技能介绍

解决什么问题

A股判断常建立在一条既有投资逻辑上：某类政策催化、渠道补库存、订单落地或业绩兑现。但新公告、新闻、政策与价格数据陆续出现时，手工跟踪很容易把事实、推论和情绪混在一起，最后只凭印象改结论。这个技能把原观点显式固化为 baseline signal，再用新事实逐节点比对，回答“信号是否被强化、削弱或证伪”。

核心能力与关键步骤

解析 baseline：拆分 thesis、affected tickers、transmission chain、expected catalyst、timeframe、confidence、sentiment 和 falsification conditions；没有基线时，先基于用户观点建一个明确标记为 provisional 的临时基线。
收集 fresh facts：用 mx-search 查新闻、公告、研报、政策和事件背景，用 mx-data 取价格、成交量、财务指标等精确数据。
逐逻辑节点比对：不简单写“利好/利空”，而是看新事实强化了哪个传导环节、削弱了哪个假设、触发了哪条证伪条件。
输出演化标签：Strengthened、Weakened、Falsified、Realized 或 Unchanged；只有证据支持时才更新 confidence、sentiment、expectation gap、affected tickers。
生成严格 JSON：下游需要 InvestmentSignal 时参考 references/PROMPTS.md，否则输出紧凑可读更新。

输出契约与验证

输出先给演化标签和一句理由，再按 news/event、price/data、logic-chain impact 分组列证据，说明基线中变了什么、没变什么，并把 facts 与 inference 分开。改动脚本后运行 tests/test_tracker.py，用 evals/evals.json 确认 tracker prompt 触发本技能，而普通 search、data、diagram prompt 不误路由。

适用边界

缺少 baseline 时，要么索取前序信号，要么生成明确临时基线。没有新数据时，只声明证据不足，不擅自改信号。证据冲突时标记 mixed impact，并说明哪两个逻辑节点冲突。mx-search、mx-data 或上游数据失败时，报告失败源，不凭记忆补洞。它适合已有投资逻辑的持续跟踪，不适合从零做情感看板、无假设数据罗列或实时交易指令。