Trade Review — 兩週交易檢討
這是系統自我進化的引擎。 其他 skill 產生決策，這個 skill 檢查決策對不對，並把結果回饋到規則層。
Why： 2026-07-25 首次歸因調查發現，系統決策的 α 是 +6.1%（賣方 +13.0% / 71% 勝率），脫離 plan 的用戶決策是 −14.0%（12 次對 2 次）。但當時可歸因覆蓋率只有 49%，且沒有任何機制持續計分——規則寫死後永不重測。這個 skill 補上那個迴路。
Arguments
/trade-review→ 上次檢討至今（若無紀錄則近 14 天）/trade-review 4w→ 近 28 天/trade-review since 2026-06-04→ 指定起日
Step 0（沿用 AGENTS.md 統一規範）
- 0a 讀
plan.md+feedback/*.md（含feedback/RULES-LEDGER.md） - 0b
mcp__firstrade-server__get_account_position - 0c/0d journal 確認與 gap-fill
- 不需要 0e 第一性檢查——本 skill 不輸出 Verdict / 投資建議，只做事後歸因與規則計分
Step 1 — 交易帳 ingest 與歸因
bashpython3 tools/trade_ledger.py snapshot-orders python3 tools/trade_ledger.py ingest --range 2m python3 tools/trade_ledger.py backfill-origin --since <期初> python3 tools/trade_ledger.py stats
歸因鏈第 1 步除了 plan.md/journal 的單號，也讀 order-registry.json 的 rule_ref（register-order 登記的規則單，2026-09-14）；本期若仍有規則單被判 user，代表掛單時漏了 register-order，列為執行力缺口。
必報三個數字（覆蓋率是本迴路的健康指標，要逐期往上走）：
- 本期新增成交筆數
attribution_coverage_journaled_pct（有 journal 期間的 origin 覆蓋率）order_registry.snapshot_days（快照天數；越多，往後歸因越接近 100%）
⚠️ 覆蓋率不會靠自己變好。 對 unknown_sample 列出的每一筆，翻當日 journal / plan.md 判斷來源，然後：
bashpython3 tools/trade_ledger.py annotate --id <fill_id> \ --origin system|user --evidence "<判定依據原文>" [--bucket 信念|認列|hedge|樂透]
補正時一併記模型（--model claude-fable-5-1 --effort high），這樣 score --by model 之後能用數據回答兩件事：貴的模型層級值不值那個成本，以及更新的模型不同意舊決策時，該不該相信它。模型版本是排覆審順序的依據，不是推翻已驗證結論的依據（同 RULES-LEDGER 的鐵則）。
判定準則（origin = 誰決定，與 exec_via 誰按按鈕 無關）：
- system — plan.md 有 ref／plan #N／規則執行（梯級停利、停損鐵律、harvest 訊號）／plan v2 砍單
- user — 未列於 plan／偏離 plan 階梯／違反既有指令／無 plan 依據的自主判斷
- 判不出來就留 unknown，不要猜
2026-06-18 是必記的反例：九檔在 App 手動出清，但砍因來自 plan v2 → 系統決策、手動執行。若用執行方式推論決策來源，會把全帳最大 alpha 事件（+$8,997）誤記成用戶自主交易。
Step 2 — 三個指標，缺一不可
三者答不同問題，只看任一個都會誤導：交易 α（進出對不對）、持有 α（該不該繼續抱）、beta capture（行情好的時候吃到沒有）。
bashpython3 tools/trade_ledger.py score --by origin-side --since <期初> python3 tools/trade_ledger.py score --by bucket --since <期初> python3 tools/trade_ledger.py holding-alpha --window 90 python3 tools/trade_ledger.py beta-capture --window 180 --bench SMH
2d. 帳戶級四指標（每期必跑，2026-07-29 起）
實作成本（2026-10-20 用戶「組合跟操作感覺比 SMH/QQQ 還糟」）：每期加算「當期持倉名單等權買抱同期報酬 − 帳戶同期報酬」，並列 SMH/QQQ/SPY 同期。名單取 --since 當日收盤實際持有的現股（含期內清倉者，無倖存者偏差；2026-10-30 修，舊版取期末仍持有名字 → +62% 是倖存者偏差）。 工具印兩個數：實際權重買抱 − 帳戶 = 操作成本（只拿掉期內操作）；實際權重 − 等權 = 權重判斷價值。選股好不好看等權、壓重對不對看兩者差、操作好不好看前者。工具 python3 tools/impl_cost.py --since <期初> --acct-start <期初淨值> --acct-now <期末淨值>（同時印期內賣出 vs 抱到今天、依標的/依月）。第 0 節必列一行。長窗（≥3 個月）另跑 tools/core_satellite_backtest.py（月度再平衡版）。
bashpython3 tools/account_metrics.py scan && python3 tools/account_metrics.py report --live <Step 0b 即時帳戶總值>
輸出期間報酬 / CAGR / MDD / Sharpe（淨值標記曲線）+ profit factor（FIFO 已實現、含選擇權與費用）。與上期 archive/*/account-metrics.json 對照列 Δ。誠實標示照工具輸出：MDD 基於離散標記屬低估、短窗年化僅供方向；淨值紀錄自 2026-06-01 起，用戶提供券商對帳單更早淨值時用 add 補錨。
2a. 交易 α（誰決定的比較好）
| 決策來源 | n | β調整 α | 勝率 | β調整 $ | β=1 的 $ | beta 汙染 | 均β |
|---|---|---|---|---|---|---|---|
| 系統決定 — 賣/買 | |||||||
| 你自己決定 — 賣/買 | |||||||
| 無記載 |
alpha_beta 才是結論依據，naive_alpha_dollars 只用來看 beta 汙染有多大。β 是對實際使用的基準回歸算的（半導體對 SMH、其餘對 SPY）。
為什麼這件事關鍵：2026-07-25 首測時，賣方 β=1 算出 +$8,997，看似巨大選股技術；改用券商 β（對大盤測）套 SMH 又算出「全滅」。兩者都錯。 同基準回歸給出 +$6,846（76% 存活）—— 選股技術是真的，但有 24% 是 beta。用錯 β 會讓「該不該繼續這樣做」得到相反答案。
2b. 持有 α（交易 α 之外的另一半）
holding-alpha 給每檔的滾動 90 天（決策相關：現在還該不該抱）與建倉至今（歷史：進場對不對）。
必列：正 α 與負 α 各自的檔數與金額。 首測基準：滾動 90 天 +$8,219 但勝率僅 25%——集中在 MU/DDOG/CRWD/AMD 四檔（+$33,833），被其餘 15 檔（≈−$26,000）抵銷。
⚠️ 建倉至今不可加總（僅 13/20 可測，且可測者偏向近期建倉、長抱贏家因 lots 早於帳戶歷史落選 = 選擇偏差）。只讀個股。
⚠️ 持有 α 存在的理由：純交易指標會系統性獎勵頻繁進出、把「抱對一年」記為零貢獻。首測顯示持有 α 量級大於交易 α。
2c. beta capture（行情好的時候吃到沒有）
beta-capture 拆基準上漲日/下跌日各自回歸 β：
| β | 日 α (bps) | 累積 α | 天數 | |
|---|---|---|---|---|
| 全期 / 上漲日 / 下跌日 |
判讀：up-β > down-β = 想要的曝險輪廓；up-β < down-β = 漲不上跌得凶。
首測基準（180 天 vs SMH）：up-β 0.79 < down-β 0.90，capture 比 0.88。成因結構性——梯級停利在強勢中賣、買梯在弱勢中買，兩者機械性壓低 up-capture。這是純 α 指標看不見的成本（見 RULES-LEDGER R8）。
解讀紀律
- 買方 α 全負不代表買錯 —— 先確認基準也在跌；
alpha_beta已扣 beta，負才是真的差 - n < 10 的分組必須標註樣本不足，不得單獨下結論
- 與上期比較趨勢，而非只看本期絕對值
- 三個指標若互相矛盾，那本身就是本期最重要的發現（例：交易 α 正但 up-capture < 1 = 進出做得好但曝險輪廓錯）
Step 3 — 最佳/最差各 5 筆，逐筆追問
score 已回傳 best / worst。對每一筆翻出當日 journal 的決策理由，回答：
- 當下有沒有訊號被忽略？（revision、情緒、A4 旗標、集中度、Codex 反對意見）
- 這筆的 origin 判定可靠嗎？（evidence 是不是真的指向這筆交易）
- 是規則問題還是執行問題？ 規則對但沒執行 → 執行力缺口；規則本身導致 → 進 Step 5 計分
歷史對照（首次調查已確立的模式，用來檢查本期是否重演）：
- MRVL 型：不在 plan 的名字連續加碼，每次都被 journal 標記卻沒被阻止（3 次共 −$1,884 α）
- NVDA $205 型：plan 內領導者、價格高於買梯，偏離是對的（+7.9%；MU $844.81 +3.6%）
- ICHR 型：小倉「汰弱」賣出，事後標的大漲（−32.3%）
- hygiene 型：為湊支數/清尾倉砍小倉（LITE −11.2%、CEG −14.3%、SNOW −21.8%）
Step 3.5 — 旗標稽核（本書最貴的漏口）
bashpython3 tools/trade_ledger.py flags
2026-07-25 量測：「已標記惡化但沒有強制出場」是吃掉最多回撤的單一機制，自警示以來 −$6,333。 排第二的是「下跌中深檔買梯建新倉」（−$5,700）。
本期必答：
- forced 清單處理了嗎？ 每筆 forced 必須有
resolve-flag（減碼/出場/撤旗），不得再defer - 本期新開的旗標，有沒有該開卻沒開的？ 掃本期 briefing/journal 的 ⚠️ / 降桶候選 / 勿加碼 / thesis 蒙塵 字樣，比對 flags 清單。漏開就是漏口重現
post_flag_fills有值的 → 警示後仍加碼，逐筆檢討為什麼禁令沒有阻力（ON 6/26 下禁令、7/06 加碼 32 股，−$206）total_cost_since_flag與上期比較 —— 這個數字往下走才算修好
同時查 thesis 增生（合理化的指紋）：同一標的累積 ≥2 筆 pending thesis 而部位在虧 → 逐筆問是不是為了繞過既有警示而新登錄。
ON 在 4 週內累積 3 筆 pending thesis（6/26
cyclical-recovery-q2、7/04power-shortage-early-position、7/23800vdc-power-tree-validation），全部觸發 8/03；而 7/06 的加碼引用的正是 7/04 那筆新 thesis。
Step 4 — 影子訊號驗收
bashpython3 tools/thesis_ledger.py orphans python3 tools/thesis_ledger.py stats python3 tools/ev_ledger.py resolve-due && python3 tools/ev_ledger.py stats
4-0. EV 分布校準（機率誠實的結果端驗證）
ev_ledger.py stats 輸出 EV 誤差（by horizon/model）+ Brier + 校準表（給的機率 vs 實際落桶頻率）。判讀紀律：
- n<30 的分組只記錄方向，不改規則；相關樣本（同跨一段行情的多筆）算一筆證據，不按筆數計
- 系統性偏差確立（如「30-60d 一致過度樂觀」連兩期同向）→ 修正對象是 probability-honesty-checker 的形狀規則表 / 各 skill prompt，寫入
RULES-LEDGER帶命中率追蹤 — 不建 ML 模型（n>150 獨立已解決樣本前不重評，見 AGENTS.md） - Goodhart 警戒：校準變好但分布變窄（永遠給 hedged 分布）= 假改善，對照分布寬度一起看
stats的四項——獨立 n、Brier skill score（>0 才是技能）、in_range（分布外 = 漏分支非運氣）、thesis × 定價 2×2（「對但沒用」= priced-in 候選）——原樣抄進報告 第 4 節，review_lint.py會查- priced_in_pct 三分位（2026-09-14 起
stats自帶）：高三分位 realized<EV 比例是否顯著高於低三分位；n<30 只記方向。連兩期同向且差距 ≥20pp → 才討論把 priced_in 納入 probability-honesty-checker 的形狀規則表（display-only 直到那時）
4a. A4 高估旗標（影子模式，Phase 1 只記錄不阻擋）
讀 research/shadow-signals.jsonl，對已滿 30 天的旗標算實際超額 α，累計命中率：
| 旗標日 | 標的 | A4vsA3 | 30d 後超額 α | 命中 |
|---|
判定條件（briefing / portfolio-review 產生旗標時已套用）：A4vsA3 ≤ −35% 且 confidence == "ok"。PE 不再作排除條件（2026-09-14 裁決）——pe_ratio 只記錄為屬性供分組。
舊
pe_ratio < 200排除條款來自 DDOG 單一反例（A4 −71%、PE 553、事後 +19% α）。兩期影子計分（8/29、9/14）DDOG 連兩期命中（−12.7%、−3～−7%），PE>200 子集 15 筆 100% 命中/α −14.4%，PE<200 63.9%/−1.4%——唯一有訊號的正是被排除的那一段。獨立標的兩期累計 4/8，不升閘門、維持 display-only。
計分紀律： 按獨立標的、以首次旗標日的 30d α 計，逐日重複登錄不得當多筆（score 的 n=51 是灌水值）。
跑滿 2 期後才決定是否升硬閘門（Phase 2）。基準線：首次前瞻檢驗 n=12、Spearman +0.45、高估組 4/4 落後平均 −15.9% α。
4a-2. 影子帳 cf-*（2026-09-14 通用化）
shadow_signals.py score 的 by_signal 會列 cf-bench-loser / cf-r1-hold / cf-r17-blocked / cf-t65-capped / cf-r23-skip。每類按獨立標的報 n / hit_rate / mean α；這些是規則的免費驗證樣本：cf-r1-hold 命中率直接餵 R1、cf-r23-skip 餵 R23、cf-bench-loser 餵 L1 比選（落選者若跑贏入選者 → 比選邏輯覆審）、cf-t65-capped 餵 T6.5 上限是否該再放。n<5 只記方向。本期若 cf-* 為 0 筆 → 寫「影子帳未使用」並列為執行力缺口（該登錄沒登錄）。
4b. thesis 中途證偽（不是等觸發日才看）
bashpython3 tools/thesis_ledger.py recheck --long-drift-only
證偽條件已經寫好且具體，缺的是只在觸發日被讀。首測時 23/23 pending thesis 的建立→觸發相隔 ≥45 天，MRVL:fy28-ai-bookings-visibility 172 天——半年前提可以壞掉而沒人看。
對清單上每一筆問一句：這些條件裡，有沒有現在就看得到的已經成立了？
- 成立 → 立刻
resolve --verdict failed，不等觸發日 - 前提完好 → 說一句「完好」帶過
- 判不出來（需要下次財報）→ 明確說「須待 <事件>」
有些條件本來就不必等財報，例如「Google 公開宣佈減少 AVGO 採購份額」「主要 hyperscaler 公開削減 XPU capex >10%」「毛利率跌破 38%」。
4c. thesis 帳本兩個比率
stats 現在同時回 hit_rate（thesis 對不對）與 pnl_hit_rate（有沒有賺錢）。兩者的差距就是「在虧損部位上驗證 thesis」的程度。
orphans 列出「曾持有→已出場但 thesis 仍 pending」者（reentry-* 與從未持有的候補已排除）。每一筆必須處理：
bashpython3 tools/thesis_ledger.py resolve --id <id> --verdict passed|failed|partial \ --actual "..." --note "..." --next-action "..." \ --position-status exited --realized-pnl <±金額> [--price-verdict met|missed]
partial 強制 --price-verdict：營運達標但市場不認 → missed。
4c-2. 輪動相關旗標（H8，2026-09-14 起）
讀 research/rotation-corr-log.jsonl：本期每個 regime_shift == true 的 (date, pair) → 取旗標日後 10 個交易日兩籃相對報酬（工具已算 rel_ret_10d_pct，或用 archive 價格重算）。命中 = |相對報酬| ≥ 5pp 且方向與 Δρ 一致；記 H8 n / 命中。連兩期 n≥5 且命中率 <50% → 儀表降為只存 log 不上 Telegram；沒有 regime_shift 的期就寫「H8 本期無旗標」，不得用 20d ρ 的漲跌硬湊敘事。
4d. 來源信用帳（來源信用 tier 閘，R21 影子計分中）
bashpython3 tools/source_credit.py resolve-due python3 tools/source_credit.py stats python3 tools/source_credit.py tiers --dry-run
輸出每來源一行：
| 來源 | tier | n_scored | hit_rate | mean_lead_time_days | vague_ratio | backtest_share | proposed_tier |
|---|
判讀紀律：
- n_scored < 3 → 只記錄不下結論（樣本太小）
- backtest_share > 0.8 → 標「僅回測」，實盤期樣本不足前不當已驗證命中率
- noise（
vague_ratio > 0.7且n_total ≥ 5）→ 建議該來源disable（連續講不可驗證的模糊主張） - tier 只抄
tiers --dry-run輸出，不手改research/source-config.json；抽查認可後才拿掉--dry-run套用 - R21 升級條件（display-only → 可作硬閘門輸入）：連續 2 期
/trade-review內，Trusted+ 來源hit_rate ≥ 0.65且mean_lead_time_days > 0（真的有領先，不是巧合追認）才討論升級；未達標維持 第 9.6 節 display-only
Step 5 — 更新規則命中率帳本
編輯 feedback/RULES-LEDGER.md（判準 feedback/skill-vs-luck.md）：
- 更新命中/失效：只算建立日後的獨立事件（原始案例不計、同批算 1）；每筆附證據 +
[up]/[down]（python3 tools/rule_stats.py regime --date <日> --bench SMH|SPY） python3 tools/rule_stats.py ledger-audit --write→ 狀態欄照輸出改；再跑--check必須 exit 0- 結案分類：分布外 = 模型錯；證偽條件觸發未動 = 決策錯；thesis 沒兌現但賺 = 運氣（不計命中）
- 新規則 → 登錄一列；新假設 → 對照追蹤表
- R26：報 Brier skill score（獨立 n）與
holding-alpha對 SMH 走向，不裁決
Step 5.5 — 注意力預算稽核（每期必跑，2026-07-30 起）
登記機制只進不出會稀釋注意力。每期掃四類，列清理清單並執行：
- Thesis 殭屍：
thesis_ledger.py stats+ pending 全列 →- 已清倉標的的殘留 thesis（re-entry 條目已另存者）→
close-untested --exit-date <清倉日> - pending 齡 >60 天且 due 還在 30 天外、期間無任何 signpost 移動 → 覆審：還值得等嗎？不值得 → close
- 已清倉標的的殘留 thesis（re-entry 條目已另存者）→
- L1/L2 板凳除名（plan.md）：L2 名字 90 天無 gate 觸發且 revision 靜止/轉負 → 除名（一句理由）；L1 觸發價失效 >60 天 → 降 L2 或除名；已進場者移出板凳。除名 ≠ 永久淘汰（質地理由才可判永久淘汰，per
exit-reentry-discipline.md分層鐵則） - 價格警報覆核：
price_alerts.py list→ 觸發多次無人行動 / 條件已過時（財報已過、thesis 已結案）→ remove - 一次性清單：research/ 下的行動清單（抄底清單類）過期 → 移
research/archive/，並拔掉 skill 引用 - 守門工具 + roster 一致性（2026-09-02 起）：跑
python3 tools/position_guard.py --sync-alerts --render-plan，缺口全數處理（桶別缺口 → 更新research/roster.json；已出場標的自 roster 移除；R8 GTC 缺口 → 掛單；R23 旗標 → 執行/resolve）。同時掃 R23 計分：本期每筆resolve-flag --action trimmed的 R23 旗標，+30 天價 vs 減碼價 → 命中/失效寫入 RULES-LEDGER R23。 - 規則本身（用戶 2026-08-29 提議，首次大裁決後生效）：連兩期零觸發零資訊量的規則 → 標「歸檔候選」；建立滿 60 天仍
—的規則 → 轉「未驗證假設」
輸出：🧹 本期清理：thesis −N / 板凳 −N / 警報 −N（零清理也要列，證明有跑）。
Step 6 — 輸出
寫 briefing-out/trade-review-YYYY-MM-DD.md，然後：
bashpython3 tools/generate_html.py trade-review briefing-out/trade-review-YYYY-MM-DD.md
報告結構：
markdown# 交易檢討 YYYY-MM-DD（期間 YYYY-MM-DD ~ YYYY-MM-DD） ## 0. 本期結論（先讀這段） [白話、直接切入重點，≤6 行，每行一個意思、最多兩個數字（2026-10-19 用戶：「語法更直白切入重點，計算過程放附錄」）： ① 這兩週帳戶賺賠多少、對 SPY/QQQ/SMH 如何 ② 誰的決定對（系統 vs 用戶，一句） ③ 最貴的一個錯 ④ 該改哪一條規則（一條） ⑤ 下期要做的一件事。不放推導、不放 α/β 公式、不放 agent 計算日誌——那些全放「附錄」] ## 1. 帳本健康 新增成交 N 筆｜歸因覆蓋率 X%（上期 Y%）｜快照天數 D｜本期人工補正 M 筆 ## 2. 誰決定的比較好（基準校正 α） [核心表，全部 + 僅高信心兩組] [與上期趨勢比較] ## 3. 最佳/最差各 5 筆 [逐筆附當時 journal 理由 + 「當下有沒有訊號」的答案] ## 4. 影子訊號 [2026-10-29 用戶「影子訊號很難讀」→ 表格優先，不寫長段落。固定結構：] [開頭一句白話：影子訊號是「只記錄、不下單」的測試，命中率夠高、樣本夠大才升級] [4.1 總覽表（必有）：| 項目 | 它在問什麼 | 本期結果 | 命中 | 結論 |，每個子項一列] [4.2 起每個子項一個小節：一句白話說它在測什麼 → 一張小表 → 最多 3 個短 bullet] [ EV 校準：指標表（獨立 n / EV 誤差 / Brier / Brier skill score / in_range，含上期欄）+ 情境校準表 + 2×2 表 + 期間表；R26 走向一句] [ A4 旗標：本期熟成表（首旗日 / 標的 / 30 天超額 / 命中）+ 獨立標的累計 k/n] [ 影子帳 cf-*：| 類別 | 它在驗什麼 | 本期結果 | 命中 | 對規則的意義 |] [ thesis 中途證偽：| thesis | 到期 | 現況 | 判定 |；thesis 兩比率表；orphan 處理 bullet] [ 來源信用：摘要表（≤4 列）+ 是否達 R21 門檻；逐來源全表放附錄] [ 其他（H7 / H8 / SA / 發現層 / 事件帳 / H4）：各一張小表] [「命中」欄只放 k/n 或無正負號的 NN%——generate_html 會自動畫命中率條（綠 ≥60%、紅 <40%）；同一格多組用頓號分隔] [逐筆明細、登錄筆數分類、逐來源表一律進附錄] ## 5. 規則計分變動 [本期哪幾條 +命中 / +失效，附證據與 [up]/[down]；無計分寫「本期無計分」] [ledger-audit 結果 + 🔴 強制覆審清單] ## 6. 本期結論：該改哪一條規則 **規則：** [具體到檔名與條號] **為什麼：** [一句話 + 數字] **改法：** [具體修改，或「證據不足，繼續觀察 N 期」] ## 附錄：計算過程 [第 2 節 的 β 回歸、持有 α、beta capture 的逐筆/逐檔數字；第 4 節 影子計分明細；account_metrics / rule_stats / ev_ledger 原始輸出；agent 計算日誌。正文只引結論與一兩個關鍵數字，細節全部在這裡]
語句紀律（2026-10-19 用戶；10-29 補第 4 節表格化）：第 0 節 與 第 6 節 用白話、一句一意、先講結論再講數字；代號（R23/H10/α）首次出現附一句中文；統計量先講「它代表什麼」再給數字。計算過程一律進附錄，正文不放公式與逐筆表。Telegram 推的是 第 0 節。
最後一節只准寫一條（最多兩條）。列十條等於沒有結論。
收尾
- 更新
research/last-trade-review.txt為今日日期（briefing 讀它算到期提醒） python3 tools/review_lint.py briefing-out/trade-review-YYYY-MM-DD.md必 exit 0（缺段 / 結論 >2 條 / 收尾沒做都會擋；擋了就補，不改 lint。寫入報告時 PostToolUse hook 會自動先跑一次，這裡再跑是確認 last-trade-review 已更新）- 若改動了任何
.claude/skills/或 AGENTS.md →python3 tools/sync_agents_skills.py - commit + push（用戶 2026-09-14 自主範圍：不問）。無人值守時
tools/trade_review_runner.sh會接手做 HTML + Telegram（第 0 節 白話結論 + 連結；無 第 0 節 才退回 第 6 節）；互動 session 跑完也可bash tools/trade_review_runner.sh --notify-only briefing-out/trade-review-YYYY-MM-DD.md推一則
無人值守（2026-09-29）
launchd com.fadacai.trade-review 每 15 分鐘叫 tools/trade_review_runner.sh，腳本以美東時間自判 平日 16:45–17:45 ET 起跑、當日 marker 一天一次（2026-10-29 修：原 09:30 本地在 Mac 換時區後落在睡眠時段，launchd 不跑）：review_due.py 說到期才跑 claude -p "/trade-review" --model fable（3600s 上限），之後 review_lint → generate_html trade-review（推報告站）→ Telegram。登入失效 / 逾時 / 無報告檔 → Telegram 警告並退出。報告檔名以美東日期為準（briefing-out/trade-review-YYYY-MM-DD.md）；找不到當日檔會退回最新一份（2 小時內）。
已知限制（每期都要讀，避免過度推論）
- 首次歸因的「你自己決定」樣本 n=12、兩個月、單一 regime（半導體殺盤）。 效果量大且買賣方向一致，但不足以當定論。把樣本推大並回頭驗證，是這個 skill 存在的主要目的。
- 與 plan 一致的用戶判斷在紀錄上無法與系統區分，會被計入 system。所以「你自己決定」實際是「你脫離 plan 的決策」，不是你全部的判斷。
get_orders只回在掛單，已成交/已取消會從券商端消失 → order_id 歸因只能前瞻。快照斷天會產生無法歸因的缺口。- 2026-06 之前的成交沒有 journal 理由欄，origin 永久 unknown，不必嘗試補。
- 選擇權已可經 MCP（2026-09-07）：單腿
order_type用buy_to_open/sell_to_close等四碼（平倉必用*_to_close）；兩腿 spread 用preview_option_spread/place_option_spread（day only、ET 7AM–4PM）。三腿以上或 GTC 複式單仍 App 手掛（tg_send.py）。
