第三方参考项目评估方法
状态：Active / 参考项目评估方法论 最后更新：2026-05-12 适用范围：非生态内对标的第三方开源项目、Agent 平台、知识库工具、协作框架、金融参考项目、数据平台、交易系统、模型工具链与其他外部参考材料。
1. 目的
本方法用于统一评估第三方参考项目，避免外部项目调研停留在功能清单、README 摘要或一次性结论。
每个参考项目都应回答三个问题：
- 它是否能提升 Curvature Labs 的个人与团队生产力、生产效率、协作能力或工作范式；
- 它是否能提升 FinTec AI Ecosystem 的生态公共基座、治理仓库、知识库、Agent 接入、公共工具或审计能力；
- 它是否对生态内独立产品 / 系统有相关价值，例如 FinClaw、Data Horizon、AI Trading Matrix、Reinforcement Learning Engine 或 Financial Expert Foundation Model。
2. 三层评估框架
2.1 Curvature Labs 生产力层
评估问题：这个项目是否能提升 Curvature Labs 团队和成员个人域 Agents 的生产力、效率、协作方式或工作范式？
重点判断：
| 维度 | 评估内容 |
|---|---|
| 个人域 Agent 能力 | 是否提升本地 Codex、OpenCode、Claude、Cursor 或其他个人工作环境 |
| 团队协同 | 是否能帮助多人、多 Agent、跨会话、跨仓库协同 |
| 工作流范式 | 是否提供更好的任务分解、审查、验收、记忆、上下文管理 |
| 工具 / 技能复用 | 是否能沉淀为团队通用工具、skills、templates、agents |
| 审计与复盘 | 是否提升过程可观测、可追踪、可复盘 |
2.2 FinTec AI Ecosystem 公共基座层
评估问题：这个项目是否能提升整个金融生态的公共基础能力，包括治理仓库、知识库、Agent 接入、公共上下文、公共工具、公共审计能力？
重点判断：
| 维度 | 评估内容 |
|---|---|
| 知识库 / 治理库增强 | 是否改善文档事实源、索引、检索、上下文装配、版本演进 |
| Agent 接入机制 | 是否能帮助不同 Controller / Agents 快速对齐生态上下文 |
| 公共能力层 | 是否适合作为生态级 MCP、Tool Registry、Skill Registry、Memory、Usage Report |
| 权限与边界 | 是否能支持认知 / 执行边界、审计边界、数据权限边界 |
| 可视化协作 | 是否能提供人类友好的状态、任务、图谱、报告、仪表盘 |
2.3 生态内独立产品 / 项目层
评估问题：这个项目是否对 FinClaw、Data Horizon、AI Trading Matrix、RLE、FEFM 等独立产品或系统有直接或间接价值？
评估时必须按产品拆分，不能只给泛化结论。
| 产品 / 系统 | 评估重点 |
|---|---|
| FinClaw | 金融认知 Agent、金融原子 Skill、长期问答记忆、研究链路、证据链、用户画像、watch questions |
| Data Horizon | 数据接入、数据目录、数据血缘、数据质量、上下文检索、数据 Agent 工作流 |
| AI Trading Matrix | 策略研究、信号解释、执行前检查、风险审查、认知到执行的边界协议 |
| Reinforcement Learning Engine | 模拟、反馈、评估、实验记录、环境 / agent 交互闭环 |
| Financial Expert Foundation Model | 训练数据治理、金融知识结构、评测、模型工具链、领域知识注入 |
3. 吸收类型
| 类型 | 含义 | 执行动作 |
|---|---|---|
| 参考 | 只作为设计启发，不进入近期实现 | 写入参考分析 / 设计备注 |
| 借鉴 | 转化为生态或产品设计输入 | 进入治理文档、需求输入、Controller 指令 |
| 集成 | 进入工程实现或工具链改造 | 由对应 Controller / 工程会话推进 |
| 风险参考 | 主要用于识别不应继承的能力、边界或实现方式 | 标记边界，不进入需求 |
| 淘汰 | 关联弱、风险高或维护成本不成比例 | 不继续评估 |
4. 评分规则
每个项目按三层分别评分，使用 0 到 5 分：
| 分数 | 含义 |
|---|---|
| 5 | 高价值，建议进入方案设计或实验验证 |
| 4 | 明确有价值，建议入库并跟踪 |
| 3 | 有参考价值，但需等待具体场景 |
| 2 | 局部启发，不值得当前投入 |
| 1 | 关联弱 |
| 0 | 不建议继续评估 |
同时标注吸收方式：
| 类型 | 含义 |
|---|---|
| Pattern | 只借鉴模式 |
| Skill | 可沉淀为 skill |
| Tool | 可封装为工具 |
| Module | 可借鉴模块设计 |
| Platform | 可作为平台 / 系统候选 |
| Reject | 不采用 |
5. 标准输出结构
每个第三方参考项目分析应包含以下结构：
-
项目定位 说明它本质是什么：框架、工具、Agent runtime、知识库、数据平台、金融应用、协作系统、实验项目或其他类型。
-
核验证据 记录来源 URL、本地仓库路径、分支、commit、核验日期、许可、是否运行验证、是否安全审计。
-
核心模块 / 能力 只列有实现证据支撑的模块，不照搬 README 宣传语。
-
三层价值评估 分别评估 Labs 生产力层、生态公共基座层、生态内独立产品 / 项目层。
-
吸收矩阵 对每个可借鉴能力标记参考、借鉴、集成、风险参考或淘汰，并说明它解决什么问题、由哪个 Controller 跟进。
-
风险与边界 说明安全、数据、执行、维护成本、上下文污染、文档主义、过度工程化和合规风险。
-
Controller 指令 如果某项能力需要进入后续推进，应生成可复制给对应 Controller / Agent / 会话的低上下文指令。
-
建议动作 从以下动作中选择：暂不入库、入参考库、进入实验验证、进入 open-cowork 需求池、进入 FinClaw / Data Horizon / AI Trading Matrix 设计输入、直接淘汰。
6. Controller 分流规则
| 目标 | 分流对象 |
|---|---|
| 团队生产力、个人域 Agents、多人多 Agent 协作、任务包、审计、验收 | Open-cowork Controller |
| 生态事实源、治理仓库、知识库、参考项目评估方法、跨项目边界 | 当前治理会话 |
| 金融认知、金融原子技能、研究链路、长期问答、证据链 | FinClaw Controller |
| 数据源、数据目录、数据质量、数据工具、数据 Agent 工作流 | Data Horizon Controller |
| 策略研究、执行前检查、交易执行边界、审计和风控 | AI Trading Matrix Controller |
| 模拟、实验、反馈、agent-environment interaction | Reinforcement Learning Engine Controller |
| 训练数据、模型评测、金融知识注入、领域模型工具链 | Financial Expert Foundation Model Controller |
7. 边界规则
参考项目不能直接覆盖生态或产品正式定义。任何外部能力进入正式体系前，必须完成三步：
- 先在参考分析中标明能力、证据、风险和吸收类型；
- 再由对应 Controller 转译为项目语言、验收标准和边界；
- 最后回写到
baseline/、projects/、governance/、packets/或相应工程仓库。
涉及金融执行能力时，必须明确区分认知环节与执行环节。
FinClaw 可以产生证据有界的评级、target price、strategy suggestions、watch questions、价格信号、risk alerts 等认知产物；但不能直接触发交易、下单、调仓、资金划转、链上交易或调用执行系统。
AI Trading Matrix 或其他执行系统若吸收执行类能力，必须先定义授权、审计、回滚、风控、用户确认和责任边界。
8. 当前适用状态
本方法已经用于重评 GCWing/BitFun。
后续评估其他非生态内对标的第三方参考开源项目时，应默认沿用本方法，除非某个项目明确只做一次性轻量候选扫描。