investor-panellisted

# Investor Panel · 50 贤评审团 ## 调用上下文 读取以下输入： - `.cache/{ticker}/dimensions.json` — 19 维评分 - `.cache/{ticker}/raw_data.json` — 原始数据 - `scripts/lib/investor_db.py` — 65 人元数据 - `scripts/lib/seat_db.py` — 22 位游资射程规则 输出： - `.cache/{ticker}/panel.json` — 50 个 Signal + 投票统计 ## 严格输出格式（Pydantic Signal，抄自 ai-hedge-fund） 每个投资者必须返回**严格 JSON**： ```json { "investor_id": "buffett", "name": "巴菲特", "group": "A", "avatar": "avatars/buffett.svg", "signal": "bullish | neutral | bearish", "confidence": 87, "score": 82, "verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合", "reasoning": "1-3 句具体逻辑", "comment": "用该投资者语言风格的金句 1-2 句", "pass": ["..."], "fail": ["..."], "ideal_price": 16.20, "period": "3-5 年" } ``` **Confidence 校准规则**： - 85-100：核心方法论硬指标全部命中或全部不命中 - 60-84：多数命中 - 30-59：部分命中、需要等待信号 - 0-29：方法论不适用此股 / 信息不足 ## 执行步骤 ### Step 1: 加载元数据 ```python from lib.investor_db import INVESTORS, by_group from lib.seat_db import SEATS, is_in_range ``` ### Step 2: 对每位投资者 1. 取出 `fields` 白名单 2. 从 dimensions.json 提取相关字段 3. 读取该投资者所在 group 的 reference 文件（按需） 4. 用该投资者的方法论 + 语言样本生成 Signal（Claude 自己生成） 5. 校验 JSON 合法性 ### Step 3: 游资射程预过滤（F 组特殊） 对 22 位游资，先用 `is_in_range(nickname, ticker_features)` 判断是否在射程内： - 在射程 → 正常评分 - 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。"` ### Step 4: 汇总投票 ```python { "panel_consensus": (bullish_count / 50) * 100, "vote_distribution": Counter(verdict for i in investors), "signal_distribu