FinClaw 产品定义文档
本文件在战略白皮书基础上，界定 FinClaw 完整态产品承诺、对象体系、能力与生态协同接口；不是单独的 MVP 裁剪说明，也不是工程实现计划。
若你要写 PRD / 统一团队与 Agent 对产品形态的理解、或截取第一阶段 MVP，请先读本文；若只求第一阶段范围边界，可先读 mvp-product-definition.md 再回到本文补齐完整态语义。
读完约 30–60 分钟，你应能复述核心产品对象、主场景与非目标边界，并把结论下推到 MVP、设计与评测命名空间而不产生平行口径。
trust: canonical；状态 Current Product Definition（已收束）；最后更新 2026-05-15。
上游: strategic-whitepaper.md、baseline/03-current-baseline.md、registry/project-registry.md。下游首要: mvp-product-definition.md，设计承载见 design/foundation/product-object-and-advisor-design.md。
目录
- 阅读入口与对齐关系
- 产品定位
- 目标用户
- 产品承诺
- 核心产品对象
- 第一阶段场景体系
- 能力结构
- 系统模块
- 任务类型体系
- 输入与输出协议
- 标准运行流程
- 与生态对象的协同
- 记忆、反馈与学习接口
- 第一版验收标准
- 非目标
- 当前状态与下一步
- 下游关系
正文从「阅读入口与对齐关系」起；边界与历次收束见文末 Changelog / 演化记录。
0. 阅读入口与对齐关系
本文档是 FinClaw 项目级统一接入文档，面向人类参与者、项目 owner、个人域 Agents、团队域 Agents 和 AI Coding 环境，用于快速理解：
- FinClaw 是什么；
- 第一阶段服务谁、交付什么、如何验证；
- 哪些能力属于认知边界，哪些必须交给执行治理链路；
- 当前已接受的产品对象、场景、能力结构和非目标；
- 下一步需要从产品定义 / MVP 定义下推为 PRD、schema、UI 状态、评测字段或工程任务的内容；涉及跨系统对接细节的内容，应留给具体项目工程化落地环节。
FinClaw 的正式阅读顺序收束为：
- strategic-whitepaper.md：定义完整态、生态位置、长期边界和战略表达；
- 本文档：承接战略白皮书，合并项目锚点、继承上下文、领域语言和当前状态中的稳定内容；
- mvp-product-definition.md：从本文档中截取第一阶段落盘切片，定义 MVP 范围、对象、模块、流程和验收；
- design/foundation/product-object-and-advisor-design.md：第一版 Market Cognition Thread 生命周期、金融认知顾问职责、输出契约和入线程方式；
- design/foundation/terminology-and-object-naming.md：FinClaw 术语、对象命名和 legacy 语义收束规范；
- evaluation/finclaw/README.md：FinClaw 体系评测、结构化用例、运行结果和参考吸收报告的命名空间入口；
- reference-experience/README.md：单项目参考体验报告索引，仅作为证据层和对照层保留，不再与产品定义主链并列。
早期项目锚点、继承上下文、项目 context 和当前状态材料不再作为独立文档保留。它们的稳定判断已收束进战略白皮书和本文档。
0.1 当前主线判断
当前 FinClaw 主线可收束为：
FinClaw 是面向个人用户的金融认知产品，也是生态中的金融认知系统；它的第一阶段以加密市场为切片，围绕结构化市场认知快照和可持续认知线程验证独立产品闭环；长期完整态是 Financial Cognition Operating System，但不承诺第一阶段平台化，也不进入未经授权的真实执行。
0.2 对 Agent / AI Coding 的继承要求
任何围绕 FinClaw 的 PRD、issue、任务包、Agent 执行计划或工程实现，应默认继承以下约束：
- 不从 MVP 反向压缩战略完整态；
- 不把 FinClaw 写成 Data Horizon / 数据视界 的摘要模块或 AI Trading Matrix 的执行前插件；
- 不把结构化认知输出包装成确定性收益承诺、真实订单意图或无授权执行信号；
- 第一阶段优先验证用户、场景、认知对象、输出质量和认知连续性，而不是追求横向金融行业 Skills 仓库或完整生态集成；
- 如果实践改变认知 / 执行边界、跨对象接口或金融风险口径，应通过 packets/sync/ 或 packets/escalation/ 回流生态层。
1. 产品定位
FinClaw 是面向个人用户的金融认知产品，同时也是 FinTec AI Ecosystem 内部的金融认知与研究分析中枢。
它成立的前提不是“用户拿不到金融信息”，而是：
AI 让金融信息获取门槛下降，但也让信息过载、误感知、叙事噪音和执行冲动更容易发生；个人用户越来越需要一个证据有界、持续更新、能把信息转化为认知结构的金融认知产品。
对用户而言，FinClaw 解决的问题不是“替我直接交易”，而是：
- 帮我理解一个资产、主题、事件或叙事；
- 帮我区分事实、推断、争议、未知和待验证信息；
- 帮我把一次性研究沉淀为可复查、可更新、可追踪的认知线程；
- 帮我在需要时形成条件化策略假设、风险约束和执行前认知检查点；
- 帮我减少信息噪音、叙事偏差和单点判断过度自信。
对生态而言，FinClaw 承接 Data Horizon / 数据视界 的信息感知输出，生成可被用户理解、可被后续交易执行层引用、可被反馈学习层沉淀的结构化认知对象。
金融认知在本产品中不是执行前的一次性分析，而是持续状态管理。FinClaw 需要帮助用户维护对资产、主题、事件、风险、策略假设和反方证据的持续认知状态。
2. 目标用户
第一阶段目标用户是：
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。
该用户不被定义为所有金融用户，也不被定义为纯新手或机构专业用户。其关键特征是：
- 会主动关注资产、项目、事件或市场主题；
- 会围绕某些资产、主题、叙事、风险或策略问题持续观察；
- 能理解金融市场存在不确定性；
- 需要比普通新闻摘要更结构化的认知产物；
- 需要保存、复查和更新自己的研究判断；
- 可能需要策略层思考，但不要求产品直接替其执行交易。
暂不作为第一阶段主用户：
- 只需要投资教育的新手用户；
- 以自动交易执行为核心诉求的用户；
- 需要机构级销售情报、合规投研流程或大规模团队协作的专业组织；
- 只想获得确定性买卖答案、收益承诺或无风险结论的用户。
- 没有明确关注对象、只偶发消费金融内容、且不愿形成持续观察的人群。
3. 产品承诺
FinClaw 的第一阶段产品承诺是：
帮助个人用户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。
该承诺包含四层：
- 初始理解：把分散信息整理成结构化市场认知快照；
- 证据边界：明确事实、推断、争议、未知、来源和时间上下文；
- 连续跟踪：把开放问题转化为 research follow-up / watch questions；
- 策略认知：在合适场景中形成条件化策略假设、风险约束和执行前认知检查点。
第一阶段产品形态应采用：
对话进入，工作台沉淀，渠道分发。
这意味着：
- 自然语言对话是低门槛入口，用于承接口语、模糊问题、临时事件、追问和探索；
- 场景化任务流用于组织认知过程，帮助用户在必要时补充关注对象、时间范围、风险偏好、证据要求和输出深度；
- 结构化认知对象用于保证输出质量，不能让结果停留在自由文本聊天记录；
- 认知工作台是权威沉淀层，用于保存、复查、更新和比较市场认知快照与市场认知线程；
- 外部聊天渠道可以作为触达、订阅、轻量追问和传播层，但不能替代产品自身的权威认知对象层。
产品不应选择“纯聊天”或“纯表单”。纯聊天容易牺牲证据边界、结构化质量和持续线程；纯表单容易牺牲智能体验、使用门槛和真实用户问题表达。第一版应让用户从自然语言进入，再由 FinClaw 转译为认知任务、必要追问、顾问协作、结构化输出和持续线程。
产品承诺不包含：
- 自动下单；
- 无授权调仓；
- 确定性收益承诺；
- 私钥、账户、资金或链上交易操作；
- 替代 AI Trading Matrix 的交易执行、风控、审计和执行链路。
4. 核心产品对象
第一版 FinClaw 的对象中心是：
市场认知快照 + 市场认知线程。
对象层级应按下表收束：
| 层级 | 对象 / 内容 | 产品地位 |
|---|---|---|
| 主对象 | 市场认知快照、市场认知线程 | 第一版产品中心，可保存、复查、引用、比较、导出和进入后续流程。 |
| 边界对象 | 执行前认知检查点 | 用于收束行动语言，表达执行前仍需确认的前提、风险和边界。 |
| 驱动字段 | 观察问题、刷新条件、失效条件 | 推动线程刷新、复盘和后续观察，不独立成为主对象。 |
| 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 | 可记录、追溯和审计，但不是用户主消费对象。 |
| 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，不是独立产品对象。 |
4.1 Market Cognition Snapshot（市场认知快照）
第一阶段锚点交付物。它围绕一个资产、项目、主题、事件或用户问题生成结构化市场认知快照。
建议最小字段：
| 字段 | 含义 |
|---|---|
object | 资产、项目、主题、事件或用户问题 |
time_context | 生成时间、覆盖时间范围、信息时效 |
market_context | 当前市场背景和核心事实 |
narratives | 主流叙事、反向叙事、叙事来源 |
recent_events | 近期关键事件、项目更新、政策或市场变化 |
risk_and_controversy | 风险因素、争议点、反方观点 |
unknowns | 信息缺口、未验证信息和不确定性 |
watch_questions | 后续需要观察的问题和刷新触发条件 |
strategy_hypothesis | 可选的条件化策略假设，不作为执行指令 |
pre_execution_checkpoints | 可选的执行前认知检查点 |
sources | 来源类别、引用、限制和可信度说明 |
4.2 Market Cognition Thread（市场认知线程）
Market Cognition Thread 是认知连续性对象，用于把某个资产、主题、叙事或开放问题的多次快照、用户关注点、后续问题和刷新记录串联起来。
它是第一版完整产品形态中的一等产品对象，不只是快照的附属字段、观察问题列表或轻量历史记录。
它可以记录：
- 历史快照；
- 用户关注理由；
- 用户研究偏好和当前关注阶段；
- 开放研究问题；
- watch questions；
- 刷新条件、刷新原因和上次刷新后的认知变化；
- 策略假设的演化；
- 失效条件与反方证据；
- 后续刷新记录；
- 可供用户、团队或后续系统复查的线程摘要。
它不是交易执行 watchlist，不是自动下单队列，也不暗示无授权交易提醒。
4.3 Evidence-Bounded Cognition Output
所有输出都应满足证据有界要求：
- 标明哪些是事实；
- 标明哪些是推断；
- 标明哪些存在争议；
- 标明哪些信息缺失；
- 标明后续观察问题；
- 保留来源、时间和可信度上下文。
这比“附来源”更强，因为它要求产品在认知结构内显式承认不确定性。
4.4 Cognition-Stage Strategy Output
FinClaw 可以在认知环节内输出策略层认知，但必须保持条件化和证据有界。
允许表达：
- 策略假设；
- 情景路径；
- 适用前提；
- 失效条件；
- 风险约束；
- 待验证信号；
- 执行前认知检查点。
不允许表达为：
- 真实订单指令；
- 自动执行信号；
- 无授权调仓建议；
- 确定性收益承诺；
- 直接调用交易所、经纪商、链上合约或执行系统。
4.5 Pre-Execution Checkpoint（执行前认知检查点）
Pre-Execution Checkpoint 是对来源材料中 Action Suggestion 的正式收束表达。
本项目不把 Action Suggestion 作为第一阶段正式主对象，因为该词容易被误读为行动建议、订单意图或执行候选。后续若保留该语义，应统一落入 Pre-Execution Checkpoint 或 Cognition-Stage Strategy Output：
- 它只能说明执行前仍需确认什么；
- 它可以提示风险、前提、失效条件和待验证信号；
- 它不能替代用户授权、风控、审计或执行系统。
4.6 Cognition Signal Candidate
Signal Candidate 应收束为 Cognition Signal Candidate。
它表示一个值得继续观察或验证的认知信号候选，而不是交易信号或执行触发器。
示例：
- 某个叙事开始反复出现；
- 某个项目基本面发生变化；
- 某个风险事件可能改变原有判断；
- 某个价格、流动性、链上或新闻变化需要进入后续研究。
只有当它经过授权、风控、审计和执行链路转换后，才可能成为 AI Trading Matrix 范围内的行动输入。
5. 第一阶段场景体系
第一阶段不只做单次报告生成，也不扩张为完整金融 Agent 平台。当前场景体系应保持清晰、可验证、互相连接。
不同用户的认知偏好可以不同：有人偏新闻 / 事件解读，有人偏标的长期跟踪，有人偏宏观背景，有人偏板块和叙事，有人偏机会发现或执行前检查。产品层不应为每一种偏好复制一套互不相通的产品，也不应把全部差异都暴露为金融认知顾问选择。
第一版应使用统一的场景语法承接这些差异：
关注对象 + 用户问题 + 时间范围 + 认知任务类型 + 证据要求 + 输出对象 + 后续观察方式。
在这个统一语法下，产品可以提供不同场景入口；进入后由金融 Claw 产品层判断需要哪些金融认知顾问视角和金融技能参与。
第一版主路径是：
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。
5.1 主路径场景
| 场景 | 用户问题 | 输出对象 | 验收重点 |
|---|---|---|---|
| 市场认知快照 | 这个资产 / 主题 / 事件现在该如何理解？ | 市场认知快照 | 能形成事实、推断、争议、未知、来源和后续观察。 |
| 市场认知线程 | 我想持续跟踪这个资产 / 主题 / 叙事。 | 市场认知线程 | 能保存快照、更新认知、记录刷新条件和复盘变化。 |
| 风险与反方挑战 | 这个判断有哪些风险、反证和失效条件？ | 风险 / 争议映射，写入快照或线程 | 风险和反方不是装饰，而是核心质量门槛。 |
| 策略假设 / 执行前认知检查点 | 如果我想买、卖、补仓、减仓或设提醒，需要先确认什么？ | 认知阶段策略输出 / 执行前认知检查点 | 收束行动语言，不生成真实执行指令。 |
5.2 辅助路径场景
| 场景 | 产品作用 | 限制 |
|---|---|---|
| 新闻 / 事件解读 | 作为市场认知快照的入口。 | 不独立变成新闻摘要产品。 |
| 宏观 / 板块背景 | 为快照和线程提供上下文增强。 | 第一版不建设复杂宏观系统。 |
| 机会发现 | 帮助用户发现值得研究的候选对象。 | 不能变成荐股、喊单或自动信号产品。 |
| 每日 / 每周刷新 | 作为市场认知线程的延伸。 | 不先做完整主动投研日历。 |
| 报告 / 简报 | 作为快照和线程的呈现形态。 | 不作为独立场景中心。 |
5.3 后置路径场景
| 场景 | 后置原因 |
|---|---|
| 全市场扫描器 | 容易把第一版拉成横向金融工具平台。 |
| 自动交易信号发现 | 容易越过认知边界进入执行暗示。 |
| 组合优化 | 需要更完整持仓、风险和执行系统边界。 |
| 回测系统 | 属于策略验证和执行前研究系统，不是第一版主闭环。 |
| 机构级投研流程 | 会引入合规、团队和审计复杂度。 |
| 大规模技能市场 | 容易稀释产品对象中心。 |
| 多人协作审计流 | 应在个人认知闭环稳定后再扩展。 |
6. 能力结构
完整态可采用六层产品能力结构：
- 语义与上下文层；
- 金融技能层；
- 金融认知顾问层；
- 认知编排层；
- 认知结果层；
- 记忆与反馈层。
第一阶段可压缩为四层：
| 层 | 第一阶段职责 |
|---|---|
| 金融技能层 | 信息抽取、资产理解、叙事识别、风险梳理、来源检查、快照结构化输出 |
| 金融认知顾问层 | 围绕具体认知任务组合技能，进行澄清、拆解、反证和输出组织 |
| 认知编排层 | 决定何时生成快照、何时做事件理解、何时做风险挑战、何时转成后续观察 |
| 记忆与反馈层 | 记录关注资产 / 主题、历史快照、开放问题、研究偏好和刷新需求 |
该结构是产品能力结构，不是工程模块树。
6.1 三层产品关系
第一版产品形态中，能力结构应按以下三层关系理解：
| 层 | 产品含义 | 不应误解为 |
|---|---|---|
| 金融技能层 | 可复用、可治理、可评估的金融认知原子能力。 | 技能数量越多，产品能力越强。 |
| 金融认知顾问层 | 面向特定金融认知任务的专业认知视角，负责组合技能、提出判断、暴露分歧和说明证据边界。 | 角色名称展示，或多 Agent 演示。 |
| 金融 Claw 产品层 | 面向用户的产品承载层，负责问题进入、意图澄清、任务拆解、顾问协作、证据检查、个性化、线程维护、输出呈现和执行前边界。 | 单纯调度器、聊天外壳或报告生成器。 |
正确推导顺序是：用户认知状态 -> 认知任务 -> 需要的专业视角 -> 金融认知顾问 -> 金融技能 -> 金融 Claw 统一组织体验、结果和持续线程。
因此，FinClaw 不以金融技能和金融认知顾问数量定义产品能力，而以它们能否帮助用户形成、维护、修正和复盘金融认知状态定义产品能力。
7. 系统模块
完整态 FinClaw 可被拆为八个系统模块。该拆分用于产品系统定义和后续架构讨论，不代表第一版产品形态必须一次性完整实现。
| 模块 | 职责 | 第一阶段口径 |
|---|---|---|
Task Intake & Intent Parser | 承接用户、系统或上游触发，并识别认知任务类型 | 第一版必须具备任务标准化 |
Context Builder | 为任务构建上下文包，组织事件、实体、市场状态、历史记录、用户约束和来源材料 | 第一版使用必要上下文包，不依赖完整 Data Horizon / 数据视界 输入 |
Skill Runtime | 执行原子金融认知能力 | 第一版保留首批高频金融技能 |
Agent Framework | 组织角色化顾问进行多视角分析、风险审查和反方挑战 | 第一版保持清晰顾问职责，不做复杂顾问社会展示 |
Cognition Orchestrator | 决定任务路径、技能、顾问、分析顺序和输出结构 | 第一版的认知编排核心 |
Insight Compiler | 将中间分析压缩成结构化认知对象 | 第一版必须保证输出对象化 |
Memory & Personalization Engine | 维护用户偏好、历史任务、认知路径和关注对象 | 第一阶段应支持市场认知线程、必要偏好和用户关注对象 |
Feedback Adapter | 将任务结果、采纳、执行反馈和输出质量沉淀给反馈学习层 | 第一版保留必要反馈接口 |
模块边界的核心约束：
- FinClaw 不是一个万能 Agent；
- FinClaw 的产品能力来自任务标准化、金融技能、金融认知顾问、认知编排、结构化输出和持续认知线程的组合；
Feedback Adapter记录认知结果与后续使用情况，但不在第一阶段承担重型学习闭环。
8. 任务类型体系
FinClaw 支持的是金融认知任务，而不是泛化问答任务。
| 任务类型 | 目标 | 当前阶段 |
|---|---|---|
| 单事件解读 | 解释某条信息、公告、政策或事件意味着什么 | 辅助路径 / 快照入口 |
| 连续事件跟踪 | 跟踪事件链、主题链或叙事链演化 | 辅助路径 / 线程增强 |
| 标的深度认知 | 围绕公司、资产、板块、协议或主题建立较深认知 | 主路径 |
| 市场状态诊断 | 判断市场或子市场的状态、风格、情绪和 regime | 辅助路径 |
| 交易前认知支持 | 在动作发生前提供条件化判断支持 | 主路径 / 边界敏感 |
| 风险挑战与反证 | 挑战已有观点，寻找失效条件和反方证据 | 主路径 |
| watchlist 巡检 | 对重点标的池或主题池进行持续认知巡检 | 辅助路径 / 线程增强 |
| 组合级认知复核 | 对组合或策略集合做认知层复核 | 后续 |
| 复盘与归因 | 复盘过去观点、判断或动作中的认知偏差 | 后续 |
其中，交易前认知支持、watchlist 巡检 和 组合级认知复核 容易被误解为执行层职责，必须显式保留认知边界。
9. 输入与输出协议
9.1 输入对象
后续工程化时，输入应优先落到标准对象，而不是直接把任意文本传给模型。
关键输入对象包括：
| 对象 | 用途 | 关键字段 |
|---|---|---|
Task Request | 描述一次认知任务 | task_type、trigger_source、objective、targets、time_scope、constraints、context_refs、priority |
Event Package | 描述一个事件输入 | event_id、event_type、timestamp、summary、entities、confidence、impact_scope、urgency |
Market Context | 描述市场状态 | market、regime_hint、volatility_state、dominant_theme、recent_key_moves |
Context Pack | 装配任务上下文 | related_events、market_snapshot、historical_context、user_profile、reference_materials |
9.2 输出对象
输出不应只是自然语言长文。标准输出应尽量组织为 Insight Package。
最小结构包括：
insight：主理解、支持理由、置信度、时间尺度；risk_view：风险点、反方证据、不确定性和失效模式；scenario：base / bull / bear 或其他情景假设；pre_execution_checkpoints：执行前仍需确认的条件和风险；cognition_signal_candidates：值得继续观察或验证的认知信号候选；sources：来源、时间和限制；feedback_refs：后续反馈学习可引用的输出标识。
输出设计原则：
- 结构化；
- 可解释；
- 可引用；
- 可复盘；
- 可传递到后续系统；
- 可回流到反馈学习层；
- 必须有条件、风险和失效前提。
10. 标准运行流程
完整态 FinClaw 的标准运行流程可定义为九步：
- 触发：用户主动触发、上游事件触发、系统巡检触发或交易执行层请求触发；
- 任务识别：判断任务类型、目标范围、时间范围和风险等级；
- 上下文装载：调取事件、标的、历史记录、市场状态、用户偏好、风险限制和来源材料；
- 认知编排：决定 Skills、Agents、分析顺序，以及是否引入反方挑战；
- 能力执行：由 Skills 和 Agents 完成对应分析；
- 冲突与挑战：识别反证、冲突、失效条件和不确定性；
- 结果编译：生成统一认知输出包；
- 结果路由：交付给用户、认知线程、后续系统或反馈接口；
- 反馈沉淀：记录采纳、使用、执行后结果和认知质量。
第一阶段可压缩此流程，但不能跳过任务识别、上下文构建、风险挑战和结构化输出。
10.1 模型策略
第一版 FinClaw 应默认使用平台认证模型完成核心认知任务，并把模型选择隐藏在产品能力和质量策略之后。用户不应被迫在主流程中理解或选择具体模型供应商。
产品层可提供以下模型模式：
| 模式 | 用户语言 | 产品含义 |
|---|---|---|
| 标准认知 | 默认模式 | 使用平台认证模型完成常规快照、事件解释、风险梳理和线程更新。 |
| 深度研究 | 高质量 / 高成本模式 | 用于复杂标的研究、宏观推理、长链反方挑战、策略假设和高价值报告。 |
| 快速低成本 | 轻量模式 | 用于摘要、初筛、低风险追问和非关键任务。 |
| 隐私优先 | 受限模式 | 在用户对数据边界敏感时使用受限上下文、私有配置或本地 / 专属模型能力。 |
| 自带模型 | 高级配置 | 用户提供模型接入，但必须接受能力检测、任务限制、质量标注和降级提示。 |
模型策略不应变成“自由选择模型列表”。FinClaw 的质量契约来自任务路由、证据边界、输出对象和评测标准，不来自把模型选择责任转嫁给用户。
核心认知任务应默认使用平台认证模型；用户自带模型可用于低风险、非正式、成本敏感或隐私优先场景，但其输出必须标注模型来源和质量边界。若自带模型能力不足，系统应拒绝执行高风险认知任务，或自动降级为草稿 / 辅助输出。
10.2 商业模式原则
第一版产品定义需要包含商业模式原则，但不需要在当前阶段确定具体价格表。
FinClaw 的收费对象不应是模型调用本身，而应是金融认知服务价值，包括：
- 正式市场认知快照；
- 市场认知线程的长期维护和刷新；
- 深度研究和高价值报告；
- 风险、反方挑战和证据边界质量；
- 策略假设和执行前认知检查点；
- 高频刷新、提醒和外部渠道通知；
- 隐私优先模式、专属配置和自带模型平台服务。
第一版可采用“免费进入 + 高价值节点收费”的商业假设：
| 商业层 | 产品含义 |
|---|---|
| 免费 / 冷启动 | 邀请码、免费试用、有限次数基础快照，用于降低进入门槛和控制早期样本质量。 |
| 标准订阅 | 持续市场认知线程、标准快照、常规刷新和基础外部渠道触达。 |
| 深度研究 / 正式报告 | 复杂研究、高价值报告、长链反方挑战和平台深度模式。 |
| 高频刷新 / 多渠道通知 | 更高刷新频率、更多关注对象、更多外部渠道触达。 |
| 自带模型 / 隐私优先 | 用户承担部分推理成本或使用专属能力，平台收取认知编排、对象沉淀、质量检查和工作台服务价值。 |
不同群体、语种、国家区域、市场和渠道会影响付费意愿、合规预期、模型成本和使用频率。第一阶段应记录这些变量，但不应因此提前扩张成复杂全球化商业方案。
11. 与生态对象的协同
11.1 Data Horizon / 数据视界
Data Horizon / 数据视界 负责上游金融信息感知、组织和结构化。
FinClaw 后续应消费：
- 信息对象；
- 上下文包；
- 来源质量；
- 时间上下文；
- 数据缺口说明。
第一阶段不以 Data Horizon / 数据视界 完整输入为硬依赖。若使用第三方公开信息、用户输入或手动来源，应在输出中明确来源和限制。
FinClaw 后续可反哺 Data Horizon / 数据视界：
- 哪类事件更值得优先送达；
- 哪类事件结构化质量不足；
- 哪类主题关联更有认知价值；
- 哪类来源对认知输出帮助最大。
11.2 AI Trading Matrix
AI Trading Matrix 负责交易执行、授权、风控、审计和真实执行支持。
FinClaw 可向其转交：
- 认知快照；
- 策略假设；
- 风险约束；
- 失效条件；
- 执行前认知检查点。
FinClaw 不直接转交：
- 订单；
- 调仓动作；
- 资金动作；
- 链上交易；
- 私钥操作；
- 自动执行请求。
后续协同时，AI Trading Matrix 可向 FinClaw 回传：
- 哪些候选认知信号被采用；
- 哪些认知输出可执行性更高；
- 哪些建议在真实执行中失效；
- 哪类风险提示更有实际价值。
这些反馈只能用于认知质量改进，不表示 FinClaw 取得执行权限。
11.3 Reinforcement Learning Engine
FinClaw 可向反馈学习层沉淀：
- 用户反馈；
- 输出质量评价；
- 认知修订记录；
- 失败案例；
- 后续结果观察；
- 任务样本和评估信号。
第一阶段只保留轻量反馈入口和认知轨迹，不提前建设重型学习基础设施。
11.4 Financial Expert Foundation Model
FinClaw 可把稳定的金融任务、对象 schema、输出样本、评估标准和领域术语沉淀为金融领域模型能力输入。
Financial Expert Foundation Model 成熟后可反哺 FinClaw 的理解、推理和结构化输出。
第一版不以训练自有大模型为前置目标。更合理的路径是：
- 先用平台认证模型保证产品质量；
- 把真实场景、结构化认知对象、用户反馈、失败案例和评测结果沉淀为高质量训练资产；
- 优先用于后训练、偏好优化、失败案例学习和专家风格校准；
- 再进入领域继续训练或自有金融专家模型建设；
- 成熟态将自有金融专家模型纳入平台认证模型体系，作为核心默认模型或专家模型底座。
可沉淀的数据资产包括：
- 用户真实金融问题、关注对象、市场、周期和风险偏好；
- 市场认知快照、市场认知线程和后续刷新记录；
- 证据项、数据质量说明、来源限制和工具轨迹；
- 金融认知顾问分歧、反方挑战、修正过程和输出质量评价；
- 用户采纳、追问、否定、保存、复盘和后续结果；
- 幻觉、过度自信、遗漏风险、错误归因、证据不足等失败案例。
训练使用必须区分产品记忆与训练数据、个人域数据与可聚合学习数据。任何用户数据进入训练前，都需要授权、匿名化 / 去标识化、敏感信息过滤、可退出训练使用和可删除 / 隔离机制。
12. 记忆、反馈与学习接口
完整态可维护四类记忆：
| 记忆类型 | 内容 |
|---|---|
| 用户记忆 | 偏好市场、偏好风格、风险偏好、常用任务类型 |
| 任务记忆 | 历史任务、历史输出、历史结论、任务之间关联 |
| 认知记忆 | 常用 Skills 组合、常用 Agents 组合、有效认知路径、失效模式 |
| 结果记忆 | 被采纳情况、被执行情况、后续结果表现、认知质量评分 |
第一版应采用轻量、渐进、可修正的用户画像。画像来源包括：
| 画像来源 | 内容 | 处理方式 |
|---|---|---|
| 显式轻量画像 | 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、偏好渠道 | 用户主动设置或在首次关键场景中选择。 |
| 场景内渐进画像 | 时间周期、偏宏观 / 标的 / 事件 / 机会发现、风险追问倾向、报告偏好 | 从真实任务中自然获得，需可修改。 |
| 行为派生画像 | 高频关注对象、常用任务类型、输出偏好、线程活跃度 | 从保存、刷新、追问、忽略、采纳、复盘中推断，需可解释和可修正。 |
个性化可以影响输出深度、语言风格、市场偏好、关注对象、风险提示强度、线程刷新频率、报告 / 简报格式和通知渠道。
个性化不得影响事实与推断的区分、是否展示风险与反方、证据边界、不确定性表达、执行边界或幻觉容忍度。
12.1 主动提供敏感信息的处理
FinClaw 不应主动索取真实身份、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。
若用户主动提供，按以下规则处理：
| 信息类型 | 处理方式 |
|---|---|
| 真实身份信息、收入 / 资产水平 | 默认不需要。若用户主动提供，不进入训练资产；只在当前对话必要时临时使用，并优先提示“不需要提供此类信息”。 |
| 持仓明细、资金规模、风险偏好 | 可用于认知上下文，但必须明确为用户自述信息；不构成执行建议；保存到画像或线程前需要用户确认。 |
| 账户信息、交易权限、机构合规流程字段 | 默认不进入 FinClaw 主流程。若涉及后续执行或合规系统，应提示当前认知产品不处理。 |
| 私钥、助记词、钱包恢复短语、登录凭证、交易所密钥、应用密钥 | 直接拒收、屏蔽，不保存、不回显、不用于分析、不进入日志或训练；提示用户更换或轮换相关凭证。 |
所有敏感信息默认不得进入训练资产。即使用户授权，凭证、私钥、账户权限类信息也不得进入训练集。
非凭证类金融上下文可以临时用于当前认知任务，但默认不保存。保存到用户画像、市场认知线程或长期记忆前，必须获得明确确认。
后续可向反馈学习层暴露的接口包括：
task_result_feedback；insight_adoption_feedback；signal_conversion_feedback；agent_effectiveness_feedback；skill_effectiveness_feedback。
第一阶段只保留轻量轨迹和最小反馈，不建设复杂奖励机制或自动学习飞轮。
13. 第一版验收标准
第一版 FinClaw 成立，不是证明概念可行，也不是交付一个最小功能 MVP，而是尽量接近可开放给个人用户、可商业化运营的金融认知产品版本成立。
总判定是：第一版必须形成可信金融认知产品闭环。用户能够发起金融认知任务，获得结构化认知结果，保存和复盘结果，围绕同一资产、主题、事件链或开放问题继续跟踪，并在不知道 Agent、Skill、Prompt、YAML、模型链路或内部编排的情况下，理解证据、假设、风险、不确定性和执行边界。
第一版验收分为七个域：
| 验收域 | 底线标准 |
|---|---|
| 用户体验 | 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；产品必须让用户知道从哪里开始、如何表达不完整问题、如何读懂输出结构、如何继续追问、保存、刷新或持续跟踪。 |
| 输出质量 | 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；合格输出应包含核心判断、证据状态、关键假设、风险与反方、失效条件、观察问题、时间边界和执行前边界。 |
| 持续跟踪 | 第一版至少要证明 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；不要求全自动长期监控，但必须支持认知快照保存、持续跟踪选择、变化记录和不覆盖历史的刷新。 |
| 评测用例 | 评测不能只测标准化金融问答，而必须覆盖真实个人用户的模糊、不完整、行动邻近、证据不足、风险冲突和追问式问题；样本应包含口语化表达、低质量输入、用户自述金融上下文、边界压力和连续刷新问题。 |
| 人工体验 | 第一版必须通过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”；关键观察信号包括独立完成任务、保存结果、继续追问、能说清认知增量、理解不确定性和边界、没有误解为执行指令、愿意复用或推荐，以及出现早期付费意愿。 |
| 模型表现 | 第一版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，用于支持自迭代、模型改进和能力校准，但不作为第一版对外成立承诺。 |
| 商业信号 | 第一版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。有效信号包括反复使用、保存结果、持续跟踪、用于真实金融认知任务、愿意补充上下文换取更好结果、愿意等待高质量输出、愿意推荐、明确付费意愿，以及能说清 FinClaw 相比普通聊天、搜索或新闻聚合的价值差异。 |
第一版产品价值不以交易收益作为直接验收指标。交易结果、预测正确率和后续市场表现只进入内部复验与能力校准，不作为对用户承诺或对外成立门槛。
14. 非目标
FinClaw 第一阶段不做：
- 交易执行系统；
- 自动下单工具；
- AI hedge fund；
- 无授权 portfolio manager；
- 确定性投资建议产品；
- 纯链上侦查工具；
- 机构销售情报平台；
- 横向金融行业 Skills 仓库；
- token launch 或资产发行系统；
- private key 管理系统。
15. 当前状态与下一步
当前主链已经建立：战略白皮书、本产品定义文档和 MVP 产品定义文档均已进入当前收束口径。下一阶段不再以证明 FinClaw 定位为主，而是把本文档中的关键对象和接口下推为可执行材料。
当前最重要的下游工作不再是重新证明产品定位，而是把已收束对象转成工程可执行材料：
- 将 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）下推为 PRD、schema、UI 状态和评测字段；
- 将 product-object-and-advisor-design.md 中的线程状态、刷新触发、合并 / 拆分 / 关闭和用户可感知机制转成产品交互与数据模型；
- 将 product-object-and-advisor-design.md 中的顾问职责、输出契约、分歧处理和入线程方式转成 Claw 编排规则；
- 将证据项、数据质量说明、动作状态真实性、模型模式、用户授权和敏感信息处理转成结构化评测 schema 与 UI 标签；
- 将当前 MVP 实现映射到本文档、mvp-product-definition.md 和评测用例，而不是继续扩写并列产品文档；
- 让 Labs 团队正在推进的 FinClaw 实施线，以及其个人域 Agents，以本文档、MVP 文档和设计支撑文档作为共同上游输入。
16. 下游关系
本文档确认后，应下推到 mvp-product-definition.md。
MVP 文档只截取第一阶段需要验证的用户、场景、交付物、能力范围、验收标准和风险边界。
后续不默认新增独立“简报”文档。第一版对象已经收束到本文档、mvp-product-definition.md 和 design/foundation/product-object-and-advisor-design.md。后续新增材料应优先落在以下位置：
- PRD / schema / UI 状态：承接第一版对象和体验规则；
- evaluation/finclaw/：承接评测字段、结构化 cases 和 runs；
- packets/sync/ 或 packets/escalation/：承接 Data Horizon / 数据视界 -> FinClaw、FinClaw -> AI Trading Matrix 的协同边界和待澄清问题。
具体 schema 细节和系统对接设计，不在本仓库提前产出；应在负责该项目落地的人 / 团队 / Agents 进入工程化设计时承接。
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
- 状态：Current Product Definition / 已收束
- 最后更新：2026-05-15
- 项目：FinClaw
- 文档级别：项目级产品定义与对齐入口
- 上游文档：strategic-whitepaper.md、baseline/03-current-baseline.md、registry/project-registry.md
- 参考材料：source/project-prealignment/finclaw/product-definition-supplement.md、references/finclaw/、已吸收的早期项目锚点 / 继承上下文 / 项目 context / 当前状态材料
本文档承接 FinClaw 战略白皮书，把 FinClaw 的完整态战略定义下推为产品定义。
本文档不是 MVP 范围说明，也不是工程实现计划。MVP 应继续从本文档中截取第一阶段可验证切片，而不是反向限制 FinClaw 的长期产品形态。
2026-05-15 更新说明：本文档已经回写 2026-05-12 至 2026-05-13 围绕 FinClaw 第一版的议题收束结果。15 项原始议题中，用户提供列表实际缺少编号 14；其余议题已分别落入本文档、mvp-product-definition.md、design/foundation/product-object-and-advisor-design.md、design/foundation/terminology-and-object-naming.md 和 evaluation/finclaw/case-schema.md。原议题核对矩阵只作为一次中间执行状态，已从正式知识库入口清理。后续不应继续新增平行产品定义文档，而应下推到 PRD、schema、UI 状态、评测用例和工程任务。