claude-trading-skills 离线持仓 CSV 复核:Issue 512 实现计划、校验契约与验收实录

原创2026-11-14 21:46:431,859 阅读
文章标签:金融科技AI 技能人工智能数据分析

claude-trading-skills 离线持仓 CSV 复核:Issue #512 实现计划、校验契约与验收实录

本文以仓库中的 Issue #512 规划文档为主线,完整还原 portfolio-manager 技能里"离线 CSV 复核基础"这一最小可交付切片的设计决策、输入/输出契约与验收过程,并结合 skills/portfolio-manager/scripts/review_csv.py 的实际实现,解释每条约束在源码中如何落地。读完后你将能够:独立运行该离线核查 CLI、判断自己的持仓快照能否通过校验、读懂 JSON/Markdown 报告中的每个字段,并清楚这条路径与完整券商分析之间的边界在哪里。

一、为什么这个切片是"有限基础"而不是完整功能

原文档开篇即明确了范围哲学:交付第一个有边界的实现切片,而不是整个 Issue。这条原则贯穿全篇,也是理解后续所有技术取舍的前提。

文档的表述是:必须以 Refs #512 保持 Issue 打开,并验证不存在空的 closing reference;Navigator 在 workflow 真正集成之前,必须保留其"未发布 workflow"的诚实诊断。

这一点在仓库中有直接对应物。workflows/portfolio-holdings-review.yaml 中的 when_not_to_run 明确写道:不用于完整账户风险、现金/权益/杠杆、业绩、股息健康度、交易建议或券商与记忆对账——那些场景应使用已对账的 core-portfolio-weekly。也就是说,这个 CLI 从设计上就不代表一次完成的全账户复核。

从源码结构看,这一"有限性"是被硬编码进输出的:review_csv.py 顶部的 LIMITATIONS 常量固定输出六条限制说明,其中包含 "Local snapshot assertions only"、"Weights use gross holdings value, not account equity"、"No broker access, order execution, or trader-memory changes" 等。这意味着限制声明不是文档层面的君子协定,而是报告数据的一部分,任何使用报告的下游都必须读到它。

二、选片过程:候选评估与互斥性检查

原文档记录了一次相当严谨的选片(selection)过程,这部分对理解仓库的多 Issue 并行工作方式很有价值。

活跃队列状态:#581 与 #582 是 CLEAN 草稿,各自 89 项检查通过,各有一项仅调度时跳过的检查,且没有评审意见或变更请求;它们的文件与本切片不重叠。

候选评估(共 10 个):

优先级 Issue 结论
P0 #332 已有本地/远端分支或 worktree,排除
P1 #495、#496、#298、#297 同上,排除
决策缺陷 #580、#579 同上,排除
P2 #515、#523 同上,排除
P2 #512 无本地分支、无远端 head、无注册 worktree,可选

排除规则很关键:不删除、不复用、不修改已存在分支的候选。只有 #512 在本次运行前完全没有对应的本地分支、remote head 或注册 worktree,因此成为唯一安全的切入口。这种"先证明互斥、再动工"的顺序,是避免与并行工作流产生文件冲突的前置条件。

三、五步实现计划及其源码落点

原文档给出的实现计划共五步,下面逐步展开,并标注其在仓库中的实际实现位置。

步骤 1:先写失败的 Python 3.9 测试

计划要求为 portfolio-manager 中的仅标准库 CSV 加载器与报告 CLI 编写 Python 3.9 下会失败的测试,并明确列举了必须强制的字段契约:

  • symbol、asset_type=equity、quantity>0、LONG/SHORT、正数价格、currency=USD
  • 可选的非负 cost_basis(按每股计)
  • 必须有显式的时区感知 --as-of
  • 拒绝:空/仅表头输入、未知/重复表头、畸形行、非有限或超限数值、归一化后重复的 symbol(含多批次 lot)、不支持的品种/币种
  • 接受小数股
  • 诊断信息中绝不能回显原始行值或路径

这些要求在实现中被逐一落实。REQUIRED 与 OPTIONAL 集合定义在 review_csv.py:

REQUIRED = {"symbol", "asset_type", "quantity", "direction", "price", "currency"}
OPTIONAL = {"cost_basis", "account"}

表头校验采用三段式判断(review_csv.py):表头不得重复、必须包含全部必需列、且不得出现集合之外的列。斜体地说,这等价于"精确集合匹配",因此任何拼写偏差都会在读取第一行时失败。

数值校验集中在 _number()(review_csv.py):

def _number(raw: str, row: int, field: str, *, zero: bool = False) -> Decimal:
    label = f"row {row}: invalid {field}"
    if len(raw) > 32 or not re.fullmatch(r"[0-9]+(?:\.[0-9]{1,12})?", raw):
        raise CsvError(label)
    try:
        value = Decimal(raw)
    except InvalidOperation as exc:
        raise CsvError(label) from exc
    if not value.is_finite() or value > Decimal("1e12") or value < 0:
        raise CsvError(label)
    if not zero and value == 0:
        raise CsvError(label)
    return value

注意 label 只包含行号和字段名,绝不包含 raw 值本身——这正是"不回显私有值"的机制。zero 参数区分了 quantity/price(不允许 0)与 cost_basis(允许 0,因为零成本持仓是合法状态)。

符号白名单在 review_csv.py:

symbol = row["symbol"].strip().upper()
if not re.fullmatch(r"[A-Z][A-Z0-9.-]{0,23}", symbol):
    raise CsvError(f"row {index}: invalid equity symbol")
if symbol in seen:
    raise CsvError(f"row {index}: duplicate symbol; consolidate lots manually")
seen.add(symbol)

strip().upper() 实现"归一化",而 seen 集合保证归一化后的重复(包括多头/空头分行、不同税批次)被拒绝。文档对此的态度很明确:请人工先合并为单一目标持仓,不要为了绕过校验而净额对冲。

步骤 2:确定性 JSON 与 Markdown 报告

计划的第二步规定只计算四类量:总持仓市值、带符号净持仓市值、总权重,以及仅在存在成本时才计算未实现盈亏(空头反向取号)。同时明确排除现金/权益、杠杆、行业/beta、历史收益与建议;禁止券商/网络导入、trader-memory 写入或自动下单;来源与 as-of 必须显式,文件名与错误信息不得包含账户数据;可接受可选 account 列但在任何输出前丢弃,且永不记录输入路径。

精度处理是最具技术含量的部分。文档的评审日志补充了具体上限,源码则给出了理由(review_csv.py):

# At most 10,000 rows, fields <= 1e12 with <=12 fractional digits:
# products/sums fit exactly in 80 digits; only weight ratios are rounded.
with localcontext() as ctx:
    ctx.prec = 80

即:行数上限 10,000、字段上限 1e12、小数位上限 12 位,三者组合后乘积与求和的精度需求不超过 80 位十进制有效数字,因此 Decimal 上下文设为 prec = 80 可保证总计完全精确,只有权重比率需要舍入。这一点在测试中被显式验证:test_zero_rules_and_bounded_extreme_totals 断言把数量与价格都推到 1e12 时,gross_holdings_value 精确等于 "1000000000000000000000030"。

计算与累加逻辑(review_csv.py):

sign = Decimal(1) if direction == "LONG" else Decimal(-1)
value = quantity * price
gross += value
net += sign * value
positions.append({ ...,
    "gross_market_value": _text(value),
    "net_market_value": _text(sign * value),
    "unrealized_pnl": _text(sign * quantity * (price - basis))
        if basis is not None
        else None,
})
...
for position in positions:
    weight = Decimal(position["gross_market_value"]) / gross * 100
    position["gross_weight_pct"] = _text(weight.quantize(Decimal("0.000001")))

由此可验证的语义是:

  • gross_holdings_value 对所有方向取正累加;
  • net_holdings_value 对空头取负号,可为负;
  • gross_weight_pct 分母是总持仓市值而非账户权益,保留 6 位小数百分比,因此舍入后权重之和未必精确等于 100(csv-holdings-review.md 明确提示这一点);
  • 空头 P&L = -1 × quantity × (price − cost_basis),即价格下跌时空头盈亏为正。

_text() 负责规范化数字字符串(review_csv.py),把 Decimal 转成无指数、无多余尾零的 0001 形式,保证输出确定性。

步骤 3:虚构 fixture 与参考指南

第三步要求补充虚构样本与参考指南,覆盖离线调用、精确 schema、输出含义、隐私边界与剩余集成工作,并从 SKILL.md 以"独立受限复核"的身份链接,而不是 core-portfolio-weekly 的支持件;只重新生成该技能的打包产物与受影响的生成文档。

仓库中的对应产物齐全:

SKILL.md 中确有一节 "Limited Offline CSV Review" 独立说明此路径,并写明 "Do not fetch brokerage data or continue the full workflow for this limited mode.",与计划要求一致。

两个 fixture 的数值被刻意设计成可手算验证:总市值 80、净市值 20、权重 62.5% / 37.5%、未实现盈亏 12.5 与 10 USD。这些数字同时出现在测试、schema 示例与 golden 报告里,形成三重交叉验证。

步骤 4:分层次的验证命令序列

第四步是运行定向技能测试、lint/format、打包检查、全部标准元数据/文档/快照检查、pre-commit 与 diff check,仅在范围需要时才跑全量套件。

这条"分层验证"策略在仓库里是可执行的,例如:

# 定向技能测试
python3 -m pytest skills/portfolio-manager/scripts/tests/test_review_csv.py -q

# 仅标准库、无网络
python3 skills/portfolio-manager/scripts/review_csv.py \
  --input skills/portfolio-manager/assets/fictional_holdings.csv \
  --as-of 2026-10-20T12:00:00Z --output-dir reports/holdings-demo

# 全仓库入口
bash scripts/run_all_tests.sh

scripts/run_all_tests.sh 与 scripts/ci_test_matrix.py 是仓库侧的分层测试入口,conftest.py 位于仓库根目录用于统一 fixture。

步骤 5:独立实现评审与 draft PR

第五步要求获得最多 3 轮的独立实现评审,处理全部发现项;提交并开启一个带测试证据、评审轮次与 Refs #512 的 draft PR;检查线上 PR CI 与 closing reference;不合并。

这与"限定切片"的定位相配套:不合并意味着 Issue 保持在打开状态,后续的 Navigator 路由、workflow 集成与共享 API 契约仍可继续推进。

四、明确剩余的验收工作

原文档单设一节强调边界,这在阅读上非常重要:

Navigator 路由、workflow/skillset 集成与 workflow replay,以及 API/CSV 共享输出契约,均属未来工作。本基础不宣称完成 Issue 全部验收,也不宣称存在可端到端运行的组合工作流。

需要说明的是,截至当前仓库状态,其中一部分已被后续工作补齐——workflows/portfolio-holdings-review.yaml 已存在,Navigator 也会在识别到本地持仓文件时路由到该 workflow。但共享 API 契约与全量端到端组合流仍不在本切片范围内。这种"文档记录当时边界、仓库体现后续演进"的关系,恰好说明为什么阅读此类规划文档时要与当前源码对照。

五、评审日志:两轮评审如何改变实现约束

文档的 Review log 记录了规划评审的两轮意见,这是本切片最具体的技术增量。

Round 1:评审人要求补充两点——缺失成本时的 P&L 覆盖,以及安全的 symbol / 算术边界。这两点在实现前即被纳入:

  • symbol 白名单:[A-Z][A-Z0-9.-]{0,23}
  • 数值输入的位数、标度、量级上限
  • 行数上限
  • 高精度算术

测试会验证精确总计,并拒绝标记语言与控制字符。缺失成本时,每个持仓的 P&L 置为 null,且不输出任何汇总 P&L。

"拒绝标记语言"这一条值得单说:test_invalid_inputs_do_not_echo_private_values 参数化用例中包含 (HEADER + ROWS).replace("FICTA", "private") 与 (HEADER + ROWS).replace("FICTA", "FICT\x00A")。前者阻止恶意 symbol 在 Markdown 报告里变成可点击链接,后者阻止控制字符污染输出。也就是说,symbol 白名单同时承担了注入防护职责。

"不输出汇总 P&L"在源码中是结构性保证——报告字典里根本没有聚合 P&L 字段,测试直接断言 "unrealized_pnl" not in result(位置级字段在 positions[i] 内,顶层不存在)。

Round 2:无剩余发现,批准。计划在测试与实现之前即已定稿;英文/日文手工维护文档将人工更新;券商前置条件被限定在券商路径上。

六、实现评审:两个真实的文件安全缺陷与修复

文档最后一段记录了两轮实现评审,其中第一轮发现了两个相当具体的缺陷,对任何写"报告生成 CLI"的开发者都有借鉴价值。

缺陷一:通过硬链接覆盖输入

场景是:报告目标路径与输入文件是同一个 inode(通过 os.link 创建的硬链接)。如果直接用 open(target, "w") 写入,会在校验通过后把用户的输入文件清空。

修复方式是先做文件身份检查(review_csv.py):

targets = [args.output_dir / f"portfolio_csv_review.{ext}" for ext in ("json", "md")]
if any(
    path.resolve() == args.input.resolve() or (path.exists() and path.samefile(args.input))
    for path in targets
):
    raise CsvError("output must not overwrite the input file")

两重判断各司其职:resolve() 比较规范化路径,samefile() 通过 inode 识别硬链接。测试 test_output_alias_cannot_destroy_input 正是用 os.link 构造该场景,并断言输入内容保持不变。

缺陷二:符号链接环导致路径泄露

第二个缺陷是:当输出目录本身是一个指向自身的符号链接环时,异常信息中会包含用户提供的路径(例如一个名为 private-account 的目录名)。

修复分两层。第一层是临时文件 + 原子替换发布,避免半写状态(review_csv.py):

for target, content in zip(targets, contents):
    temporary = None
    try:
        with tempfile.NamedTemporaryFile(
            mode="w", encoding="utf-8", dir=args.output_dir, delete=False
        ) as stream:
            temporary = Path(stream.name)
            stream.write(content)
        temporary.replace(target)
    finally:
        if temporary is not None:
            temporary.unlink(missing_ok=True)

第二层是异常的安全归类:OSError、UnicodeError、RuntimeError 统一映射为一条固定文案,绝不拼接原始异常消息(review_csv.py):

except (OSError, UnicodeError, RuntimeError):
    print(
        "CSV review: unable to read input or write report; check encoding and permissions",
        file=sys.stderr,
    )
    return 1

test_symlink_loop_has_safe_diagnostic 用一个自指符号链接目录名 private-account 验证 stderr 与 stdout 中都不出现该字符串。

这两轮评审的结果是:Round 2 批准、无剩余发现,评审人独立在 Python 3.9 下运行了全部 44 个 CSV 测试。

七、验证结果与一次值得记录的 CI 环境事故

文档给出的最终验证矩阵如下:

验证项 结果
最终技能套件 145 passed
定向 ruff check 与 format check 通过
打包器源码检查与解包后离线 CLI 冒烟 通过
catalog / skill docs / 严格 index+workflow 元数据 / skillsets / workflow docs / skillset docs / Navigator 快照 / 依赖检查 通过
pre-commit run --all-files 重跑后通过
git diff --check 通过
强制 pre-push 全量套件 75 行中 74 通过
清环境重跑 repo-scripts 2401 passed

其中有两处细节值得展开,因为它们揭示了"测试环境本身也是被测对象"。

关于 pre-commit 第一次失败:首次运行与编辑重叠,报告了 modified files;在内容稳定后重跑,所有 hook 通过。这类"自我干扰"在本地修改文件的同时运行格式化 hook 时非常常见,正确做法是先让工作区静默,再重跑,而不是去改代码。

关于 repo-scripts 的失败:第 75 行失败的原因是 Git 索引可执行位测试——嵌套的 Git 测试继承了 hook 注入的 Git 变量。该次运行还意外改动了隔离索引与共享的 core.bare 设置。处理步骤是:

  1. 恢复 core.bare=false,仅将本次运行涉及的索引恢复到 HEAD;
  2. 确认根 worktree 与隔离 worktree 均干净;
  3. 在 GIT_DIR / GIT_WORK_TREE / GIT_INDEX_FILE 全部 unset 的清环境下重跑 repo-scripts,得到 2401 passed;此前失败的那个测试也独立通过;
  4. 确认没有修改任何无关测试或代码;
  5. 重试推送时仅跳过 pytest-pre-push,依据是已完成的全量运行加上清环境下的 repo-scripts 结果,其余 hook 正常运行。

这一段的价值在于给出了一条可复用的排查范式:当 Git 相关测试在 hook 中失败、在 hook 外通过时,优先怀疑环境变量继承,而不是代码缺陷。同时它提醒我们,GIT_INDEX_FILE 之类的变量会让测试写入真实索引,产生副作用。

最终 Issue 状态仍然是开放的:Navigator/workflow/replay 与共享 API 契约明确排除在已完成基础之外,PR 使用 Refs #512。

八、把文档落到实操:完整 CLI 契约速查

文档中的方案在 csv-holdings-review.md 中固化为可执行契约,这里整理为便于查阅的形式。

8.1 两种调用方式

CSV 输入:

python3 skills/portfolio-manager/scripts/review_csv.py \
  --input skills/portfolio-manager/assets/fictional_holdings.csv \
  --as-of 2026-10-20T12:00:00Z --output-dir reports

解包后的独立技能包内:

python3 scripts/review_csv.py --input assets/fictional_holdings.csv \
  --as-of 2026-10-20T12:00:00Z --output-dir reports

已保存的 Alpaca /v2/positions 快照:

python3 skills/portfolio-manager/scripts/review_csv.py \
  --input skills/portfolio-manager/assets/fictional_alpaca_positions.json \
  --input-format alpaca-json --as-of 2026-10-20T12:00:00Z --output-dir reports

命令行参数在 review_csv.py 中定义,共四个:--input(必填)、--as-of(必填)、--input-format(csv 或 alpaca-json,默认 csv)、--output-dir(默认 reports)。没有 --account、没有 --currency、没有网络开关——受限能力直接体现在参数面上。

8.2 CSV 输入契约

UTF-8(可选 BOM)、单表头行、逗号分隔、最多 10,000 条持仓。必需列 symbol,asset_type,quantity,direction,price,currency;可选列 cost_basis,account。列顺序任意;未知、缺失、重复表头均为错误;每条记录的字段数必须与表头宽度一致。

字段 契约
symbol 去除首尾空格后大写;[A-Z][A-Z0-9.-]{0,23};操作者需自行确认其确实指向目标标的
asset_type 必须恰为 equity;期权、期货等不支持
quantity 正数股数,支持小数股
direction 必须恰为 LONG 或 SHORT;数量本身始终为正
price 正数快照每股价格,由操作者提供
currency 必须恰为 USD;不支持汇率换算
cost_basis 可选、非负的每股取得成本;空白/缺失表示未知;不含费用、股息与税务调整
account 可选且被忽略的字段,在任何输出前丢弃;一次只复核一个账户,且不得用该列推断账户完整性

数值采用纯无符号十进制表示,最长 32 字符、最多 12 位小数且不得超过 1e12;指数、正负号、空白、NaN、infinity、零数量/零价格均为非法;零成本合法。归一化后重复的 symbol(含分批 lot、多空分行)一律拒绝。空文件与仅表头文件失败——注意工具无法证明账户为空。

8.3 Alpaca 快照字段映射

该适配器只把有限字段送入同一套 CSV 校验/计算链,其余字段(账户 ID、资产 ID、名称、券商总计、仓位级 cost_basis、权重、券商 P&L)全部忽略。

Alpaca 字段 要求映射
symbol 字符串,按 CSV 规则归一化与校验
asset_class 必须恰为 us_equity,映射为 equity
qty 字符串;side=long 时严格为正、side=short 时严格为负;其无符号量级遵循 CSV 数值限制
side 必须恰为 long 或 short,映射为 LONG/SHORT
current_price 字符串、正数、USD 每股价格、最多 12 位小数,映射为 price
avg_entry_price 可选字符串、非负每股取得成本、最多 12 位小数,映射为 cost_basis;null/空/缺失表示不可用
currency 若提供,必须恰为 USD;无此字段的 us_equity 快照按 USD 处理

实现上,适配器把 JSON 重写为内存中的 CSV 流再交给同一校验器(review_csv.py),因此两种输入的计算结果完全一致,仅 provenance.source 与 Markdown 标题不同。数量符号是硬校验:

if side == "short":
    if not quantity.startswith("-"):
        raise CsvError(f"position {index}: short qty must be negative")
    quantity = quantity[1:]
elif side != "long":
    raise CsvError(f"position {index}: side must be long or short")

注意 quantity[1:] 先剥掉负号,再用 _number() 校验剩余量级,避免把负号喂给无符号契约。数字必须是 JSON 字符串而非浮点,以防输入精度被静默改写。

8.4 输出契约与退出码

两种输入格式都会在输出目录写入 portfolio_csv_review.json 与 portfolio_csv_review.md,同名覆盖。历史文件名不标识来源,必须读 provenance.source;需要保留历史时请使用新目录。

  • 校验错误 → 退出码 1,向 stderr 输出带行/字段上下文的安全诊断,不创建任何报告
  • 参数错误 → 退出码 2(argparse 默认行为)
  • I/O 错误 → 退出码 1;若写入中途失败,应丢弃两个报告文件并重跑

结构化为 assets/holdings-review.schema.json 所定义的 schema_version: 1、report_type: holdings_allocation_only,含:

  • provenance:source(local_csv 或 alpaca_positions_snapshot)、UTC as_of、freshness: operator_asserted——这是操作者提供的快照时间,而非伪造的抓取时间
  • gross_holdings_value:全持仓数量 × 价格的求和
  • net_holdings_value:带符号求和(空头为负);两者都不是账户权益
  • positions:按 symbol 排序的已净化持仓,含方向、数量、价格、可空 cost_basis、市值、净市值、总权重与可空 unrealized_pnl;十进制值以字符串保存以保精度;权重保留 6 位小数百分比,舍入后可能不恰好合计 100
  • limitations:显式声明不可用的分析与集成边界

一个可完整复现的黄金输出位于 replay-run/01_holdings_allocation_report.json,其 Markdown 对应物为 01_holdings_allocation_report.md。

8.5 隐私边界

脚本不做网络访问、不碰券商、不下单、不写记忆、不做对账门禁。输入文件名/路径、账户字段与 ID 均被排除在诊断与输出之外。但这是字段最小化,不是匿名化:报告仍包含可能敏感的持仓、数量与成本数据,务必本地保存、不要提交或上传。CLI 参数与路径可能留在 shell 历史中,因此绝不要把密钥放进命令行、CSV 或保存的 JSON。测试中通过 monkeypatch 把 socket.socket 替换为抛异常的函数,从机制上证明离线性质。

九、与 workflow 及 Navigator 的衔接

workflows/portfolio-holdings-review.yaml 把这个 CLI 包装成一个最小 workflow:cadence: weekly、estimated_minutes: 15、api_profile: no-api-basic、difficulty: beginner,只有一个 step,且 decision_gate: false。两个手动输入均为必填:

  • holdings_input:本地校验过的 USD 股票 CSV,或同一分析用途的已保存 Alpaca 持仓 JSON
  • source_as_of:操作者提供的时区感知快照时间;不推断新鲜度或完整性

replay 侧的实现是一条真实的原生 CLI 调用链(steps_portfolio_holdings.py),它先校验上下文显式标记为虚构:

if context["fictional"] is not True:
    raise ReplayError("holdings replay requires explicitly fictional input")

然后用 sys.executable 调用 review_csv.py,并把生成的两个文件复制为步骤产物。测试 test_workflow_replay_holdings.py 做了三件值得注意的验证:一是先 delenv 掉 ALPACA_API_KEY/ALPACA_SECRET_KEY/FMP_API_KEY,证明原生执行器不转发凭据;二是断言命令行中不含任何 "alpaca" 字样的参数;三是验证五类非法输入(空文件、错误表头、重复 symbol、NaN 数量、无时区时间戳)失败时,已发布的输出保持原样不被破坏。

Navigator 侧的规则则是"推荐但不读文件":当查询以 CSV 或已保存持仓文件作为数据来源时,路由到 portfolio-holdings-review;纯 JSON 输出、实时 API/feed 输入、或否定的文件来源不会触发该路径。相关逻辑在 recommend.py,行为说明在 intent_routing.md。这也解释了 SKILL.md 中的那句提醒:推荐不代表读取,实际执行必须由你提供真实输入路径与带时区的 --as-of。

十、关键取舍小结

回看整份规划,几处设计判断值得在类似工具中复用:

  1. 先证明互斥,再动手。候选 Issue 的分支/worktree 检查是选片的前置条件,而不是事后的冲突处理。
  2. 限制写进数据,而不只是写进文档。LIMITATIONS 常量随报告输出,任何下游都无法"没看到"。
  3. 精度问题用上界证明,而不是用容差掩盖。10,000 × 1e12 × 12 位小数的组合被论证落在 80 位十进制内,从而"只有权重需要舍入"。
  4. 校验消息按构造不含用户数据。错误文案只拼行号与字段名,符号白名单额外阻断 Markdown 注入与控制字符。
  5. 写文件也属于安全边界。硬链接与符号链接环是真实攻击面,samefile() + 临时文件原子替换 + 固定 I/O 文案是成本很低的加固。
  6. 拒绝"看起来空"的输入。空文件与仅表头文件报错,因为工具无法证明账户为空——这是一个诚实的能力边界声明。

理解的最后一点是:这份文档描述的是一块刻意做窄的地基。它的价值不在于覆盖了多少分析维度,而在于把"它能做什么、不能做什么、为什么不能"全部写进了类型、正则、断言和输出字段里。

登录后查看全文
claude-trading-skills