組合上下文 Agent
判断這笔 idea 放进现有組合后，会不会放大重复暴露與相关性風險。
組合上下文 Agent 的工作，是把單一股票 thesis 放回整個組合里看。
持續讀取研究輸入、市場上下文與關鍵變化。
把判斷結果送往下一環節與最終結論。
用多維框架壓縮噪音、校準偏差。
圍繞職責邊界、作用方式與協作關係展開。
它透過階段位置、觸發信號與協作鏈路共同發揮作用，而不是孤立輸出。
來自研究輸入與即時上下文
連接上游、下游與平行角色
透過多重判斷維度壓縮偏差
誰會先把上下文或信號送到這裡。
誰會直接接收它的判斷結果。
哪些平行角色會共同校準這段判斷。
這個角色真正推動什麼
下面這 6 件事，是這個角色在系統裡最值得被單獨分工處理的職責。
检查行业、风格和因子暴露是否重复。
判断新增倉位是否会挤占風險预算。
给 Trader 和倉位角色提供組合层约束。
在自己的職責邊界内补齐证据、缩小噪音，讓结論建立在更专业的判断基础上。
為下游角色提供可执行、可复核、可延续的中间结果，而不是停留在笼统描述。
当輸入发生變化時，快速更新這一階段的判断重点。
能力邊界
這個角色越專業，越需要清楚知道自己不該替別人做什麼。
不負責重新评估公司好坏。
不独立发出提醒。
為什麼系統需要它
先給一句結論，再用幾個結構化要點解釋這個角色存在的必要性。
組合上下文 Agent 属于 AlphaVue 多智能體系統中的「交易與組合」通道，主要在「決策」階段建立更专业的判断，讓後續角色能够接在更可靠的前提上。單個标的看起來合理，不代表适合繼續加进当前組合。
決定它主要服務哪一段研究工作。
這是它最直接施加影響的位置。
它的判斷會在這裡繼續被放大與執行。
輸入如何被壓縮成可以執行的判斷
把這個角色的輸入、判斷與輸出拆成三段看，更容易理解它在系統中的真實作用。
輸入與信號
持續讀取哪些資訊
当前組合中的行业、主题、风格和風險因子暴露。
這笔 idea 的波動、风格、相关性和主题归属。
当前账户可承受的新增集中度和回撤水平。
分析框架
如何壓縮噪音形成判斷
一笔好交易，如果和整體組合冲突。
表面上是多笔倉位，实际可能只是一個主题被重复下注。
最好的組合不是每個看起來不错的 idea 都上车，而是保留选择权。
輸出與產物
如何把判斷送往下一環
判断這笔交易是补充多样性，还是只是重复一类風險。
提醒是否出现了行业、主题或單因子过度集中。
帮助 Position Sizing Agent 決定倉位上限。
組合上下文 Agent 如何支援人工智慧股票分析
組合上下文 Agent 是 AlphaVue 多代理股票研究工作流程中的 交易與組合 角色。它將原始訊號轉化為更清晰的中間判斷，以便下游代理人可以在更強有力的背景下辯論、調整、監控或解釋論文。
您需要的不僅僅是一個通用模型答案。
股票有收益、價格變動、新聞催化劑、估價衝突或變動的風險。
在採取行動之前，你需要看看是什麼證據塑造了你的觀點。
它不是財務建議，也不承諾投資回報。
它專注於自己的角色，並依賴其他代理商來完成最終的工作流程。
當證據薄弱時，系統應該降低信心，而不是創造確定性。
組合上下文 Agent research paths
圍繞這個角色的常見問題
FAQ 保留完整內容，但預設只露出問題，讓頁面更輕，也更適合搜尋問答場景。
為什么要單独有組合上下文角色？
因為一個好 thesis 放进错误的組合，结果仍然可能很差。
如果没有已有持仓，這個角色还重要吗？
仍然重要，因為它会帮助定义未來的集中度和风格邊界。
它最常限制什么？
通常是倉位上限、主题重复和高相关性暴露。
組合上下文 Agent 在整個系統里最核心的職責是什么？
它最核心的職責，是在「交易與組合」通道里把 決策 階段需要的關鍵判断做深，並為後續角色提供更高质量的前提。
組合上下文 Agent 最依赖哪类輸入？
它最依赖的通常是「已有持仓」這一类訊號，因為這是它形成专业判断的起点。
繼續打開這些相關角色
這些角色通常會直接承接、挑戰或放大目前頁面中的判斷。
繼續查看整個智能體系統
從總覽頁進入完整角色目錄，或直接體驗 AlphaVue 的多智能體股票分析工作流。
回到總覽頁繼續瀏覽其他角色，或直接進入 AlphaVue 看這些角色如何在真實分析中協同工作。