返回顶部
p

predict-intelligence预测智能

>-

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
227
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

predict-intelligence

预测情报技能

您将生成一份专业的PDF情报简报。用户应在30秒内掌握关键发现。您拥有信息效率

智能体要求

能力所需条件
网络搜索搜索互联网获取新闻、分析、数据
URL抓取
打开URL并读取其内容 | | 文件读写 | 读取模板,编写HTML报告 | | Shell执行 | 运行Python 3.9+脚本 |

首次设置

bash
pip install playwright
playwright install chromium

无需其他Python包(不需要Jinja2、requests等)。



工作原理

读取模板 → 进行研究 → 编写HTML → 转换为PDF

  1. 1. 读取 SKILLDIR/templates/reporttemplate.html — 您的结构参考。
  2. 研究并分析主题(以下第1–8步)。
  3. 按照模板的精确结构生成一个新的 .html 文件。
  4. 转换为PDF:
bash python SKILLDIR/scripts/topdf.py report.html predict_report.pdf

模板即规范。 它包含:

  • - 所有CSS(逐字复制 — 切勿修改)
  • 所有D3可视化代码(逐字复制 — 仅更改数据变量)
  • 示例内容,显示每个部分的精确格式
  • 大量注释,解释每个部分的作用及如何填充



第0步 — 领域检测


信号领域
国家、领导人、军事、外交、制裁地缘政治
股票、加密货币、美联储、利率、大宗商品
金融 |
| 科技发布、AI模型、产品 | 科技 |
| 并购、收购、IPO、企业 | 企业 |
| 其他 | 自定义 |

分类栏始终为:ANYGEN PREDICT INTELLIGENCE ASSESSMENT
右侧为 #YY-MM-DD(2位年份,例如 #26-03-12)。

所有领域的报告结构和设计完全相同。
仅研究来源和可视化选择会变化。
请参见底部的领域适配

第1步 — 解析查询

提取:

  • - 事件:预测的内容
  • 行为体:涉及方
  • 区域/行业:地理或行业范围
  • 时间框架:任何日期或截止日期
  • 问题类型:temporal(何时)、binary(是否会)或 multi_outcome(什么)

第2步 — 研究

至少进行8次网络搜索,涵盖:

  1. 1. 突发新闻(最近48小时)
  2. 外交/军事/行业发展
  3. 决策者的公开声明
  4. 历史先例
  5. 专家/智库/分析师报告
  6. 区域或行业特定媒体
  7. 经济/金融背景
  8. 低概率高影响的黑天鹅事件

关键:对于每个事实,保存确切的文章URL

对于地缘政治/外交/军事/制裁主题,还需收集:

  • - 3–5个关键地点(城市、首都、基地、会议场所)及其经纬度
  • 所有相关方的ISO alpha-2国家代码
  • 地点之间的任何外交渠道、代理线或贸易路线

这些数据是第7步V2区域地图所必需的。请立即收集。

事实:阿曼于3月5日主持了美伊高级别会谈
URL: https://reuters.com/world/middle-east/oman-hosts-rare-us-iran-talks-2026-03-06/

禁止使用首页URL。每个URL必须指向特定文章。

第3步 — 制定预测

创建按概率降序排列的结果。所有概率之和必须约为100%。

裁决包含五个部分:

  • - verdictnumber:以文本形式显示的最高概率(例如34%)— 以52px显示,是最大的元素
  • verdictoutcome:3–6个词的标签
  • verdictdetail:1句话 — 最可能的路径:...
  • verdictbg(背景):2–3句话的背景简报 — 导致当前局势的原因、关键先前事件、前情提要
  • verdict_context:2–3句话的评估推理,附关键证据

校准:

置信度范围
近乎确定90–99%
非常可能
75–89% |
| 可能 | 60–74% |
| 难分伯仲 | 40–59% |
| 不太可能 | 25–39% |
| 非常不可能 | 10–24% |
| 极小可能 | 1–9% |

第4步 — 关键驱动因素(5项,需因果逻辑)

每个驱动因素必须包含:

  • - 标题:3–5个词
  • 方向:positive(↑ 增加可能性)或 negative(↓ 降低)
  • 因果逻辑:1句话:事实 → 机制 → 方向性影响
  • 来源URL:确切的文章URL

❌ 错误:制裁压力 — 伊朗通胀率45%
✅ 正确:制裁压力 ↑ — 45%的通胀率促使德黑兰寻求让步以换取缓解

错误示例仅陈述事实。正确示例解释了因果链。

第5步 — 观察清单(5项,仅限前瞻性)

每项都是可能改变预测的未来事件或触发因素。
无过去事件。无来源URL(这些尚未发生)。

每项必须包含:

  • - 日期或窗口:具体日期或范围(例如4月3日、3月下旬)
  • 触发因素:3–6个词描述可能发生的事件
  • 条件性影响:1句话 — 如果[X] → [概率如何变化]

✅ 正确:4月3日 — 联合国安理会制裁投票 — 如果通过 → 停火概率上升10-15%
✅ 正确:3月下旬 — FOMC会议 — 鸽派基调 → ↑降息概率;鹰派 → ↓
❌ 错误:3月5日 — 秘密马斯喀特会议已举行(过去事件 — 应归入关键驱动因素)

区别:

  • - 关键驱动因素 = 当前概率为何如此(过去和现在的证据,附来源URL)
  • 观察清单 = 什么可能改变概率(未来触发因素,无需来源)

第6步 — Polymarket数据

运行:
bash
python SKILLDIR/scripts/fetchpolymarket.py --query <关键词> --limit 10

从结果中:

  1. 1. 为每个选项添加您的概率估计
  2. 计算差值 = 您的估计 − 市场概率
  3. 选择绝对差值最大的3个市场
  4. 按差值降序排列(最被低估的优先)

如果没有可用脚本,请在网络上搜索polymarket [主题]。
如果不存在市场,则完全跳过Polymarket部分。

第7步 — 可视化(必需)

⚠ 强制地图规则 — 请先阅读

如果主题涉及国家、地区、边界、军事、外交或制裁 → 您必须包含V2(区域地图)。不可协商。

不要跳过V2,因为:

  • - 我只想要一个图表 → V2就是那个图表。如果需要,可添加第二个。
  • 它需要额外依赖 → TopoJSON已在模板中。只需保留

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large