---

name: Privora · 数据驱动投资工作流平台 for AI Agents title: 🔬 Privora · AI Agent 投资工作流平台（A股/港股/黄金/基金/财报数据 + Python 回测 + 模拟交易 + 组合归因 + 云端告警 + 流程编排） version: 1.0.44 updatedAt: 2026-07-11 keywords:

• A股
• 港股
• 基金
• 黄金
• 财报数据
• 业绩预告
• 现金分红
• 分钟K线
• 实时行情
• 量化回测
• 策略沙盒
• Python回测
• A股模拟盘
• 模拟交易
• 持仓监控
• 组合归因
• 净值曲线
• AI Agent
• 数据后端
• 股票
• 告警
• 数据新鲜度 description: Privora · AI Agent 投资工作流平台 — Bearer Token 即接入 /agent/skills/execute 通用 dispatcher，覆盖 A 股/港股/黄金/基金/财报数据 + Python 回测（含 sandbox）+ 模拟交易 + 组合归因（α/β TWR）+ 云端告警 + 流程编排。Hermes / Claude / GPT / OpenClaw 全兼容。 license: MIT-0 metadata: { "openclaw": { "emoji": "📈", "requires": { "env": ["LG_AGENT_BASE_URL", "LG_AGENT_TOKEN"] } } }

---

Privora · AI Agent 投资工作流平台（Bearer Token 即接入 · A股/港股/黄金/基金 数据 + 回测 + 模拟交易 + 告警 + 流程编排）

给你的 AI Agent 一个统一的投资研究工作流后端 —— 数据查询 + 策略回测 + 组合归因 + 云端告警 + 流程编排一个 Token 全覆盖。

Hermes / Claude / GPT / OpenClaw 任何 Agent，通过一个 Bearer Token 即可访问：

• 📊 多资产统一数据：A 股 + 港股 8500+ 股票统一日线（stock_day，含沪深300 / 上证综指 / 中证A500 / 深证成指 4 主要指数 + 港股 3000+ 全谱）和统一分钟 K 线（stock_minutes，A 股 + 港股一张表，按 ticker 路由 + 实时刷新）、持仓、黄金、基金、财报事件（业绩预告 / 快报）——一个 API 全覆盖。
• 🔔 7×24 云端监控：Serverless 策略托管，飞书 / 微信毫秒级预警，零服务器运维
• 🧪 Python 策略回测：用同一份平台数据跑回测，输出 Sharpe / 最大回撤 / 交易明细
• 🔒 加密静态、认证边界返明文：持仓数据在数据库中以 per-account 独立密钥密文存储（防 DB 层泄露 + 平台 admin 跨账户读取）；持有你 Bearer Token 的 Agent 通过 API 认证后，平台按调用者身份解密并返回明文 —— 这不是 E2E 加密，Token 授权即数据访问权。
• 🎯 1-click subscribe→alert：Agent 帮用户从"订阅 dashboard"到"配置 alert 上线"降到 1 step (2026-06-05 新增)
• 🧾 模拟交易 (Paper Trading)：MARKET / LIMIT 委托类型 + 调度器驱动 + 真实涨跌停 / 停牌信号，账户 + 订单 DB-level 幂等。

让普通人也能拥有私募级别的工作流——不需要私募的预算，就能像私募研究员一样在同一条流水线里跑数据 + 分析 + Agent + 告警。

🆕 最新版本 v1.0.44（2026-07-11）· 文档结构重组 + Quick Start §0 30 秒试用（marketplace 匿名浏览）。历史版本变更见文末 §最近更新。

🎯 最适合：想把整个投研工作流（数据查询 + 回测 + 模拟交易 + 告警 + 流程编排）交给 AI Agent 自动化的散户 / 小工作室；把 Hermes / Claude / GPT / OpenClaw 当量化助手用的开发者。注意：Bearer Token 是"工作流授权凭证"，不只是"数据 API key" —— 授予前先按 §Scope 分类明白要给 Agent 哪些能力。

🌐 产品主页：https://privora.cn · 注册即拿 Token

---

🌟 核心亮点

1. 🤖 兼容所有主流通用 AI Agent

打破生态壁垒，本技能不仅专供某一平台，而是完美兼容 Hermes、OpenClaw、Claude Code、GitHub Copilot 等所有支持外挂工具/技能的通用大模型 Agent。只需简单配置环境变量，您的通用 AI 助手瞬间化身专业量化分析师。

2. 🔒 加密静态 · 认证边界返明文（Encryption-at-rest, not E2E）

每个账户的持仓数据在数据库中以 per-account 独立密钥密文存储。这是防"库泄露 / 平台 admin 跨账户读取"的加密，不是 E2E 加密：

• 持有你 Bearer Token 的 Agent 通过 API 认证后，平台按调用者身份解密并返回明文 —— Token 是解密权的钥匙，保管好 Token 就是保管加密防线
• 每个账户的加密密钥独立，平台管理员账号无法跨账户读取持仓明细（DB 层保证）
• 订阅他人发布资产时，发布方看不到你的查询内容或账户信息（widget config 对订阅方 sanitize）
• 给不可信 Agent 的 Token = 给它明文数据。按 §Scope 授予最小 scope，不要 bundle 无关能力

3. ⚡ Serverless 极速预警与零部署

策略云端托管运行，无需您购买第三方行情 API，无需自建服务器维护 Cron 任务，无 Token 消耗税。策略触发后，毫秒级推送到您的飞书机器人或微信 Webhook。

---

🛠️ 能做什么

数据资产可用性（2026-06-22 audit / Triage T-1）

对 Agent 的指导：调用 dataasset.list 看完整列表；标 🔴 / ⚫ 的资产请避免在策略里硬编码依赖。dataasset.metadata.get (2026-06-22 新上) 可查每张表的 lastUpdated / expectedUpdateCadence / cronExpression 来判断当前状态。

---

🛡️ Scope 与操作者责任

本 skill 是通过 Bearer Token 对接 Privora 平台的能力。操作类别的副作用不同，操作者负责按类别 scope token 并为需要的类别加入确认门槛：

• 只读（Read-only）—— 数据 API、回测结果查询、流程/调度/数据源/仪表盘/市场的 list/get。平台状态零副作用。
• 幂等写（Idempotent write）—— 模拟交易下单（DB 层 UNIQUE on user_name + client_order_id，同 key 重试返回同一记录）、marketplace subscribe（ON CONFLICT 返回已有订阅）、告警配置更新。同输入多次调用只产生一次逻辑效果，可安全重试。
• 流程状态转移（Workflow state transition）—— process.ingestion.execute 触发已授权 python_script 运行并写入 process_backtest_result 表；scheduler-instance 的 redo / hold / resume / reset-priority 转移 trigger row 状态。每次调用创建或修改持久化记录。
• 外发 webhook（Outbound webhook）—— schedule.job.plugin.webhook.trigger 与告警评估路径向操作者配置的外部端点（飞书 / 微信 / 通用 webhook）发送通知。副作用在 Privora 之外，平台不可撤销。

本 skill 不暴露（需要人在 platform UI 手动完成）：

• 持久化记录的删除 / 撤销 / reset 操作
• 调度器 online / offline 状态转移
• Webhook 插件生命周期变更（删除 / 禁用）
• 管理员级账户操作

本 skill 不预先声明任何操作是"agent-safe" —— 这个分类取决于操作者的风险偏好、agent 的可靠性、以及具体用例。推荐姿势：只读 + 幂等写允许 agent 自主调用，流程状态转移和外发 webhook 必须先经过用户确认门槛。

Token 使用建议：

1. 在 privora.cn/profile/tokens 创建专用 Bearer Token
2. 最小 scope 原则 —— 只授予当前 use case 需要的 scope（如：只读分析用 data.read；策略研究加 backtest.run；agent 真的要下模拟单才加 paper.trade）。不要为"以防万一"打包无关 scope。
3. 明确设置 LG_AGENT_BASE_URL=https://privora.cn
4. Token 泄露立即 rotate —— Token Management 页面列出所有活跃 token 及最后使用时间戳和 revoke 按钮

🛑 绝对不要让你的 agent 代替你 mint token。Token 创建是 operator 动作，不是 agent 动作。Agent 应该消费 operator 签发的 Bearer Token，不应该自己调 POST /api/subscription/tokens。

📑 输出仅供分析参考，不构成投资建议

本 skill 的输出（行情数据 / 组合分析 / 回测报告 / 模拟交易 / 告警评估）是供操作者审查的分析结果，不是投资建议、不是交易指令、也不能替代持牌财务咨询。

• 把结果作为你自己决策过程的输入 —— 使用前请自行验证数据新鲜度、假设、边界情况
• 实盘交易和不可逆的财务决策不应放在 agent 自动执行链路里 —— 模拟交易只是模拟；真钱交易必须走由操作者控制的券商链路并显式确认
• 回测反映的是历史条件 —— 过去表现不预测未来结果。使用前请确认数据窗口、策略逻辑、以及生存偏差 / look-ahead 假设
• 无监管咨询声明 —— 本平台是数据基础设施；下游任何投资决策由操作者本人（你）负责

---

🚀 快速接入 (Quick Start)

0) ⚡ 30 秒试一下（不需要注册 / 不需要 Token）

装完 skill 想立刻看看能干什么？打开 privora.cn/marketplace：

• 无需登录，直接浏览公开挂牌的 A 股 / 港股 / 黄金 / 基金 / 财报事件等数据资产
• 每个资产可以点进去看 25 行样本数据 + 20 字段元信息（lastUpdated / 数据源 / cron 表达式等）
• 看到有价值的资产？记下 numeric asset id → 回到终端跑下面的 §4 First Call Recipe（3 步 / 约 2 分钟）立刻验证 Bearer Token 对同一资产能跑通 —— 无需额外配置，安装 skill 时的环境变量对同一资产完全生效
• 觉得样本还不够？往下走 §1 - §4 注册生成 Bearer Token 拿完整访问权（分页 / 过滤 / 更高 rate limit / 写操作 / Agent 集成）

为什么先看再注册：Privora 是投研工作流平台，"你的数据是否值得订阅"应该 30 秒能判断 —— 不需要注册墙。marketplace UI 是发现工具，Bearer Token 是同一批数据的程序化访问入口，两者对应关系明确。

1) 获取您的专属 Token

1. 注册并登录 privora.cn
2. 在侧边栏点击你的用户名 → API Token Management，或直接访问 https://privora.cn/profile/tokens
3. 创建一个仅包含所需 scopes 的专用 Token（建议先用只读或低权限 Token）
4. 复制您的专属 LG_AGENT_TOKEN

2) 为您的 Agent 配置环境变量

在您使用的 Agent 终端（如 Hermes、Claude Code、GitHub Copilot 或 OpenClaw）中注入以下环境变量：

export LG_AGENT_BASE_URL="https://privora.cn"
export LG_AGENT_TOKEN="***"

公开版主要走以上 Bearer Token 方式；如果 Agent 只是浏览 marketplace / 预览已发布看板 & 资产，也可以走匿名模式（不需要 token，见下方 §🌐 匿名预览）。session cookie / CSRF 兼容调用不支持。

3) 唤醒 Agent，开始对话

现在，您可以直接用自然语言向您的 Agent 下达指令了！

4) ⚠️ 做出你的第一次成功 API 调用（3 步走 / 避免最常见的 500）

最容易踩的坑：URL 里的 {id} 必须是数字型 asset ID（如 42），不是 asset 名字（如 fund_day / stock_day）。传成名字后端 Spring 转 Long 失败会返回 500——错误信息不会明确告诉你原因。

正确的 3 步 recipe：

# Step 1: 先 list 拿数字 id ← 别跳过这步
curl -H "Authorization: Bearer $LG_AGENT_TOKEN" \
  https://privora.cn/api/data-assets | jq '.data[] | {id, assetName}'
# 输出示例：
# {"id": 42, "assetName": "fund_day"}
# {"id": 8,  "assetName": "stock_day"}
# {"id": 15, "assetName": "stock_dividend"}

# Step 2: 用数字 id (不是 assetName!) 查元数据
curl -H "Authorization: Bearer $LG_AGENT_TOKEN" \
  https://privora.cn/api/data-assets/42/metadata

# Step 3: 用数字 id 查实际数据
curl -H "Authorization: Bearer $LG_AGENT_TOKEN" \
  "https://privora.cn/api/data-assets/42/data?page=1&size=10"

Agent 侧调用同理：dataasset.data.get / dataasset.metadata.get 的 pathParams.id 必须是数字，先 dataasset.list 拿到再传。

如果你已经踩到 500：不用改代码逻辑，只需把 {name} 换成对应的数字 id 即可。数据资产的可用列表见下方「数据资产可用性」表 —— 那里的名字对应 dataasset.list 返回的 assetName 字段，需要先 list 拿到本 team 里对应的数字 id。

---

<a name="anonymous-preview"></a>

🌐 匿名预览（无 token）

如果 Agent 只是想浏览 marketplace 或预览已发布的看板/数据资产/流程——比如帮用户看看 Privora 有什么数据源、有哪些现成看板可订阅、某个流程做什么用——不需要 Bearer Token 也能直接跑。这条通路和 privora.cn/marketplace 页面上未登录访客看到的内容是同一套数据，只是把它变成 machine-readable 的 skill 调用。

什么时候用

• 用户还没注册，Agent 想先展示"这平台上有啥"
• 用户已注册但当前 session 没配 token，你想让 Agent 先给个 marketplace 摘要
• Agent 在做 discovery / recommendation，不需要写权限、也不涉及用户私有数据

怎么用

留空 LG_AGENT_TOKEN 或直接不传 Authorization header 即可：

# 无 token 调用 —— 直接返回 mode:"anonymous" + 10 个可用 skill
curl https://privora.cn/agent/skills

# 无 token 拿 marketplace 列表
curl -X POST https://privora.cn/agent/skills/execute \
  -H "Content-Type: application/json" \
  -d '{"skillId":"marketplace.item.list"}'

# 无 token 拿某个已发布看板的 widget 数据
curl -X POST https://privora.cn/agent/skills/execute \
  -H "Content-Type: application/json" \
  -d '{"skillId":"dashboard.data.get","params":{"pathParams":{"id":"<published-dashboard-uuid>"}}}'

响应体的 mode 字段会明确标 "anonymous"，grantedScopes 列出下方 10 个允许的 skill。

匿名模式可用的 skill（全部只读）

硬性约束

• 只读白名单：仅上表 10 个 skill 可调，其余 skill（包括其它只读 GET，如 investment.stock.portfolio.list / dashboard.list / dataasset.list）无论是否存在都返回 403 missing-scope。任何写操作（subscribe / create / update / delete）同样 403；哪怕手工构造匿名 PUT/POST 到底层 /api/**，Node 代理层也会先 401 拦截，不会到 Spring。

• 每 IP 限流（三桶，任一超限即 429）：

  桶	范围	限额	429 响应体
  通用桶	所有匿名 skill	60 / IP / 分钟	{"success":false, "message":"Too many anonymous agent requests, ..."} (无 bucket 字段)
  数据爆发桶	dataasset.data.get + dataasset.data.getRealtime	10 / IP / 分钟	{"success":false, "traceId":"...", "message":"Anonymous data-fetch burst-limit exhausted (10/min per IP). ...", "bucket":"burst"}
  数据日总桶	同上	100 / IP / 天	{"success":false, "traceId":"...", "message":"Anonymous data-fetch daily budget exhausted (100/day per IP). ...", "bucket":"daily"}

  收到 429 时读 response.body.bucket 判断："burst" 等 60 秒重试；"daily" 今日不再放行该 skill，建议引导用户注册 Bearer Token；无 bucket 字段则是通用 60/min 桶命中。

  Rate-limit 存储： v1.0.37 起三桶都存 Redis sorted sets (anonratelimit:{burst,daily,general}:<ip>)，通过 Lua 原子脚本实现 sliding window。fleet 内所有 Node worker + 所有 host 共享一份 counter，反爬承诺真的成立。Redis 不可用时 fail-open：静默放行 + ERROR 日志 event:"rate-limit-redis-fail"，反爬承诺仅在 Redis 健康时有效（运维监控 fail-open 日志识别异常）。

• preview token 服务端自动签：不用你手工去 /preview-token 拿；Node 按 skill 类型选：dashboard 类（dashboard.get / dashboard.data.get）要求调用方在 params.pathParams.id 里传目标看板 id，Node 会用该 id 签 dashboardId-bound token；未传 id 或其它 skill 一律降级为 standalone sentinel（等同 dataasset 类行为）。

• 无效 Bearer 不降级：如果传了 Authorization: Bearer <bogus>，返回 401 而不会悄悄退回匿名模式给你部分数据。要匿名就别传 header。

• 无跨租户 leak：所有资产读都走 canReadAsset gate；只有 allowSubscription=true 的资产/看板/流程会被返回，其它一律 404。跟浏览器 /marketplace 未登录访客看到的是同一套子集。

• Dashboard-scoped token 不能跨团枚举：dashboard-A（发布者 = team-A）签的 preview token 无法通过 dataasset.metadata.get 读到 team-B 的资产元信息，哪怕 team-B 资产 allowSubscription=true。仅 standalone sentinel token 可读所有公开挂牌资产。

匿名模式下的能力受限（订阅后才解锁）

数据获取类 skill（dataasset.data.get / dataasset.data.getRealtime / dataasset.get / dataasset.metadata.get / process.ingestion.get）在匿名模式下服务端会自动应用以下约束，参数会被静默改写或剥离——不是 400，你的 curl 依然能正常拿到响应，但拿到的不是你请求的形状：

• 分页强制固定 page=1, size=25：传任何其他值都被服务端硬覆盖。响应 pageSize=25, currentPage=1。想拿更多请订阅后用 Bearer Token 调。
• 过滤 / 排序参数被静默清空：filterColumn / filterValue / filterOp / orderBy / orderDirection 一律置 null 再进服务层。想按条件过滤请订阅后再来。
• 发布者身份字段被剥离（dataasset.get）：dataSource / realtimeDataSource / businessOwner / technicalOwner / teamName / jobCode / createdBy / createdDate / updatedBy / updatedDate 一律返回 null。Metadata map 中 teamName / dataSource / jobCode / createdBy / createdDate / sourceDescription 也被剥离。
• process.ingestion.get 的 stepCfg 被剥离：匿名调用者拿不到 process step 的源码 / SQL / Python 内容。
• totalElements 是哨兵值 0，不是真实总数：匿名调用不消耗后端 COUNT(*) 查询（防止 JDBC 池 DoS）。分页导航请以 data.length 为准。

配合分页固定 + rate limit，匿名调用者理论上每 IP 每天最多拿到 2,500 行数据（100 次 × 25 行）——真的想跑分析请注册。

匿名模式下常见的误用

• ❌ 不要基于匿名 preview 数据做投资决策 —— 25 行不是完整数据集，这只是"试读"，不是"取样"。
• ❌ 不要用多 IP 池绕 rate limit —— 我们记录并封 IP 池行为，正确路径是注册 Bearer Token。
• ❌ 不要期望 totalElements 反映真实行数 —— 匿名调用永远返回 0，这是设计意图，不是 bug。
• ❌ 不要在匿名模式下尝试 filterColumn=... —— 参数会被静默丢弃，返回的是无过滤的前 25 行，不是过滤后的结果。

技术契约锚点（review 用）：匿名 skill 白名单 = Node app.js 的 ANONYMOUS_SKILL_SCOPES 常量；匿名 rate limit = canAnonymousAgentCall (60/min) + canAnonymousDataFetchCall (10/min burst + 100/day daily)；preview + HMAC 验证 = docs/auth-flow-invariants.md §1 + §2.6 + §2.6.1；能力锁定实现与残留 test 缺口 = docs/plans/2026-07-07-anon-preview-dataasset-lockdown.md。

从匿名 → 注册的漏斗

匿名浏览完，如果用户想真正订阅一个看板 / 用私有数据 / 跑回测，需要注册并领 token：

• 引导用户去 https://privora.cn/register（marketplace.item.subscribe 是 🟡 写操作，不在匿名 scope 里）
• 或直接调 auth.user.register skill（也在匿名 scope 之外 —— 需要一层 signup 意图确认，见 §用户注册 & 反馈）

---

💬 典型应用场景

场景 1：查询账户今日盈亏（个人数据，仅自己可见）

您： “帮我查下今天的账户盈亏情况。”

Agent（调用 dataasset.data.get）： “为您同步 privora.cn 的最新分析结果： 💰 当日盈亏： +319 元 | 累计浮动： -19,135 元 📊 持仓明细：

• 中国核电：+2.06%
• 永和股份：-32.45%
• 中国联通：-16.25%”

场景 2：设定云端智能监控

您： “帮我监控贵州茅台，只要突破MA20均线就通知我。”

Agent（调用监控接口）： “✅ 已在云端成功创建监控任务：

• 标的：贵州茅台 (SH600519)
• 条件：价格突破 MA20
• 通知：飞书/微信推送 任务将在 Serverless 云端静默运行，触发时您将立刻收到推送。”

场景 3：测试流程并抓取执行日志

# 触发执行（异步），记下返回的 executionId
# 自定义参数放在 body 里：key=参数名（以 - / -- 开头），value=参数值
# 后端会自动注入 `-f <procName>` —— body 里不用传 -f（传了也会被忽略）
RESP=$(scripts/lg_agent_exec.sh '{
  "skillId": "process.ingestion.execute",
  "params": {
    "pathParams": {"id": "123"},
    "body": {
      "-start_date": "20260419",
      "-end_date":   "20260420",
      "--env":       "dev"
    }
  }
}')
EXEC_ID=$(echo "$RESP" | jq -r '.executionId')

# 轮询日志，直到 completed=true
OFFSET=0
while :; do
  LOG=$(scripts/lg_agent_exec.sh "{
    \"skillId\": \"process.ingestion.execute.log.get\",
    \"params\": {
      \"pathParams\": {\"id\": \"123\", \"executionId\": \"$EXEC_ID\"},
      \"query\": {\"offset\": \"$OFFSET\"}
    }
  }")
  echo "$LOG" | jq -r '.logLines[]'
  [ "$(echo "$LOG" | jq -r '.completed')" = "true" ] && break
  OFFSET=$(echo "$LOG" | jq -r '.nextOffset')
  sleep 1
done
echo "exitCode=$(echo "$LOG" | jq -r '.exitCode')"

返回：status 由 running 过渡到 completed 或 failed，exitCode 为脚本退出码，logLines 为增量日志行。

场景 4：策略回测（双均线跑茅台）

您： “用双均线（5日/20日）对茅台 SH600519 过去三年跑个回测”

在平台新建一个 python_script 流程节点，脚本如下（lg_utils 已预装）：

💡 stock_day 回测用现成的 run_stock_day_backtest 就好——它已经把列名大小写（STOCK_NUM / OPEN_PRICE / CLOSE_PRICE）和日期格式（day_id 的 YYYYMMDD）配好了，别再手动传 price_columns={“open”:”open_price”,...} 或 ISO 日期，那些是 2026-04-21 踩过的坑。

from lg_utils import get_variable
from lg_utils.backtest_examples.dual_ma import DualMA
from lg_utils.backtest_examples.stock_day import run_stock_day_backtest

result = run_stock_day_backtest(
    strategy=DualMA(fast=5, slow=20),
    stock_num=”600519”,
    start=”20220101”,
    end=”20241231”,
    initial_cash=1_000_000,
    commission_bps=3, slippage_bps=1,
    benchmark_asset=”stock_day”,            # 可选：跟某只指数/股票对比
    benchmark_filter_column=”STOCK_NUM”,
    benchmark_filter_value=”000001”,
)
print(result.summary())
result.export_to_context(“maotai_ma520”)   # stdout 日志快照
result.persist(name=”maotai_ma520”)         # 持久化到 process_backtest_result 表

组合回测（共享现金池、多标的同时跑）：

from lg_utils.backtest_examples.stock_day import run_stock_day_portfolio_backtest
from lg_utils.backtest_examples.dual_ma import DualMA

result = run_stock_day_portfolio_backtest(
    strategies={“600519”: DualMA(5, 20), “000001”: DualMA(10, 30)},
    stock_nums=[“600519”, “000001”],   # 决定 size='all' 结算先后
    start=”20240101”, end=”20241231”,
    initial_cash=1_000_000,
)
# result.metrics[“per_asset”] 给出每只股票的贡献度/回撤/交易数

任务日志里会出现：

=== Backtest Summary ===
asset           : stock_day
period          : 20220101 ~ 20241231  (bars=725)
total_return    : 23.1500%
sharpe          : 0.8412
max_drawdown    : 18.2300%
num_trades      : 14
win_rate        : 57.1429%
__LG_BACKTEST_RESULT__:maotai_ma520:{"metrics":...,"trades":...}

完整 JSON（含 trades / equity_curve）会被下游节点或监控面板消费。

场景 5：一键 subscribe→alert deeplink (NEW v1.0.13)

您： "帮我配个告警，招商银行股价跌破 30 通知我。"

Agent 调用流程（之前 6 步深埋，2026-06-05 起 1 步）：

# 1) Agent 帮用户订阅相关 dashboard
RESP=$(scripts/lg_agent_exec.sh '{
  "skillId": "marketplace.item.subscribe",
  "params": { "pathParams": { "itemId": "dashboard-china-merchants-bank-watch" } }
}')

# 2) 从 response 拿到本租户的 cloned dashboard ID
DASH_ID=$(echo "$RESP" | jq -r '.clonedDashboardId')

# 3) 构造 1-click deeplink — Agent 把这个 URL 给用户
DEEPLINK="https://privora.cn/dashboards?selectId=${DASH_ID}&openAlerts=true"
echo "请打开此链接配置告警：${DEEPLINK}"

用户点链接进去，metric alert modal 自动打开——已经对准刚订阅的 dashboard，剩下用户填阈值 + 选 webhook 渠道 finalize 就完。user-in-the-loop 边界保留（敏感操作仍需用户在 web 上确认），但 5 步导航 + 选 dashboard + 翻 toolbar 找 "Alerts" button 这些都省了。

这是平台活跃用户反馈最集中的需求——以前的路径是：订阅 → 跳到 dashboard 列表 → 找到目标 dashboard → 打开 toolbar → 找 "Alerts" button → （第一次还要去 /datasources 配 webhook，回来再继续）→ 配置 → 保存。这次更新把这条路径压到 1 步。

场景 6：模拟交易（paper trading happy path）

您： "用模拟账户跑一笔 600519 的市价买单 100 股，看看现在能不能成交。"

Agent 调用：

# 1) Agent 确认 / 创建模拟账户（账户 UNIQUE on user_name，重复调用幂等）
ACCT=$(scripts/lg_agent_exec.sh '{
  "skillId": "paper.account.create",
  "params": {"body": {"initialCashCny": 1000000}}
}')

# 2) 提交 MARKET 买单（client_order_id 是幂等键 — Agent 自己生成 UUID）
ORDER_ID="$(uuidgen)"
RESP=$(scripts/lg_agent_exec.sh "{
  \"skillId\": \"paper.order.place\",
  \"params\": {\"body\": {
    \"clientOrderId\": \"$ORDER_ID\",
    \"symbol\": \"600519\",
    \"side\": \"BUY\",
    \"orderType\": \"MARKET\",
    \"quantity\": 100
  }}
}")

# 3) 查订单状态（同 clientOrderId 重试拿同一订单，不会重复下单）
scripts/lg_agent_exec.sh "{
  \"skillId\": \"paper.order.get\",
  \"params\": {\"pathParams\": {\"clientOrderId\": \"$ORDER_ID\"}}
}"

支持涨跌停 / 停牌 / suspended-stocks 信号、scheduler-driven 撮合。Bearer Token 必须挂 paper.* scope。

适合的 use case：策略上真实交易前 12 个月 paper trade 验证（per 6 阶段量化研究流水线最终关卡）。

技能列表

REST 技能（scripts/lg_agent_exec.sh 调用）

公开版 skill 覆盖 4 类操作，见 §🛡️ Scope & Operator Responsibility 完整的 read / idempotent-write / workflow-transition / outbound-webhook 分类。删除、撤销、系统级审批等破坏性/管理类操作不在本 skill 范围内，需通过 platform UI 或 admin 工具完成。 风险标记：🟢 low / 🟡 medium / 🔴 high。所有 GET 技能默认对会话用户开放；写操作需显式授予 scope。

📦 Request shape: canonical envelope —— 推荐 params 字段下嵌套 pathParams / query / body。向后兼容（自 2026-06-29 起）：顶层 pathParams / query / body 会被网关自动折叠进 params（仅当 params.<field> 缺失时；非对象值跳过）。嵌套和顶层字段同时出现时，嵌套字段优先生效。所有调用都应优先用 envelope 形式：

{"skillId": "...", "params": {"pathParams": {...}, "query": {...}, "body": {...}}}

历史踩坑：2026-05-07 一次 backfill 因为漏写 params: 包裹（且当时 body 字段没有 fallback），-target_day_id 20260506 没到 broker，python_script 拿到 target_day_id=None 跑了一轮空 SELECT。2026-06-29 把 query/body 的 fallback 加齐；同期发现的 dataasset.data.get filter 被静默丢弃就是同源问题（用旧顶层 shape 时 filter 没注入 URL，看着 SUCCESS 但实际未过滤）。

Update 2026-05-21: The gateway now supports per-skill paramAliases for snake_case ↔ camelCase query-param translation. dataasset.data.get was the first skill to opt in (filter_column / filter_value / filter_op accepted). If a future skill exposes the same footgun, add a paramAliases entry rather than relying on agents to remember the casing rule. LE incident 2026-05-21 evening (fund_day filter on 007722 silently returning unfiltered data) was the forcing function.

流程 (Process / Ingestion)

调度 (Schedule)

调度作业字段契约

外部 agent 在调 schedule.job.create 之前，先走一遍"发现"（这几个字段没有硬编码枚举，值取决于当前部署）：

1. schedule.workgroup.list → 拿到 {workgroups, namespaces}，从中各选一个赋给 workgroup / namespace。传一个没人认领的 workgroup 不会报错，但没 broker 会去跑——这是最典型的"创建完成但永远不执行"陷阱。
2. schedule.scripts.get → 拿到 {dp, sh, py}，按 jobType 选对应字段赋给 jobScript（dp 作业用 dp，python 作业用 py，shell 作业用 sh；空字符串表示该类型没有在这套部署上配好）。
3. 如需参考现有同类 job：schedule.job.list + schedule.job.get 挑一个已上线的作业 clone 一份。

schedule.job.create / schedule.job.update 的 body（DataflowJob 形）：

schedule.job.depends.save 的 body（JSON 数组，全量替换）：

[
  { "dependCode": "upstream_job_code", "dependType": "10", "isDefault": "1" },
  { "dependCode": "20260424",          "dependType": "20",
    "batchCalExp": "${batchNo?calDate(-1,'d','yyyyMMdd')}" }
]

• dependType="10" — 任务依赖，dependCode 是另一个 jobCode（同团队内可见）
• dependType="20" — 时间/批次依赖，dependCode 是时间字符串，batchCalExp 是批次偏移表达式（${batchNo?calDate(...)}）
• 其他字段：procName、output、isDefault（"1" 标默认）都可选
• dependId 服务端生成（UUID16），不用自己传

schedule.job.plugins.save 的 body（JSON 数组，全量替换）：

[
  {
    "pluginCode": "webhook",
    "state": "1",
    "pluginCfg": "{\"webhookDsName\":\"feishu_ds\",\"dataSourceName\":\"feishu_ds\",\"triggerStates\":[\"1\",\"-2\"]}",
    "isBlock": "0",
    "isDefault": "1"
  }
]

• pluginCode + pluginCfg（JSON 字符串）为必填
• state 为要监听的任务状态："1" 成功 / "-2" 失败 / "2" 结束 / "0" 启动 / "-1" 中止（dacp_dataflow_job_trigger.state 的子集）
• webhook 插件：pluginCfg 里必须带 webhookDsName，否则返回 {"success":false, "message":"Webhook plugin requires pluginCfg.webhookDsName"}
• jobPluginId 服务端生成

典型的"从零到调度可跑"流程（外部 agent 视角）：

1. schedule.workgroup.list + schedule.scripts.get → 发现合法的 workgroup / namespace / jobScript
2. schedule.job.create → 拿到 jobId
3. schedule.job.depends.save（至少一条依赖，否则上线后不会产生 instance）
4. （可选）schedule.job.plugins.save → 绑 webhook 等插件
5. 通过平台 UI 上线作业（state: 0 → 1）→ 让 broker 把它纳入触发域

作业运维决策手册

Ops 流程几乎总是先 schedule.instance.list（或 schedule.job.by_process→schedule.instance.list）拿到目标 jobTriggerId，再按下面这张表选动作：

数据源 & 数据资产 (Datasource / Data Asset)

数据资产 API 详情

dataasset.schema.get — ?refresh 参数

路径：GET /api/data-assets/{id}/schema

refresh=true 时响应的 meta 字段会包含 lastSchemaSyncAt（ISO-8601 UTC 时间戳），标示本次同步完成时间。

示例（refresh=true）：

{
  "success": true,
  "data": {
    "columns": [
      {"name": "stock_num", "type": "varchar"},
      {"name": "day_id",    "type": "int4"},
      {"name": "close_price","type": "numeric"},
      "..."
    ]
  },
  "message": "success",
  "meta": {
    "lastSchemaSyncAt": "2026-06-17T03:12:45Z"
  }
}

业务错误（底层数据源不可达 / 序列化失败 / 保存失败）：返回 HTTP 200，{"success": false, "message": "Schema refresh failed: <原因>"} —— 符合平台 {success, data, message, meta?} 合约，不抛 HTTP 500。

---

dataasset.metadata.get — 资产富元数据

路径：GET /api/data-assets/{id}/metadata

无分页，无请求体。返回 data 对象包含 20 个字段：

响应示例（成功）：

{
  "success": true,
  "data": {
    "assetId": 46,
    "assetName": "stock_day",
    "assetType": "table",
    "assetCategory": "market-data",
    "description": "A-share daily OHLCV bars",
    "tags": "PUBLIC,equity,daily",
    "sensitivityLevel": "PUBLIC",
    "allowSubscription": true,
    "teamName": "tenant_lg_data",
    "createdDate": "2025-12-01T08:00:00",
    "createdBy": "admin",
    "recordCount": 5234567,
    "sizeBytes": 8923847234,
    "lastUpdated": "2026-06-17T15:42:18",
    "lastSchemaSyncAt": "2026-06-16T03:00:00Z",
    "jobCode": "stock_day_sync",
    "expectedUpdateCadence": "daily",
    "cronExpression": "0 0 18 * * ?",
    "dataSource": "lg_data_pro_pg",
    "sourceDescription": "Primary LG Postgres lakehouse (read-only mirror)"
  },
  "message": "OK"
}

业务错误（资产不存在 / 跨团队访问）：返回 HTTP 200，{"success": false, "code": "ASSET_NOT_FOUND", "message": "<原因>"} —— 符合平台 {success, data, message} 合约，不抛 HTTP 4xx。

---

dataasset.data.get — filter_op 支持的运算符集合

路径：GET /api/data-assets/{id}/data

Gateway 支持 snake_case 别名（filter_column / filter_value / filter_op / order_by / order_direction）和 camelCase 两种写法，两者等价。

filter_op / filterOp 完整合法值：

• 多值运算符（in / not_in）：filter_value 用英文逗号分隔，如 filter_value=600519,000001,601398 → 生成 IN ('600519','000001','601398')。
• like 和 contains 行为相同：平台都生成 LIKE '%val%' 子串匹配。如需自定义 LIKE 模式（前缀 / 后缀 / 通配符位置），目前需在调用方 SQL 端处理或走 POST /api/data-assets/{id}/query。
• 未知运算符拒绝（不静默降为 eq）：传入不在上表中的值（如 filterOp=between）→ HTTP 200 {"success": false, "message": "Validation Failed: Unsupported filter operator: between"}。
• order_direction（snake_case；camelCase 写法为 orderDirection）接受 asc / desc（大小写不敏感），默认 asc。

---

dataasset.data.get vs dataasset.data.getRealtime — 路由选择指南

用哪个？

• dataasset.data.get / lg.get_asset_data — 分析型 / 历史全量 / 完整数据。底层存储是资产的主数据源（Step 4 切换后为 MC；速度较慢 ~2-5s，但包含完整历史和全列）。
• dataasset.data.getRealtime / lg.get_asset_data_realtime — 实时型 / 低延迟 / 热窗口（最近 365 天）。底层存储是资产的 realtimeDataSource（PG 镜像）。对于未配置 realtimeDataSource 的资产返回 {success:false, message:"This asset has no realtime mirror"} — 这是正常业务返回，不是异常，调用方应处理而非视为错误。

两个函数接受完全相同的参数（asset_identifier, page, size, order_by, filter_column, filter_value, filter_operator），返回 shape 相同，差异仅在于：

1. 路由目标不同（/data vs /data-realtime）。
2. get_asset_data_realtime 永不抛出异常；所有错误（无镜像、类型不符、连接失败、认证失败）均以 {success:false, message:...} 返回，调用方 必须 检查 result["success"]。

Prerequisite: .getRealtime requires the asset to have realtimeDataSource populated (via PUT /api/data-assets/{id}, an admin API). If not configured, .getRealtime returns {success:false, message:"This asset has no realtime mirror"}. Currently stock_day and fund_day are the only assets with realtime mirrors configured; other assets will return the "no mirror" response until an admin populates their realtimeDataSource.

Note for existing bearer token holders: if you receive 403 Forbidden: missing required scope 'dataasset.data.getRealtime' when calling this skill, your token was minted before this skill was added. Go to lg-data.cc → Token Management, edit your token, and add the dataasset.data.getRealtime scope. New tokens minted after 2026-07-02 automatically include all currently-registered scopes.

---

dataasset.history.field-as-of — 股票 PIT 状态字段查询 (#13 PR-A/C)

路径：GET /api/data-assets/history/field-as-of

Auth： 标准 Spring Security session 或 Bearer token（lgatk_…）。GET 请求无需 CSRF token。Bearer token 需要 scope dataasset.history.field-as-of（PR-A 新增；现有 token 须重新签发方可使用）。

依赖： 底层表（stock_st_history / stock_board_history / stock_delist_history / stock_industry_history）由 PR-B ETL 进程回填。ETL 未运行前所有查询均返回 data:null，不会报错。

field 语义说明：

industry 值对象结构：

{
  "l1_code":    "110000",
  "l1_name":    "食品饮料",
  "l2_code":    "110201",
  "l2_name":    "白酒",
  "sw_vintage": "SW2014"
}

响应示例（field=is_st，股票在 ST 状态）：

{
  "success": true,
  "data": {
    "field":        "is_st",
    "stockNum":     "000666.SZ",
    "asOfDate":     "2022-06-01",
    "value":        true,
    "validFrom":    "2021-03-15",
    "validTo":      null,
    "source":       "tushare-namechange",
    "changeReason": "特别处理"
  },
  "message": "OK"
}

响应示例（field=industry，自动选择 SW2014）：

{
  "success": true,
  "data": {
    "field":    "industry",
    "stockNum": "600519.SH",
    "asOfDate": "2020-06-15",
    "value": {
      "l1_code":    "110000",
      "l1_name":    "食品饮料",
      "l2_code":    "110201",
      "l2_name":    "白酒",
      "sw_vintage": "SW2014"
    },
    "validFrom": "2014-01-01",
    "validTo":   null,
    "source":    "tushare-index-member"
  },
  "message": "OK"
}

无历史记录（ETL 未回填 / 日期早于数据）：

{
  "success": true,
  "data": null,
  "message": "No history record found for stockNum=600519.SH, field=is_st, asOfDate=2020-06-15. ETL may not yet have populated this field."
}

业务错误（非法 field / 非法日期格式）：

{
  "success": false,
  "message": "Unsupported history field: 'foo'. Supported: [is_st, market_board, delisted, industry]"
}

Python 快捷用法（via lg_utils.history）：

from datetime import date
from lg_utils.history import is_st_at, market_board_at, is_delisted_at, industry_at, load_st_history

# 单日点查
st      = is_st_at("000666.SZ", date(2022, 6, 1))           # True / False / None
board   = market_board_at("688001.SH", date(2022, 6, 1))    # "科创板" / None
delist  = is_delisted_at("000001.SZ", date(2023, 1, 1))     # True / False (never None)
ind     = industry_at("600519.SH", date(2020, 6, 15))       # dict with 5 keys / None

# 获取某股票全部 ST 历史事件列表（按 valid_from 升序）
events = load_st_history("000666.SZ")
# [{'valid_from': '2001-06-04', 'valid_to': '2001-09-18', 'is_st_value': True, ...}, ...]

lg_utils.history 模块通过 executor 内部 HTTP 调用同一个 REST endpoint，fail-soft 语义与 REST API 一致（无记录返回 None/[]，不抛异常）。

---

看板 (Dashboard)

订阅 & Marketplace

指标告警 (Metric Alert)

metric.alert.evaluate — 数据新鲜度门控（freshness gate，2026-06-22 重写）

freshnessConfig.sourceType = 'asset' 模式下，freshness gate 不再执行 SELECT MAX(field) 实时查询，而是直接读取 data_asset.last_data_refresh_at 列——该列由 registerAsset executor step 在每次 ETL 成功执行后自动写入。行为变化：

• field 字段已废弃但向下兼容：现有配置中的 field 会被忽略（不校验、不查询），无需修改已有 freshnessConfig。
• 跨租户订阅规则（publisherTeam != null）：subscriber 侧直接通过 getAssetByIdInTeam 读取 publisher 资产的 last_data_refresh_at，无需 publisher 数据源凭证；跨租户 freshness gate 现已生效（此前 custom-sql 跨租户路径仍受 MVP 限制，保持 fail-open）。
• NULL 值 = fail-open：资产首次注册后 executor 未重新部署前（或从未经过 registerAsset step），last_data_refresh_at 为 NULL → probe 返回 Optional.empty() → 评估照常进行，不触发 gate。
• sourceType = 'custom-sql'：行为不变（own-team 执行自定义 SQL；跨租户仍为 MVP 限制）。

已知限制：ETL job 执行成功但写入 0 行时，RegisterAssetStep 仍然会 bump last_data_refresh_at，导致 gate 不会跳过该次评估。若 webhook 频繁误触发，建议使用 metric.alert.snooze 或调高阈值；v2 会在 rowsWritten > 0 条件下才 bump（目前为规划中的 follow-up）。

metric.alert.snooze — evaluate() 跳过优先级（Triage #11）

evaluate() 内部跳过检查的优先级（先匹配先返回）：

1. snoozedUntil — snoozed_until > now() → SKIPPED "snoozed until <timestamp>"
2. silenceMinutes — lastTriggeredAt + silenceMinutes > now() → SKIPPED "in silence period"
3. maxFiresPerDay — firesToday >= maxFiresPerDay → SKIPPED "daily limit reached"
4. → 正常执行评估 + webhook

Snooze 到期后（snoozed_until < now()）自动恢复，无需再调 unsnooze。

metric.alert.patch — templateEngine 字段（Triage #10）

templateEngine 控制 messageTemplate 的渲染方式：

freemarker 模式下可用变量：

freemarker 模板示例（飞书 Markdown）：

<#if value??>
**告警 ${ruleName}** 触发
- 字段：`${fieldName}`
- 当前值：${value}
- 阈值：${threshold}（${operator}）
<#if rowFields.stock_num??>- 股票：${rowFields.stock_num!}</#if>
<#if rowFields.region??>- 区域：${rowFields.region!}</#if>
触发时间：${timestamp}
</#if>

<#if value??>...</#if> 是 FreeMarker 空值检查指令：当 value 非 null 时渲染，等价于 if value is not None:。${rowFields.stock_num!} 中的 ! 是默认值操作符 — 缺失时渲染为空字符串，避免 undefined variable 错误。<#if rowFields.stock_num??> 同理 — 仅当 GROUP BY 包含该列时渲染该行，避免多余的空行。

向下兼容说明： FreeMarker 的 ${var} 语法与 legacy 正则语法完全相同 — 将 templateEngine 从 "legacy" 切换为 "freemarker" 后，现有的 ${ruleName} / ${value} 等模板无需任何改动即可继续工作。"freemarker" 模式额外支持 <#if> / <#list> 等高级指令。

切换引擎示例：

PATCH /api/metric-alerts/{ruleCode}
{
  "templateEngine": "freemarker",
  "messageTemplate": "${ruleName}: ${fieldName}=${value} > ${threshold}"
}

成功响应：{"success":true,"message":"Alert rule patched","ruleCode":"<ruleCode>"}

Webhook 插件

用户注册 & 反馈

反馈详情

feedback.submit — 提交反馈 / Bug 报告 / 功能需求

路径：POST /api/feedback

必填字段：

category 合法值（严格匹配，不接受缩写）：

bug_report | feature_request | general | other

注意："bug"、"feature" 等缩写形式均为非法 category，接口将返回 HTTP 200 + success:false。

可选字段：

请求示例：

{
  "category": "bug_report",
  "subject": "数据资产列表加载失败",
  "message": "在工作区 A 下点击「数据资产」后页面空白，控制台显示 JSON.parse 报错。浏览器 Chrome 125，复现率 100%。",
  "contactEmail": "user@example.com"
}

成功响应（HTTP 200）：

{
  "success": true,
  "message": "Feedback submitted"
}

业务错误响应（HTTP 200 + success:false，category 非法示例）：

{
  "success": false,
  "message": "Invalid category"
}

认证错误响应（HTTP 401，未登录）：

{
  "success": false,
  "message": "Authentication required"
}

身份 & Token 详情

auth.token.introspect — 查询当前 Bearer token 的身份 + scope + 生命周期

路径：GET /api/public/agent/token-introspect

调用此接口可在不触发任何业务 401/403 的前提下，查看当前 Bearer token 的身份、所属团队、token id、用户 id、有效 scope 列表，以及 token 名称 / 状态 / 过期时间。自省范围限定为当前 token——接口不接受 tokenId 参数，永远只描述请求 header 中提供的那一个 Bearer。

输入：无 query 参数。Authorization: Bearer lgatk_... header 是唯一身份来源。

响应示例（200）：

{
  "success": true,
  "username": "alice",
  "teamName": "team-alpha",
  "userId": 7,
  "tokenId": 42,
  "tokenName": "alice-clawhub-readonly",
  "status": "active",
  "expiresAt": "2026-09-17T10:30:45Z",
  "scopes": [
    "dataasset.list",
    "dataasset.get",
    "dataasset.schema.get",
    "dataasset.data.get",
    "process.ingestion.list"
  ]
}

expiresAt 在 token 无过期时为字面量 null（key 始终存在）。

响应示例（401，missing/invalid token）：

{
  "success": false,
  "message": "Invalid token"
}

典型用法：在调用任何 /api/** 业务接口前先 introspect 一次，把当前 token 的 scopes 与计划调用的 skill 所需 scope 做集合对比；缺失则在客户端给出友好提示，避免逐个 skill 403 试探。

---

Backtest API

stock_day 日线回测请使用 run_stock_day_backtest（单股）或 run_stock_day_portfolio_backtest（多股组合），均在 lg_utils.backtest_examples.stock_day 模块。基金 / 黄金 / 港股日线回测也已 ship — lg_utils.backtest_examples.{fund_day,metal_day,hk_day}.run_*_backtest，shape 与 stock_day 一致（详见下方 Python 工具库表格）。完整参数说明见场景 4 示例。

结果可通过 investment.stock.backtest.* REST skill 检索：list（摘要）、get（全量 JSON）、compare（两次 metrics diff）。REST skill 当前以 investment.stock.backtest.* 命名但是 asset-class-agnostic — 通过 Python 调用 lg_utils.backtest_examples.fund_day / metal_day / hk_day 持久化的结果同样可由这 3 个 REST skill 检索（persist(name=...) 调用统一走 process_backtest_result 表，按 name 索引）。专用的 investment.fund.backtest.* / investment.gold.backtest.* REST skill 命名空间是 v2 follow-up（目前 stock-class skill 已能 cover 所有资产类的回测结果检索）。

Wealth Studio（需开通 investment_studio 解决方案权限）

Phase 4 重命名说明：skill id 前缀由 stockstudio.* 改为 investment.stock.*（同时新增 investment.fund.* / investment.gold.*）。旧 stockstudio.* id 通过 Express alias 表自动转发，新代码优先使用 investment.stock.*。

investment.stock.* — 股票持仓 / 交易 / 回测

---

investment.stock.backtest.list — 过滤参数 (#15)

路径：GET /api/profile/backtest-results

多个过滤条件 AND 组合。无过滤参数时返回当前团队最近 50 条。

响应示例（截取）：

{
  "success": true,
  "total": 2,
  "items": [
    {
      "id": 123,
      "name": "dual_ma_5_20",
      "totalReturn": 0.1842,
      "sharpe": 1.34,
      "tags": ["live-mock-2026Q3", "tutorial-walkthrough"],
      "programGroup": "dual-ma-series"
    },
    {
      "id": 122,
      "name": "dual_ma_5_30",
      "totalReturn": 0.1751,
      "sharpe": 1.21,
      "tags": [],
      "programGroup": "dual-ma-series"
    }
  ]
}

tags 是 JSON 数组（无 tag 时为 []，不是 null 也不省略 key）。programGroup 是字符串（未设置时为 null，但 key 始终存在）。

写入 tags / programGroup：调用 POST /api/internal/backtest-results 时在 body 里加 "tags": ["...","..."] 和 "programGroup": "..." 字段。约束：tag 单条最长 64 字符；最多 20 条；空白 tag 自动剔除；programGroup 最长 128 字符。

---

理财组合 NAV 历史

skillId: investment.stock.portfolio.nav_history.get
路径: GET /api/profile/nav-history
权限: 需开通 investment_studio 解决方案权限（与持仓 / 交易系列相同）

查询参数：

基准指数解析优先级：

1. ?benchmark=<code> 请求参数（最高优先级）
2. 团队变量 benchmark_index（团队管理员在 TeamVariable 里配置的默认基准）
3. 硬编码默认值：1B0300（沪深300）

支持的基准指数（stock_day 内的 legacy 编码）：

注意：这些是平台 stock_day 表里使用的 legacy 编码，与第三方常见的 xxxxxx.SH / xxxxxx.SZ 格式不同，不要混用。

EOD 快照与 accountType（v1.0.30 修复）：

每日 EOD 快照作业（daily_pnl_snapshot）写入 daily_position_pnl 时，从 portfolio_positions.account_type 读取 accountType 并原样写入快照行。v1.0.30 之前，快照行始终以实体默认值 REAL 写入，导致模拟账户头寸被误标记为 REAL，使真实账户 NAV 曲线出现虚高。v1.0.30 通过同步写路径修复了此问题，并通过 Flyway 迁移回填了历史数据。如在 v1.0.30 发布前存入的快照行出现异常 NAV 尖峰，请在后端重启后检查 daily_position_pnl 中 account_id LIKE 'paper-%' 的行是否均为 account_type = 'PAPER'。

收益率计算方法（日度时间加权收益率 TWR）：

平台以每日 SUM(market_value) 作为组合净值 V_t，从 trading_records 提取当日净流量 F_t = Σ(BUY 金额) − Σ(SELL 金额)，按 r_t = (V_t − F_t) / V_{t−1} − 1 计算日收益率，再链乘为累积收益率 R_t = Π(1 + r_i) − 1。通过减去当日净流入，"增仓 / 减仓"带来的资金变动不计入收益，只保留纯粹的价格涨跌信号。完整数学推导见设计文档 docs/plans/2026-06-16-portfolio-nav-history-api-design.md §3a。

响应示例（含基准）：

{
  "success": true,
  "data": {
    "dates": ["2026-01-02", "2026-01-03", "2026-01-06"],
    "portfolio_nav": [100000.00, 102000.00, 101500.00],
    "portfolio_cumulative_return": [0.00000000, 0.02000000, 0.01500000],
    "benchmark_code": "1B0300",
    "benchmark_cumulative_return": [0.00000000, 0.01000000, 0.00800000],
    "alpha_spread": [0.00000000, 0.01000000, 0.00700000]
  },
  "message": "ok",
  "meta": {
    "filledDates": [],
    "benchmarkSource": "default",
    "benchmarkWarning": null,
    "benchmarkStaleAt": null
  }
}

meta 字段说明：

业务错误合约：

• ?benchmark=BADCODE → HTTP 200，{"success": false, "message": "Unknown benchmark index: BADCODE (...)"}（不抛 500，也不返 HTML）
• 基准数据停更（如 399001）→ 仍返回完整 NAV，meta.benchmarkWarning 描述停更，alpha_spread 截断到最后有效日；不失败整个调用
• 无持仓快照记录 → HTTP 200，{"success": true, "data": {"dates": [], ...}, "message": "No snapshot history found for this portfolio"}

---

理财组合归因

skillId: investment.stock.portfolio.attribution.get
路径: GET /api/profile/attribution
权限: 需开通 investment_studio 解决方案权限（与持仓 / 交易系列相同）

一次调用即可得到"我的策略跑赢市场了吗？"的核心数字：年化 alpha（超额收益）、beta（市场敏感度）、R²（拟合度）、波动率、跟踪误差和信息比率。底层数据来自已有 nav_history.get 的日度 TWR 累积收益序列，无额外 DB 查询。

查询参数：

计算方法（α/β v1）：

由 nav_history.get 返回的日度累积收益序列，经链式反推 R_p[i] = (1+CR[i])/(1+CR[i-1]) - 1 得到日度收益率序列，再以 OLS 回归计算：

所有数值字段精度为 4 位小数（BigDecimal scale 4）。

响应示例（含基准，合成数字）：

{
  "success": true,
  "data": {
    "start": "2026-01-01",
    "end": "2026-06-17",
    "tradingDays": 115,
    "benchmarkCode": "1B0300",
    "benchmarkSource": "team_variable",
    "portfolioCumulativeReturn": "-0.1319",
    "benchmarkCumulativeReturn": "0.0528",
    "alpha": "-0.1847",
    "alphaAnnualized": "-0.4123",
    "beta": "0.8742",
    "rSquared": "0.6418",
    "portfolioVolatility": "0.2156",
    "benchmarkVolatility": "0.1834",
    "trackingError": "0.0941",
    "informationRatio": "-1.9628"
  },
  "meta": {
    "benchmarkWarning": null,
    "benchmarkStaleAt": null,
    "sampleSize": 115,
    "minSampleWarning": null,
    "computationWarning": null
  },
  "message": "OK"
}

22 个字段总览（D12 文档锁）：

15 data 字段: start, end, tradingDays, benchmarkCode, benchmarkSource, portfolioCumulativeReturn, benchmarkCumulativeReturn, alpha, alphaAnnualized, beta, rSquared, portfolioVolatility, benchmarkVolatility, trackingError, informationRatio.

5 meta 字段: benchmarkWarning, benchmarkStaleAt, sampleSize, minSampleWarning, computationWarning.

2 envelope 字段: success, message.

meta 字段说明：

边界行为合约：

• 对齐窗口 ≤ 1 天（基准数据只有首日）→ beta/rSquared/trackingError/informationRatio 全为 null，meta.benchmarkWarning = "Benchmark series too short for α/β computation after alignment"
• 日度收益点数 < 5（OLS 最小样本，tradingDays 太短）→ 同样置 null，meta.minSampleWarning 含实际点数
• 基准方差近零（常数基准）→ β 无意义，置 null，meta.computationWarning = "Benchmark variance near zero; β undefined"
• 无持仓数据 → 与 nav_history.get 行为一致，返回空序列 + success:true
• ?benchmark=BADCODE → HTTP 200 {"success": false, "message": "..."}

---

investment.fund.* — 基金持仓 / 交易 (回测通过 lg_utils.backtest_examples.fund_day Python 入口，REST skill investment.stock.backtest.* 可检索结果)

investment.gold.* — 黄金持仓 / 交易 (回测通过 lg_utils.backtest_examples.metal_day Python 入口，REST skill investment.stock.backtest.* 可检索结果)

investment.paper.* — 模拟盘交易（Paper Trading，单户 ¥1,000,000 沙盘）

⚠️ Paper-trading tokens are platform-issued, NOT self-mintable. The paper.* scope namespace is reserved — calling POST /api/subscription/tokens with scopes: "paper.account.read" (etc.) returns HTTP 400 + {"code":"RESERVED_SCOPE"}. Paper-execution tokens are auto-minted by the platform when a strategy is bound to a paper account via the UI (PaperExecutionTokenService.mintForExecution). If you want to drive paper trading from an external agent, mint the token via the strategy-binding flow first, then call the endpoints below with that token.

新 v1.1：单户模拟盘，行情打通 stock_day 实时价；MARKET 同步成交，LIMIT 走每 60s 撮合 + 15:00 自动 EXPIRED；T+1、一手 100 股、A 股标准手续费全部强制。与真金账户完全隔离——真金交易记录走 investment.stock.trading.*，二者数据库行级互不影响。

Scope 集（process-execution 默认）：paper.orders.write paper.account.read dataasset.read。这是后端在 process 起跑时自动注入的 scope-limited 短期 Bearer。

Scope guard 边界：带 paper scope 的 Bearer 只能访问 /api/wealth/paper/**、/api/data-assets/**、/api/auth/current、/api/public/agent/token-introspect；其他 namespace（如 /api/trading-records 真金路径）一律 403 scope_insufficient。如需在自己的 PAT 上启用 paper 调用，去 个人设置 → Token 管理 创建一个带这套 scope 的长期 PAT。

典型用法（在 Process Python 节点里跑量化策略）：

import lg

execution_id = lg.get_variable("execution_id")
quote_resp = lg.get_asset_data_realtime("stock_day",
    filter_column="stock_num", filter_value="600000",
    filter_operator="eq", size=1)
if not quote_resp["success"]:
    print(quote_resp["message"])
    return
quote_rows = quote_resp["data"]
positions = {p["stockNum"] for p in lg.paper.get_positions()["items"]}

if quote_rows and quote_rows[0]["close_price"] < 9.50 and "600000" not in positions:
    # Preferred form: bare stock code + explicit market.
    # The dotted form ("600000.SH") is also accepted — the SDK and backend both
    # auto-strip it via PaperOrderService.normalizeStockNum (Bug #51-A).
    lg.paper.submit_order(
        symbol="600000", market="SH", side="BUY", qty=100, order_type="MARKET",
        client_order_id=f"{execution_id}-pufa-entry",  # 用 execution_id 做幂等键
    )

资源市场已上线 starter_paper_trade_strategy 模板，「免费接入」一键复制到你的 tenant 即可改写。

实时热窗口查询（lg.get_asset_data_realtime）：

# Real-time hot-window query (last 365 days, PG mirror, low-latency)
result = lg.get_asset_data_realtime(
    "stock_day",
    page=1, size=50,
    filter_column="day_id",
    filter_value="20260701",
    filter_op="eq",
    order_by="day_id",
    order_direction="desc",
)

if not result.get("success"):
    print(f"Realtime query failed: {result.get('message')}")
    # Common message: "This asset has no realtime mirror"
    # → Ask an admin to populate `realtimeDataSource` on the asset via
    # PUT /api/data-assets/{id}
else:
    rows = result["data"]
    total = result["totalElements"]
    print(f"Got {len(rows)} rows of {total} total")

回测模式（Ship 5-H，同一份脚本两种跑法）：在 Process 执行环境上额外设置 LG_PAPER_MODE=backtest + LG_PAPER_BACKTEST_FROM=YYYY-MM-DD + LG_PAPER_BACKTEST_TO=YYYY-MM-DD，同一脚本不改一行代码即对历史 stock_day 回放。此模式下：

• 不发 HTTP —— submit_order 等调用走 lg_utils.paper_sim 进程内模拟器；后端 /api/wealth/paper/** 不会收到任何请求；paper_order 表不会写入新行。PaperScopeGuard / process_execution_secret / __LG_PAPER_TOKEN__ 全部不被消耗（token 若存在则 DEBUG 日志一行后忽略）。
• 规则完全一致 —— Java 后端 FeeCalculator / PriceLimitValidator / PaperOrderService (T+1 + 一手) 为规则正本；Python 模拟器有 fixture 平价测试 (paper_sim_fixtures.yml + PaperSimRuleParityTest) 守护，任何规则方法 PR 必须同步重新生成 fixture + 更新 Python，否则 CI 红。
• 不消费 scope —— 因为根本不发出 HTTP，所以 paper.orders.write 等 scope 在 backtest 模式下完全用不到；agent / PAT / process-execution token 的 scope 集合不需要任何调整。
• 持久化 —— 脚本末尾必须显式调 lg.paper.persist_backtest(name=...)（无 atexit 隐式持久化；防止脚本异常中断时写入「半拉子结果」造成数据污染）。结果写入 process_backtest_result，UI 走 /profile/backtest-results。
• suspension 不查 —— dacp_suspended_stocks 是前向运维表，回测刻意不查；这是文档化的 KNOWN_DIVERGENCE，不是 bug。

资源市场已上线 starter_paper_trade_strategy_backtest 模板。设计文档：docs/plans/2026-06-11-paper-trading-ship-5-h.md（LA-APPROVED v3）。

lg.paper 完整 API 速查表（live + backtest 两种模式共用同一函数签名；运行时由 LG_PAPER_MODE env var 决定走 HTTP 还是走进程内模拟器）：

回测模式完整脚本示范（同一脚本与 live 模式只差三个 env var）：

Pattern note: use lg.get_asset_data for backtest / historical-window loops (full history via MC after Step 4 flip); use lg.get_asset_data_realtime for live / paper-trade single-row lookups (hot 365-day window on PG). .getRealtime returns success:false on data older than 365 days — never use it inside backtest loops that may extend beyond a year.

import lg
from datetime import date, timedelta

execution_id = lg.get_variable("execution_id")

# 走历史 stock_day（回放）；不发任何 HTTP 给后端。
start = date(2026, 1, 1)
end   = date(2026, 1, 31)
day   = start
while day <= end:
    lg.paper.advance_day(day.isoformat())

    # 策略示例：每日抓 600000 的 stock_day 当日收盘价；< 9.50 且无持仓时买 100 股。
    # 注意：lg.get_asset_data 是单列过滤；如需 (stock_num, day_id) 联合过滤，
    # 在 SQL 化的策略里把 day_id 作为 filter_column、由 advance_day 控制时间游标。
    quote_resp = lg.get_asset_data("stock_day",
        filter_column="day_id", filter_value=int(day.strftime("%Y%m%d")),
        filter_operator="eq", size=500)
    quote_rows = [r for r in quote_resp["data"] if r.get("stock_num") == "600000"]
    positions = {p["stockNum"] for p in lg.paper.get_positions()["items"]}

    if quote_rows and quote_rows[0]["close_price"] < 9.50 and "600000" not in positions:
        lg.paper.submit_order(
            symbol="600000", market="SH", side="BUY", qty=100, order_type="MARKET",
            client_order_id=f"{execution_id}-day{day.isoformat()}",
        )

    lg.paper.record_eod_equity()    # 收盘记账
    day += timedelta(days=1)

# 显式持久化 — 没有这一行结果不会写 process_backtest_result
result = lg.paper.persist_backtest(name="600000_low_entry_jan2026")
print(f"backtest persisted: id={result['id']}, name={result['name']}")

关键差异 vs live 模式（同一份用户代码，仅 env var 区别）：

• live 模式不需要 advance_day / record_eod_equity / persist_backtest（实时撮合 + 真实交易日时钟）— 这三个函数在 live 模式下会抛 RuntimeError（错误文案按函数定制，例如 advance_day 文案明确指出"live mode 由 market calendar 推进当前日"），便于 fail-fast 发现脚本误配。
• backtest 模式下 submit_order 不会写 paper_order 表（进程内模拟器 only）；live 模式下每次成功调用都对应后端一行 paper_order 记录。
• backtest 模式 fixture 平价测试（paper_sim_fixtures.yml + PaperSimRuleParityTest Python 端 + PaperOrderServiceSymbolFormatTest Java 端）守护规则一致性 — 任何 fee / price-limit / T+1 / 一手规则的 PR 必须同步重新生成 fixture，否则 CI 红。

技能源在 app.js 的 SKILL_CATALOG，运行时可通过 GET /agent/skills 查询当前 token 实际可用的列表（会过滤 scope）。

Python 工具库 lg_utils（在平台 python_script 流程节点里 import 使用）

平台的 python_script 执行器会自动把 lg_utils 注入到用户脚本的 PYTHONPATH，无需安装。

环境要求

必需

• LG_AGENT_BASE_URL - 平台地址（默认 https://privora.cn）
• LG_AGENT_TOKEN - Bearer Token（公开版唯一认证方式；建议使用最小权限、专用 Token）

Security Notes

• 公开版 skill 仅支持 Bearer Token 模式，不接受会话 Cookie / CSRF。
• 首次安装建议使用测试账号或低权限 Token 验证读取类能力。
• 公开版 skill 覆盖数据查询 + 回测 + 模拟交易 + 告警 + 流程编排四大类，完整 per-category 分类（read / idempotent-write / workflow-transition / outbound-webhook）见 §Scope。删除、撤销、审批等破坏性/管理类操作不在 skill 范围内，需通过 platform UI 完成。
• 写操作应只授予明确需要的 scopes。
• 不要在脚本里硬编码 Token 凭据。

注意事项

• 公开版 skill 覆盖数据 + 回测 + 模拟交易 + 告警 + 流程编排；破坏性/管理类操作（删除 / 撤销 / 审批）不在 skill 范围内，走 platform UI。
• 公开版 helper scripts 只支持 Token 调用，不支持 session/cookie 兼容模式。
• idempotencyKey 用于幂等控制，写操作请保持稳定。
• Token 从平台获取，不要硬编码在脚本中。

---

最近更新

v1.0.44 (2026-07-11)

• 🔄 内容 identical to v1.0.42（同 UX），v1.0.43 短暂回滚到 v1.0.40 SAFE 内容后发现 SkillSpector v2.3.5 在今天有 non-determinism，同 content 不同 scan 结果。既然 rollback 无法回 SAFE badge，选择保留 v1.0.42 的可读性改进（Chinese-fy Scope + What'''s-New 移底部 + marketplace §0）。

v1.0.43 (2026-07-11)

• ⏪ 短暂 rollback 到 v1.0.40 内容尝试回 SAFE badge —— 失败（scanner non-determinism）。v1.0.44 恢复 v1.0.42 的可读性改进。

v1.0.42 (2026-07-11)

• 📐 文档结构重组：4 个 What's-New 顶部块合并到本节；§Scope 与 §投资建议免责改为中文首要（不再中英双语介绍）。
• 🚀 Quick Start §0 30 秒试用改为指向 marketplace UI（无需注册直接浏览公开挂牌资产），移除 top-of-doc dispatcher endpoint 示例。

v1.0.41 (2026-07-11)

• 🚀 首版 Quick Start §0 匿名试用（后在 v1.0.42 改为 marketplace UI 路径）。

v1.0.40 (2026-07-10)

• 🔒 SkillSpector 响应：primary framing 从"金融数据后端"翻转到"AI Agent 投资工作流平台"；§2 加密段重写为"encryption at rest / 认证边界返明文"；删除 3 处矛盾的"只读能力与常规非破坏性写操作"声明。

v1.0.38 (2026-07-10)

• 📖 Quick Start §4 加 First Call Recipe（3 步 curl：list → 拿 numeric id → data.get）说明 URL {id} 必须是数字型资产 ID（如 42），不是资产名字（如 fund_day）。

v1.0.37 (2026-07-08)

• 🛡️ 匿名 rate limit 迁移到 Redis 集群共享：10/IP/分钟 burst + 100/IP/天 daily 承诺现在真的成立（v1.0.36 时因 PM2 cluster 被放大 ~4×）。Redis 断连时 fail-open。

v1.0.36 (2026-07-08)

• 🌐 匿名 marketplace preview 模式全接入：/agent/skills* 无 Authorization header 自动进入 anonymous 模式，10 个只读 skill 白名单。三桶 rate limit（60/IP/分 general + 10/IP/分 data burst + 100/IP/天 data daily），任一超限 429 with bucket field。匿名调用强制 page=1, size=25，剥离发布者身份字段。

v1.0.32 (2026-07-02)

• 📊 组合归因 (α/β)：新增 investment.stock.portfolio.attribution.get，跟基准做 TWR 对比。
• 📈 组合净值曲线：portfolio.nav_history.get 输出 NAV + 基准 overlay。
• 💰 现金分红归因：新增 stock_dividend 数据资产。
• 🧪 策略回测 sandbox 模式：process.ingestion.execute --mode=backtest。
• 🔔 告警治理 v1：alert.snooze / alert.acknowledge + Freemarker webhook 自定义 payload + 基于新鲜度的 stale 屏蔽。
• ⚡ 实时行情双路由：dataasset.data.getRealtime 新 skill。

v1.0.31 (2026-06-25)

• 🌏 stock_day 和 stock_minutes 统一覆盖 A 股 + 港股（8500+ 股票：A 股 5500+ + 港股 3000+ 全谱），Bearer Token 即用 dataasset.data.get 按 ticker 自动路由（A 股 000001 / 港股 00700.HK 同一接口同一 schema）。

v1.0.35 (2026-07-03)

• 📝 dataasset.metadata.get skill 注册：Node SKILL_CATALOG 补录 dataasset.metadata.get 条目，覆盖 GET /api/data-assets/{id}/metadata（20 字段富元数据 + 新鲜度字段）。此前该 skill 在 @RequireScope 和 SKILL.md 均已存在，但 Node catalog 缺失导致 Agent 调用返回 HTTP 400 "Skill not found"。（feedback ID=61 gap 4）

v1.0.30 (2026-06-23)

• 📑 Added explicit analysis-not-investment-advice disclaimer in the Token Recommendation section: outputs are analytical inputs for operator review, not regulated advice; live trading and irreversible decisions stay outside autonomous execution.
• 🔒 Streamlined the agent skill catalog: token-management write operations are documented as operator-only actions performed via the Privora token-management UI, consistent with the existing "operator-issued Bearer Token" guidance.

v1.0.29 (2026-06-23)

• 🔒 Documentation cleanup based on ClawHub security audit feedback. Internal token-management surfaces are now exposed only through the operator UI rather than documented in the agent manifest; runtime behavior unchanged. (Note: this cleanup was queued for v1.0.28 but missed in the squash-merge; v1.0.29 ships the queued change.)

v1.0.28 (2026-06-23)

• 📌 文案修正：实时 skill manifest 三个 public 端点的域名从 lg-data.cc 改为 privora.cn（与平台主域名一致）。旧域名仍 302 重定向到 privora.cn，已 in-flight 的调用不受影响，但建议把 /skill-version / /skill-manifest / /capabilities 的 baseURL 切到 https://privora.cn。
• 🔒 Token 推荐章节加强：显式强调 minimum-scope 原则 + "Do NOT have your agent create tokens on your behalf" 顶级规则（token mint 是 operator 动作，不是 agent 动作）。

v1.0.26 (2026-06-23)

• 🔧 schedule.job.online / schedule.job.offline 响应清理：retired legacy code / msg alias 字段；统一使用 {success, message, data} 标准包络（PR #385 加的临时 alias 至此完成迁移）。
• ✅ Frontend public/js/jobs.js 切到 result.success。

v1.0.27 (2026-06-23)

• 🔒 内部 token 校验加强：POST /api/subscription/tokens mint 路径增加额外服务端校验（最长有效期上限 + WARN 级别 audit log），由 operator 在 Token Management UI 上感知；不影响 agent-facing API 行为。

v1.0.26 (2026-06-23)

• (internal) alertness freshness gate reads data_asset.last_data_refresh_at (no SQL probe). No user-facing behavior change.

v1.0.25 (2026-06-23)

• 📝 Paper trading: clarified that paper.* tokens are platform-issued only.
• ✅ Skill discovery: /api/public/agent/capabilities now enumerates 7 paper-trading endpoints (previously omitted because yml didn't register them).

v1.0.24 (2026-06-22)

• 🔄 Live skill discovery：新增三个 public 端点（/api/public/agent/skill-version、/api/public/agent/skill-manifest、/api/public/agent/capabilities），已安装的 agent 可直接从 privora.cn 获取最新 manifest 和 endpoint catalog，不再依赖 ClawHub 缓存。/skill-version 返回 {version, updatedAt} 轻量级探针，用于判断本地缓存是否过期。
• 📋 Capabilities catalog：/capabilities 返回从 agent-scope-mapping.yml 解析的完整 {method, path, scope} 映射表（含 PR #382 snooze/ack/unsnooze 新 scope），agent 可程序化发现所有 endpoint 而无需手动翻 SKILL.md。
• 📌 Frontmatter updatedAt 字段：从本版本起，每次 SKILL.md 发布都同步更新 frontmatter updatedAt 字段（ISO 日期字符串）。/skill-version 端点以此字段为权威版本时间，不受 Node 重部署 mtime 漂移影响。

v1.0.23 (2026-06-22)

• 📊 新数据资产：stock_forecast (业绩预告) + stock_express (业绩快报) 接入，11 年历史已回填 (82,457 + 19,945 行)，每日 19:30 增量更新。
• 🧹 覆盖声明收紧 (T-1 audit)：原 headline 多资产统一数据：A 股 / 港股日线行情 改为按状态分类：stock_day / fund_day / metal_day / stock_forecast / stock_express 标 🟢 生产可用；stock_hk / stock_minutes 标 🔴 建设中（预计 Q3 开放）；stock_us 标 ⚫ 未实现。新增「数据资产可用性」表 + 同步更新 frontmatter title / description / keywords 移除未交付的 港股 顶层标签。
• 🔬 新 skill：dataasset.metadata.get (Triage #14) — 单资产元数据查询，含 lastUpdated / expectedUpdateCadence / cronExpression / sourceDescription，可程序化判断数据新鲜度。
• 📈 新 skill：investment.stock.portfolio.attribution.get (Triage #9) — α/β 归因分析，复用 nav_history 时序，输出 alpha / beta / R² / 波动率 / tracking error / information ratio。配套前端 dashboard widget (#9 PR-B 已 ship)。
• 🎯 新 skill：metric.alert.patch 支持 templateEngine 字段 — 选 freemarker 后 webhook 模板可用 <#if> 条件分支 + <#list> 循环 + 内置 ?string 格式化等。原 ${var} 字面替换仍是默认 templateEngine='legacy'，向后兼容。
• 🧰 执行器修复 (PR-D)：StepMeta.parseParam 移除破坏性 replaceAll("[\\t\\n]","") strip — Python 多行脚本、pip 多行 requirements、SQL 多行子句存在 JSON 字符串里现在保留真实换行字符。修复 2026-05-26 / 2026-06-09 / 2026-06-15 三起相关事故。

v1.0.21 (2026-06-12)

• 🔍 Display title expansion — adds 3 more 0-competitor empty-market terms to title: 量化分析 / 多资产 / 风险监控. Cumulative #1 唯一 long-tail wins after this release: 9 queries.

v1.0.20 (2026-06-12)

• 🔍 Display title expansion — adds "模拟盘 + 实时告警" to surface the paper-trading and alert capabilities in clawhub search (both query terms were 0-competitor empty markets pre-v1.0.20).

v1.0.19 (2026-06-12)

• 🔍 Display title experiment — pass --name on publish to test if the CLI flag can set a Chinese-keyword-rich display title (auto-generated slug-based titles miss Chinese query intent like "A股 / 量化回测" / "Python 策略").
• No content change vs v1.0.18.

v1.0.22 (2026-06-12)

• 📝 Documentation language tightened — replaced absolute "agent-safe" framing with precise per-category descriptions (read, idempotent write, workflow state transition, outbound webhook). Operators should configure least-privilege tokens and apply their own confirmation gates for state-changing operations.

v1.0.18 (2026-06-12)

• 📝 Documented operation surface refined — read, idempotent write (subscribe / portfolio entries / token rotation), workflow state transition (redo / hold / resume / reset-priority), and outbound webhook trigger. Operators should evaluate risk per category and scope tokens accordingly.

v1.0.17 (2026-06-12)

• 📝 Scope & Operator Responsibility section added — token recommendation + per-category side-effect description.
• No new capabilities. No API surface change.

v1.0.16 (2026-06-12)

• 🔍 文档元数据补全 — 加 title: + keywords: frontmatter 字段，提升 clawhub vector search 对中文量化 / 股票 / A股 / 港股 / 回测关键词的命中率。功能无变化（v1.0.15 已 ship 模拟交易 + 回测升级）。

v1.0.15 (2026-06-12)

• 🧾 模拟交易 (Paper Trading) ✨ — MARKET / LIMIT 委托 + scheduler-driven 撮合 + 真实涨跌停 / 停牌信号；账户 UNIQUE on user_name，订单按 client_order_id 幂等。适合策略 12 月 paper trade 验证。
• 📊 策略回测升级 — 平台已积累 44+ 次持久化回测，可通过 investment.stock.backtest.list 检索历史审计记录；新增 lg_utils.backtest_examples.stock_day.run_stock_day_portfolio_backtest 多股组合回测。
• 📝 description + 文档清理 — 移除外链 + 简化加密叙事 + 强化产品能力描述，跟最新平台状态对齐。

v1.0.14 (2026-06-10)

• 📝 Description 重排：把"字段级加密 GA"前置到前 100 字，Hermes / clawhub 列表视图能立刻看到核心差异化。功能本身无变化（v1.0.13 已 ship）。

v1.0.13 (2026-06-05)

两件 headline 更新：

• 🔒 字段级加密 GA — 持仓量、成本价、交易价格等字段密文化存储，per-account 密钥隔离 (Ship 5, 2026-06-04)。
• 🎯 1-click subscribe→alert deeplink — marketplace.item.subscribe 对 dashboard-* item 现在返回 clonedDashboardId。Agent 用这个 ID 构造 /dashboards?selectId=<id>&openAlerts=true，把用户从订阅一步带到 alert 配置 modal。详见上方场景 5。

📌 环境变更：平台主域名 lg-data.cc → privora.cn，LG_AGENT_BASE_URL 默认值已更新。旧域名仍重定向工作，无需立即修改你的环境变量。

v1.0.12 (2026-05-24)

• 多资产数据 + Python 策略回测能力 + 监控告警 webhook plugin 模板（飞书 / 微信 / 任意 HTTP 端点）。
• 60+ REST skills 跨 Process / Schedule / Datasource / Dashboard / Marketplace / MetricAlert / Webhook plugins / Investment studio。

---

**量化回测 / 模拟交易 / 告警仅需此三项能力？**请见窄范围版：privora-cn-quant（无管理操作）。

---

⭐ 觉得这个 skill 有用？

如果它帮你的 AI Agent 少踩了几个坑、省了几天工程时间——欢迎去 ClawHub 给个 star，让更多散户找到它：

👉 clawhub.ai/guangfuwu/skills/privora-cn-quant （右上角 ⭐）

每个 star 都让 ClawHub 算法把这个 skill 排到更多寻找量化数据后端的开发者面前。3 秒钟的事，对维护者帮助巨大。

也欢迎在 issue 区反馈用得不爽的地方 / 想要的新能力——我会逐条跟进。

---

附录 · 已安装 agent 的实时 manifest 探测

此段是给已安装 agent 的元数据接入指南，不是 first-time discovery 内容。新读者可跳过。

已安装的 agent 可以直接从 privora.cn 拉最新版本（不经 ClawHub 缓存）：

三个端点都是 public，no auth。建议每次会话开始时 hit /skill-version 一次，如果版本号高于本地缓存就重新拉 manifest。

产品主页： https://privora.cn