关于本项目

一个基于团队内部 Hermes 框架构建的 A 股投研 Agent，目前服务团队内部投研同事。

是什么

• 只做投研，不做下单。 输出投研结论，不触发交易。
• 数据驱动，引用强制。 每个数字、每个论断都必须有可追溯的来源（cite envelope）。
• 可演化、可复用。 A 股是第一个 vertical，框架本身要能复用到其他垂直领域。

不是什么

• ❌ 不下单、不做自动交易
• ❌ 不做实时高频策略
• ❌ 没有 cite 的"凭感觉"判断不被接受
• ❌ 暂不对外（对外付费版本将在独立站点 + 独立项目中推出）

谁在用

• 团队内部投研同事（v0.1.x，Direct 模式或 WeChat bot）
• 操作者（Liang）作为幕后支持

具体怎么用见 /use/。

路线大图

当前能查个股价格 + 基本面（v0.1.1）。下一步是把后端服务化（P1.0），再加多源数据、Web 搜索、研报抽取等能力。完整状态见 /status/。

为什么这样设计

LLM 时代的投研工具有两个常见失败模式：

1. 数字编造 — 模型把 P/E、EPS 这种关键数字"凭感觉"输出，没有任何来源校验
2. 黑盒推理 — 给出一个结论，但没法回答"这个数字是从哪来的"、"这个判断的依据是什么"

对投研场景而言，这两个问题都不可接受 —— 一个错误的数字可能导致错误的决策。

本项目的回答：

• Citation Protocol 强制每个数字带 cite 字段 —— 不带就被 Verifier 拒绝
• Competence 机制让知识可溯 —— 每个领域知识都注册成 Competence，带来源
• 单 Agent + 确定性 Verifier —— 不靠"另一个 LLM 检查"，靠确定性代码校验输出

为什么基于 Hermes

• 团队已有的内部框架，Skills + Competences 抽象天然适合本场景
• Competence 概念让 citation 自然落地（Competence = 知识 + 来源）
• 团队上手成本低

详见 ADR-0001: Hermes 作为运行时。

为什么先做 A 股

• 市场清晰、数据规范（CSRC 监管框架、Tushare 等高质量源）
• 团队对域有积累
• 复杂度可控，适合作为 Harness 框架的第一个 instance

详见 04 — Harness 框架。