定位（2026-10-07）：金融长文本智能问答的开源实现。问题场景与评测口径 对齐 AFAC2026 赛题四（金融长文本 Agent 的动态记忆压缩与高效问答， 出题方复旦大学）的公开题面——该比赛已于 2026-08-26 收官，本仓库 无任何参赛成绩或官方关联。差异化不在「做了个问答系统」，在每一步 优化都有失败证据、根因分析和配对验证（见下方迭代链）。
一句话：从证监会法规到 193 页债券募集说明书，长金融文档问答 = 检索给证据、 判定做裁决、记忆管成本；本系统四层全链自研（791 例测试），并在自建五域评测集上 把「准确率 - token」曲线的每个拐点都归因到了具体机制。
uv sync # Python 3.11+；uv 安装见 uv 文档
# 在 .env 写入 FINDATA_DASHSCOPE_API_KEY=...（阿里云百炼控制台获取）
uv run findata-finqa-app # 打开 http://127.0.0.1:8100「我的文档」标签页：上传 PDF / Word(docx) / TXT / Markdown（≤50MB）→
自动转换建索引 → 自由提问。答案只依据你的文档、带出处引用；文档里没有的
会明说，不编造。文档仅存本机 findata_userdata/（gitignore），不进 git。
| 臂 | 准确率 | token | 说明 |
|---|---|---|---|
| 全文直入（官方 baseline 口径的本地复刻） | 90% | 188K* | *31 题口径 |
| BM25 逐选项检索 | 95% | 62K | 31 题口径 |
| 选项级证据隔离（当前最强） | 98% → 隐含 100%† | 453K | †43 A 榜 + 7 B 榜（两阶段检索复测） |
| 滚动摘要记忆（朴素压缩基线） | 77.4 ± 3.2%（n=3） | 216K | 压缩的代价基线 |
| 分层记忆（数值/条款逐字 + 叙述压缩） | 96% | 612K | 恢复 19pp，验证「不可逆信息不动」判据 |
配对验证配套：k_option 阶梯（4/3/2 同题配对，−28% token 与 −1 题的分辨力
边界）、噪声下界（长链架构放大非确定性的实证）、evidence_retrieval 导出
（B 榜审核格式）。全部归档于 examples/，复现命令见
eval/fixtures/afac_scaffold/README.md。
每一代修好上一代、暴露下一代，全部有归档读数与回归测试：
漏证据（召回不足） → 逐选项检索（官方推荐流程背书）
过包含（跨选项干扰） → 选项级证据隔离 + 三态判定
集合边界丢失（真≠该选） → 判定语义改「应选入本题答案」
表格召回（散文词频压制表格标签）→ BM25F 双通道字段加权
前言污染（来源块挤占证据） → 前言块出索引 + 生成器修正
B 榜挤占（长文档挤掉目标域） → 两阶段检索（文档级粗筛 top-1）
三次「走错又折返」同样留档：token 注入式加权被 BM25 长度归一化反噬（改双索引 线性组合）；复审批量翻错（改单向升级 UNCERTAIN→TRUE）；验收测试与生产配置 分叉导致假通过（修测试对齐二级切分）。
题面/评分 scoring.py 题面公式逐字实现（多选无部分分、TokenScore 截断）
检索 retrieval.py 条款级分块 + 二级切分 + BM25F 双通道 + 两阶段 + 限定检索
判定 isolate.py 选项级证据隔离：三态判定 + 确定性拼装 + 单向复审 + 回退仲裁
记忆 memory.py 朴素滚动摘要 / 分层压缩（逐字层 + 叙述层）双臂
归因 attribution.py 引用观测：片段级/记忆行级使用率（防幻觉引用虚增）
提交 submit.py answer.csv 双 schema（题面两种口径并存）
硬约束在代码里：token 台账覆盖全部调用（接口不返回 usage 即抛错，禁止估算）； 付费 API 不进 CI；逐配置确定解码（temperature=0 + seed 固定）。
完整介绍与归档见下文；当前状态：每日管线照跑（运行证据不断）， bug 修、功能不加。它是本项目的第二个独立作品，也是本项目「领域知识 归因」能力的原始出处。
核心命题：停牌导致的缺行和采集失败导致的缺行，在数据形态上完全一样；
放量 5.4× 的合法行情和单位写错的故障，探针读数几乎重合。引擎在探针之上加
归因层（交易日历 + 公司事件知识层 + 截面共动性，查表可复现），判定每个
异常该不该报，产出每个数字带四档可信徽章的日报
（✓ 已核验 / ✓ 基线通过 /
真实运行史（固化入库，examples/daily-pipeline-run-history.md）：
共 17 次启动，16 次走到巡检（akshare，25 标的，2022-01 ~ 今）：
(告警 7 / 抑制 0 / 健康分 72) × 5 → (告警 1 / 抑制 8 / 健康分 96) × 11
2026-09-15 真实数据首次考试 7/7 告警全是合法事件（知识层从未上线，
corporate_event 0 行）→ 复盘
docs/reviews/2026-09-15-attribution.md
→ 按复盘修复（停牌种子 + 截面共动，一行外部数据没加）→ 真实仓库快照回放
抑制 8/9、健康分 95.8（examples/replay-badge-report.txt），
9 个真实案例固化为回放 golden 进 CI。
通用包 vs 领域包（同一份 A 股数据，
examples/domain-vs-generic-comparison.md）：
通用包 60 分 / 11 信号无法归因；领域包 100 分 / 停牌核验。「没查出毛病」和
「证明可靠」的差值，就是归因层的存在理由。徽章口径
docs/badge.md，唯一定义在 src/findata/dq/badges.py。
uv run python scripts/daily_pipeline.py --skip-ingest # 离线巡检 → 带徽章日报
uv run findata-trust-report data.csv --schema schema.yaml --strict # 任意表出带徽章报告git clone https://github.com/quannie255-star/FinData-Agent.git && cd FinData-Agent
uv sync
# 用任何一份你手头的 CSV（订单表 / 传感器数据 / 财务导出都行）：
uv run findata-trust-report your_data.csv -o report.md --html report.html没有 schema 声明也能跑（通用包自动推断，检查降级会在报告里显式列出）；
报告给出每列徽章（✓ 基线通过 / examples/domain-vs-generic-comparison.md
对比同一份数据的两种读数。
接入面（宿主零 findata 内部依赖）：MCP findata_trust_check/findata_trust_board
（stdio）、HTTP GET /v1/trust、Python service.trust_check、可嵌入徽章芯片。
真实外部宿主已验证（纯 MCP 协议 + 宿主自己的 DeepSeek，transcript 归档
examples/mcp-host-integration.txt）。
丢进去一批 Agent 轨迹，吐出「哪些能喂训练、哪些不能、为什么」，每条判定带 证据链。核心是归因：必填参数没传，可能是 agent 漏填（能力问题），也可能 是工具 schema 自相矛盾（数据源的错）——形态一模一样，结论完全相反。
uv run python scripts/run_trust_filter.py # 全量 60000 条，约 16 秒全量 60000 样本 / 100011 次调用（Salesforce/xlam-function-calling-60k，
无一条自造），命中 1351 条（2.25%，说命中不说错误），其中 1286 条根因是
schema_contradiction——第一版全判成"agent 漏填"误杀 349 条，改判后归零。
归档全文（含「诚实说明」节）：
examples/trust-filter-report.txt。
CI: lint → pytest(791, py3.11/3.12) → e2e smoke → eval-gate → ci-gate
eval-gate = 语义 golden（5 case 数值钉死）
+ 归因质量下限（合成语料召回/精确/抑制 ≥0.9）
+ 真实回放 golden（2026-09-15 快照 9 case：根因/抑制/证据链逐条断言）
合成语料告警精确率 100%（朴素基线 61.5%）；真实回放 9/9——合成语料证明 机制对，真实回放证明事实够，缺一不可。
监控链路没用 LangGraph，分析与报告 Agent 用了：巡检是确定性 DAG，套图是把 确定的东西变成不确定的；问数与报告 Agent 有真实回环（工具调用、验证追问、 审校重写），才轮到 LangGraph。
归因用查表，不用 RAG：归因要的不是"相似的文档"，是精确的业务事实。 相似度检索会返回"看起来像"的事实——一个像的事实比没有事实更危险，它会让 系统理直气壮地抑制掉真告警。宁可 UNKNOWN 降级，也不编一个像的。
- 与 AFAC 的关系：只按公开题面口径对齐，无参赛成绩、无官方关联， 对外不得暗示 otherwise；
- 质量侧读数有撤回记录（见上「主动撤回过的声称」），凡小于噪声下界的 只能写"在噪声内"；成功率侧结论只在本地 7B/3B 口径成立，token 侧可迁移；
- 合成语料的数字不外推到真实数据，对外表述必须标注口径；
- 个股级行情归因仍是盲区（如 2023-03 中芯国际），需公告/新闻事实源；
- 封存模块（RL 训练、prompt 自进化、LLM 归因记忆）测试照跑，不加新功能；
- 实盘 / 交易信号红线不变。
| 文档 | 内容 |
|---|---|
docs/afac-track4.md |
当前主线唯一权威开发计划（里程碑/停止清单/parking-lot） |
docs/final-scope.md |
收敛与修订史（§6 = 赛题四对齐决定 + 3 个月方向锁） |
docs/ROADMAP.md |
历代主线论证（背景） |
docs/r5.0-acceptance.md |
v4.0 实验全套口径（配对验证/噪声下界/分辨力） |
docs/business-case.md |
需求侧依据与诚实边界 |
docs/integration.md |
可信增强模块接入指南 |
docs/badge.md |
徽章四档与健康分口径 |
docs/reviews/2026-09-15-attribution.md |
真实告警归因复盘 |
PITCH.md |
项目叙事 / 电梯演讲 / 高频追问 |
examples/ |
全部可复现归档 |
数据来源：akshare（新浪/东财公开接口）、UCI ML Repository（CC BY 4.0）、 ModelScope 公开数据集。本项目仅供学习与研究，不构成任何投资建议； 实盘/交易信号为永久红线。