事件如何变成决策 · 提示词
先看一条事件的 5 步处理流程，再查看每个 LLM 环节实际读取的提示词。点提示词名可跳到编辑器。编辑后点「保存草稿」只写入草稿目录,不改线上提示词:线上提示词属于决策进程启动时冻结的策略包,只能经 git 提交 + 重启生效。保存后会显示与线上版本的差异和上线命令。 ↓ 直接去编辑器
一条事件如何得到交易决策
代码负责来源、增量、并发和落库；LLM 负责理解事件、查证证据并判断是否交易。各决策臂走同一流程、读取同一套提示词，但状态与结果彼此隔离。
接入完整事件无提示词
watcher / projector 按 core/source_registry.py 接入已登记来源，把标题、源正文、来源身份，以及发布 / 抓取 / 投影时间分开写入 event_trade.signals。
筛出可处理的新事件无提示词
strategy/decide_engine/selection.py 只执行确定性边界：来源范围、增量水位、事件年龄、归档状态、正文完整性和 lane 归属；decision_jobs 再按 signal_id + model 原子领取，避免重复处理。
必要时先做批量语义分流批量 LLM
实时消息直接进入完整 agent；闭市时段的高流量来源可先由批量 LLM 读原文，只输出 AVOID 或 DEEP_RESEARCH。后者继续下一步。
完整 agent 研究并给出交易决策决策臂模型
agent 读取事件全文与历史 lessons，先判断是否可直接 AVOID；未早停则先查其它来源是否已经处理过同一具体催化。确认不是无新增事实的重复消息后，在同一轮自主查Web、KB、行情、自家案例库和外部历史相似案例，最后才确定标的、方向、price-in、反证与交易计划，一次性输出结构化 JSON。
单轮顺序：正文早停 → 跨源已处理检查 →联合研究（含历史先例）→ 最终决策。只有 us_close_wrap 事件追加收盘后专用规则。
校验、落库与通知无提示词
代码解析并规范化模型结果，以 signal_id + model 幂等写入 event_trade.trade_intents 和本模型臂的风险投影。在产臂的可交易结论再由 execution.notify 发送实时卡片。
stage_agent.md + stage_decide.md；批量与条件提示词只在图中对应分支加载；stage_backtest_banner.md 和 reflect/stage_reflect.md 仅用于离线回测 / 人工复盘。各决策臂共用这些文件，决策进程启动时把它们冻结进内容寻址的策略包(policy_bundle_id 记进每条决策);这里保存的只是草稿,经 git 提交并重启决策进程后才生效。