面向交易复盘知识库的 Codex CLI 工具集：把 raw 资料、正式 wiki、图谱、长期记忆、结构化事实和行情 SQL 组织成一个可检索、可验证、可迭代的交易研究系统。
作者：杰哥｜公众号：ymj0418
协作者：@sowelswl
这个仓库现在的主定位不是单纯桌面应用，而是围绕 live 知识库运行的一套自动化 CLI：
- 多源 RAG 问答：
wiki / raw / graph / facts / brain / stock_daily_sql - App-grade 知识摄入：
api-run -> finalize -> apply --write - 盘前预测与盘后验证：
daily-loop - 插件优先公司深度研究：
company-research --deep --plugin-led - 长期纠错与自训练：
brain / market-validate / self-train - Wiki 维护和检索质量治理：
hygiene / ask eval / vector maintenance - Gangtise/OpenClaw 主题资料导出与摄入辅助
If you want the earlier Tauri desktop app instead of the Codex CLI toolchain, use the historical desktop builds from GitHub Releases. The desktop app keeps the familiar three-pane wiki UI, quick review workflow, settlement import, graph view, settings panel, and Save to Wiki flow.
The current main branch is optimized for CLI automation, agent-assisted wiki maintenance, and the Research Cockpit desktop workbench. Desktop users can keep using the published release artifacts while CLI users work from source.
本次主链版本是 v0.17.0-section-patch-ledger-ingest。它是摄入系统 v2 的第一批落地:把"整页重写式摄入"升级为"章节补丁 + 双账本 + 语义路由",单篇摄入实测从约 1 小时降到 27 分钟,更新页输出量降为整页重写的 1/4~1/5。三个能力全部 opt-in,不加参数时与 v0.16.4 行为完全一致。
- 章节补丁更新
--page-write-mode patch:update 页由模型输出章节补丁操作(逐行数组契约 + JSON 容错修复),程序本地应用,未触及章节字节级保留;每页失败独立回退整页生成,补丁原文留files/patch-*.md审计。 - 判断账本 Judgments v1
--judgments:新增data/facts/judgments.jsonl,与 temporal facts 平行——facts 记"世界发生了什么",judgments 记"当时怎么理解"(thesis/expectation/lesson/stance,held/revised/invalidated/expired 生命周期,确定性 id 去重,supersedes 修正链);stance 默认visibility: personal,为公司供数快照预留分级。 - Embedding 语义路由
--embedding-routing:新增embeddings build/status命令维护正式页向量索引(按文本 hash 增量);摄入时整源+逐段语义命中合并进候选页,专治多主题源的落页漂移;apply --write后索引自动增量刷新;索引/凭证缺失一律降级词法候选,不阻断摄入。 - 存量 frontmatter 债降级:update 页改动前后同样存在的非法 frontmatter 值降级为
preExistingwarning,只拦新引入的问题。 - 章节化页面模型:新增无损页面解析/补丁/自动区块/章节级 visibility 基础层,是后续时间线自动渲染、
ask --as-of回放和公司快照导出的共用地基。
架构设计与九项决策见 docs/提案-2026-07-07-时间线账本与供数架构-v6.md,摄入机切换步骤见 docs/摄入机升级指南-v0.17-章节补丁与账本摄入.md,完整版本记录见 CHANGELOG.md。
本次主链版本是 v0.16.3-research-cockpit-pm-workbench。它把 Research Cockpit 从“能跑的工程控制台”继续收敛成基金经理每天可看的投研工作台，重点解决：新增资料怎么命中假设、卡片怎么降噪、Ask 深挖结果在哪里、以及 Wiki 表头和金融实体词怎么进入日常判断。
- Research Cockpit 日常工作台：默认主流程固定为
AI 并发找假设 -> 假设表跟踪 -> 微信/研报新闻/Gangtise 产业链复盘扫描 -> 待处理卡片 -> Ask 深挖 -> 人工确认状态，让首页回答“今天有什么新信号会改变我的假设”。 - 待处理卡片降噪和聚合：新增状态机合法转移、source filter、Gangtise 专用 parser、同源软信号聚合，减少重复卡、日期编号垃圾候选和不该升级的状态建议。
- Wiki 表头与金融实体复用：Watchtower / hypothesis discover / update-from-article 可复用 live wiki 的金融实体审计表和页面表头，把股票、公司、产品线、技术路线、催化、风险因子接回假设路由。
- Ask 深挖反馈修复：点击单条假设后能看到运行中、缓存命中、结果定位、结构化摘要和完整六段回答；失败时保留下一步提示，避免结果区空白却像完成。
- 多源新增资料入口：扫描来源扩展到
raw/微信聊天、raw/研报新闻、raw/openclaw数据/产业链复盘/gangtise_themes，并在 UI 中区分来源用途，不再把所有资料都显示成微信文档。 - 安全边界保持：自动扫描只写
.llm-wiki/wechat-inbox/**；状态更新、events、alerts 仍需人工确认；不自动写正式wiki/**、不改旧raw/**、不触发真实交易。
更新报告见 docs/更新报告-2026-06-25-ResearchCockpit-v0.16.3-pm-workbench.md，完整版本记录见 CHANGELOG.md。
本次主链版本是 v0.16.2-research-os-hard-source-review。它在 v0.16.1 主链闭环之上，重点把 EvidenceResult -> Hypothesis -> Training Flywheel 里最容易出错的证据链接人审环节，升级成可看硬源质量的 HumanGate 流程：
- Hypothesis Evidence Link 队列进入 ResearchOS Agent：
research-os agent status / plan / review会优先暴露hypothesis_evidence_link_review，让补到证据的 EvidenceResult 继续回流正确 Hypothesis，而不是停在 stock-feedback 侧。 - 硬源审计统一化：新增
source-integrity审计口径，区分native_official_disclosure、web_official_pdf、web_official_pdf_via_web_search、structured_data_only、web_lead_only、needs_source_refs。 - CNINFO/交易所公告优先：原生
cninfo/sse/szse:announcement#...refs 在 review queue 里优先；tool-state:cninfo#announcement:results=0不再被误判为硬源。 - Review dry-run 更适合人工确认：
hypothesis evidence-link-reviewdry-run 和待写入 link 都输出sourceIntegrity，可直接看到官方公告 refs、Tavily 是否参与、零结果官方工具态和推荐补证动作。 - 当前 live 闭环数字：
73条 trajectories、806个 Benchmark cases、376个 LoRA-ready candidates、29个 trainable 样本、2个 confirmed real profitable execution 样本、12个 paper-trade-agent written candidates、99条 hypothesis evidenceFeedback。 - 功能全景同步刷新：
docs/Trading-Review-Wiki-功能全景与演进路线.md已从 v0.12.1 口径更新到 v0.16.2，补齐 Evidence Runner、Hypothesis Engine、Paper Trade Agent、execution-result、ResearchOS Agent 和 hard-source review 的当前状态。
更新报告见 docs/更新报告-2026-06-22-ResearchOS-v0.16.2-hard-source-review.md，功能全景见 docs/Trading-Review-Wiki-功能全景与演进路线.md，完整版本记录见 CHANGELOG.md。
本次主链版本是 v0.16.1-mainline-closed-loop。它把 v0.13 到 v0.16 的训练飞轮、真实交易执行结果和 Codex 编排层合并成 Research OS 的可审计核心闭环：
- 真实交易执行结果闭环：新增
research-os-execution-result-v1schema，并从交割单、日复盘、position-tracking 和行情验证生成真实 execution-result；交割单是成交事实主证据，position-tracking 只做汇总校验。 - 训练飞轮真实收益回流：
stock-feedback build-trajectories已能读取 reviewed / confirmed execution-results，区分real_trade、paper_trade、closed position、partial exit、holding snapshot 和 reconciliation 风险。 - Benchmark / LoRA-ready 扩容：Benchmark 增加真实交易执行结果 case，LoRA-ready curriculum 区分
real_pattern_execution_supported、real_entry_wrong、real_failed_expectation_negative和 paper trade 低权重样本。 - Research OS Codex 多 Agent 编排：新增
research-os agent status / plan / review / step / verify，Codex 作为 Supervisor LLM，通过固定 CLI 和 artifact 编排 Evidence、Hypothesis、Market Validation、Paper Trade、Settlement、Attribution、Benchmark 和 Curriculum agent。 - Intake 到闭环的使用路径：新增本地
research-os-intake-loopskill，把一句股票逻辑、截图文字、链接摘要或交易记录先结构化成 intake draft，再交给research-os-agent-loop走status -> plan -> review -> dry-run -> HumanGate -> write -> verify。 - 安全边界继续收紧：所有自动写入默认 dry-run；
--write只允许.llm-wiki/**受控 artifact；不直接改正式wiki/**、旧raw/**、真实交易动作，也不把原始事实、价格行或交割单明细写入 LoRA-ready。
主链更新报告见 docs/更新报告-2026-06-21-ResearchOS-v0.16.1-mainline-closed-loop.md，合并准备说明见 docs/发布说明-v0.16.1-main合并准备.md，完整版本记录见 CHANGELOG.md。
本次升级建议作为 v0.15.0-research-os-loop 发布。它把 v0.13 Evidence Runner、v0.14 Hypothesis Engine 和 v0.15 Paper Trade Agent 收口为 Research OS 的核心训练飞轮：
- Evidence Runner：新增 EvidenceTask / EvidenceResult / EvidenceRun / DLQ，支持轻量任务队列、质量门、HumanGate、Tushare/fallback 数据源和训练飞轮 Evidence Queue。
- Hypothesis Engine：EvidenceResult 回流 Hypothesis，沉淀 evidence direction、Evidence Score、Watchtower candidate、HumanGate 推荐和 Post-Mortem 草稿。
- Paper Trade Agent：从 stock-feedback trajectory 或 hypothesis evidence-feedback 生成
rule_baseline / llm_discretionary双轨候选，严格 as-of 截断，不触发真实交易。 - 训练飞轮闭环 UI：新增样本密度审计、第一条样本向导、Paper Trade Agent 队列、settlement refresh audit 和 LLM discretionary 复盘预检。
- Benchmark / LoRA-ready：新增 paper-trade-agent cases、discretionary review curriculum 和 PEFT 边界校验；paper trade 只能作为低权重、人审后的训练候选。
- 安全边界：默认 dry-run，
--write仅写.llm-wiki/**；不写正式wiki/**、不改raw/**、不把原始事实或价格行写入 LoRA-ready。
更新说明见 docs/发布说明-v0.15.0-research-os-loop.md，完整版本记录见 CHANGELOG.md。
本次升级建议作为 v0.12.0-research-cockpit-lite 发布。它把前一版的多智能体、Autoresearch 和 Hypothesis Library 工程底座，收敛成基金经理每天能直接使用的“舆情驱动假设待办系统”：
- Research Cockpit Lite 每日工作台：首页聚焦
AI 并发找假设 / 扫描微信新增 / 自动跟踪 / 刷新四个主动作，默认隐藏自训练、proposal、autoresearch、补证细节等高级实验功能。 - 高级实验室递归入口：高级能力没有删除，而是折叠保留
补证 LLM / 闭环状态 / dry-run 闭环 / 策略 proposal / 自训练计划 / 实验账本 / 证据缺口 / 阶段输出，用于把重要假设继续推进成可复盘实验和训练样本。 - 微信增量驱动假设状态：支持选择
raw/微信聊天/YYYY-MM-DD.md或最近修改文件，导入、去重、规则路由和可选 LLM 复核后生成待处理卡片；扫描只给建议，确认后才写入假设状态。 - 待处理卡片降噪：过滤日期、编号和泛词候选，同源信号去重，卡片只回答“这是什么信号、影响哪条假设、建议状态是否变化、下一步做什么”。
- Ask 深挖闭环：单条假设可直接调用
hypothesis ask/ agentic ask，输出关联股票、直接受益、利好排序、当前阶段、最大缺口、一句话结论和完整六段回答。 - Tauri allowlist 安全动作：前端只允许固定研究驾驶舱动作，不拼任意 shell；自动写入边界仍限制在
.llm-wiki/wechat-inbox/**，状态更新必须人工确认。 - SAG/双机同步辅助：新增
sag-sync、双机角色预检和 live corpus snapshot 脚本，为后续检索/开发机器与摄入机器分工保留工程入口。 - 新手教学材料：新增 Research Cockpit 新手操作流程 PPT/PDF，覆盖从假设发现、微信扫描、待处理判断到 Ask 深挖和确认状态的完整操作路径。
更新说明见 docs/发布说明-v0.12.0-research-cockpit-lite.md，完整版本记录见 CHANGELOG.md。
本次合并建议升级为 v0.11.0-codex-cli。它不只是补一个命令，而是把 CLI 从“多源问答和时序事实治理”推进到“多智能体、插件优先公司深研、递归研究实验闭环”的第一版工程底座：
- CLI 模块化拆分：
scripts/codex-ingest-lib.mjs保留兼容 facade，内部能力迁入scripts/codex-ingest/**，入口仍是npm run codex:ingest -- ...。 ask --agentic多智能体问答：证据研究、反证审计、市场验证、交易策略并发运行，再由 adjudicator 汇总为原 ask 六章节；审计产物写入.llm-wiki/agent-runs/**。- 细分环节市场验证：主题问题可先识别 segment，再按光纤/连接器/PCB 等细分候选池做量价验证；未配置主题会显式提示
未配置细分环节并回退普通候选池。 - Trading Autoresearch Lite：新增 research program、locked score、experiment ledger、policy proposal，AI 可以提出改进建议，但默认不自动应用 prompt、segment、wiki/raw 或真实交易动作。
- 公司深研 V2
--plugin-led：主程序负责 CNINFO/Tushare/Tavily/wiki/行情库证据包、底表和写入边界；Data Analytics 做模型/口径质控；Public Equity Investing 直接生成主报告；Investment Banking 只在交易事项触发或强制参数下参与。 - 递归自训练样本边界：self-question、self-train、export-samples、policy action/review、agent-runs 和 plan verify 均保留审计链，高置信样本必须来自已复核证据。
- 文档和教学材料补齐：新增 CLI 使用手册、插件能力层说明、递归自训练交易 AI 框架报告、系统成长路径 PPT、CLI 操作教学 PPT，以及 agent-skills 工程蓝图材料。
合并说明见 docs/发布说明-v0.11.0-main合并准备.md，完整版本记录见 CHANGELOG.md。
- CLI 外部接入与使用指南：给 OpenClaw、龙虾、Shell/Python/Node 调度器和其它非 Codex 软件看的完整接入说明，包含从 0 新建 wiki 化知识库和接入已有 wiki 化知识库两条路径。
- Codex Ingest CLI 使用手册：面向日常使用者，解释每组命令的意义、用法、产物和写入边界。
- 交易复盘 Schema 参考模板：从真实交易复盘 wiki 抽象出的
schema.md示例，适合从 0 建库、改造已有 wiki 或给外部 Agent 定义写入边界。 - 多源检索 RAG 完整流程：解释
ask如何融合 wiki/raw/graph/facts/brain/SQL。 - Temporal Facts v1：解释时序事实账本、predicate、状态和人工审计流程。
- 双机分工与同步边界：定义新 Mac Pro 做训练/检索/开发、旧 Mac 做自动化/摄入的写入边界和同步脚本。
- 递归自训练交易 AI 框架报告：总结现有 agentic/ingest/market/brain 能力，以及自提问、市场反馈、归因、自训练样本闭环路线图。
- 专业插件能力层集成说明：说明 Data Analytics、Public Equity Investing、Investment Banking 如何作为数据质控、买方研究和交易事项分析层接入主程序。
- Plugin-led 公司深研 V2 更新报告：记录
--plugin-led的实现范围、回退路径和验收命令。 - AI-native 主动管理假设生命周期系统 PPT 大纲：用于讲解系统目的、成长路径和闭环。
- 递归自训练交易 AI agent-skills 工程蓝图：说明如何用 skills 固化规格、测试、评审和发布流程。
- agent-skills 教学 PPT / PDF：可视化介绍系统和工程化成长路径。
- Research Cockpit 新手操作 PPT / PDF：每日工作台完整操作流程图。
| 路径 | 角色 | 写入规则 |
|---|---|---|
| 本仓库 | CLI/桌面源码仓库 | 开发和提交工具代码 |
| 本地 Trading Review Wiki 工作区 | live 知识库 | raw/、wiki/、data/brain/、data/facts/ 数据在这里 |
| 本地 Codex skills 目录 | Codex skills 入口 | 自动化工作流的可复用包装 |
| 本地自动化目录 | 自动化环境 | 定时任务、DB config、局部 CODEX_HOME |
重要约束：
ask永远只读，不写wiki/、raw/、data/brain/。raw/原始资料不可变；CLI 不直接改写 raw 内容。wiki/股票/**只承载公司研究、产业链位置、催化/基本面、验证框架和风险；个人买入/卖出、成交价、仓位、持仓流水、盈亏和交割单逐笔记录不写入股票页。daily-loop写入范围只限data/brain/*.jsonl和.llm-wiki/daily-research/或.llm-wiki/wiki-feedback/。company-research只写.llm-wiki/company-research/证据包、模型、插件主报告和候选页，不直接写正式wiki/。apply --write是正式 wiki 写入入口；没有--write一律 dry-run。
cd /path/to/trading-review-wiki
npm install
npm run verify示例 project 路径：
/path/to/your/trading-review-wiki-project默认使用本地 Codex 登录态：
--provider codexnpm run codex:ingest -- ask \
--query "最近一周机器人产业链有哪些变化？区分订单兑现和情绪催化" \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--show-context \
--show-sources常用 source：
--sources |
用途 |
|---|---|
auto |
规则 + LLM 自动路由 |
wiki,raw,graph |
正式页、原始资料、有界图谱扩展 |
wiki,raw,graph,brain |
增加长期纠错/验证记忆 |
facts |
只查结构化事实 JSONL |
brain |
只查长期记忆 |
stock-price |
只查本地股票日线 SQL |
wiki,raw,graph,stock-price |
叙事证据 + 市场量价验证 |
调试源路由：
npm run codex:ingest -- ask \
--query "绿的谐波最近20个交易日量价如何" \
--sources wiki,raw,graph,stock-price \
--show-sources带历史/反证事实审计：
npm run codex:ingest -- ask \
--query "机器人产业链里哪些订单或验证信号后来被反驳过？" \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--sources wiki,raw,graph,facts \
--include-invalidated \
--show-context \
--show-sources多智能体并发问答：
npm run codex:ingest -- ask \
--query "AI服务器电源这条线现在是订单兑现还是叙事扩散？" \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--sources wiki,raw,graph,facts,brain,stock-price \
--agentic \
--agent-concurrency 3--agentic 会并发运行证据研究、反证审计、市场验证、交易策略四个只读 agent，再由裁判员综合为原 ask 六章节答案；默认审计产物写入 .llm-wiki/agent-runs/，可用 --no-agent-artifacts 关闭。--profile local-max 可在本地强性能机器上把 agentic ask、self-question loop 回归/导出校验和 export-samples verify 的有界并发默认值调高；显式 --agent-concurrency、--policy-regression-concurrency、--verify-concurrency 仍然优先。普通 ask 和 agentic ask 都会只读加载 data/brain/policies.jsonl active policy 作为回答 guardrail：如果已批准策略要求补证而当前上下文缺证，回答必须披露缺口并降低置信度。主题问题如果选中 stock-price，Market Validation 会从召回证据里抽取有代码映射的候选股票并批量查询日线，避免只因问题没有直接写股票名就跳过量价验证。系统会先识别主题，再查 .llm-wiki/theme-segments.json 或内置 registry；命中可配置主题时按 segment 构建候选池，每池默认最多 2 只、总上限 10 只，避免龙头股或泛材料股挤占细分验证对象。内置 registry 当前覆盖光互联/光纤链和 PCB 产业链；PCB 默认按高速多层 PCB、HDI、服务器背板、ABF/BT 载板、高速覆铜板 CCL、低 Dk-Df 树脂、玻纤布/电子纱、HVLP 铜箔、钻孔/压合/曝光设备、AOI/测试设备、PCB 化学品建池。没有配置的主题会回退到普通主题候选池，并在 Market Validation 中提示 未配置细分环节。
Agentic 模式会通过 context compiler 按角色分发上下文：证据 agent 拿 wiki/raw/facts 压缩证据，市场验证 agent 只拿 Market Validation 和 SQL hits，裁判员拿压缩 evidence ledger 和各 agent 输出；contextMetrics 与 agent run manifest 会记录原始 prompt、完整复制估算和实际 compiled prompt 的字符/token 规模。
项目级 segment registry 示例：
{
"schema": "topic-market-segment-registry-v1",
"themes": [
{
"id": "pcb-chain",
"label": "PCB产业链",
"keywords": ["PCB", "覆铜板", "铜箔", "玻纤布"],
"segments": [
{ "id": "pcb-board", "label": "PCB厂", "keywords": ["PCB厂", "板厂"] },
{ "id": "ccl", "label": "覆铜板", "keywords": ["覆铜板", "CCL"] }
]
}
]
}时序事实层只记录“需要时间感知和可证伪状态”的事实边，不替代正式 wiki 页面：
| 能力 | 命令/文件 |
|---|---|
| 事实写入 | apply --write 读取 manifest 的 factWrites |
| 事实账本 | data/facts/temporal_edges.jsonl |
| 重复保护 | deterministic fact id，重复执行不会重复追加 |
| 替代/证伪 | supersedes / contradictedBy / status |
| 默认检索 | active/current facts 进入普通 [F] 证据 |
| 审计检索 | --include-invalidated 查看历史、替代和反证 |
| 候选提取 | temporal-facts audit |
审计现有 wiki 的 predicate / alias / tag / abbreviation 候选：
npm run codex:ingest -- temporal-facts audit \
--project /path/to/your/trading-review-wiki-project \
--top-n 200输出位于：
.llm-wiki/temporal-facts/
这些候选只是人工复核清单，不会自动改写正式 wiki。
概念规范化层用于减少重复概念页更新，不做全库自动合并：
npm run codex:ingest -- concepts audit \
--project /path/to/your/trading-review-wiki-project \
--top-n 100sameAs/auto 规则会在 ingest dry-run 中显示 conceptRouting 并路由到标准承载页；mergeInto / childOf / tradeSliceOf 默认只作为提示，避免把细分概念和交易切片误吞进父概念。
npm run codex:ingest -- prepare \
--source /path/to/source.md \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- api-run \
--source /path/to/source.md \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--model gpt-5.5
npm run codex:ingest -- finalize \
--report /path/to/.llm-wiki/codex-ingest/<report-id> \
--provider codex
npm run codex:ingest -- apply \
--manifest /path/to/changes.json \
--project /path/to/your/trading-review-wiki-project \
--write批量摄入多篇源文件时，用 CLI batch-run。它会并发跑多个 api-run dry-run，但正式写入始终按队列单写入，并在写前做目标页 hash 冲突检查：
npm run codex:ingest -- batch-run \
--sources /path/to/source-a.md,/path/to/source-b.md,/path/to/source-c.md \
--project /Users/jiegege/Desktop/杰杰杰 \
--provider codex \
--api-concurrency 2 \
--page-concurrency 2 \
--shard-concurrency 2 \
--conflict-policy rerun-core-overlap \
--write批量审计产物写入 .llm-wiki/codex-ingest-batches/<batch-id>/。每个源文件仍保留独立 .llm-wiki/codex-ingest/<run>/、changes.json、apply-dry-run.json 和 wiki-change-review.md。如果核心页发生并发冲突，后写任务会重跑一次；仍冲突则标记 blocked，不会静默覆盖。
大微信舆情文件建议使用 CLI api-run，不要用桌面 Sources 按钮触发旧 4-stage 路径。CLI 会对 raw/微信聊天/** 中的大文件自动启用分片分析，并在 source archive 注入程序化 分时主线索引：
npm run codex:ingest -- api-run \
--source /Users/jiegege/Desktop/杰杰杰/raw/微信聊天/2026-06-12.md \
--project /Users/jiegege/Desktop/杰杰杰 \
--provider codex \
--source-sharding auto \
--shard-concurrency 3 \
--page-concurrency 4分片只用于只读分析和规划；正式写入仍然只通过单个 changes.json 和一次 apply --write。
摄入链路的关键检查：
fatal == 0wroteRaw == falsewroteRootLog == false- source hash 稳定
wiki-change-review.md可人工审阅apply --write之前必须明确写入范围
盘前预测：
npm run codex:ingest -- daily-loop \
--mode premarket \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--model gpt-5.5 \
--reasoning-effort xhigh \
--lookback-days 30 \
--max-stocks-per-question 8 \
--validation-windows 1,3,5,10,20 \
--write盘后 pending validation：
npm run codex:ingest -- daily-loop \
--mode postclose \
--validate-pending-only \
--project /path/to/your/trading-review-wiki-project \
--write包装脚本：
<codex-skills-dir>/trading-wiki-mpa-loop/scripts/daily-loop-premarket-research.sh
<codex-skills-dir>/trading-wiki-mpa-loop/scripts/daily-loop-postclose-pending.sh语义：
- 预测从
prediction.createdAt / answeredAt / date后的第一个交易日开始验证。 - 1/3/5/10/20 日窗口是 horizon tracks，不是互相覆盖。
- 周末和非交易日默认 skip，除非手动
--force。 - SQL 真值来源由本地只读配置指定。
- 盘前问题规划和回答会只读加载
data/brain/policies.jsonlactive policy，把已批准的补证/降置信规则注入 planner 和 answerer；返回结果会记录counts.activePolicies与questionPlanner.activePolicies，写入的 daily-research report 会列出## Active Policies，但不会自动改写策略或正式 wiki。
npm run codex:ingest -- company-research \
--stock "绿的谐波" \
--project /path/to/your/trading-review-wiki-project \
--provider codex \
--deep \
--plugin-led输出位置：
.llm-wiki/company-research/<report-id>/
典型产物：
deep-company-report.mdplugin-led/plugin-led-input.jsonplugin-led/data-analytics-model-analysis.mdplugin-led/plugin-led-company-report.mdplugin-led/plugin-led-company-report-complete.md（仅在完整性修复触发时生成，最终路径以plugin-led/plugin-led.json为准）plugin-led/report-completeness.jsonplugin-led/publish-readiness.jsonplugin-led/plugin-led.jsonfinancial-model-v2.xlsxbusiness-breakdown.jsonevidence-ledger.jsondeep-quality-audit.jsonwiki-change-candidates.md
--plugin-led 是公司深研 V2 推荐链路：主程序生成证据包、底表和模型，Data Analytics 先做模型/口径/证据质控，Public Equity Investing 直接生成主报告，Investment Banking 只在交易事项触发或显式强制时参与。旧 --plugin-review/--plugin-optimize 保留为回退和对照。
npm run codex:ingest -- brain remember \
--type correction \
--text "高开接盘必须看承接，不允许把热度当作买点" \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- brain status \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- brain resolve \
--id <brain-id> \
--result success \
--project /path/to/your/trading-review-wiki-projectnpm run codex:ingest -- market-validate \
--prediction "绿的谐波机器人链条继续走强" \
--stock "688017" \
--window 20d \
--project /path/to/your/trading-review-wiki-projectnpm run codex:ingest -- self-question \
--project /path/to/your/trading-review-wiki-project \
--question-count 3 \
--write
npm run codex:ingest -- self-question phase-status \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- self-question phase-advance \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- self-question phase-run \
--max-gates 2 \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- self-question phase-run \
--max-gates 2 \
--no-phase-run-artifacts \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- self-question validate \
--project /path/to/your/trading-review-wiki-project \
--validation-windows 1,3,5,10,20 \
--write
npm run codex:ingest -- self-question attribute \
--project /path/to/your/trading-review-wiki-project \
--write
npm run codex:ingest -- self-question evidence \
--project /path/to/your/trading-review-wiki-project \
--write
npm run codex:ingest -- self-question evidence resolve \
--project /path/to/your/trading-review-wiki-project \
--task-id <evidence-task-id> \
--result confirmed \
--source-refs "cninfo:公告编号,wiki/股票/xxx.md" \
--summary "公告/订单/财报补证摘要" \
--write
npm run codex:ingest -- self-question policy \
--project /path/to/your/trading-review-wiki-project \
--min-occurrences 2 \
--write
npm run codex:ingest -- self-question policy approve \
--project /path/to/your/trading-review-wiki-project \
--proposal .llm-wiki/policy-proposals/<run>-policy-proposals.json \
--policy-id <proposal-policy-id> \
--reviewer <name> \
--write
npm run codex:ingest -- self-question policy list \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- self-question policy regression \
--project /path/to/your/trading-review-wiki-project \
--write
npm run codex:ingest -- self-question policy regression evaluate \
--project /path/to/your/trading-review-wiki-project \
--regression .llm-wiki/policy-regressions/<run>-policy-regressions.json \
--outputs /path/to/case-outputs.json \
--write
npm run codex:ingest -- self-question policy regression execute \
--project /path/to/your/trading-review-wiki-project \
--regression .llm-wiki/policy-regressions/<run>-policy-regressions.json \
--execute \
--write
npm run codex:ingest -- self-question policy regression feedback \
--project /path/to/your/trading-review-wiki-project \
--execution .llm-wiki/policy-regression-executions/<run>-policy-regression-execution.json \
--write
npm run codex:ingest -- self-question policy regression remediation \
--project /path/to/your/trading-review-wiki-project \
--feedback .llm-wiki/policy-regression-feedback/<run>-policy-regression-feedback.json \
--write
npm run codex:ingest -- self-question policy regression remediation approve \
--project /path/to/your/trading-review-wiki-project \
--remediation .llm-wiki/policy-regression-remediations/<run>-policy-regression-remediations.json \
--remediation-id <id> \
--reviewer <name> \
--note "approved for later patch" \
--write
npm run codex:ingest -- self-question policy regression remediation patches \
--project /path/to/your/trading-review-wiki-project \
--remediation-id <id> \
--write
npm run codex:ingest -- self-question policy regression remediation patches apply \
--project /path/to/your/trading-review-wiki-project \
--patch .llm-wiki/policy-regression-patches/<run>-policy-regression-patches.json \
--patch-id <id> \
--reviewer <name> \
--note "manual apply approved patch" \
--write
npm run codex:ingest -- self-question loop \
--project /path/to/your/trading-review-wiki-project \
--stages generate,validate,attribute,evidence,policy,policy-regression,policy-regression-execute,policy-regression-feedback,policy-regression-remediation,policy-regression-patches,policy-regression-apply,policy-regression-verify,gate-event,self-train,self-train-plan,self-train-plan-verify,export,export-verify \
--execute-policy-regressions \
--export-kinds sft,eval \
--write
npm run codex:ingest -- self-question loop \
--project /path/to/your/trading-review-wiki-project \
--stages policy-regression-apply \
--patch .llm-wiki/policy-regression-patches/<run>-policy-regression-patches.json \
--patch-id <id> \
--apply-policy-regression-patches \
--reviewer <name> \
--note "loop apply approved patch" \
--writeself-question 默认规划问题，并会读取 data/brain/policies.jsonl active policy 作为 planner context；daily-loop 盘前问题规划和回答也会只读加载同一套 active policy，让已批准的补证规则回流到下一轮研究问题；self-question validate 把 planned question 转成 market-feedback validation；self-question attribute 把市场反馈归因为兑现、量价先行、分歧、证伪或证据不足；self-question evidence 把 price_only 归因里的基本面缺口整理成 pending evidence task queue；self-question evidence resolve 把补证结果追加到 data/brain/evidence_results.jsonl；self-question policy 从重复 attribution gap 生成可审阅 policy proposal；self-question policy approve/reject 显式审阅 proposal，approve 只在 --write 时追加 active policy 到 data/brain/policies.jsonl，review event 追加到 data/brain/self_training_events.jsonl；self-question policy regression 把 active policy 转成 ask/daily-loop/training-sample 三类回归 case，--write 只写 .llm-wiki/policy-regressions/；self-question policy regression evaluate 把外部 case 输出评估为 passed/failed/skipped，--write 只写 .llm-wiki/policy-regression-results/；self-question policy regression execute 默认只生成执行计划，带 --execute 才运行 case command 并内嵌评估，生成 planned/passed/needs_remediation verdict，--write 只写 .llm-wiki/policy-regression-executions/；显式 --concurrency 或 loop 的 --policy-regression-concurrency 可并发执行本地 case command，但结果顺序保持稳定；self-question policy regression feedback 把 failed/skipped execution 结果转成 proposed feedback，--write 只写 .llm-wiki/policy-regression-feedback/；self-question policy regression remediation 把 feedback 转成 proposed fix proposals，--write 只写 .llm-wiki/policy-regression-remediations/；self-question policy regression remediation approve/reject 把修正建议审核结果追加到 data/brain/self_training_events.jsonl，不会自动改 active policy、prompt 或训练样本；self-question policy regression remediation patches 把已批准 remediation review event 导出为人工应用前的 patch candidate，--write 只写 .llm-wiki/policy-regression-patches/，同样不会自动改 active policy、prompt 或训练样本；self-question policy regression remediation patches apply 只有显式 --write 才把 prompt/policy 类 patch candidate 追加成 active policy revision 和 apply event，并保持幂等，仍不写 wiki/raw；self-question loop 可把 policy-regression-execute、policy-regression-feedback、policy-regression-remediation、policy-regression-patches、policy-regression-apply、policy-regression-verify、gate-event、self-train-plan、self-train-plan-verify 和 export-verify 纳入总编排，只有显式 --execute-policy-regressions 才执行命令，否则仅记录计划；policy-regression-execute 和 policy-regression-verify 都会把 stage/顶层 status 聚合为 planned 或 needs_remediation，并在 gateSummary.recommendedNextStages 指向后续反馈/修正阶段；self-train-plan 可把同一轮 dry-run 产生的 self-training actions 直接转成 .llm-wiki/self-training-plans/ 非执行计划包，不必强迫写入 data/brain；self-train-plan-verify 会优先校验本轮刚写出的计划包，缺失时聚合为 planned，发现自动执行、计数不一致、结构或脱敏问题时聚合为 needs_remediation；export-verify 只读校验训练导出 ledger/jsonl/manifest，缺失或数量不一致会把 stage/顶层 status 聚合为 needs_remediation；gate-event 可把 open planned/needs_remediation gateSummary 追加为长期学习事件；policy-regression-apply 还必须显式传 --apply-policy-regression-patches 才会应用已审阅 patch candidate，否则记录 skipped stage；policy-regression-verify 会在 apply 后重新导出当前 active policy regression 并执行或计划复验；evidence/policy/policy-regression/policy-regression-execute/policy-regression-feedback/policy-regression-remediation/policy-regression-patches/policy-regression-apply/policy-regression-verify/gate-event/self-train-plan/self-train-plan-verify/export-verify stage 都是 opt-in，不在默认 stage 里。manifest 会记录 status/timing/stages/gateSummary/counts/outputs/writePolicy；阶段失败时仍会先落失败 manifest、脱敏错误，再让 CLI 非零退出并打印 Audit manifest: ...。写入范围分别只限 data/brain/questions.jsonl、data/brain/validations.jsonl、data/brain/attributions.jsonl、data/brain/evidence_results.jsonl、data/brain/policies.jsonl、data/brain/self_training_events.jsonl、.llm-wiki/self-question-runs/、.llm-wiki/evidence-tasks/、.llm-wiki/policy-proposals/、.llm-wiki/policy-regressions/、.llm-wiki/policy-regression-results/、.llm-wiki/policy-regression-executions/、.llm-wiki/policy-regression-feedback/、.llm-wiki/policy-regression-remediations/、.llm-wiki/policy-regression-patches/、.llm-wiki/self-training-plans/ 和 .llm-wiki/exports/。
self-train 会读取 attribution 和 gate event；例如 price_only 且存在公告/招投标/财报缺口时，会生成 R8-attribution-fundamental-gap 基本面补证动作；open self-question-loop-gate 会生成 R9-open-regression-gate 回归门控动作，带下一步 self-question loop 命令建议。self-question loop --stages ...,gate-event,self-train 在 dry-run 中也会把本轮内存 gate event 传给 self-train 展示 R9 动作，但不会写 data/brain/self_training_events.jsonl。self-train --write 追加 self-training-action event 时按稳定 action fingerprint 去重，重复运行会在 writeResult.skippedExisting 中显示跳过数量；self-train actions --status open|reviewed|approved|rejected|resolved|all 只读查看持久化动作和最新 review 状态，self-train next 默认只读列出 open 动作里优先级最高的下一批交接项，self-train plan --write 只把这些 open 动作转成 .llm-wiki/self-training-plans/ 非执行计划包，self-train plan list 可只读回看历史计划包，self-train plan verify 可只读检查计划包是否仍保持非自动执行、计数一致、结构完整且没有明显未脱敏密钥；self-train review --id <action-id> --action approve|reject|resolve --write 只追加 self-training-action-review 事件，已审阅动作默认不再重复出现在后续建议里。R8 动作包含结构化 evidenceTasks，把缺口映射到后续可执行的数据源路线：cninfo_announcement -> company-research/CNINFO，qcc_tender_or_order -> data-source qcc-tenders，revenue_and_margin -> company-research/Tushare+CNINFO。导出的 self-question attribution 样本会附带 qualityGate；price_only 且缺基本面证据的样本会标记为 needs_evidence，不能当作高置信正样本；当对应缺口已有 confirmed evidence_results 后，样本可升级为 eligible/high_confidence。持久化的 self-training-action 会进入 eval 导出，标记为 review_required 控制样本，用来训练/评估下一步动作判断；已审阅的 self-training-action-review 会作为 eligible/high_confidence eval 标签导出，用来训练“该执行、拒绝还是关闭动作”的判断；agentic ask 的 .llm-wiki/agent-runs、self-training plan artifact、以及包含 self-train-plan-verify 输出的 self-question loop manifest 也会进入 eval 导出，均作为 review_required 待复核样本，训练计划安全、计数一致性和下一步修复/复核判断。未审阅 action、未复核计划和 agentic answer 都不会进入高置信 SFT 正样本。export-samples --quality-gate eligible|high_confidence 或 self-question loop --stages export --export-quality-gate high_confidence 可以只导出已过门槛样本；self-question loop --stages export,export-verify --write 可在写出训练批次后立刻只读核查本轮 ledger/jsonl/manifest；每次导出都会同时写 .manifest.json，记录样本数、质量门分布、来源分布、high-confidence 可用数和 sampleRefs，方便后续训练批次审计与回归比较；同时追加 .llm-wiki/exports/training/export-ledger.jsonl 作为跨批次索引，export-samples list 可只读查询并按 kind、qualityGate、limit 筛选，export-samples verify 可在训练前以有界并发只读校验 ledger/jsonl/manifest 是否存在且数量一致。同一天重复导出时，首次保留日期文件名，后续批次自动追加时间戳/序号，避免覆盖旧训练批次。
npm run codex:ingest -- ask eval \
--query "物理AI 绿的谐波 谐波减速器 机器人" \
--expect-paths "wiki/股票/绿的谐波.md,wiki/概念/物理AI与具身智能.md" \
--project /path/to/your/trading-review-wiki-projectnpm run codex:ingest -- hygiene audit \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- hygiene plan \
--project /path/to/your/trading-review-wiki-project
npm run codex:ingest -- hygiene apply \
--project /path/to/your/trading-review-wiki-project \
--writeflowchart TD
A["用户问题"] --> B["source routing"]
B --> C["wiki_pages"]
B --> D["raw_text"]
B --> E["wiki_graph"]
B --> F["facts_jsonl"]
B --> G["brain_memory"]
B --> H["stock_daily_sql"]
C --> I["统一证据编号 W"]
D --> J["统一证据编号 R"]
E --> K["统一证据编号 G"]
F --> L["统一证据编号 F"]
G --> M["统一证据编号 M"]
H --> N["统一证据编号 S + Market Validation"]
I --> O["buildAskPrompt"]
J --> O
K --> O
L --> O
M --> O
N --> O
O --> P["六段式回答"]
核心机制：
selectAskSources()先做 source routing。searchAskCandidates()对wiki/和raw/做结构化召回。frontmatter是一等召回字段，title / aliases / tags / related / sources / summary / type都参与加权。- ask 模式读取
updated / last_reviewed / created，近期内容加分，陈旧的概念/股票/总结/源文档/查询页温和降权。 raw在 ask 模式下按日期和质量限量扫描，避免噪声淹没正式 wiki。- wiki 页面里的
sources会反向 boost 对应 raw，形成“正式页牵引原始证据”。 expandAskGraph()从 top wiki hits 做有界图谱扩展：默认一跳；产业链/上下游/受益方向类问题自动二跳，也可手动--graph-depth 2。facts_jsonl和brain_memory用 JSONL native token filter。stock_daily_sql用只读 PostgreSQL 查询日线，并生成 Market Validation；主题问题可先从召回证据里抽候选股票，再批量验证市场承接；若主题命中 segment registry，会按配置的细分环节建池后再查询；若未配置，回退普通候选池并提示未配置细分环节。buildAskPrompt()把所有证据编号为W/R/G/F/M/S，要求答案逐条引用。
固定回答章节：
结论
证据链
分歧/反证
后续验证
交易含义
引用来源
股票 SQL 是可选只读源，只从本机环境变量、私有配置文件或系统钥匙串读取连接信息。公开文档不记录具体主机、端口、用户名、配置文件路径、钥匙串条目名称或密码值。
配置原则：
- 连接信息留在本机，不写入仓库。
- 密码不打印、不落盘、不进入命令行示例。
- 配置缺失时返回 evidence insufficiency，不编造行情。
- 共享仓库时只提交变量名和安全规则，不提交个人连接细节。
安全规则：
- 不打印密码。
- 不把密码写入文件。
- 不把密码提交到 git。
- SQL 不可用时报告 evidence insufficiency，不编造行情。
外部商业数据源只读接入统一走 data-source 命令，凭证只从环境变量或 macOS Keychain 读取，不写入仓库、报告或审计产物。
查看配置状态：
npm run codex:ingest -- data-source status验证 Tushare 只读接入：
npm run codex:ingest -- data-source tushare-probe \
--stock-code 000001.SZ \
--trade-date 2024-06-03查询企查查招投标：
npm run codex:ingest -- data-source qcc-tenders \
--keyword "数据中心 MPO 光纤" \
--pub-date-start 2026-01-01 \
--msg-type 4凭证变量：
- 企查查：
QCC_API_KEY/QCC_SECRET_KEY，或 Keychain servicetrading-wiki-qichacha-openapi下的key/secret。 - CNINFO Data Service：
CNINFO_ACCESS_KEY/CNINFO_ACCESS_SECRET，或 Keychain servicetrading-wiki-cninfo-dataservice下的access-key/access-secret。 - Tushare：
TUSHARE_TOKEN，或既有 Keychain servicetrading-wiki-tushare-token下的tushare。
scripts/codex-ingest.mjs 是稳定 CLI 入口，skills 和外部脚本继续通过 npm run codex:ingest -- ... 调用，不需要改路径。scripts/codex-ingest-lib.mjs 保留为兼容 facade，继续对旧测试和外部导入 re-export。
新的内部模块放在 scripts/codex-ingest/：
cli/：参数解析、帮助文本、command handler map。core/、ask/、data-source/、brain/、ingest/、company-research/、governance/、convert-source/：对 CLI 暴露稳定域出口。internal/core.mjs：常量、路径、时间、文件、hash、进程/provider 调用、脱敏和通用小工具。internal/knowledge.mjs：source compact、temporal facts、concept governance、hygiene、frontmatter/schema 校验、检索打分和 methodology context。internal/ask-market.mjs、ask-retrieval.mjs、brain-memory.mjs、daily-loop.mjs、ask-flow.mjs：ask/agentic/market validator/brain/daily-loop 分层实现。internal/data-source.mjs、company-research.mjs、ingest.mjs、convert-source.mjs：外部数据源、公司研究、摄入和源文件转换实现。internal/implementation.mjs、internal/ask.mjs、internal/company.mjs：只做 re-export barrel，不再承载大块实现。
npm run verify本分支关键测试覆盖：
- schema-aware ask/ingest retrieval
- structured wiki retrieval
- raw scan policy
- segmented ingest candidate retrieval
- ask source routing
- facts / brain / stock SQL native source
- graph expansion
- anchored daily-loop validation
详见 CHANGELOG.md。完整 RAG 链路说明见 docs/多源检索RAG完整流程.md。当前 Codex CLI 分支的重点是：
- 多源 RAG 完整化：
wiki/raw/graph/facts/brain/stock_daily_sql - 正式 wiki frontmatter 结构字段优先召回
- ask 读取 frontmatter 更新时间并对久未更新内容温和降权
- graph 默认一跳，产业链/受益方向类 query 可自动二跳，并输出 hop/pathTrace 诊断
- raw 鲜度、日期 hint 和噪声控制
- ingest 候选分段召回，降低长源多主题漏召回
- daily-loop 锚定第一个交易日后的多窗口验证
- self-question 生成、市场反馈验证、归因、loop 编排和 SFT/Eval 样本导出
- 本地 SQL + Tencent 外部行情交叉验证
- 本地凭据加载股票 SQL 配置
- vector store 维护命令
- wiki housekeeping 日志与安全 raw search policy
- Collaborator: @sowelswl
- Special thanks to 上海玄玑灵析科技 for supporting my personal growth and providing technical support for this project.
GNU General Public License v3.0. See LICENSE.