和追问式问题。

评测样本应覆盖：

  • 资产、周期或目标不清的模糊表达；
  • 买不买、卖不卖、追不追、要不要先出来等行动邻近问题；
  • 只有截图、传闻、片段新闻或旧材料的证据不足问题；
  • 利好和利空同时存在的风险冲突问题；
  • 基于上次结果继续追问或要求刷新判断的问题；
  • 用户提供持仓、资金、风险偏好或要求具体执行的边界压力问题；
  • 口语化、不完整、带情绪或带误解的低质量输入。

14.5 人工体验验收​

第一阶段必须通过一轮小规模真实人工体验，证明用户愿意复用、保存、追问或持续跟踪，而不是只觉得输出“看起来不错”。

关键行为信号包括：

  • 用户能独立完成任务；
  • 用户愿意保存至少一部分输出；
  • 用户愿意继续追问；
  • 用户能说清这次输出带来的认知增量；
  • 用户知道哪些结论还不确定；
  • 用户没有把输出误解成交易执行指令；
  • 用户愿意持续跟踪同一资产、主题或事件；
  • 出现复用、推荐或付费意愿的早期信号。

14.6 模型表现验收​

第一阶段不以预测正确率作为对外核心验收，而以证据处理、假设表达、风险识别、边界控制、结构稳定、上下文一致、刷新解释、不确定性处理和可复查性作为核心模型表现标准。

预测正确率、输出观点、分析结论和后续市场结果可以进入内部复验体系，用于支持 FinClaw 自迭代、模型改进和能力校准，但不作为第一阶段对外成立承诺。

14.7 商业信号验收​

第一阶段必须看到明确的早期商业信号，才能称为接近个人用户商业化运营；但不要求证明完整商业模式已经成立。

有效信号包括：

  • 用户反复使用；
  • 用户保存结果；
  • 用户持续跟踪同一资产、主题或事件；
  • 用户把它用于真实金融认知任务；
  • 用户愿意补充上下文换取更好结果；
  • 用户愿意等待一次高质量输出，而不是只要即时回复；
  • 用户愿意推荐给相似用户；
  • 用户愿意为高级功能、持续跟踪、报告、提醒、深度分析或个性化体验付费；
  • 用户能说清它比普通聊天、搜索或新闻聚合强在哪里。

15. MVP 不解决的问题​

MVP 不解决：

  • 完整金融数据基础设施；
  • 完整信息感知系统；
  • 自动交易闭环；
  • 多市场全覆盖；
  • 机构级合规投研流程；
  • 复杂团队协同；
  • 大规模技能市场；
  • 金融领域模型训练闭环。

第一阶段可以讨论商业模式原则，但不解决具体价格表、复杂会员等级、全球多区域套餐或机构版商业方案。

当前商业假设是：免费试用用于降低进入门槛和收集高质量样本；标准订阅用于持续认知线程；深度研究和正式报告作为高价值收费点；外部渠道和高频刷新作为增值项；自带模型用户支付平台服务费而不是完整推理费。

这些问题可以作为后续阶段 readiness 判断，但不能阻塞第一阶段独立产品闭环验证。

16. 阶段演进​

阶段目标
Phase 1: Standalone MVP验证 FinClaw 独立成立，验证任务、Skills、Agents、Claw 调度和输出对象成立
Phase 2: Data Horizon 联动验证验证 Data Horizon / 数据视界 对输入质量和认知质量的增强价值
Phase 3: Execution / Learning 预留接入验证认知结果的执行承接价值和认知轨迹的反馈学习价值

17. 后续下推​

本文档确认第一版产品定义后，后续下推应保持“少文档、强对象、可验收”：

  1. 第一批主路径 PRD 应直接引用本文档和 design/foundation/product-object-and-advisor-design.md，不再另起并列产品定义；
  2. Market Cognition Snapshot（市场认知快照）、Market Cognition Thread（市场认知线程）、Cognition-Stage Strategy Output（认知阶段策略输出）和 Pre-Execution Checkpoint（执行前认知检查点）应转成 schema、UI 状态、评测字段和人工体验脚本；
  3. Fin Skills 最小 schema 应服务第一版主路径，不扩张为大规模技能市场；
  4. Data Horizon / 数据视界 -> FinClaw 与 FinClaw -> AI Trading Matrix 只记录协同边界和待澄清问题，具体系统对接由实施阶段承接；
  5. 评测与验收材料统一进入 evaluation/finclaw/，单项目参考体验继续保留在 projects/finclaw/reference-experience/ 作为证据层。

具体系统对接设计，应由负责对应项目工程化落地的人 / 团队 / Agents 在实施阶段承接，不在本仓库提前固化。若新增文档，必须先确认它不能被现有产品定义、评测命名空间或 sync packet 承载。

Changelog / 演化记录​

本节收纳原置于文首的元数据与过程叙事（reader-surface-cleanup-sop.md：重排不删）。

Pattern provenance（注释块）​

Former document-head fields​

本文档沿用既有文件名，定义 FinClaw 第一阶段产品形态的用户、场景、交付物、能力范围、验收标准和风险边界。

当前版本不是"最小实现"或概念验证；它是在认知环节已被参考项目和前期本地实践证明可行的基础上，尽量接近 FinClaw 在金融生态认知节点中的第一版完整产品形态。

2026-05-15 补充说明：2026-05-12 Controller 多轮讨论的稳定结论已收束进本文档、product-definition.md、design/foundation/product-object-and-advisor-design.md 和 design/foundation/terminology-and-object-naming.md。若需要把第一版对象下推到 PRD、schema 或 UI，优先使用设计支撑文档。