把投资大师的公开决策哲学，转化为可检索、可路由、可执行的 IF-THEN 规则库
支持 RAG 检索 · LLM System Prompt · AI 委员会（NOFX 风格）· Policy Gate 风控护栏
- 核心产品说明书 (Product Manual):
PRODUCT_MANUAL.md - 速查卡片 (Quick Reference):
guides/quick_reference.md - 更新日志:
CHANGELOG.md
- 5 分钟快速入门
- 核心能力
- Web UI / API
- 大师深度会诊（一级输出/二级输出）
- 回测引擎（双周 LLM In-loop）
- 投资大师速览
- 项目结构
- 工具与常用命令
- 安全与 Token
- 免责声明
cd investment-masters-handbook
python -m pip install -r requirements.txt
cd web
npm install
npm run build
cd ..
python services/rag_service.py打开浏览器访问：
http://localhost:8001/imh/（推荐：前端构建默认basePath=/imh）- 或
http://localhost:8001/（后端同时挂载了/与/imh以兼容）
curl -sL "https://raw.githubusercontent.com/sou350121/investment-masters-handbook/main/config/decision_rules.generated.json" -o rules.json| 能力 | 说明 |
|---|---|
| 299 条 IF-THEN 规则 | 自动生成的机读规则：config/decision_rules.generated.json |
| 26 位投资大师 | 覆盖价值、宏观、周期、量化、事件、硅谷等多风格 |
| SSOT 架构 | config/investor_index.yaml 为结构化单一数据源（索引/路由/矩阵） |
| RAG 检索 | 向量化规则与人物文档，支持语义检索 + rerank |
| 大师深度会诊 | /api/rag/ensemble：NOFX 风格辩论 + 定量裁决 + 可视化溯源 |
| Policy Gate 风控护栏 | /api/policy/gate：regime/scenario/guardrails + 场景回归校验 |
GET /health：向量库就绪状态、doc_count、持久化目录大小等
POST /api/rag/query：语义检索（可选 Bearer token，取决于后端配置）
POST /api/rag/ensemble：需要Authorization: Bearer <token>- token 可以是
IMH_API_TOKEN（实例口令），也可以直接用sk-.../or-...作为 LLM key（NOFX 风格）。
- token 可以是
为了解决“我真正关心的是股/债/金/现金配比”，/api/rag/ensemble 输出被拆为两层：
- 一级输出 (
primary)：四类资产目标配比 + 一句话结论 + 置信度 - 二级输出 (
secondary)：原始辩论与证据链（experts/opinions/citations/ensemble_adjustment/metadata）
Web UI 会优先展示一级输出，二级输出可展开查看溯源。
新增双周（10 交易日）回测框架，支持“LLM 委员会”与“量化策略信号”的 A/B 对照：
- Mode A：将历史新闻摘要喂给 LLM 委员会决定配比。
- Mode B：根据风险偏好（risk_bias）自动映射配比。
- 缓存机制：自动持久化 LLM 输出，支持
--resume断点重跑，节省 API 成本。
详细使用说明请参考：guides/backtest_guide.md
默认 ETF 代理（四桶）：
- stocks:
SPY - bonds:
SHY（短久期国债，更稳健；可用--tickers覆盖） - gold:
GLD - cash:
BIL
| 投资人 | 核心一句话 | 适用场景 |
|---|---|---|
| Warren Buffett | 好公司 + 好价格 + 长期持有 | 护城河、安全边际 |
| Charlie Munger | 多元思维模型、避免愚蠢 | 决策品质、排除偏误 |
| Peter Lynch | 买你懂的、PEG < 1 | 成长股筛选 |
| Seth Klarman | 深度价值、极端耐心 | 冷门资产、特殊情况 |
| 投资人 | 核心一句话 | 适用场景 |
|---|---|---|
| Ray Dalio | 经济四象限 + 风险平价 | 资产配置、周期定位 |
| Stanley Druckenmiller | 流动性追踪、集中重注 | 择时、方向性交易 |
| George Soros | 反身性、攻击失衡 | 货币/宏观极端事件 |
| 投资人 | 核心一句话 | 适用场景 |
|---|---|---|
| Howard Marks | 周期极端时逆向、控制下档 | 信用周期、恐慌抄底 |
| Michael Burry | 逆向深挖、不从众 | 特殊情况、做空泡沫 |
| 投资人 | 核心一句话 | 适用场景 |
|---|---|---|
| James Simons | 数据驱动、无情绪 | 量化策略设计 |
| Ed Thorp | 凯利公式 + 套利 | 仓位管理、期权定价 |
| Cliff Asness | 因子投资、价值+动量 | 因子策略、组合构建 |
| 投资人 | 核心一句话 | 适用场景 |
|---|---|---|
| 邱国鹭 | 品牌渠道成本三把刀、得寡头者得天下 | A股选股、行业选择 |
| 冯柳 | 弱者体系、赔率优先、左侧买入 | 逆向投资、困境反转 |
| 段永平 | 买股票就是买公司、不懂不做 | 商业模式分析、长期持有 |
IF 盈余收益率 > 10Y国债 × 1.5 AND 护城河完好
THEN 考虑买入
BECAUSE 提供安全边际，回报优于无风险利率 (Buffett)
IF PEG < 1 AND 增速可持续 5年+
THEN 成长股机会
BECAUSE 成长被低估 (Lynch)
IF 股价因短期利空下跌 > 30% AND 长期逻辑未变
THEN 逆向机会
BECAUSE 人弃我取 (邱国鹭)
IF 赔率 > 3:1 AND 胜率 > 30%
THEN 值得下注
BECAUSE 赔率优先于胜率 (冯柳)
IF 护城河被侵蚀 AND 无改善迹象
THEN 卖出
BECAUSE 便宜会更便宜 (Buffett)
IF 买入论点不再成立
THEN 立即止损
BECAUSE 生存第一 (Soros)
IF 信用利差极窄 + VIX极低 + 散户疯狂入场
THEN 提高现金比例
BECAUSE 周期过热信号 (Marks)
cd investment-masters-handbook
python -m pip install -r requirements.txt
cd web
npm install
npm run build
cd ..
python services/rag_service.py打开浏览器访问：
http://localhost:8001/imh/（推荐，前端构建时固定basePath=/imh）- 或
http://localhost:8001/（后端同时挂载了/与/imh，便于兼容）
说明：
web采用静态导出（Nextoutput: "export"），所以推荐用后端 FastAPI 直接托管web/out。
- 打开 Web UI → 展开 Policy Gate 面板
- 在 🚀 场景沙盒 点击任一场景（如“2008 极度恐慌”）
- 点击 生成 Policy Gate 护栏
- 你会看到该场景的 ✅/❌ 校验报告（按
config/scenarios.yaml的 expectations 对比）
如果页面提示：
GET /api/policy/scenarios 失败（HTTP 404）- 或
POST /api/policy/validate_all 失败（HTTP 404）
说明你当前访问的这个站点背后的后端 不是 IMH 的 services/rag_service.py（例如端口被其它项目占用）。
快速自检：
- IMH 后端的
GET /health应返回：{"status":"ok","vectorstore_ready": ...}
解决：
- 停止占用端口的服务后运行：
python services/rag_service.py - 或设置不同端口运行：
$env:PORT=8001; python services/rag_service.py，然后访问http://localhost:8001/imh/
# 直接使用 guides/llm_summary.md 作为 System Prompt
with open("guides/llm_summary.md") as f:
system_prompt = f.read()注意：本仓库前端默认
basePath=/imh，且 Policy Gate 面板会直接请求后端的/api/policy/*。 推荐仍然通过python services/rag_service.py提供 API，再按需修改 Next 的代理/路由规则做本地联调。
import yaml
# 加载结构化索引
with open("config/investor_index.yaml") as f:
index = yaml.safe_load(f)
# 根据问题类型路由到投资人
def route_question(question_type):
matrix = index["decision_matrix"]
return matrix.get(question_type, {})一行命令下载规则：
curl -sL https://raw.githubusercontent.com/sou350121/investment-masters-handbook/main/config/decision_rules.generated.json -o rules.jsonPython 直接加载（无需下载）：
import json, urllib.request
rules = json.load(urllib.request.urlopen("https://raw.githubusercontent.com/sou350121/investment-masters-handbook/main/config/decision_rules.generated.json"))或复制这个 URL 到任何支持 JSON 的工具：
https://raw.githubusercontent.com/sou350121/investment-masters-handbook/main/config/decision_rules.generated.json
完整案例见 docs/README_Usage.md
当前：增长↓ + 通胀↓ → 衰退/通缩象限
IF 增长↓ + 通胀↓
THEN 偏防守，必需消费（如 Costco）相对有利 ✅
| 护城河类型 | Costco | 评估 |
|---|---|---|
| 品牌 | 会员信任度极高 | ✅ 强 |
| 成本优势 | 规模采购、低毛利 | ✅ 强 |
| 转换成本 | 会员制 + 习惯 | ✅ 中强 |
P/E: 53x | PEG: 4.4 | 盈余收益率: 1.9% < 国债×1.5
→ 以 Buffett/Lynch 标准，估值偏高 ⚠️
✅ 好公司（护城河存在）
⚠️ 估值偏高（安全边际不足）
→ 行动：加入观察名单，等待 P/E < 35 再考虑
investment-masters-handbook/
├── config/ # ⭐ SSOT 配置
│ ├── investor_index.yaml # 投资人结构化索引（名单/矩阵/路由/题库）
│ ├── decision_rules.generated.json # 🤖 自动生成：机读 IF-THEN 规则（299）
│ ├── reasoning_config.yaml # 委员会人格/类别/权重配置
│ ├── policy_gate.yaml # Policy Gate 风控护栏规则
│ └── scenarios.yaml # 场景沙盒回归用例
│
├── investors/ # 📚 投资人详细框架（Markdown + DECISION_RULES）
│ ├── warren_buffett.md
│ ├── ray_dalio.md
│ └── ...
│
├── services/ # 🧠 FastAPI 服务端
│ └── rag_service.py # /api/rag/query /api/rag/ensemble /api/policy/gate /health
│
├── tools/ # 🔧 核心逻辑（RAG/Reasoning/LLM Bridge）
│ ├── rag_core.py
│ ├── reasoning_core.py
│ └── llm_bridge.py
│
├── web/ # 🌐 Next.js 前端（静态导出 + 后端托管）
│ ├── src/components/InvestorList.tsx
│ └── out/ # npm run build 输出（FastAPI 托管）
│
├── scripts/ # 🧪 工具脚本（生成制品/校验）
│ ├── generate_artifacts.py
│ └── validate-docops.ps1
│
├── stories/ # 📒 Story（SSOT for changes）
├── prompts/ # 🧾 Prompt VCS（证据链）
└── docs/ # 📖 文档与指南
本项目设计为 NOFX 的知识库模块：
┌─────────────────────────────────────────────────────────┐
│ NOFX 系统 │
├─────────────────────────────────────────────────────────┤
│ 市场数据 → 信号生成 → [投资大师规则] → 风控 → 执行 │
│ ↑ │
│ investment-masters-handbook │
│ (本项目作为决策知识库) │
└─────────────────────────────────────────────────────────┘
Step 1 - 复制这个 URL：
https://raw.githubusercontent.com/sou350121/investment-masters-handbook/main/config/decision_rules.generated.json
Step 2 - 粘贴到 NOFX 配置（或任何支持 JSON URL 的工具）
Step 3 - 验证：应加载 299 条规则
Step 4 - 设置环境变量（如果使用 AI500 策略配置）：
# Linux / macOS
export NOFX_AUTH_TOKEN="your_token_here"
# Windows PowerShell
$env:NOFX_AUTH_TOKEN="your_token_here"📖 详细集成指南、字段说明、排错步骤见 guides/nofx_integration.md
🔐 安全提示：配置文件使用环境变量管理敏感信息，详见 安全政策
| 方式 | 复杂度 | 说明 |
|---|---|---|
| JSON 规则导入 | ⭐ | 直接加载 decision_rules.generated.json |
| YAML 配置 | ⭐⭐ | 读取 investor_index.yaml 进行路由 |
| RAG 检索 | ⭐⭐⭐ | 向量化 .md 文件，语义搜索 |
| 你在做什么？ | 参考谁 | 核心规则 |
|---|---|---|
| 挑个股 | Buffett → Lynch → 邱国鹭 | 护城河 + PEG + 行业集中度 |
| 判断大盘方向 | Druckenmiller → Dalio | 净流动性 + 四象限 |
| 决定现金比例 | Marks → Klarman | 周期位置 + 安全边际 |
| 检查决策偏误 | Munger | 25 种心理偏误清单 |
| 逆向抄底 | 冯柳 → Klarman | 赔率优先 + 左侧买入 |
| 量化策略灵感 | Simons → Thorp | 统计套利 + 凯利公式 |
# 按场景查询
python tools/rule_query.py --scenario "市场恐慌"
# 按投资者查询
python tools/rule_query.py --investor buffett
# 按关键词查询
python tools/rule_query.py --keyword "护城河"
# 组合查询
python tools/rule_query.py --when "估值" --then "买入"
# 输出 JSON（方便程序处理）
python tools/rule_query.py --scenario "选股" --format json📚 完整指南：guides/rag_guide.md
pip install -r requirements.txt
python services/rag_service.py# 单次查询
python examples/rag_langchain.py "这个股票值得买吗？"
# 交互模式
python examples/rag_langchain.py --interactive核心特性：
- 🔍 语义检索 26 位大师的智慧
- 📊 299 条 IF-THEN 规则检索
- 🤖 支持多轮对话上下文
- ⚡ 按投资者/规则类型过滤
查看 CHANGELOG.md 了解版本更新历史。
最新版本 v1.8.0 (2025-12-27):
- 🧠 大师深度会诊 (NOFX Mode)：支持直接填入 OpenRouter/OpenAI Key，实现“钥匙随身带”安全架构。
- 🎭 角色化辩论引擎：大师们现在拥有专属人格，推理过程包含
<reasoning>思考链。 - ⚡ 异步性能优化：向量库异步后台加载，首页实现秒开体验。
- 🎨 UX 进化：全新的 Token 登录面板、交互式提示 Tooltip 以及更醒目的会诊工作台。
欢迎贡献新的投资人框架或改进现有内容！
详见 docs/CONTRIBUTING.md 了解：
- 添加新投资人的标准流程
- YAML 字段规范
- Markdown 模板
- CI 校验要求
本项目仅供教育和研究目的，不构成投资建议。投资有风险，请根据自身情况谨慎决策。
MIT License
学习大师的思考方式，而非简单复制操作。