跳到正文
cccskills
免费在 GitHub 公开

prompt-governance

Investigate and fix agent behavior in TradingAgentsCN by checking active database prompt templates, prompt assembly code, and output processing. Apply targeted changes and verify them with focused tests, template checks, and workflow logs.

中文简介正在准备中。当前显示英语简介。

原文查看原文说明

审计、修复并验证 TradingAgentsCN 中 agent 与提示词工作流。用于持仓分析、workflow prompt、MongoDB prompt_templates、adapter prompt assembly、合规修复、运行期模板与代码同步。

触发词：修改 agent 提示词、提示词治理、DB 模板同步、workflow 提示词修复、持仓分析提示词排查、prompt compliance、runtime prompt audit。

hsliuping/TradingAgents-CN
集成工具MongoDB

实测评分 未实测

查看安装方法

适用场景

  • Investigating prompt changes that do not affect runtime behavior
  • Synchronizing database templates with prompt assembly code
  • Tracing incorrect dates or price references in position analysis
  • Removing outdated interpretation rules from output processing

包含的文件（2）

  • SKILL.md5.2 KB
  • references/checklist.md1.9 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

Prompt Governance

这个 skill 用来处理“agent 行为不对，既可能是提示词问题，也可能是代码装配、运行期模板或兼容解析路径问题”的场景。

它不是普通的文案改写流程，而是一个运行期优先的治理流程：先确认真正控制行为的提示词和代码路径，再做最小修复，并把验证做完。

何时使用

  • 用户要求修改某个 workflow 或 agent 的提示词，但仓库文件改了以后运行结果仍不对。
  • 需要同时检查 repo fallback 提示词、MongoDB 中的 prompt_templates、adapter 的 _build_system_prompt / _build_user_prompt，以及 service 侧解析逻辑。
  • 需要做持仓分析、研究链路、合规改写、用户视图精简、触发语去除、DB 模板同步这类工作。
  • 日志里出现“运行期生成内容”和“仓库中的模板/代码理解”不一致。

不适用场景

  • 只改一小段纯文案，且可以确定运行期不走数据库模板。
  • 单纯解释某个 agent 在做什么，而不是要修复。
  • 完全不涉及 prompt / workflow / adapter / DB 模板的普通后端 Bug。

核心原则

  1. 先查运行期真实控制面，再改仓库文件。
  2. 先做最小可证伪假设，再做最小修复，不先大改模板。
  3. DB 模板和代码装配可能同时控制行为，不能假设只改一处就够。
  4. 任何改动后都要做窄验证，再做治理校验。

标准流程

1. 锁定控制路径

  • 先找 workflow_id、agent_name、触发日志、失败输出、相关测试。
  • 优先定位真正计算或拼装行为的地方，而不是只看注册层。
  • 如果是提示词类问题，先分清：
    • 运行期 DB 模板
    • repo fallback 模板
    • adapter 追加/改写的提示词片段
    • service 对输出的二次解析或清洗

2. 先审运行期模板

  • 优先查询 MongoDB prompt_templates 集合，不要先假设 repo 模板在生效。
  • 读取目标 agent_type + agent_name + preference_type + status=active 的模板。
  • 如果是 without_cache / with_cache 双分支，必须分别确认。
  • 如需修改 DB 模板，只改目标 active 文档，修改后立刻回读确认。

3. 再审代码装配层

  • 重点检查 adapter 中：
    • _build_system_prompt
    • _build_user_prompt
    • 无缓存 fallback 分支
    • 上游报告摘要/净化逻辑
  • 重点检查 service / workflow 层：
    • analysis_date、current_price、effective_data_date 的来源
    • legacy action / price_targets / recommendation 提取逻辑
    • 输出清洗是否会重新引入旧语义

4. 判断修复面

  • 只改 DB：运行期模板错误，代码装配正确。
  • 只改代码：运行期模板正确，但 adapter / service 在追加、污染或误解析。
  • 双改：运行期模板和代码装配都需要同步，否则后续还会漂移。

5. 实施修复

  • 代码修改保持最小化，避免重写整个 prompt。
  • 对无缓存场景，优先补“显式参数约束”，避免 LLM 自行猜日期、ticker、价格口径。
  • 对上游污染，优先做摘要化和净化，而不是把原始长文本继续塞给下游 agent。
  • 对兼容出口，优先移除旧逻辑的自动提取，而不是在最终文案层硬洗。

6. 验证

  • 先补或更新最窄的回归测试。
  • 第一轮验证只跑触达的测试切片。
  • 再跑治理校验任务。
  • 如果改了 DB 模板，必须做回读验证；如果改了运行期行为，优先重跑目标 workflow 并查日志。

7. 输出结果

最终结论至少要包含：

  • 根因在 DB 模板、代码装配、service 解析、还是数据口径。
  • 实际改了哪些控制面。
  • 做了哪些验证，哪些已通过。
  • 是否还存在残余风险或下一步观察点。

执行清单

执行时按下面顺序走，不要跳步：

  1. 查日志里的真实 workflow / agent / tool args。
  2. 查 MongoDB prompt_templates 中正在生效的文档。
  3. 查 adapter / service 的真实拼装路径。
  4. 选定最小修复面并实施。
  5. 跑窄测试。
  6. 跑治理校验。
  7. 如涉及 DB，再回读确认。

常见坑

  • 只改 repo 提示词，没有改运行期 DB 模板。
  • 只改 manager prompt，没有处理上游 analyst 原文污染。
  • 只洗最终输出，没有去掉 service 的 legacy 兼容提取。
  • 只看 analysis_date 变量，没有看 LLM 实际调用工具时传了什么参数。
  • 把 current_price 口径问题误判成提示词问题，而没去看日志和数据源。

详细检查点见 治理检查清单。

评价

还没有评价。欢迎分享你的使用感受。

评论

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

提交后会立即公开。请勿填写邮箱、电话等个人信息。URL 最多 2 个。

0 / 1000 字

此表单受 reCAPTCHA 保护，适用 Google 的隐私权政策和服务条款。

同一仓库的技能

a-share-runtime-data-access

免费

Retrieve locally stored Chinese A-share prices, financial statements, and valuation context through the project's shared interfaces. Look up technical indicators, inspect available data fields, and check data dates when results disagree.

中文简介正在准备中。当前显示英语简介。

  • Checking a stock's prices and valuation context
  • Retrieving financial data across reporting periods
  • Looking up technical indicators and their data dates
hsliuping/TradingAgents-CN3.2万2026年9月22日 更新

ifind-repilot-finance-data-search

免费

Retrieve financial data through natural language queries, including Chinese A-share stocks, funds, futures, company financials, and economic indicators. The skill calls a Python script and presents key results as concise summaries and tables.

中文简介正在准备中。当前显示英语简介。

  • Checking stock prices and daily market data
  • Retrieving recently disclosed revenue and profit
  • Comparing prices across stocks
hsliuping/TradingAgents-CN3.2万2026年9月22日 更新

ifind-repilot-news-search

免费

Search financial news, industry developments, and company sentiment using natural-language questions. Retrieve related headlines, summaries, sources, and article links through a Python script, with optional date ranges to focus the search on a specific period.

中文简介正在准备中。当前显示英语简介。

  • Finding financial news related to a question
  • Researching market and industry developments
  • Checking news and public sentiment about a company
hsliuping/TradingAgents-CN3.2万2026年9月22日 更新

nanobot-agent-design

免费

Design and generate agents in Nanobot by finding reusable tools, skills, prompts, and existing agent configurations. Guide requirements and confirmation, create focused agent assets, and follow recorded real-data testing and evaluation before publication.

中文简介正在准备中。当前显示英语简介。

  • Designing an agent around existing project resources
  • Adapting existing agent configurations and prompts
  • Identifying missing tools and calculation capabilities
hsliuping/TradingAgents-CN3.2万2026年9月22日 更新

stock-cyq-analyzer

免费

Estimate the distribution of stockholders' purchase costs for Chinese A-share stocks using price and volume data. A triangular model produces cost concentration metrics, the estimated share below the current price, and visualization charts.

中文简介正在准备中。当前显示英语简介。

  • Examining estimated purchase cost distributions for Chinese A-share stocks
  • Checking the estimated share of holdings below the current price
  • Identifying price ranges with concentrated holdings
hsliuping/TradingAgents-CN3.2万2026年9月22日 更新

查看 hsliuping 的全部技能

报告此技能的问题