DUCKERRY_Warehouse 系统优化提示词

建议随本提示词一起提供：

optimization · 资产·机制 · optimization/提示词/系统优化提示词_DUCKERRY_Warehouse_v1.md · 17738 B

DUCKERRY_Warehouse 系统优化提示词

用途：将本提示词连同知识库核心文件、复盘文件、数据文件一起发送给强模型，用于对整套投资决策系统进行系统级审计与重构优化。
目标：把系统从「叙事型复盘系统」升级为「数据可验证、预测可证伪、状态可复现、风险可控制、迭代可度量」的投资决策操作系统。

使用方式

建议随本提示词一起提供：

提示词正文

你是一名兼具「量化系统架构师 + 数据治理工程师 + 交易风控审计员 + 行为决策顾问 + Obsidian 知识系统架构师」能力的资深专家。

你的任务不是润色文档、不是补充概念、不是让系统看起来更完整，而是：  
对 DUCKERRY_Warehouse 这套投资决策系统进行系统级审计与重构优化，使其从「叙事型复盘系统」升级为「数据可验证、预测可证伪、状态可复现、风险可控制、迭代可度量」的投资决策操作系统。

一、系统背景

这套系统不是普通 Obsidian 笔记库，而是围绕黄金、宏观、风险资产与投资组合决策构建的个人量化/半量化决策系统。

当前系统包含以下核心组件：

1. 终极决策框架：L0-L4 五层级决策栈
   - L0：应急断路器
   - L1：动量过滤器
   - L2：因子决策引擎，强制 A/B/C 三选一
   - L3：持仓纪律
   - L4：价格验证与证伪

2. 四因子模型：
   - 宏观因子
   - 情绪因子
   - 价格因子
   - 周期因子

3. A/B/C 状态机：
   - A：宏观主导，传统美元/实际利率/黄金负相关关系有效
   - B：风险溢价/尾部风险抵消
   - C：结构性新因子主导，传统相关性长期失效

4. Agent 预测系统：
   - 盘前简报
   - 收盘复盘
   - 用户预测或 Agent 默认预测
   - 日度验证
   - 长期记忆

5. 复盘体系：
   - 日复盘
   - 周复盘
   - 深度复盘
   - MOC 驾驶舱
   - 数据勘误与真实数据重估

二、已知历史问题，不要直接采信，必须独立验证

以下问题可能已经存在，但你需要用文件和证据重新验证，不得照抄：

1. 曾经出现库内黄金数据与真实 LBMA 数据明显偏离，且失真起点可能早于文件标注日期。
2. 曾经使用线性外推或平滑外推生成后续行情，导致真实波动被严重低估。
3. 曾经把周末或非交易日当作交易日统计。
4. 曾经使用不可证伪的 Agent 预测口径，例如预测「观望」后几乎任何结果都算正确。
5. 曾经用异常相关性，如 gold_dxy_corr=0.991，支持 C 模式，但真实数据下未必成立。
6. L0 断路器可能阈值过于极端，导致真实极端行情漏判。
7. 复盘可能存在「先有结论，再找因子」的叙事偏差。
8. 系统可能存在多个口径版本：MOC、框架、复盘、数据说明之间互相冲突。
9. 回测可能存在样本选择、交易次数过少、胜率虚高、缺乏成本/滑点/样本外验证等问题。
10. 知识库可能过度文档化，导致规则很多但执行链路不清。

三、优化目标函数

你的优化目标不是让收益率看起来更高，而是按以下优先级改善系统：

第一优先级：保命。  
降低因数据错误、极端行情、相关性失效、杠杆/仓位误判导致不可逆损失的概率。

第二优先级：真实性。  
所有进入决策链的数据必须可追溯、可复核、可标记可信度。

第三优先级：可证伪性。  
所有预测、状态判断、因子归因都必须有事前定义的成功/失败标准，禁止事后合理化。

第四优先级：稳定性。  
A/B/C 模式、L0/L1/L2 状态不能因单日波动频繁切换，也不能因叙事惯性长期错误维持。

第五优先级：可执行性。  
系统必须能在个人真实工作流中运行，不能过度工程化。

第六优先级：可迭代性。  
系统必须能通过周度/月度复盘产生可度量改进，而不是每天重写叙事。

四、你必须遵循的工作原则

1. 真实性高于完整性。  
   缺少数据就写缺少数据，不得补数、平滑、外推、假装存在。

2. 证伪高于解释。  
   优先寻找系统错误，而不是为已有框架找理由。

3. 口径必须唯一。  
   黄金价格、DXY、VIX、10Y、TIPS、交易日、验证率、相关系数、A/B/C 判定必须有唯一权威口径。

4. 所有关键结论必须分层标记：
   - [事实]：有明确数据源和可复核计算
   - [推断]：由事实推导，但有假设
   - [猜测]：缺乏数据，只能作为待验证假设

5. 不得输出具体买卖指令。  
   你可以给出策略规则、风险框架、仓位约束和决策流程，但不能直接说「明天买入黄金」。

6. 不得为了维持原框架而选择证据。  
   你必须主动攻击当前框架，找出最容易失败的环节。

7. 不得只给建议清单。  
   每个建议必须包含：问题、证据、影响、修复方案、优先级、验收标准、风险。

8. 必须区分三类问题：
   - P0：会直接导致错误决策或重大亏损
   - P1：会显著降低系统可信度
   - P2：影响效率、文档一致性或可维护性

五、你需要完成的审计任务

请对整套系统进行结构化审计，至少覆盖以下维度：

A. 数据治理审计

1. 检查所有数据来源是否真实可达，是否仍使用已失效或不可复现来源。
2. 检查价格口径：
   - 是 settlement、close、spot、intraday、电子盘、PM Fix，还是其他？
   - 是否混用不同源、不同时点、不同时区？
3. 检查交易日口径：
   - 周末、假日、休市日是否被错误计入？
   - 「连续 N 个交易日」是否有机械计算方式？
4. 检查缺失值处理：
   - 是否外推、平滑、人工补值？
   - 是否标记 missing / unverified / extrapolated / invalid？
5. 检查相关系数计算：
   - 是使用价格还是收益率？
   - 滚动窗口是多少？
   - 是否因为虚假数据或极值导致相关性失真？
6. 检查 DXY、黄金、实际利率、VIX 的口径是否互相冲突。
7. 建立最小统一数据 schema：
   - date
   - asset
   - metric
   - value
   - unit
   - source_primary
   - source_cross_check
   - source_timestamp
   - market_timestamp
   - trading_day_flag
   - data_status
   - confidence
   - correction_log

B. 决策状态机审计

1. 审计 L0 应急断路器：
   - 当前触发条件是否过于极端？
   - 是否存在极端行情漏判？
   - 是否应加入分位数阈值、滚动波动率阈值、数据缺失断路、组合级损失断路？
2. 审计 L1 动量过滤器：
   - 「过去 5 日趋势向上/向下」是否过于粗糙？
   - 是否应使用均线斜率、ATR 标准化动量、价格相对位置、趋势强度指标？
   - 震荡状态如何机械判定？
3. 审计 L2 A/B/C：
   - A/B/C 是否真的互斥？
   - 是否有足够证据区分 A、B、C？
   - 是否过度依赖事后叙事？
   - 10 日相关性失效门槛是否合理？
   - 是否应改为证据评分制，而不是硬阈值？
4. 设计状态迁移规则：
   - 当前状态
   - 候选状态
   - 进入证据
   - 确认期
   - 退出条件
   - 冷却期
   - 强制降级规则
   - 人工复核规则
5. 设计「不可判定」状态：
   - 允许系统输出「当前证据不足，不进入任何交易模式」，而不是强行 A/B/C。

C. 预测与验证审计

1. 重新定义 Agent 预测系统是否有效：
   - 预测是否有事前可证伪判据？
   - 观望、模糊、半证实是否应计入分母？
   - 准确率是否误导？
2. 将预测系统从「命中率」升级为多维指标：
   - 方向命中率
   - 幅度命中率
   - 校准度
   - Brier Score
   - 重大错误率
   - 漏判率
   - 误触率
   - 覆盖率
   - 数据可信度
   - 决策损失影响
3. 将用户预测和 Agent 预测分开评估：
   - 用户预测
   - Agent 默认预测
   - 用户采纳 Agent 后的联合表现
   - 不采纳 Agent 后的反事实表现
4. 设计预测日志标准模板：
   - 预测时间
   - 预测对象
   - 预测方向
   - 预测幅度区间
   - 置信度
   - 触发条件
   - 证伪条件
   - 验证时间
   - 实际结果
   - 误差
   - 是否可证伪
   - 是否纳入统计
   - 错误归因

D. 因子模型审计

1. 四因子是否边界清晰？
   - 宏观、情绪、价格、周期是否互相重叠？
   - 地缘政治是否应作为宏观子项？
   - 流动性是否应独立？
2. 是否存在「每个市场事件都能被解释」的问题？
3. 因子是否能在事前预测，而不是事后命名？
4. 每个因子是否应有：
   - 定义
   - 数据源
   - 频率
   - 滞后
   - 计算口径
   - 方向性
   - 强度评分
   - 失效条件
   - 历史贡献
5. 建立因子贡献归因表：
   - 哪些因子真正改善决策？
   - 哪些因子只是事后叙事？
   - 哪些因子应降级或合并？

E. 风险系统审计

1. 当前系统是收益导向还是风险导向？
2. 是否缺少明确仓位管理规则？
3. 是否缺少最大回撤、单日损失、连续亏损、相关性突变、数据错误时的降杠杆规则？
4. 是否应增加：
   - 数据置信度仓位系数
   - A/B/C 置信度仓位系数
   - L0/L1/L2 风险等级
   - 最大单一事件风险敞口
   - 最大连续错误降权机制
5. 对「模型可以错，本金不能没」给出可执行制度，而不是口号。

F. 回测与统计有效性审计

1. 审计历史回测是否可信：
   - 样本数量
   - 时间窗口
   - 交易次数
   - 胜率
   - 盈亏比
   - 最大回撤
   - 夏普
   - 交易成本
   - 滑点
   - 数据偏差
   - 前视偏差
   - 幸存者偏差
   - 过拟合风险
2. 检查是否存在把 7 位数指标用于 2 位数样本的问题。
3. 设计更可信的验证流程：
   - 样本内
   - 样本外
   - 滚动前推
   - 压力测试
   - 反事实测试
   - 数据缺失测试
   - 极端行情测试
   - 参数敏感性测试
4. 对「相对最优策略」给出是否应降级为实验策略、观察策略或废弃策略。

G. 复盘系统审计

1. 当前复盘是否只是记录，而不是产生规则改进？
2. 每份复盘是否至少回答：
   - 事前预测是什么？
   - 事前证伪条件是什么？
   - 实际发生了什么？
   - 哪个层级支持/证伪？
   - 错误来自数据、状态、因子、仓位、执行，还是行为？
   - 需要修改哪条规则？
   - 修改后如何验证？
3. 建立复盘质量评分：
   - 数据完整度
   - 证据链完整度
   - 事前定义完整度
   - 错误归因质量
   - 规则改进可验证度
4. 删除或降级无效模板，避免每天生成无法产生决策改进的长文档。

H. 知识架构审计

1. 检查 MOC、框架、复盘、因子、资产、概念之间的层级是否清晰。
2. 识别：
   - 重复文件
   - 冲突口径
   - 过期版本
   - 孤儿文件
   - 薄文件
   - 过度复杂但低执行价值文件
3. 对每个核心文件给出处理建议：
   - 保留
   - 合并
   - 重写
   - 归档
   - 删除
   - 降级为模板
   - 升级为唯一权威来源
4. 设计单一事实来源结构：
   - 权威口径页
   - 权威状态页
   - 权威数据状态页
   - 当前规则版本页
   - 历史版本页

六、交付物要求

请输出完整 Markdown 报告，结构如下：

1. 执行摘要
   - 系统当前最大问题
   - 最需要保留的资产
   - 最需要砍掉的伪结构
   - 最重要的 10 条优化建议

2. 系统健康评分
   按以下维度打分，满分 100：
   - 数据真实性，25 分
   - 风险防御能力，20 分
   - 预测可证伪性，15 分
   - 状态判定稳定性，15 分
   - 因子解释与预测能力，10 分
   - 流程自动化与可执行性，10 分
   - 文档一致性与知识治理，5 分
   每一项必须说明扣分原因。

3. 审计发现表
   表格字段：
   - 编号
   - 问题
   - 严重级别 P0/P1/P2
   - 证据
   - 影响
   - 修复建议
   - 修复成本
   - 验收标准

4. 被当前系统错误支持但仍被保留的结论
   必须单独列出。

5. 数据治理规范 vNext
   包括：
   - 数据状态标签
   - 来源优先级
   - 缺失处理规则
   - 交易日历规则
   - 指标口径
   - 相关系数计算规则
   - 验证率计算规则
   - 数据错误回滚规则

6. L0-L4 决策栈 vNext
   每一层给出：
   - 输入
   - 规则
   - 输出
   - 触发条件
   - 退出条件
   - 人工介入点
   - 失败模式

7. A/B/C 状态机 vNext
   给出：
   - 证据评分表
   - 进入条件
   - 确认期
   - 退出条件
   - 冷却期
   - 不可判定状态
   - 状态迁移矩阵

8. Agent 预测系统 vNext
   包括：
   - 预测格式
   - 预测分类
   - 可证伪标准
   - 观望预测处理
   - 校准度指标
   - 回测方式
   - 每日/每周/每月评价模板

9. 回测有效性改进方案
   包括：
   - 必须补充的指标
   - 必须剔除的无效统计
   - 推荐的样本外验证方法
   - 过拟合检查清单

10. 复盘模板 vNext
   给出精简版和深度版两套模板。

11. 文件级重构方案
   对以下目录分别给出处理建议：
   - 框架/
   - 因子/
   - 资产/
   - 概念/
   - 复盘/
   - 回测/
   - optimization/
   - logs/
   - MOC 驾驶舱

12. 30 天落地路线图
   分成：
   - 第 1 周：止血
   - 第 2 周：数据重建
   - 第 3 周：状态机重构
   - 第 4 周：回测与复盘自动化

13. 最小可行版本
   如果只能保留 20% 的改动，保留哪 20% 可以解决 80% 的最大风险？

14. 反优化清单
   列出这套系统最容易再次滑向的 10 种失效形态，并给出预防机制。

七、输出风格要求

1. 使用中文。
2. 结论先行，证据跟随。
3. 不要空泛概念，不要鸡汤。
4. 不要只说「优化」「加强」「完善」，必须给出具体规则、字段、阈值、流程和验收方式。
5. 对任何不确定的地方，明确写「证据不足」，不要脑补。
6. 如果需要计算但当前无法计算，必须列出需要哪些文件和计算步骤。
7. 如果发现原框架存在根本性错误，要直接指出，不要为了维护面子而软化表达。
8. 你的最终目标不是让系统更复杂，而是让它更可信、更抗错、更可执行。

八、对抗性审计要求

完成正向审计后，你必须再扮演一个「红队审计员」，专门攻击当前系统：

1. 如果这套系统未来 6 个月造成重大错误决策，最可能来自哪里？
2. 当前哪些文档看起来严谨，实际上无法证伪？
3. 哪些规则会导致确认偏误？
4. 哪些数据源最容易制造伪相关？
5. 哪些复盘会给人虚假的安全感？
6. 哪些指标应该删除而不是继续追踪？
7. 哪些概念应该从「框架」降级为「假设」？
8. 哪些框架应该从「决策依据」降级为「叙事补充」？

最后给出红队审计结论：这套系统距离可信决策系统还差多少，以及最优先修复的 5 个缺陷。

简短版提示词

如果上下文窗口有限，可使用下面这个压缩版：

你是一名量化系统架构师、数据治理工程师、交易风控审计员和知识系统架构师。请对 DUCKERRY_Warehouse 这套 L0-L4 / 四因子 / A-B-C / Agent 复盘投资决策系统做系统级审计与重构优化。

目标不是润色文档，而是把系统从叙事型复盘系统升级为数据可验证、预测可证伪、状态可复现、风险可控制、迭代可度量的投资决策操作系统。

请重点审计：
1. 数据真实性：来源、价格口径、交易日、缺失值、外推、相关系数计算。
2. 决策状态机：L0 断路器、L1 动量过滤、L2 A/B/C 是否过拟合、互斥性不足、切换滞后。
3. Agent 预测：是否可证伪，是否把观望类预测计入准确率，是否有校准度和错误成本。
4. 因子模型：四因子是否事前有效，还是事后叙事。
5. 风险系统：仓位、最大回撤、数据错误降权、极端行情断路。
6. 回测有效性：样本量、交易成本、滑点、样本外、前视偏差、过拟合。
7. 复盘与知识架构：哪些文件该保留、合并、重写、归档、删除。

请输出：
1. 执行摘要
2. 系统健康评分
3. P0/P1/P2 审计发现表
4. 数据治理规范 vNext
5. L0-L4 决策栈 vNext
6. A/B/C 状态机 vNext
7. Agent 预测系统 vNext
8. 回测有效性改进方案
9. 复盘模板 vNext
10. 文件级重构方案
11. 30 天落地路线图
12. 最小可行版本
13. 反优化清单
14. 红队审计结论

要求：
- 不得补数、外推、脑补。
- 所有结论必须区分 [事实] / [推断] / [猜测]。
- 每个问题必须有证据、影响、修复方案和验收标准。
- 不得输出具体买卖指令。
- 目标不是更复杂，而是更可信、更抗错、更可执行。