Briefing

Portfolio Briefing

三層結構的每日投資組合簡報，取代原 /daily-briefing。

Arguments

• /briefing → Quick（~1 分鐘）
• /briefing full → Quick + Full（~3 分鐘）
• /briefing deep → Quick + Full + Deep（~5 分鐘）
• /briefing telegram → Telegram Push Tier（~2-3 分鐘）— 盤中推送專用，不跑 Phase 1-3

--send 旗標

任何 tier 加上 --send 會在 tier 執行完後：

1. 把完整 briefing markdown 寫到 briefing-out/YYYY-MM-DD-full.md（Write tool）
2. 把 Telegram 格式純文字寫到 briefing-out/YYYY-MM-DD-telegram.txt（Write tool）
3. 呼叫 python3 tools/send_briefing.py YYYY-MM-DD（Bash tool）推送至 Telegram + Email

• send_briefing.py 內部自動呼叫 generate_html.py，push HTML 到 reports repo，並在 Telegram 訊息末加上網頁連結

briefing telegram 沒有 --send 時：只寫 briefing-out/ 兩個檔案，不發送。 若需手動生成 HTML（不發送）：python3 tools/generate_html.py briefing YYYY-MM-DD [--push]

執行模型建議

• /briefing（quick）→ Sonnet 4.6（純彙整；session 已長則先 /compact）
• /briefing telegram → Sonnet 4.6（每日 launchd 自動推送，成本敏感，固定 Sonnet；週五 --codex 另走 gpt-5.5）
• /briefing full → Opus 4.8（中等綜合 + Verdict；Phase 2 subagent 已外包 Haiku）
• /briefing deep → Opus 4.8（深度合成 + Codex 整合 + 機率/EV）

切換方式：/model sonnet、/model opus 或 /model fable 後執行 skill。

---

Step 0: 配置同步 & 倉位偵測

執行 CLAUDE.md 的 Step 0 統一規範（0a → 0b → 0c → 0d → 0e）。

• 讀 plan.md + feedback/*.md（必做）
• 呼叫 get_account_position 取即時持倉
• 今日 journal 不存在 → 執行 gap-fill + 變動偵測 + 自動建立 journal
• 若偵測到的變動對應 plan.md 待辦項 → 在 Phase 1 Step 1 標記
• 0e 第一性原理紀律：在 Quick Take 之前必須完成「市場主題 thesis / 證偽條件 / 機率分布」三題（見 CLAUDE.md 0e）

Step 0.5: Macro Snapshot Load（所有 Phase / Tier 共用）

讀 cache（不打 API，所有數據由 tools/fetch_macro.py 預載到 briefing-out/cache/macro-snapshot.json）：

Read briefing-out/cache/macro-snapshot.json

判定：

• status == "ok" 或 "partial" 且 cache mtime 36h → 顯示 ⚠️ Macro snapshot stale ({mtime_hours}h old) 仍使用但標記

將 5 個 series + regime_tag 內容餵給 Step 0e 與後續呼叫的 probability-honesty-checker agent（其 Step 1i 必須收到此資料）。

Step 0.6: Earnings History Load（所有 Phase / Tier 共用）

讀 cache（由 tools/earnings_history.py 預載）：

Read briefing-out/cache/earnings-history.json
Read briefing-out/cache/earnings-dates.json

判定：

• status == "ok" → 使用，後續 Section 4.5 與 Telegram tier earnings 區直接引用
• status == "skipped" / mtime stale → 標記 ⚠️ Earnings cache stale 但仍使用最後一份

這兩份資料用於：

• Section 4.5 Earnings Calendar 表格的 Trailing 8Q beat / avg surprise 欄位
• Telegram tier 📅 Earnings This Week 加 beat rate 標註
• probability-honesty-checker Step 1d「Base rate」備選來源（EODHD fundamentals-snapshot 為首選）

---

Step 0.65: Fundamentals Snapshot Load（所有 Tier 共用，cache-only）

讀 cache（由 tools/fetch_fundamentals.py 預載，TTL 24h）：

Read briefing-out/cache/fundamentals-snapshot.json

判定：

• status == "ok" 且 mtime 30h / 缺失 → 標記 ⚠️ Fundamentals cache stale/missing；Deep tier 強制派 subagent 刷新，Quick/Telegram 標旗但繼續

EODHD 資料缺口處理（必守）：

• highlights.pe_ratio == 0.0 或 peg_ratio == 0.0 → 丟棄該三錨點錨，標 (anchor unavailable)，不進 Fair PE 計算
• avg_surprise_pct 對低基期股（EPS estimate ≤$0.10）可能失真 → beat 次數可信，avg% 在機率計算中標 (unreliable-low-base) 並拉寬區間

Cache-miss fallback / Deep 強制刷新：

Agent(subagent_type="data-collector",
  prompt: "對以下全部持倉（TICKER.US 格式）呼叫 mcp__eodhd-mcp__get_fundamentals_snapshot 與
           mcp__eodhd-mcp__get_earnings_history，回傳 dict {ticker: {snapshot:{...}, base_rate:{...}}}，
           不分析不合成。")

Deep tier 每次必跑（強制刷新）；Quick/Full 僅在 cache miss 時派。

這份 cache 用於：

• Section 8.5（Full/Deep） 三錨點估值表（A1 pe_ratio / A2 PEG / A3 分析師隱含 PE）
• Quick Take 下方「💰 估值快訊」（一行，最便宜/最貴持倉 vs 公允價）
• probability-honesty-checker Step 1d（beat base-rate 首選來源）與 Step 1h（quarterly growth → fundamental intact X/Y）
• D2 thesis-impact 推理：fair_value_before/after 重算從同一 cache 取三錨點輸入

---

Step 0.67: News Articles Load（所有 Tier 共用，cache-only）

讀 cache（由 tools/fetch_news.py 預載，TTL 6h）：

Read briefing-out/cache/news-articles.json

判定：

• status == "ok" 且 mtime 8h / 缺失 → 標記 ⚠️ News cache stale/missing，Quick/Full/Telegram 略過 P3 信號擷取，Deep tier 繼續（P3 降級為僅 SEC/逐字稿）
• Quick / Full / Telegram tier：不讀 body，不做信號擷取；news cache 僅供 Deep tier §9.5 使用

---

Step 0.7: Thesis Ledger 驗收 & 逾期掃描（所有 Tier 共用）

帳本 = research/thesis-ledger.json，工具 = tools/thesis_ledger.py（去重/碰撞/到期/過期/統計全在程式層，Claude 不手改 JSON）。

1. 取得今日到期清單（同時自動 expire sweep）：

python3 tools/thesis_ledger.py due

回傳 {due:[...], expired:[...]}。expired 是工具自動把「逾期 >30 天未驗收」轉掉的，當作無結果。

2. 對每筆 due thesis 驗收：

• 讀該筆 trigger.metric → 知道要抓什麼（財報營收/ASP/毛利率、板塊 ETF、價格…）
• 用既有 MCP（yfinance / earnings_history.py cache / technical 等）抓實際數字
• 對照 thesis + falsification 判定 passed / failed / partial
• 抓不到新數（event 觸發但財報還沒出）→ 用 reschedule 把觸發日往後推、維持 pending，絕不猜 verdict：

`` python3 tools/thesis_ledger.py reschedule --id --to YYYY-MM-DD --reason "財報未出" ``

• 有結論 → 先做 D2 三桶股價影響分解，再呼叫 resolve 帶結構化旗標：
• passed：用財報後新數字重算 D1 三錨點（pe_ratio × fwd_eps 各情境） → fair_value_after；price_impact_pct = (after−before)/before
• failed：同上但用惡化輸入（成長減速/砍 guide） → fair_value_after 下修
• partial：拆分 thesis 成分 vs 倍數/價格成分 → impact_decomp = "thesis +X%(基本面)/multiple −Z%(re-rate)=net −W%"

`` python3 tools/thesis_ledger.py resolve --id --verdict passed|failed|partial \ --actual "實際數字" --note "判讀" --next-action "由此推出的操作" \ --fair-value-before --fair-value-after \ --price-impact-pct --impact-decomp "thesis +X%/multiple −Z%=net −W%" ` fairvaluebefore/after` 取自 Step 0.65 fundamentals cache 的三錨點計算；全部選填，有數就帶。

3. 讀 research/naked-call-watchlist.md（若存在）：

Read research/naked-call-watchlist.md

用 macro-snapshot.json（10Y UST、VIX）+ get_batch_indicators 2 日技術確認，評估其 3 閘門狀態：

• G1 10Y UST ≤4.35%：從 macro snapshot fed_funds 推估或 technical；G2 VIX ≤18：macro VIX；G3 目標 2 日收盤確認：batch indicator 技術
• 更新 watchlist 閘門欄位 → 狀態進 Key Alerts（未達全過則 🔒 LOCKED: G1/G2/G3 [狀態]）
• 3 閘門全過 → 輸出 🎯 樂透閘門達標：{ticker} 可評估進場，加入 Key Alerts actionable 與 Telegram T5/T6
• 日誌最後一行（auto-append）：--send / launchd 路徑用 Write 追加今日欄位到 watchlist；互動 quick/full/deep 僅輸出提議行，不 Write

4. 輸出「📋 thesis 驗收」區塊（接在 Key Alerts 後 / Quick Take 前）：

## 📋 thesis 驗收
| thesis | 命題 | 實際 | verdict | 公允價 before→after | 價格影響 | → actionable |
|--------|------|------|---------|---------------------|---------|-------------|
| MU:memory-cycle | DRAM 漲價毛利率>40% | ASP +8%、毛利率42% | ✅ passed | $320→$370 | +15.6% | HOLD，加碼門檻 $XXX |
（無到期項則略過此區塊；「公允價 before→after」和「價格影響」欄只在 resolve 時填，reschedule 留空）
⏳ 逾期未驗收已歸檔：[expired 清單，若有]

驗收結果直接餵 actionable：passed → 強化/HOLD/加碼（含新公允價上修幅度）；failed → 汰弱/減碼（含公允價下修多少）；partial → 分解 thesis vs multiple 成分後決定操作。resolve --next-action 寫的就是下一步行動，併入 Key Alerts / 行動項。

---

Phase 1: Quick（永遠執行）

1. Trade Journal Auto

若 Step 0b 偵測到倉位變化，輸出差異表：

## ⚡ 倉位變動（vs 上次快照 YYYY-MM-DD）
| 類型 | 操作 | 標的 | 變化 | 計畫對應 |

無變動則顯示「倉位無變化」。

2. Daily Snapshot

日期: YYYY-MM-DD
組合市值: $XXX,XXX (日變動: +/- $X,XXX / +/- X.XX%)
總損益: +/- $X,XXX (+/- X.XX%)
持倉: XX 檔股票 + XX 個選擇權合約

3. Today's Movers

全持倉依日漲跌%排序：

| 標的 | 股數 | 現價 | 日漲跌% | 市值 | 總損益% |

> +2% 或 -2% 標記。

4. Options Status

4a. 無現股標的價格確認： 比對選擇權持倉的 underlying ticker vs 現股持倉。若 underlying 沒有對應現股（如 CRWD、DDOG、GOOGL、LRCX、TSLA、TEAM）， 使用 mcp__technical-mcp__get_batch_indicators 或 mcp__yfinance-advanced__get_stock_info 取得該標的目前現股價格。 在 Options Status 表格中加入「標的現價」和「距 Strike %」欄位，方便判斷 ITM/OTM 狀態。

4b. Options 總覽表：

| 合約 | 方向 | 到期日 | 剩餘天數 | 標的現價 | 距Strike% | 損益% | 狀態 |

⚠️ 標記剩餘 詳見 feedback/earnings-reaction-window.md 與 feedback/weak-signal-root-cause.md

5. Technical Snapshot

使用 mcp__technical-mcp__get_batch_indicators 取得全持倉技術指標。

欄位順序（依決策權重排列）：

| 標的 | 現價 | 趨勢 | MACD | 量能比 | 動能分 | RSI |

• 趨勢：stronguptrend / milduptrend / consolidation / pullback / weakdowntrend / strongdowntrend
• MACD：顯示 crossover 狀態（goldencross 🚀 / deathcross ⚠️ / none）
• 量能比：volumeratio（>1.5 爆量 / 75 + volumeratio 1.2 |

| 🟡 留意 | RSI > 70 但無以上複合條件 → 只標數字，不加警示標籤 | | ⚠️ earnings window | 過去/未來 48h 有財報 → 以上規則一律不套用，標記 wait N+1d |

根因分類規則（看到弱勢/強勢訊號必做）：

對任一 weakdown / strongdown / momentum 5%

• 總虧 > 15%
• 單一持倉 > 8% 組合（過度集中）
• 財報

- 同論點 → 沿用既有 slug（變 update）；新論點 → 取區隔 slug

python3 tools/thesis_ledger.py add --ticker --slug \ --thesis "" --falsification "" "" \ --trigger-type event|date --trigger-date YYYY-MM-DD \ [--event earnings] [--metric "到期要比的指標"] --source briefing --ev ""

- **exit code 2 = 碰撞**（同 slug 但 thesis 差很多）：改取區隔 slug，或確定舊論點被推翻 → 改用 `supersede`
- market-level thesis 用 `--ticker MARKET`

---

## Phase 2: Full（`/briefing full` 或 `/briefing deep` 時執行）

### 8.5 個股估值（三錨點公允價）

**資料來源：** Step 0.65 fundamentals-snapshot.json（cache-first；Deep tier 強制已刷新）

**執行範圍：**
- Full tier：≥3% 持倉全部（純股票持倉；選擇權部位只列 underlying 若持有現股）
- Deep tier：全持倉（含 0）= guidance 偏正領先訊號，可在備註或 P3 訊號推導引用（非估值輸入）

**Full tier 輸出表（每持倉一行）：**

| 標的 | 現價 | A1 PE | A2 PEG錨 | A3 PT錨 | Fair PE(基/牛/熊) | FwdEPS | 公允價(基/牛/熊) | A4自建目標 | A4vsA3分歧% | 現價/公允基% | 備註 | |------|------|-------|---------|---------|-----------------|--------|----------------|----------|------------|------------|------| | MU | $XXX | 40.8 | 35.2 | 44.1 | 40.8/55.1/28.6 | $9.2 | $375/507/263 | $987 ⚠️低信心 | +33% | −8% | beat 8/8 | | CRWD | $XXX | N/A | 62.1 | 71.3 | 66.7/89.1/46.7 | $3.8 | $253/339/177 | (self-val N/A) | — | +5% | A1 anchor N/A |

欄位說明：
- **現價/公允基%** = (現價 − 基準公允價) / 基準公允價；負 = 被低估；正 = 被高估
- 若 abs > 30% → 在備註標 `⚠️ 大幅偏離`；若 abs > 50% → 標 `⚠️⚠️ 異常大偏離，錨點可能失效`
- **A4自建目標**：從 `self_valuation.own_target_price`（cache 已算，**不重算**）；`confidence=="unavailable"` → 標 `(self-val N/A)`；`confidence=="low"` → 標 `⚠️低信心`
- **A4vsA3分歧%** = `(A4目標 − A3 wall_street_target) / A3 wall_street_target`；A4 不進 median(A1,A2,A3)，不進 EV（與 DCF 同為 sanity/divergence flag）
- A4vsA3 > +20% → 我較 Street 樂觀：檢查是否有 Street 未定價的成長 driver；A4vsA3 30% → 錨點存疑]`
- 402 / empty / 免費版限制 → 標 `DCF 不可用 (FMP free tier)` 靜默略過
- DCF 結果**僅為 sanity flag，不進 EV 計算**

**資料缺口標準處理（不得猜測）：**
- pe_ratio = 0.0 → `A1: N/A` （CRWD 已知缺口）
- peg_ratio = 0.0 → `A2: N/A`（CRDO 已知缺口）
- wall_street_target 缺 → `A3: N/A`
- fwdEPS 三來源（consensus curr_fy / next_fy / approx）皆缺 → 整欄標 `(fwdEPS unavailable)`，不輸出公允價

### 9. Sentiment Analysis
使用 Agent 子代理（subagent_type: "data-collector"）取 top 5 持倉的情緒數據：

- **Agent: EODHD Sentiment**（subagent_type: "data-collector"）→ `get_sentiment_trend`（ticker format: "TICKER.US"）

| 標的 | 7日情緒 | 30日情緒 | 趨勢 | 備註 |

情緒 "    ← 無此欄 = 不成立

訊號 → thesis 轉換（Step 0e 紀律）： signal 需轉成 1 句可驗證命題 + 2-3 量化證偽點 + 觸發點才算完整 thesis：

SIGNAL: MU 投片量 +8% QoQ (source: EODHD/Reuters, conf medium)
→ THESIS: "MU 投片量 +8% QoQ 預示 FY27 bit 出貨 YoY >25% 且 DRAM ASP 不跌破 −5% QoQ"
→ FALSIFY: ["下季 bit shipment YoY 10%"]
→ TRIGGER: event, , metric="bit shipment YoY + DRAM ASP QoQ"

Thesis 登錄規則： 僅 confidence ∈ {high, medium} 且有明確前瞻 trigger → 登錄 ledger（--source signal-inference，--ev 存 signal provenance）；confidence=low 只在 briefing 文字呈現，不入 ledger；exit-code-2 碰撞 → 改 slug 或 supersede。

python3 tools/thesis_ledger.py list --ticker          # check existing first
python3 tools/thesis_ledger.py add --ticker  --slug  \
  --thesis "..." --falsification "..." "..." \
  --trigger-type event|date --trigger-date YYYY-MM-DD \
  --event earnings --metric "..." \
  --source signal-inference \
  --ev "signal:  , , conf="

誠實退化（必守）： 若此 tier 的 ≥3% 持倉全部回傳「只有 narrative，無量化數字」→ 整段輸出：

§9.5 訊號擷取：本期無可量化信號（只有 narrative news，無 SEC 8-K / 逐字稿量化句）

不輸出任何推測數字，不改寫 qualitative 為 quantitative。

10. Market Dynamics

• mcp__fmp-mcp__getBiggestGainers + getBiggestLosers
• 檢查持倉是否出現在極端波動名單
• 市場主題掃描（板塊輪動、避險情緒等）

11. Prediction Markets

• mcp__polymarket-mcp__search_markets 搜尋與持倉板塊相關事件
• 搜尋關鍵字：AI regulation, tariffs, Fed rate, semiconductor
• 顯示相關事件及概率

11.5 樂透機會掃描（Lottery Opportunity Scan）

目的： 從市場掃出至多 3 個適合短 DTE OTM Call 樂透的候選（per memory feedback：樂透用近期 OTM Call 不用 LEAPS，避免 vega 干擾凸性）。

篩選步驟（重用 Section 10 movers + active list 數據，不額外抓取）：

1. 候選池：getBiggestGainers + getMostActiveStocks
2. 排除遲到派對： 過去 5 日累計漲幅 > 30% → 凸性已被消耗
3. 排除既有持倉同題材： 與 portfolio 重複曝險的標的跳過
4. 必要條件（3 項全符合才入選）：

• 30 天內有 binary catalyst（財報 / FDA / 政策 / 公告）
• 有具體論述（不是純技術突破或迷因）
• 短 DTE OTM Call 流動性合理（OI > 500 估算）

輸出格式（限 1-3 筆，無符合則輸出「⏳ 本次無符合凸性條件的樂透機會」）：

| Ticker | 題材 / Binary 催化 | 建議結構 | 預估成本 | 凸性備註 | |--------|----------------|---------|---------|---------|

規則：

• 預設 1-2 口，總成本 ≤ 2% 帳戶價值（Quarter-Kelly 樂透上限）
• 不推 LEAPS OTM 當樂透（vega 干擾，違反 feedbackoptionsvega_playbook.md）
• 「上行 +XXX% / 下行 max loss = premium」必寫
• 若候選 IV Rank > 80：警告「IV 過高，後續 IV crush 風險」

12. 計畫 Full Alignment

完整進度表：

| # | 計畫操作 | 狀態 | 觸發條件 | 當前數據 | 備註 | |---|---------|------|---------|---------|------| | 1 | 加碼 NVDA | ⏳ 待觸發 | RSI5%、虧>15%），執行 stock-analysis 級別的分析：

• 技術面詳細指標（BB、ATR、SMA）
• 基本面快照（PE、Revenue Growth、Margins）
• 內部人交易摘要
• 投資論點重新評估

14.5 Thesis 目標達成度 Scorecard

目的： 顯示「公司目標/thesis 有無達成」，讓用戶一眼看出哪些論點正在驗證、哪些可能破裂，不 resolve（只讀取、對照、標狀態）。

資料來源：

• thesis_ledger.py list --status pending（取得所有待驗收 thesis）
• Step 0.65 fundamentals-snapshot cache（quarterlyrevenuegrowthyoy / quarterlyearningsgrowthyoy / pe_ratio 等）
• Step 0.6 earnings cache（beat rate, next_earnings date）

Scorecard 邏輯（每筆 pending thesis 做一行）：

對每筆 pending thesis，取其 trigger.metric 欄位（或從 thesis 命題推斷），與 fundamentals cache 的實際指標對照，判定當前狀態：

| 狀態 | 標記 | 條件 | |------|------|------| | 進行中 / 符合目標 | ✅ on-track | 核心指標與 thesis 方向一致（例：quarterlyrevenuegrowthyoy > 0 且加速） | | 待財報驗收 | ⏳ 待 event | triggertype=event 且 triggerdate 尚未到（不能從 cache 判斷，等財報） | | 有風險 / 指標轉弱 | ⚠️ at-risk | quarterly growth decel 連 2Q 或 guide 下修方向；技術面 deathcross | | 已接近證偽條件 | 🔴 warning | falsification 條件中有 1+ 個已出現（精確比對 thesis 列的證偽點） | | 無法判定 | ❓ unknown | cache 缺相關指標，無法自動比對 |

輸出格式：

### 14.5 📋 Thesis 目標達成度
| ticker | thesis slug | 核心命題（摘要）| 到期/觸發 | cache 指標現況 | 狀態 |
|--------|------------|----------------|---------|--------------|------|
| MU | memory-cycle-asm | DRAM ASP持續上漲 + 毛利>40% | 2026-06-15 財報 | revenue growth +21% YoY；PE 40.8 | ⏳ 待 event |
| NVDA | datacenter-demand | DC revenue連4Q加速 | 2026-05-28 財報 | revenue growth +78% YoY | ✅ on-track |
| CIEN | margin-recovery | 毛利率50%以上連2Q | 2026-06-10 財報 | beat 1/8（⚠️最弱）| 🔴 warning |

附加：thesis 到期日程（未來 30 天）

📅 近期 thesis 到期：
  6/10 MU:memory-cycle（財報前） → 屆時需抓實際 ASP + 毛利率驗收
  6/15 AVGO:ai-revenue-accl（財報後） → AI revenue YoY + guide 驗收

規則：

• 本 section 只讀不寫（不執行 resolve 或 add，那是 Step 0.7 的工作）
• 若 pending thesis 為空 → 輸出「📋 無待驗收 thesis（帳本為空或全已 resolve）」
• 每筆最多 1 行，不展開全文；詳細論點讓用戶自行查帳本

15. 完整計畫對照

portfolio-review 式的計畫執行進度表：

• 板塊佔比 vs 計畫目標的偏差分析
• 所有待辦項目的執行狀態
• 風險監控項目的當前狀態
• 下一步建議（基於計畫優先級 + 當前市場條件）

---

---

Telegram Tier（/briefing telegram）

目的： 每日盤中推送至 Telegram + Email 的精簡決策摘要。不跑 Phase 1-3 的完整分析，只抓推送所需的 7 個資料點，直接產出 emoji 純文字格式。

執行模型

Sonnet 4.6（資料抓取為主，無深度合成需要）

Step 0

同標準規範（0a-0e）：讀 plan.md + feedback/*.md → get_account_position → journal 確認。

資料步驟（依序，可部分並行）

T1. Earnings Window（next 7 days） 改從 cache 讀： Step 0.6 已預載 briefing-out/cache/earnings-dates.json + earnings-history.json，直接 Read 兩份 JSON。 列出所有持倉 ticker 的：

• 財報日 + 盤前/盤後（next_date, timing）
• 過去 ±48h 已發財報的 ticker 也標出
• Trailing 8Q beat rate + avg surprise %（從 earnings-history.json）
• focus 重點：可從 yfinance news / sentiment 摘要推斷

若 cache status ≠ "ok" → fallback mcp__fmp-mcp__getEarningsCalendar，並加註 ⚠️ earnings cache unavailable。

T2. Sentiment Pulse + Fundamentals Cache 預讀（平行 Agent） 派出 data-collector subagent，取所有持倉的 EODHD 7d sentiment_trend（格式：TICKER.US）：

Agent(subagent_type="data-collector"):
  呼叫 mcp__eodhd-mcp__get_sentiment_trend 對每個 ticker
  回傳 dict: {ticker: {score: float, trend: str}}

分類：score 7日變動 > +0.1 → 改善； +0.3 → 1.10 才顯示）

1. 今日 thesis 影響 = Step 0.7 resolve 結果（若有）

省略整段的條件（全部滿足則 T8a/T8b 不輸出此段）：

• fundamentals cache status ≠ "ok"，OR
• 無任何持倉的 |現價/公允基 − 1| > 10%，AND
• 今日 Step 0.7 無 resolve（無新 verdict）

→ signal-only：無訊號不推送（比照現有「無 alert 則略過整個 section」慣例）

T3. News & Catalysts（past 24h） mcp__yfinance-advanced__get_yahoo_finance_news 取 top 5 持

…

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: PatrickSUDO
• Source: PatrickSUDO/fadacai-portfolio
• License: MIT

Install and usage instructions live in the source repository linked above.