为什么做

问题

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"

对于投研场景，这两个问题都是不可接受的。一个错误的数字可能导致错误的决策。

这个项目的回答

• 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。