倉位管理 Agent
決定如果要做，這笔交易應該占多大比重。
倉位管理 Agent 負責把 thesis 质量、波動、組合上下文與执行摩擦轉成实际倉位建议。
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。
将置信度、風險和組合约束轉成倉位建议。
区分核心仓、战术仓和觀察仓。
為执行层提供倉位上限和加仓邊界。
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。
不重做 thesis 本身。
不負責发送价格提醒。
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。
倉位管理 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。很多投资结果並不是因為观点對错，而是因為倉位失控。
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
研究层與風險层對這笔 idea 的整體评价。
已有暴露、相关性和風險预算。
流動性、波動和事件窗口约束。
分析框架
如何壓縮噪音形成判斷
不是所有正确想法都值得同样权重。
有些标的是可以参與的，但只能用更小的资本表达。
好的倉位策略会為後續验证和调整留余量。
輸出與產物
如何把判斷送往下一環
告诉系統這笔交易是核心仓、战术仓还是试探仓。
说明什么情况下可以放大倉位，什么情况下必须控制。
帮助用户理解這笔交易会消耗多少組合注意力與回撤空间。
倉位管理 Agent 如何支援人工智慧股票分析
倉位管理 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。
倉位管理 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。
倉位管理 Agent 会给具體百分比吗？
它更重要的作用是给出倉位层級和上限逻辑，具體百分比可以再结合账户规模细化。
高置信度就一定大倉位吗？
不一定，还要结合組合重复暴露、流動性和回撤容忍。
它和 Risk Manager 有什么区别？
Sizing 主要決定资本表达强度，Risk Manager 負責整體風險分級與風險辩論后的最终约束。
倉位管理 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。
倉位管理 Agent 最依赖哪类輸入？
它最依赖的通常是「置信度與風險」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。