investor-education-workflow: 投教工作流 🎯

📋 功能描述

幫助使用者系統化生產與分發投資者教育內容。基於 LLM Wiki 機制，實現"知識庫優先 → 搜尋補充 → 轉譯大白話 → 多形式輸出 → 反饋入庫"的完整閉環。

小蔥技能站7w4.net，專業的AI技能分享平臺。

適用場景：

• 投教內容生產（文章/卡片/語音/影片指令碼）
• 知識點轉譯（專業術語 → 大白話）
• 客戶問答響應（1 對 1/群發/講座）
• 知識庫維護（LLM Wiki編譯與更新）

邊界條件：

• 不替代持牌投教機構
• 知識準確性與合規由 IE 負責，內容生成與格式轉換由 expression-layer 負責
• 知識庫路徑：knowledge/investor-education/wiki/
• 原始素材路徑：knowledge/investor-education/raw/

🔄 核心處理流程（5 階段）

階段①：檢索知識庫

動作：在 knowledge/investor-education/wiki/ 中全文檢索關鍵詞。 輸出：命中 → 提取結構化知識點（定義/案例/話術）；未命中 → 進入階段②。 呼叫 Skill：Read（讀取 Wiki Markdown 檔案）

階段②：定向搜尋補充 + 邏輯提取

觸發條件：知識庫未命中 / 內容過時 / 問題非常具體。 動作：

1. 搜尋：限定官方域名（site:nerc.edu.cn 等），獲取原始材料。
2. 提取因果鏈：搜尋內容往往是新聞摘要或碎片資訊。必須先提取邏輯，再轉譯。
   • 識別核心變數（如：降準 → 利率 ↓ → 債基 ↑）
   • 構建因果鏈（A 導致 B，B 影響 C）
   • 剔除矛盾/過時資訊 輸出：結構化因果鏈 + 來源標註。 呼叫 Skill：searxng + url-to-markdown

階段③：合規攔截 + 轉譯大白話 + 意圖示記

動作：

1. 合規攔截：檢測使用者請求是否觸碰紅線。
   • 🔴 紅線：推薦具體基金/股票程式碼、承諾收益、預測短期漲跌、代客理財。
   • 🟡 轉化協議：若觸碰紅線，不直接拒絕，而是轉化為投教內容。
     • 例：使用者"推薦只下週必漲的基" → 轉化為"如何自己篩選優質基金"或"為什麼預測短期漲跌是陷阱"。
     • 標記 intent: plain 或 card，輸出教育性內容。
2. 轉譯：將階段①/②的內容轉譯為大白話。
   • 去術語化：用生活類比（"PE=回本年限，像買店鋪看租金"）
   • 場景化：嵌入普通人能遇到的情境
   • 行為化：直接告訴客戶"你該做什麼/不該做什麼"
3. 意圖示記（必須輸出結構化引數）：

   intent: plain | writes | card | wechat | multi
   mold: -l | -i | -c | -w | -b  # 僅 intent=card 時必填
   audience: 兒童 | 新手 | 進階 | 專業  # 可選，指導轉譯難度

   輸出：結構化內容 + 意圖引數。 呼叫 Skill：ljg-learn（概念解剖）

階段④：多形式輸出（呼叫表達層）

動作：將階段③的內容 + 意圖引數傳遞給 expression-layer。 呼叫方式：

呼叫 expression-layer，傳入：
- content: [階段③的結構化內容/因果鏈]
- intent: [plain/writes/card/wechat/multi]
- mold: [-l/-i/-c/-w/-b]  # 僅 card 時傳
- audience: [兒童/新手/進階/專業] # 可選

輸出：表達層返回最終成品（Markdown/PNG/HTML/公眾號）。 呼叫 Skill：expression-layer

階段⑤：反饋入庫

動作：將本次生成的內容、客戶反饋、使用頻次結構化回填至知識庫。 入庫路徑：

• 新知識點 → knowledge/investor-education/wiki/entities/ 或 concepts/
• 客戶問答 → knowledge/investor-education/raw/qa/
• 反饋標記 → 在 Wiki 頁面底部追加後設資料：

  ---
  使用頻次：高/中/低
  理解難度：⭐/⭐⭐/⭐⭐⭐/⭐⭐⭐⭐/⭐⭐⭐⭐⭐
  最後更新：2026-04-24
  關聯偏誤：過度自信/損失厭惡/羊群效應
  ---

  呼叫 Skill：task-state-tracker

📚 五大模組知識庫

詳細五大模組說明 → references/five-modules.md LLM Wiki 架構 → references/llm-wiki.md 四專家思維框架 → references/four-experts.md

⚠️ 常見錯誤

錯誤 1：知識庫不存在

問題：
• 階段①檢索失敗，因為 knowledge/investor-education/ 目錄未建立
• 流程斷裂

解決：
✓ 首次使用時，先建立目錄骨架（mkdir -p knowledge/investor-education/{raw,wiki/{entities,concepts,summaries}}）
✓ 匯入種子資料（10 個高頻知識點 Wiki 頁面）
✓ 若目錄不存在，直接跳至階段②搜尋

錯誤 2：未呼叫表達層

問題：
• 階段④直接輸出 Markdown，未呼叫 expression-layer
• 無法生成卡片/公眾號/語音

解決：
✓ 階段④必須呼叫 expression-layer，傳入 content + intent + mold
✓ 不要自己生成 PNG/HTML，讓表達層路由

錯誤 3：意圖示記缺失或引數不全

問題：
• 未標記 intent 或 mold，表達層不知道要出 plain 還是 card，或預設用錯模具
• 路由失敗或輸出格式不匹配

解決：
✓ 階段③必須輸出完整意圖引數（intent + mold + audience）
✓ 歧義時主動詢問使用者："需要大白話解釋、深度文章，還是視覺化卡片？大字還是資訊圖？"

錯誤 4：搜尋源非官方

問題：
• 階段②搜尋返回自媒體文章，非官方源
• 內容合規風險

解決：
✓ 搜尋時必須限定 site:nerc.edu.cn OR site:sse.org.cn OR site:szse.cn
✓ 優先使用中國投資者網、交易所投教基地

錯誤 5：合規請求硬拒絕

問題：
• 使用者問"推薦只下週必漲的基"，AI 直接回復"我不能推薦"
• 錯失教育機會，使用者體驗差

解決：
✓ 執行"合規攔截與轉化"協議
✓ 不拒絕，而是轉化："預測短期漲跌是陷阱，我教你 3 個自己篩選基金的方法..."
✓ 標記 intent: plain 或 card，輸出教育性內容

🧪 使用示例

輸入：

客戶問："什麼是市盈率（PE）？能不能說人話？"

預期輸出：

• 階段①：檢索知識庫 → 命中"市盈率"Wiki 頁面
• 階段③：轉譯大白話 → 標記 intent: plain
• 階段④：呼叫 expression-layer → 返回口語化解釋（≤200 字）
• 階段⑤：入庫 → 標記"理解難度⭐⭐"，關聯"錨定效應"

輸入：

寫篇投教文章：定投為什麼能對抗擇時焦慮？發到公眾號。

預期輸出：

• 階段①/②：檢索/搜尋 → 獲取定投原理 + 行為金融學素材
• 階段③：轉譯 → 標記 intent: wechat
• 階段④：呼叫 expression-layer → 返回公眾號推文（HTML+ 封面）
• 階段⑤：入庫 → 標記"使用頻次高"

🔧 故障排查

🔗 相關資源

• 五大模組知識庫：references/five-modules.md
• LLM Wiki 架構：references/llm-wiki.md
• 四專家思維框架：references/four-experts.md
• 表達層路由：../expression-layer/SKILL.md
• 報告模板：templates/education-template.md
• 標準參考：docs/SKILL-STANDARD-v3.md