---
name: evidence-bound-finance-review
description: 使用已审核事实和有证据约束的原则完成金融研究整理、风险提示、未知项清单和人工确认，不执行交易。凡是用户要求分析企业经营质量、整理投研材料、匹配金融规则、生成风险报告或演示 AI+金融 Agent 闭环时，都应使用本 Skill；输入涉及投资判断时应主动触发以保证事实、原则和推断分层。
---

# Evidence-Bound Finance Review

按照“任务事实 → 资料原则 → 明确规则 → Agent 推断 → 人工确认”形成金融研究报告。输出用于研究辅助，不构成投资建议。

## 前置条件

需要以下输入：

- `source-evidence-audit` 的证据索引
- `knowledge-principle-forging` 的原则集
- 当前任务和结构化事实

缺少核心事实或原则证据时，输出“资料不足”，并列出缺口。

## 工作流程

1. **复述任务边界**：确认问题、数据期间、虚构状态和禁止事项。
2. **建立事实表**：只列证据索引中存在的字段，逐项附证据编号。
3. **匹配原则**：检查适用条件与失效条件，记录实际调用的原则。
4. **执行明确规则**：数字阈值只能使用 `explicit_rules` 中已有的条件；保存计算过程。
5. **形成研究判断**：区分事实、规则结果与 Agent 推断，给出置信度。
6. **列出未知项和反证**：说明什么新事实会维持、修正或撤回当前判断。
7. **请求人工确认**：判断进入下一阶段前，明确需要用户确认的事项。

## 金融安全边界

- 只提供资料整理、经营研究、风险提示和流程辅助。
- 不连接券商，不下单，不提供具体买卖指令，不承诺收益。
- 不把虚构企业或虚构数值描述成真实市场对象。
- 市场实时性、估值、竞争格局等缺失内容保持未知。

## 输出格式

输出 `finance_review`，包含：

```yaml
finance_review:
  case_id: string
  synthetic: boolean
  question: string
  current_judgment: string
  confidence: high | medium | low
  facts:
    - statement: string
      evidence_refs: [string]
  rule_checks:
    - rule_id: string
      calculation: string
      result: triggered | clear | unknown
      evidence_refs: [string]
  risks:
    - risk_id: string
      status: observed | possible | unknown
      basis_refs: [string]
  principle_refs: [string]
  agent_inferences: [string]
  unknowns: [string]
  disconfirming_evidence_needed: [string]
  next_validation: [string]
  human_confirmation:
    required: true
    questions: [string]
  trade_execution_allowed: false
```

## 完成条件

- 每个事实、规则结果和风险都有证据编号。
- Agent 推断单列，未伪装成资料原话。
- 判断包含未知项、反证条件和下一步验证。
- 输出明确保留人工确认，并禁止交易执行。

有新一期事实后，把本次报告和新证据交给 `validate-and-correct`。