investor-panel

1# Investor Panel · 50 贤评审团
2 
3## 调用上下文
4 
5读取以下输入：
6- `.cache/{ticker}/dimensions.json` — 19 维评分
7- `.cache/{ticker}/raw_data.json` — 原始数据
8- `scripts/lib/investor_db.py` — 65 人元数据
9- `scripts/lib/seat_db.py` — 22 位游资射程规则
10 
11输出：
12- `.cache/{ticker}/panel.json` — 50 个 Signal + 投票统计
13 
14## 严格输出格式（Pydantic Signal，抄自 ai-hedge-fund）
15 
16每个投资者必须返回**严格 JSON**：
17 
18```json
19{
20  "investor_id": "buffett",
21  "name": "巴菲特",
22  "group": "A",
23  "avatar": "avatars/buffett.svg",
24  "signal": "bullish | neutral | bearish",
25  "confidence": 87,
26  "score": 82,
27  "verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合",
28  "reasoning": "1-3 句具体逻辑",
29  "comment": "用该投资者语言风格的金句 1-2 句",
30  "pass": ["..."],
31  "fail": ["..."],
32  "ideal_price": 16.20,
33  "period": "3-5 年"
34}
35```
36 
37**Confidence 校准规则**：
38- 85-100：核心方法论硬指标全部命中或全部不命中
39- 60-84：多数命中
40- 30-59：部分命中、需要等待信号
41- 0-29：方法论不适用此股 / 信息不足
42 
43## 执行步骤
44 
45### Step 1: 加载元数据
46```python
47from lib.investor_db import INVESTORS, by_group
48from lib.seat_db import SEATS, is_in_range
49```
50 
51### Step 2: 对每位投资者
521. 取出 `fields` 白名单
532. 从 dimensions.json 提取相关字段
543. 读取该投资者所在 group 的 reference 文件（按需）
554. 用该投资者的方法论 + 语言样本生成 Signal（Claude 自己生成）
565. 校验 JSON 合法性
57 
58### Step 3: 游资射程预过滤（F 组特殊）
59对 22 位游资，先用 `is_in_range(nickname, ticker_features)` 判断是否在射程内：
60- 在射程 → 正常评分
61- 不在射程 → `signal: "neutral"`, `verdict: "不适合"`, `confidence: 90`, `comment: "{nick}的射程是{style}，这只票不在风格内。"`
62 
63### Step 4: 汇总投票
64```python
65{
66  "panel_consensus": (bullish_count / 50) * 100,
67  "vote_distribution": Counter(verdict for i in investors),
68…