investment-advisory-workflow: 投资顾问工作流 🎯#

📋 功能描述#

帮助用户 系统化执行投顾全流程。融合林奇 (洞察)/卡尼曼 (行为)/芒格 (逆向)/马利克 (系统) 四位专家思想，覆盖 5 个用户场景。

适用场景：

• 市场解读 / 事件分析 / 持仓诊断 / 资产配置 / 行为纠偏

边界条件：

• 不替代持牌投顾服务
• 输出为 Markdown 报告，需配合 data_layer / mcp-aktools / qieman-mcp 获取真实数据
• 场景识别依赖用户输入关键词与情绪表达
• KYC 前置：资产配置场景（场景 4）必须先收集用户年龄/风险偏好/金额/期限，不直接给配置方案
• 四专家标注：输出必须包含 [林奇视角]/[卡尼曼视角]/[芒格视角]/[马利克视角] 标注，确保思维融合
• 隐私保护：检测到敏感信息（身份证/银行卡）必须脱敏，不入库

---

🔄 5 个核心场景#

场景触发词调用步骤输出市场解读"最近 XX 怎么看？"market-scan → industry-rank → plain-explain → ljg-cardMarkdown + PNG 卡片事件分析"这个事件有什么用？"market-scan → industry-rank → multi-view → plain-explain → decision-integrateMarkdown 影响分析持仓诊断"帮我看看持仓"data-query → holding-diagnoser → decision-checklist → fund-allocator → report-generatorMarkdown 诊断报告资产配置"100 万怎么配置？"decision-checklist → fund-allocator → ljg-roundtable → IPS 模板 → report-generatorMarkdown 配置方案行为纠偏"大跌了怎么办？"market-scan → companion-script → ljg-relationship → problem-mapper → plain-explainMarkdown 纠偏方案

详细四专家框架 → references/four-experts.md 六阶段能力库 → references/six-stages.md 共享 Skill 说明 → references/shared-skills.md

---

⚠️ 常见错误#

错误 1：混淆投资工作流与投顾工作流

text

问题：
• 用户问"帮我看看持仓"，却调用投资工作流的 stock-research
• 输出偏重标的分析，忽略用户心理与行为纠偏

解决：
✓ 投顾工作流核心是"帮别人"，侧重 KYC + 行为干预 + 陪伴
✓ 投资工作流核心是"自己投"，侧重标的分析 + 决策验证
✓ 严格匹配场景定义

错误 2：忽略四专家视角融合

text

问题：
• 输出只有数据，没有行为纠偏或逆向思考
• 像数据报告，不像投顾建议

解决：
✓ 每个场景必须融合至少 2 个专家视角
✓ 标注 [林奇视角]/[卡尼曼视角]/[芒格视角]/[马利克视角]
✓ 输出包含"洞察 + 行为 + 逆向 + 系统"四维结构

错误 3：配置方案硬编码

text

问题：
• 直接给固定比例，不协商
• 忽略市场观点动态调整

解决：
✓ fund-allocator 必须输出基础配置 + 调整后配置
✓ 生成协商点（风险偏好 vs 配置比例）
✓ 标注调整理由与置信度

错误 4：情绪识别缺失（冷冰冰）

text

问题：
• 用户说"大跌了，我好慌"，AI 直接给数据报告
• 忽略情绪，导致建议"冷冰冰"，可能引发非理性操作

解决：
✓ 阶段 1 必须检测情绪词（"慌"、"割肉"、"好怕"、"大跌"）
✓ 若检测到情绪，优先调用 companion-script 安抚话术
✓ 原则：先处理情绪，再处理问题

错误 5：KYC 前置不足（无画像不配置）

text

问题：
• 用户问"100 万怎么配"，AI 直接给比例
• 未收集年龄/风险偏好/期限，配置方案不匹配

解决：
✓ 执行"无 KYC，不配置"原则
✓ 若信息不全，暂停配置流程，先引导用户完成 KYC 问卷
✓ 输出中必须包含"基于您的风险等级为 XX"的声明

错误 6：隐私保护缺失

text

问题：
• 用户输入身份证号/银行卡号，AI 原样输出或入库
• 数据安全风险

解决：
✓ 立即脱敏：输出时掩码处理（如"6222 **** **** 1234"）
✓ 安全提示：提醒用户"请勿在对话中发送完整身份证号/银行卡号"
✓ 不入库：敏感信息不写入知识库/日志

---

🧪 使用示例#

输入：

text

最近消费怎么看？

预期输出：

• 识别场景：市场解读
• 调用：market-scan → industry-rank → plain-explain → ljg-card
• 输出：Markdown 解读 + PNG 卡片（含四专家视角标注）

输入：

text

大跌了，我好慌，要不要割肉？

预期输出：

• 识别场景：行为纠偏 + 情绪检测
• 调用：market-scan → companion-script（安抚）→ ljg-relationship（行为识别）→ problem-mapper（纠偏）
• 输出：Markdown 安抚话术 + 纠偏方案

输入：

text

100 万怎么配置？

预期输出：

• 识别场景：资产配置
• 调用：decision-checklist（KYC 问卷）→ fund-allocator → ljg-roundtable → IPS 模板 → report-generator
• 输出：Markdown 配置方案 + IPS（若 KYC 不全，先询问）

---

🔧 故障排查#

问题检查项不触发description 是否包含触发词？用户输入是否匹配场景？数据为空data_layer 是否安装？mcp-aktools/qieman-mcp 是否运行？输出像投资报告是否混淆投资工作流？检查场景定义与专家视角融合配置无协商点fund-allocator 是否调用？是否生成协商点？缺乏行为纠偏是否调用 companion-script / ljg-relationship？情绪未识别是否检测情绪词？是否优先安抚？KYC 缺失是否执行"无 KYC 不配置"？是否先询问画像？隐私泄露是否检测敏感信息？是否脱敏输出？

---

🔗 相关资源#

• 四专家框架： references/four-experts.md
• 六阶段能力库： references/six-stages.md
• 共享 Skill 文档： references/shared-skills.md
• 报告模板： templates/report-template.md
• 标准参考： docs/SKILL-STANDARD-v3.md