Imported from Mochi12345/Notes (ai-trading-claude/.claude/skills/trade-report-zhtw/SKILL.md). Install upstream with npx skills add Mochi12345/Notes --skill trade-report-zhtw. Copyright stays with the author.

完整股票分析 + 報告生成器（繁體中文版，JSON-First）

你是一個結合分析與報告生成的引擎。當透過 /trade-report-zhtw <TICKER> 呼叫時，你將執行完整的 5 代理人股票分析，以 JSON 為核心數據模型，同時生成三個輸出檔案：

1. 繁體中文 Markdown 分析報告 — <TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md
2. 繁體中文 PDF 報告 — <TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf
3. 英文 PDF 報告 — <TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf

這三個檔案缺一不可。每次呼叫都必須產出全部三個檔案。

免責聲明：僅供教育/研究用途。非財務建議。

架構設計：JSON-First

本技能採用 JSON 為核心數據模型 的架構：

Phase 2: 5 子代理人 → 回傳分析文字
    ↓
Phase 3: 建立 Canonical JSON（核心數據模型）→ 快取至 .runtime_data/trade_json/
    ↓
    ├─ Phase 4: JSON → 渲染 .md 報告（繁體中文）
    ├─ Phase 5: JSON + seasonality → zhTW PDF（繁體中文）
    └─ Phase 6: JSON（翻譯） + seasonality → enUS PDF（英文）

關鍵設計原則：

• JSON 是唯一的數據來源（single source of truth）
• .md 和 .pdf 都從同一個 JSON 渲染，確保一致性
• JSON 快取至 .runtime_data/trade_json/<TICKER>.json，可供後續重用
• 不再從 .md 反向解析數據（消除重複處理與不一致風險）

輸出目錄定義

所有輸出報告統一寫入以下目錄（非 CWD）：

REPORT_DIR="./.reports_generated"
CACHE_DIR="./.runtime_data"

Python 路徑備註： 若系統 python3 找不到模組（reportlab, yfinance 等），改為 /home/vagrant/anaconda3/bin/python3。全文適用，後續不再重複說明。

階段一：發現簡報

執行以下步驟收集當前數據。所有查詢平行執行。

1a：MCP 金融數據（結構化數據優先）

使用 mcp-financex MCP 工具取得精確的結構化數據。三者平行呼叫：

mcp__mcp-financex__get_quote(symbol="<TICKER>")
mcp__mcp-financex__get_earnings_calendar(symbol="<TICKER>", daysAhead=120)
mcp__mcp-financex__calculate_historical_volatility(symbol="<TICKER>")

從這些工具提取：

• get_quote： 當前股價、市值、追蹤/前向本益比、52週高低點、50/200日均線、bid/ask、股息率
• get_earnings_calendar： 下次財報日期、EPS 預估值、過去 4 季 EPS 驚喜幅度（reported vs estimated）
• calculate_historical_volatility： 10日/20日/30日/60日/90日年化歷史波動率

1b：WebSearch 補充數據（非結構化數據）

平行執行以下 WebSearch 查詢：

1. "<TICKER> stock price today market cap"
2. "<TICKER> company overview business segments products"
3. "<TICKER> latest news developments"
4. "<TICKER> financial metrics revenue earnings PE ratio profit margin growth"

1c：整理 DISCOVERY_BRIEF

將 MCP 結構化數據 + WebSearch 結果整理成 DISCOVERY_BRIEF，包含：

• 當前股價、市值、52週區間、MA 數值
• 追蹤/前向本益比、股息率
• 下次財報日期與 EPS 預估值
• EPS 驚喜歷史（過去 4 季）
• 歷史波動率（10d/20d/30d/60d/90d）
• 公司業務描述、產品線、營收構成
• 近期新聞與發展（最近 30 天）
• 競爭對手與合作夥伴
• 估值與成長相關的關鍵財務指標

同時構建 DATA_BLOCK（一段結構化摘要文本，見階段二），在後續傳遞給子代理人時使用。

公司概況快取

使用 .claude/scripts/cache_company_profile.py 管理 ${CACHE_DIR}/company_profile/ 快取。每個股票代號只查詢一次，後續報告重複使用。

python3 .claude/scripts/cache_company_profile.py check <TICKER>

Exit 0 = 快取命中（< 180 天）。Exit 1 = 未命中或過期 → 平行執行以下 WebSearch 收集公司概況，再透過 stdin 寫入 JSON 快取（內容必須使用英文）：

1. "<TICKER> company overview business model what does it do"
2. "<TICKER> revenue segments products breakdown revenue share"
3. "<TICKER> key partners suppliers strategic partnerships"
4. "<TICKER> competitors rival companies industry competition"

python3 .claude/scripts/cache_company_profile.py write <TICKER> << 'JSONEOF'
{"business_summary": "...", "major_products_revenue": [...], "partners": [...], "competitors": [...]}
JSONEOF

讀取快取（無論是否剛建立）：

python3 .claude/scripts/cache_company_profile.py read <TICKER>

重要：快取內容必須使用英文。 階段三建立 JSON 時將值翻譯為繁體中文（zhTW）；階段六英文 JSON 直接使用快取的英文值。

階段一.五：計算月度波動率與季節性

短線交易者（持有 1-4 週）需要了解股票的季節性模式：哪些月份回報最好、波動率最低、進場風險最小。

這個階段使用 yfinance 拉取過去 5 年的歷史每日價格，自動計算每個月的平均回報、上漲機率、波動率，並產出結構化 JSON 供後續階段使用。

步驟 A：確保快取目錄存在

mkdir -p "${CACHE_DIR}/seasonality/"

步驟 B：檢查快取，若未命中或過期則計算

快取效期為 30 天（季節性數據會隨時間推移而變化）。

TICKER="<TICKER>"
CACHE_FILE="${CACHE_DIR}/seasonality/${TICKER}.json"
if [ -f "$CACHE_FILE" ] && ! find "$CACHE_FILE" -mtime +1 | grep -q .; then
  echo "季節性快取命中 (Seasonality Cache HIT)"
  cat "$CACHE_FILE"
else
  echo "計算季節性數據中 (Computing seasonality for ${TICKER})..."
  pip3 install yfinance 2>/dev/null || pip install yfinance 2>/dev/null
  python3 .claude/scripts/compute_seasonality.py "$TICKER"
fi

如果 yfinance 安裝失敗或腳本執行錯誤，跳過此步驟並繼續階段二。季節性數據為 optional 增強，不影響核心分析。

步驟 C：快取內容結構

快取檔案 ${CACHE_DIR}/seasonality/<TICKER>.json（英文值，階段四/五/六使用）包含以下頂層欄位：

• monthly_stats[12] — 每月 month_name_zh/en、avg_return_pct、win_rate_pct、avg_volatility_pct、character_zh/en
• highlights — best_month、worst_month、sweet_spot、highest/lowest_vol_month
• current_month_assessment — 當前月份 assessment_zh/en 與歷史統計
• 其他衍生欄位（day_of_week、intraday_hourly、seasonality_strategy、earnings_seasonality 等）由 compute_seasonality.py 產生

步驟 D：讀取已快取的季節性數據

cat "${CACHE_DIR}/seasonality/<TICKER>.json"

載入後於階段四渲染 .md、階段五/六注入 PDF JSON。

階段二：啟動 5 個平行子代理人

在單一訊息中，使用 Agent 工具同時啟動全部 5 個代理人。每個代理人的任務開頭必須包含 DATA_BLOCK（結構化數據摘要），讓代理人直接獲取關鍵數字而不需從冗長文本中擷取。

通用 DATA_BLOCK 模板

以下為所有代理人共用的結構化數據。在每個子代理人的任務開頭貼上此區塊：

DATA_BLOCK for <TICKER>:
  Price: $X | MCap: $XB | 52w: $X-$X | MA50: $X | MA200: $X
  P/E (TTM/Fwd): Xx / Xx | DivYield: X%
  HV (10d/20d/30d/60d/90d): X% / X% / X% / X% / X%
  Rev Growth (YoY): +X% | Op Margin: X%
  Next Earnings: YYYY-MM-DD | EPS Est: $X
  EPS Beat History: +X% / +X% / +X% / +X% (last 4 quarters)
  Key News: [1-2 sentences of most important recent development]
  Key Risk/Concern: [1 sentence on the market's primary concern]

注意： DATA_BLOCK 中的數值必須來自階段一的 MCP 工具輸出和 WebSearch 結果，確保數據準確。不可憑空填寫。

代理人 1 — 技術分析（權重：25%） 子代理人類型：delegate（fresh context，最輕量無思考開銷）。指示其分析：趨勢方向（20%）、動量指標/RSI/MACD（20%）、成交量分析/OBV（20%）、圖表形態（20%）、相對強弱 vs SPY/板塊（20%）。回傳：技術評分（0-100）、子評分、關鍵價位（支撐/阻力）、指標、已識別形態，以及簡短的繁體中文技術展望。

代理人 2 — 基本面分析（權重：25%） 子代理人類型：delegate（fresh context，最輕量無思考開銷）。指示其分析：估值（本益比、股價營收比、EV/EBITDA vs 板塊）（20%）、營收/盈餘成長軌跡（20%）、獲利能力利潤率與 ROIC（20%）、資產負債表健康度（20%）、競爭護城河評估（20%）。回傳：基本面評分（0-100）、子評分、關鍵指標、護城河評級，以及繁體中文基本面結論。

代理人 3 — 情緒與動量分析（權重：20%） 子代理人類型：delegate（fresh context，最輕量無思考開銷）。指示其分析：新聞情緒基調（20%）、社群媒體熱度/Reddit/WSB（20%）、分析師共識與目標價（20%）、法人機構活動與資金流向（20%）、內部人交易與放空利息（20%）。

🔧 代理人 3 需補充的 MCP 數據（在階段一呼叫）： 為提升情緒分析的數據品質，應在階段一額外呼叫以下 MCP 工具，並將其結果傳遞給代理人 3：

• mcp__mcp-financex__get_analyst_ratings(symbol="<TICKER>") — 分析師評級分布、目標價中位數
• mcp__mcp-financex__get_insider_trades(symbol="<TICKER>") — 近期內部人交易記錄
• mcp__mcp-financex__get_short_interest(symbol="<TICKER>") — 做空比例與變化趨勢

回傳：情緒評分（0-100）、子評分，以及繁體中文情緒結論。

代理人 4 — 風險評估（權重：15%） 子代理人類型：delegate（fresh context，最輕量無思考開銷）。指示其分析：波動率特徵與貝他值（20%）、下行/回撤情境（20%）、宏觀/地緣政治敏感度（20%）、流動性與市場深度（20%）、當前價格的風險/回報比（20%）。回傳：風險評分（0-100）、子評分、關鍵風險因素、持倉規模建議，以及繁體中文風險結論。

⚠️ 風險評分定義： 風險評分為 0-100 分制，分數越高代表風險越大（0 = 幾乎無風險，100 = 極度危險）。風險代理人回傳的風險評分將在階段三的綜合評分中進行倒置轉換（綜合風險得分 = 100 - 原始風險評分），因為綜合評分中的「風險概況」維度使用正向計分（越高越好）。代理人回傳時應同時提供原始風險評分（越高越危險）供 .md 報告的風險評估章節直接使用。

代理人 5 — 投資論點（權重：15%） 子代理人類型：delegate（fresh context，最輕量無思考開銷）。指示其：從自身研究中綜合出結構化投資論點，包含看漲理由（關鍵驅動因素）、看跌理由（關鍵風險）、催化劑時間表，以及信心評估。評分：催化劑清晰度（20%）、時機評估（20%）、不對稱性/有利的風險回報（20%）、優勢識別（20%）、整體信心（20%）。回傳：論點評分（0-100）、子評分、看漲/看跌案例、催化劑日曆，以及繁體中文論點結論。

重要： 每個代理人必須以繁體中文回傳其分析內容。

階段三：建立 Canonical JSON（核心數據模型）

全部 5 個代理人回傳後，建立 JSON 作為核心數據模型。這是本 JSON-First 架構的關鍵階段 — JSON 成為所有後續輸出的唯一數據來源。

步驟 1 — 計算綜合交易評分

綜合交易評分 = (技術面 * 0.25) + (基本面 * 0.25) + (情緒面 * 0.20) + (風險面倒置 * 0.15) + (論點 * 0.15)

⚠️ 風險評分倒置規則： 風險代理人回傳的原始分數為 0-100（越高越危險）。在綜合評分計算中，必須先將風險分數倒置：風險面倒置 = 100 - 原始風險評分。 舉例：若風險代理人回傳 76/100（高風險），則計算中用 (100-76)=24。 這樣綜合評分中的「風險概況」維度才能與其他維度同向（越高越好）。 JSON 中 risk_raw 欄位保留原始風險分數（越高越危險），categories["Risk Profile"].score 使用倒置後分數。

四捨五入至整數。

步驟 2 — 決定等級與信號

步驟 3 — 建立 Canonical JSON 並快取

從子代理人回傳內容 + 公司概況快取提取數據，建立以下 JSON 結構。這是兩個 PDF + .md 報告的統一數據來源。

先確保快取目錄存在：

mkdir -p "$CACHE_DIR/trade_json"

將 JSON 寫入快取（使用檔案系統安全的 datetime）：

cat > "$CACHE_DIR/trade_json/<TICKER>.json" << 'JSONEOF'

JSON 結構如下（⚠️ 不含 seasonality 鍵值 — 該鍵值由 build_trade_report_json.py 在階段五/六自動注入）：

{
  "ticker": "<TICKER>",
  "company_name": "<公司名稱（繁體中文）>",
  "date": "<YYYY-MM-DD>",
  "datetime": "<YYYY-MM-DD-HHMM>",
  "tldr": "<一句話摘要 — 等級、信號、核心買/賣理由、目標價區間>",
  "overall_score": <綜合評分>,
  "grade": "<A+ ~ F>",
  "signal": "<強力買進 / 買進 / 持有/累積 / 中立 / 謹慎 / 避開>",
  "price": <當前股價>,
  "risk_raw": <原始風險評分 0-100，越高越危險>,

  "categories": {
    "Technical Strength": {"score": <N>, "weight": "25%"},
    "Fundamental Quality": {"score": <N>, "weight": "25%"},
    "Sentiment & Momentum": {"score": <N>, "weight": "20%"},
    "Risk Profile": {"score": <N>, "weight": "15%"},
    "Thesis Conviction": {"score": <N>, "weight": "15%"}
  },

  "sub_scores": {
    "technical": {
      "trend": <N>, "momentum": <N>, "volume": <N>,
      "pattern": <N>, "rel_strength": <N>
    },
    "fundamental": {
      "valuation": <N>, "growth": <N>, "profitability": <N>,
      "health": <N>, "moat": <N>
    },
    "sentiment": {
      "news": <N>, "social": <N>, "analysts": <N>,
      "institutional": <N>, "insider_short": <N>
    },
    "risk": {
      "volatility": <N>, "downside": <N>, "macro": <N>,
      "liquidity": <N>, "risk_reward": <N>
    },
    "thesis": {
      "catalyst": <N>, "timing": <N>, "asymmetry": <N>,
      "edge": <N>, "conviction": <N>
    }
  },

  "company_profile": {
    "business_summary": "<從快取載入後翻譯為繁體中文的業務摘要，>100 字元>",
    "major_products_revenue": [
      {"product": "<產品名稱>", "revenue_share": "<X%>", "description": "<描述>"}
    ],
    "partners": [
      "<合作夥伴 1 — 合作性質描述>",
      "<合作夥伴 2 — 合作性質描述>",
      "<合作夥伴 3 — 合作性質描述>",
      "<合作夥伴 4 — 合作性質描述>",
      "<合作夥伴 5 — 合作性質描述>"
    ],
    "competitors": [
      "<競爭對手 1 — 競爭關係描述>",
      "<競爭對手 2 — 競爭關係描述>",
      "<競爭對手 3 — 競爭關係描述>",
      "<競爭對手 4 — 競爭關係描述>",
      "<競爭對手 5 — 競爭關係描述>",
      "<競爭對手 6 — 競爭關係描述>"
    ]
  },

  "technical": {
    "key_levels": [
      {"level": "阻力 2", "price": "$X", "notes": "..."},
      {"level": "阻力 1", "price": "$X", "notes": "..."},
      {"level": "當前價格", "price": "$X", "notes": "報告日期"},
      {"level": "支撐 1", "price": "$X", "notes": "..."},
      {"level": "支撐 2", "price": "$X", "notes": "..."}
    ],
    "indicators": [
      {"indicator": "趨勢方向", "value": "...", "interpretation": "完整解讀句（>30 字元）"},
      {"indicator": "RSI (14)", "value": "...", "interpretation": "完整解讀句（>30 字元）"},
      {"indicator": "MACD", "value": "...", "interpretation": "完整解讀句（>30 字元）"},
      {"indicator": "成交量", "value": "...", "interpretation": "完整解讀句（>30 字元）"},
      {"indicator": "形態", "value": "...", "interpretation": "完整解讀句（>30 字元）"},
      {"indicator": "50/200 MA", "value": "...", "interpretation": "完整解讀句（>30 字元）"}
    ],
    "outlook_zh": "<繁體中文技術展望段落，來自代理人 1>"
  },

  "fundamental": {
    "metrics": [
      {"metric": "本益比", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"},
      {"metric": "股價營收比", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"},
      {"metric": "營收成長（年增）", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"},
      {"metric": "EPS 成長（年增）", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"},
      {"metric": "毛利率", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"},
      {"metric": "負債/權益", "value": "...", "sector_avg": "...", "assessment": "評估結論（>20 字元）"}
    ],
    "valuation_assessment": "<估值摘要段落（>80 字元）>",
    "moat": {
      "rating": "<寬廣/中等/狹窄/無>",
      "sources": [
        "<護城河來源 1 — 完整描述句（>30 字元）>",
        "<護城河來源 2 — 完整描述句（>30 字元）>",
        "<護城河來源 3 — 完整描述句（>30 字元）>"
      ]
    },
    "outlook_zh": "<繁體中文基本面結論段落，來自代理人 2>"
  },

  "sentiment": {
    "news_sentiment_zh": "<新聞情緒描述>",
    "social_buzz_zh": "<社群媒體熱度描述>",
    "analyst_consensus_zh": "<分析師共識描述>",
    "institutional_activity_zh": "<法人活動描述>",
    "insider_short_zh": "<內部人/放空描述>",
    "outlook_zh": "<繁體中文情緒結論段落，來自代理人 3>"
  },

  "risk": {
    "risk_raw_score": <原始風險評分>,
    "risk_level_zh": "<低/中等/高/極高>",
    "risk_reward_ratio": "X:1",
    "recommended_position_size": "投資組合的 X%",
    "max_drawdown_scenario": "<描述>",
    "volatility": "<描述>",
    "correlation": "<描述>",
    "sizing_methodology": "<詳細方法論段落（>50 字元）>",
    "scenarios": [
      {"scenario": "樂觀 (Bull)", "probability": "X%", "return": "+X% 至 +Y%", "trigger": "<觸發條件>"},
      {"scenario": "中立 (Neutral)", "probability": "X%", "return": "+X% 至 +Y%", "trigger": "<觸發條件>"},
      {"scenario": "悲觀 (Bear)", "probability": "X%", "return": "-X% 至 -Y%", "trigger": "<觸發條件>"}
    ],
    "key_risks_zh": ["<風險 1>", "<風險 2>", "<風險 3>", "<風險 4>", "<風險 5>"],
    "outlook_zh": "<繁體中文風險結論段落，來自代理人 4>"
  },

  "thesis": {
    "core_thesis_zh": "<2-3 句核心論點>",
    "bull_case": [
      "<看漲理由 1 — 完整句子（>25 字元）>",
      "<看漲理由 2 — 完整句子（>25 字元）>",
      "<看漲理由 3 — 完整句子（>25 字元）>",
      "<看漲理由 4 — 完整句子（>25 字元）>",
      "<看漲理由 5 — 完整句子（>25 字元）>"
    ],
    "bear_case": [
      "<看跌理由 1 — 完整句子（>25 字元）>",
      "<看跌理由 2 — 完整句子（>25 字元）>",
      "<看跌理由 3 — 完整句子（>25 字元）>",
      "<看跌理由 4 — 完整句子（>25 字元）>",
      "<看跌理由 5 — 完整句子（>25 字元）>"
    ],
    "catalysts": [
      {"event": "<事件>", "date": "<日期>", "impact": "<影響描述（>15 字元）>"}
    ],
    "entry_exit": {
      "entry_price": "$X - $X",
      "target_price": "$X（目標1）/ $X（目標2）",
      "stop_loss": "$X",
      "timeframe": "<時間框架>",
      "entry_reason_zh": "<進場理由>"
    },
    "bull_target": "$X",
    "bear_target": "$X",
    "outlook_zh": "<繁體中文論點結論段落，來自代理人 5>"
  },

  "trend_analysis": {
    "multi_timeframe": [
      {
        "timeframe": "極短期（0 DTE-2週）",
        "timeframe_en": "Very Short Term (0 DTE-2 Weeks)",
        "direction_zh": "上漲/下跌/震盪",
        "direction_en": "Uptrend/Downtrend/Sideways",
        "strength_zh": "強/中/弱 — 原因",
        "strength_en": "Strong/Moderate/Weak — reason",
        "price_range": "$X - $X",
        "moving_toward_zh": "朝向 [目標] 方向移動",
        "moving_toward_en": "Moving toward [target]"
      },
      {
        "timeframe": "中期（30-60天）",
        "timeframe_en": "Medium Term (30-60 Days)",
        "direction_zh": "上漲/下跌/震盪",
        "direction_en": "Uptrend/Downtrend/Sideways",
        "strength_zh": "強/中/弱 — 原因",
        "strength_en": "Strong/Moderate/Weak — reason",
        "price_range": "$X - $X",
        "moving_toward_zh": "朝向 [目標] 方向移動",
        "moving_toward_en": "Moving toward [target]"
      },
      {
        "timeframe": "長期（6個月-1年）",
        "timeframe_en": "Long Term (6 Months-1 Year)",
        "direction_zh": "上漲/下跌/震盪",
        "direction_en": "Uptrend/Downtrend/Sideways",
        "strength_zh": "強/中/弱 — 原因",
        "strength_en": "Strong/Moderate/Weak — reason",
        "price_range": "$X - $X",
        "moving_toward_zh": "朝向 [目標] 方向移動",
        "moving_toward_en": "Moving toward [target]"
      }
    ],
    "historical_reference": {
      "uptrend": {
        "date_range": "YYYY-MM-DD → YYYY-MM-DD",
        "avg_duration_days": <N>, "duration_range": "<min>-<max> days",
        "actual_duration_days": <N>, "duration_vs_avg": "<N>×",
        "avg_magnitude": "+X% / +$X",
        "actual_magnitude": "+X% / +$X",
        "magnitude_vs_avg": "<N>× / <N>×",
        "is_current": true
      },
      "range_bound": {
        "date_range": "YYYY-MM-DD → YYYY-MM-DD",
        "avg_duration_days": <N>, "duration_range": "<min>-<max> days",
        "actual_duration_days": <N>, "duration_vs_avg": "<N>×",
        "avg_magnitude": "±X% / ±$X",
        "actual_magnitude": "±X% / ±$X",
        "magnitude_vs_avg": "<N>× / <N>×",
        "is_current": false
      },
      "downtrend": {
        "date_range": "YYYY-MM-DD → YYYY-MM-DD",
        "avg_duration_days": <N>, "duration_range": "<min>-<max> days",
        "actual_duration_days": <N>, "duration_vs_avg": "<N>×",
        "avg_magnitude": "-X% / -$X",
        "actual_magnitude": "-X% / -$X",
        "magnitude_vs_avg": "<N>× / <N>×",
        "is_current": false
      },
      "observation_zh": "<一句話總結目前趨勢相對於歷史常態的位置>",
      "observation_en": "<One sentence summarizing current trend position vs historical norms>"
    },
    "current_position": {
      "days_into_trend": <N>,
      "pct_from_trend_start": <N>,
      "dollar_from_trend_start": <N>,
      "estimated_remaining_move_pct": "±X%",
      "estimated_remaining_move_dollar": "±$X",
      "estimated_remaining_days": "<N> days",
      "estimated_target_range": "$X - $X",
      "phase_zh": "早期/中期/後期",
      "phase_en": "Early/Mid/Late",
      "assessment_zh": "<簡短趨勢階段判斷，包括關鍵觀察>",
      "assessment_en": "<Brief trend phase assessment with key observations>"
    }
  },

  "agent_raw": {
    "technical_summary_zh": "<代理人 1 完整繁體中文分析摘要>",
    "fundamental_summary_zh": "<代理人 2 完整繁體中文分析摘要>",
    "sentiment_summary_zh": "<代理人 3 完整繁體中文分析摘要>",
    "risk_summary_zh": "<代理人 4 完整繁體中文分析摘要>",
    "thesis_summary_zh": "<代理人 5 完整繁體中文分析摘要>"
  }
}

⚠️ JSON 值格式要求（與原技能相同，不可截斷）：

• company_profile.business_summary：>100 字元完整段落
• partners / competitors：每項必須「公司名稱 — 描述」格式（含 — 分隔符）
• moat.sources：每項 >30 字元完整句子
• thesis.bull_case / bear_case：每項 >25 字元完整句子
• thesis.catalysts[].impact：>15 字元描述
• technical.indicators[].interpretation：>30 字元完整解讀句
• fundamental.metrics[].assessment：>20 字元評估結論
• 以上各項絕不可僅列出公司名稱或關鍵詞而無描述文字。

重要欄位說明：

• trend_analysis 所有文字欄位使用 _zh / _en 雙語後綴，與 seasonality 快取格式一致
• sub_scores 記錄各代理人 5 個子維度的評分（每個 0-20）
• agent_raw 保留代理人原始分析文字，供 .md 報告引用
• 不要包含 seasonality 頂層鍵值 — 將由 build_trade_report_json.py 自動注入

JSONEOF

步驟 4 — 寫入交易評分歷史記錄

mkdir -p "${CACHE_DIR}/history/"

cat >> "${CACHE_DIR}/history/trade_history.jsonl" << 'HISTEOF'
{"ticker": "<TICKER>", "date": "<YYYY-MM-DD>", "datetime": "<DATETIME>", "price": <PRICE>, "technical": <TECH_SCORE>, "fundamental": <FUND_SCORE>, "sentiment": <SENT_SCORE>, "risk_raw": <RISK_RAW>, "risk_inverted": <RISK_INV>, "thesis": <THESIS_SCORE>, "composite": <COMPOSITE>, "grade": "<GRADE>", "signal": "<SIGNAL>"}
HISTEOF

階段四：從 JSON 渲染繁體中文 .md 報告

這是 JSON-First 架構的核心優勢：.md 報告直接從 Canonical JSON 渲染，不需反向解析。

步驟 A：讀取數據來源

讀取兩個數據來源：

cat "$CACHE_DIR/trade_json/<TICKER>.json"
cat "${CACHE_DIR}/seasonality/<TICKER>.json"

步驟 B：從 JSON 渲染 .md 報告

從 JSON 提取所有欄位，按照以下範本結構撰寫 .md。每一個佔位符號都必須從 JSON 填入實際數據。 不可遺留 [X]、[日期] 等原始範本文字。

確保 REPORT_DIR 存在：

mkdir -p "$REPORT_DIR"

寫入檔案（使用檔案系統安全的日期時間格式）：

cat > "$REPORT_DIR/<TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md" << 'MDEOF'

# 📊 交易分析：<TICKER> — <公司名稱>
> 💡 **TLDR：** [從 `tldr` 欄位]
> 🤖 由 AI 交易分析師生成 | 📅 <日期> <時間>

---

## 📋 執行摘要
[2-3 段落綜合 — 從 `agent_raw.*_zh` 和 `company_profile.business_summary` 綜合撰寫，每段開頭使用 🎯💡🔑 等 emoji 引導]

---

## 🏆 交易評分儀表板

| 📊 維度 | ⭐ 評分 | ⚖️ 權重 | 📐 加權 |
|-----------|:-------:|:--------:|:--------:|
| 🔵 技術強度 | <categories["Technical Strength"].score>/100 | 25% | X.X |
| 🟢 基本面品質 | <categories["Fundamental Quality"].score>/100 | 25% | X.X |
| 🟡 情緒與動量 | <categories["Sentiment & Momentum"].score>/100 | 20% | X.X |
| 🔴 風險概況 | <categories["Risk Profile"].score>/100 | 15% | X.X |
| 🟣 論點信心 | <categories["Thesis Conviction"].score>/100 | 15% | X.X |
| **🏅 綜合交易評分** | | | **<overall_score>/100** |

**📊 等級：<grade>** | **📌 信號：<signal>** （例如 📈 強力買進 / ✅ 買進 / ⏸️ 持有 / ⚪ 中立 / ⚠️ 謹慎 / 🚫 避開）

### 🔍 子評分明細

**🔵 技術面** [<technical_score>/100]：📈 趨勢 <sub_scores.technical.trend>/20 | ⚡ 動量 <sub_scores.technical.momentum>/20 | 📊 成交量 <sub_scores.technical.volume>/20 | 📐 形態 <sub_scores.technical.pattern>/20 | 💪 相對強弱 <sub_scores.technical.rel_strength>/20
**🟢 基本面** [<fundamental_score>/100]：💰 估值 <sub_scores.fundamental.valuation>/20 | 📈 成長 <sub_scores.fundamental.growth>/20 | 📊 獲利能力 <sub_scores.fundamental.profitability>/20 | ❤️ 健康度 <sub_scores.fundamental.health>/20 | 🏰 護城河 <sub_scores.fundamental.moat>/20
**🟡 情緒面** [<sentiment_score>/100]：📰 新聞 <sub_scores.sentiment.news>/20 | 💬 社群 <sub_scores.sentiment.social>/20 | 🎯 分析師 <sub_scores.sentiment.analysts>/20 | 🏦 法人 <sub_scores.sentiment.institutional>/20 | 🔍 內部人/放空 <sub_scores.sentiment.insider_short>/20
**🔴 風險面** [<risk_inverted>/100]：🌊 波動率 <sub_scores.risk.volatility>/20 | 📉 下行 <sub_scores.risk.downside>/20 | 🌍 宏觀 <sub_scores.risk.macro>/20 | 💧 流動性 <sub_scores.risk.liquidity>/20 | ⚖️ 風險回報比 <sub_scores.risk.risk_reward>/20
**🟣 論點** [<thesis_score>/100]：🚀 催化劑 <sub_scores.thesis.catalyst>/20 | ⏰ 時機 <sub_scores.thesis.timing>/20 | ⚖️ 不對稱性 <sub_scores.thesis.asymmetry>/20 | 🎯 優勢 <sub_scores.thesis.edge>/20 | 💪 信心 <sub_scores.thesis.conviction>/20

---

## 📈 技術面概述
[從 `technical.outlook_zh` + `agent_raw.technical_summary_zh` 綜合 — 圖表設置、重要價位、指標，使用 📈📉📊 ⚠️ ✅ 🚨 等 emoji]

---

## 📊 趨勢定位分析

> 🔍 多時間框架趨勢評估 — 識別目前處於趨勢的哪個階段、預期剩餘移動幅度

### 🧭 多時間框架趨勢

| ⏱️ 時間框架 | 📈 方向 | 💪 強度 | 💲 價格區間 | 🎯 目標方向 |
|:----------:|:------:|:------:|:----------:|:----------:|
| ⚡ 極短期（0 DTE-2週） | <trend_analysis.multi_timeframe[0].direction_zh> | <trend_analysis.multi_timeframe[0].strength_zh> | <trend_analysis.multi_timeframe[0].price_range> | <trend_analysis.multi_timeframe[0].moving_toward_zh> |
| 🔄 中期（30-60天） | <trend_analysis.multi_timeframe[1].direction_zh> | <trend_analysis.multi_timeframe[1].strength_zh> | <trend_analysis.multi_timeframe[1].price_range> | <trend_analysis.multi_timeframe[1].moving_toward_zh> |
| 📅 長期（6個月-1年） | <trend_analysis.multi_timeframe[2].direction_zh> | <trend_analysis.multi_timeframe[2].strength_zh> | <trend_analysis.multi_timeframe[2].price_range> | <trend_analysis.multi_timeframe[2].moving_toward_zh> |

### 📐 歷史趨勢參考（按方向分類）

| 🏷️ 趨勢類型 | 📅 最近發生日期 | ⏱️ 平均持續 | 📍 實際持續 | vs 平均 | 📏 平均幅度 | 📍 實際幅度 | vs 平均 |
|:----------:|:--------------:|:----------:|:----------:|:------:|:----------:|:----------:|:------:|
| 📈 上漲趨勢 ★ 目前 | <uptrend.date_range> | <uptrend.avg_duration_days>天 | <uptrend.actual_duration_days>天 | <uptrend.duration_vs_avg>× | <uptrend.avg_magnitude> | <uptrend.actual_magnitude> | <uptrend.magnitude_vs_avg> |
| ↔️ 區間震盪 | <range_bound.date_range> | <range_bound.avg_duration_days>天 | <range_bound.actual_duration_days>天 | <range_bound.duration_vs_avg>× | <range_bound.avg_magnitude> | <range_bound.actual_magnitude> | <range_bound.magnitude_vs_avg> |
| 📉 下跌趨勢 | <downtrend.date_range> | <downtrend.avg_duration_days>天 | <downtrend.actual_duration_days>天 | <downtrend.duration_vs_avg>× | <downtrend.avg_magnitude> | <downtrend.actual_magnitude> | <downtrend.magnitude_vs_avg> |

> 📝 **綜合觀察：** <trend_analysis.historical_reference.observation_zh>

### 🎯 目前趨勢位置評估

| 📍 指標 | 🔢 數值 | 💡 說明 |
|:------:|:------:|--------|
| 📅 已進入趨勢天數 | <current_position.days_into_trend> 天 | 自 [趨勢開始事件/日期] 以來 |
| 📉 自趨勢起點移動 | <current_position.pct_from_trend_start>% / $<current_position.dollar_from_trend_start> | 從 [起點價格/日期] 至今累計移動 |
| 📊 預期剩餘移動（%） | <current_position.estimated_remaining_move_pct> | 基於歷史趨勢幅度與目前已實現移動的差值估算 |
| 💲 預期剩餘移動（金額） | <current_position.estimated_remaining_move_dollar> | 基於歷史趨勢幅度與目前已實現移動的差值估算 |
| ⏰ 預期剩餘時間 | <current_position.estimated_remaining_days> | 基於歷史趨勢持續時間與目前已歷經天數的差值估算 |
| 🎯 預期目標價位 | <current_position.estimated_target_range> | 基於當前位置 + 預期剩餘移動的合理區間 |

> 📝 **趨勢階段判斷：** <current_position.assessment_zh>

---

## 💰 基本面概述
[從 `fundamental.outlook_zh` + `agent_raw.fundamental_summary_zh` 綜合 — 估值結論、成長概況、護城河評估，使用 💰📊 🏆 ⚠️ ✅ 等 emoji]

## 📰 情緒分析
[從 `sentiment.outlook_zh` + `agent_raw.sentiment_summary_zh` 綜合 — 新聞基調、分析師共識、聰明資金信號，使用 📰💬 🏦 🔍 🎯 等 emoji]

## ⚠️ 風險評估
[從 `risk.outlook_zh` + `agent_raw.risk_summary_zh` 綜合 — 關鍵風險、波動率概況、持倉規模。使用原始風險評分 `risk_raw_score`（越高越危險），使用 ⚠️🚨 🟢 🟡 🔴 等 emoji]

## 🎯 投資論點
[從 `thesis.outlook_zh` + `agent_raw.thesis_summary_zh` 綜合 — 看漲理由、看跌理由、催化劑、進出策略，使用 🐂🐻 🚀 🎯 ⏰ 等 emoji]

---

## 💼 進出策略

| 📌 參數 | 💲 價位 | 📝 備註 |
|-----------|:---------:|---------|
| 📥 進場區間 | <thesis.entry_exit.entry_price> | <thesis.entry_exit.entry_reason_zh> |
| 🛑 停損 | <thesis.entry_exit.stop_loss> | ⚠️ 進場風險 X% |
| 🎯 目標 1 | <thesis.entry_exit.target_price> | ✅ X% 回報，保守 |
| 🚀 目標 2 | <從 thesis.catalysts 推導> | 💪 X% 回報，積極 |
| ⚖️ 風險/回報 | <risk.risk_reward_ratio> | 📐 以進場區間中點至目標1計算 |
| 📦 持倉規模 | <risk.recommended_position_size> | 🎯 基於風險承受度 |
| ⏰ 時間框架 | <thesis.entry_exit.timeframe> | 📝 <理由> |

---

## 📅 月度波動率與季節性分析

> 📊 基於過去 5 年歷史數據 | ⏱️ 適用於短線交易者（持有 1-4 週）

### 📋 月度統計

| 📅 月份 | 📈 平均回報 | 🏆 上漲機率 | 🌊 波動率（年化） | 🏷️ 特徵 |
|:-------:|:-----------:|:-----------:|:-----------------:|:--------:|
[從 seasonality.monthly_stats 生成 12 行表格，使用 month_name_zh / character_zh，根據特徵加上 ☀️🌧️❄️🌸 等天氣 emoji]

### 🔍 關鍵洞察

- 🏆 **最佳月份：** [highlights.best_month，使用 _zh 欄位] 📈
- ⚠️ **最差月份：** [highlights.worst_month，使用 _zh 欄位] 📉
- 💎 **甜蜜點：** [highlights.sweet_spot 串接] — 高於平均回報 + 低於平均波動 ✅
- 🔥 **高波動月份：** [highlights.highest_vol_month] — 選擇權溢價最高 🌊
- 🛡️ **低波動月份：** [highlights.lowest_vol_month] — 適合持有現股 🌿

### 📌 當前月份評估

**📅 目前月份（[current_month]）：** [current_month_assessment.assessment_zh]

> ⚠️ 過往表現不代表未來結果。季節性模式為統計規律，並非預測工具。

### 📅 週間日分析

> 📊 基於過去 5 年每日交易數據 | 🟢 綠色 = 平均正回報 | 🔴 紅色 = 平均負回報

| 📅 星期 | 🌊 波動率 | 📈 平均移動（%/$） | 📉 平均震幅（%/$） | 🏷️ 特徵 |
|:------:|:--------:|:------------------:|:------------------:|:------:|
[從 seasonality.day_of_week.stats 生成 5 行表格 — 根據 avg_move_pct 正負值加上 🟢 或 🔴，使用 character_zh]

> 💡 **週間日洞察：** [day_of_week.insight_zh]
>
> 📝 **特徵標籤說明：** 🏆 最佳 = 適合建立多頭部位 | 🟢 穩健 = 可持有現有部位 | 中性 = 無明顯方向偏好 | ⚠️ 偏弱 = 避免追高，適合期權賣方 | 🔴 迴避 = 不建議短線進場 | 🌊 高波動 = 震幅最大日，適合期權賣方收取權利金

### ⏰ 日內時段 × 週間日分析

> ⚠️ 基於最近 7 個交易日 1 分鐘數據（Yahoo 1m 限制），每週日樣本僅 1-2 筆，僅供觀察參考

| ⏰ 時段 | 📅 週一 | 📅 週二 | 📅 週三 | 📅 週四 | 📅 週五 | 🌊 波動率 | 🏷️ |
|:------:|:-----:|:-----:|:-----:|:-----:|:-----:|:-------:|:---:|
[從 seasonality.intraday_hourly.buckets 生成 7 行表格 — 正回報以 🟢 顯示，負回報以 🔴 顯示，使用 character_zh]

> 💡 **時段洞察：** [intraday_hourly.insight_zh] [intraday_hourly.data_quality_warning_zh]

---

## 📋 季節性交易策略

> 📊 基於過去 5 年歷史數據，透過滑動窗口分析找出各時間框架內最佳進出場時機

### ⚡ 0DTE（同日到期）⚠️ 僅基於 7 日數據

- 🟢 **樂觀：** [seasonality_strategy.0dte.up.condition_zh]\
    📥 進場：[seasonality_strategy.0dte.up.entry_zh]\
    📤 出場：[seasonality_strategy.0dte.up.exit_zh]
- 🔴 **悲觀：** [seasonality_strategy.0dte.down.condition_zh]\
    📥 進場：[seasonality_strategy.0dte.down.entry_zh]\
    📤 出場：[seasonality_strategy.0dte.down.exit_zh]
- ⚪ **中立：** [seasonality_strategy.0dte.range.condition_zh]\
    📥 進場：[seasonality_strategy.0dte.range.entry_zh]\
    📤 出場：[seasonality_strategy.0dte.range.exit_zh]

### 📅 短線（14 DTE）

- 🟢 **樂觀：** [seasonality_strategy.14dte.up.condition_zh]\
    📥 進場：[seasonality_strategy.14dte.up.entry_zh]\
    📤 出場：[seasonality_strategy.14dte.up.exit_zh]
- 🔴 **悲觀：** [seasonality_strategy.14dte.down.condition_zh]\
    📥 進場：[seasonality_strategy.14dte.down.entry_zh]\
    📤 出場：[seasonality_strategy.14dte.down.exit_zh]
- ⚪ **中立：** [seasonality_strategy.14dte.range.condition_zh]\
    📥 進場：[seasonality_strategy.14dte.range.entry_zh]\
    📤 出場：[seasonality_strategy.14dte.range.exit_zh]

### 📆 中線（14-45 天）

- 🟢 **樂觀：** [seasonality_strategy.longer_term_14_45d.up.condition_zh]\
    📥 進場：[seasonality_strategy.longer_term_14_45d.up.entry_zh]\
    📤 出場：[seasonality_strategy.longer_term_14_45d.up.exit_zh]
- 🔴 **悲觀：** [seasonality_strategy.longer_term_14_45d.down.condition_zh]\
    📥 進場：[seasonality_strategy.longer_term_14_45d.down.entry_zh]\
    📤 出場：[seasonality_strategy.longer_term_14_45d.down.exit_zh]
- ⚪ **中立：** [seasonality_strategy.longer_term_14_45d.range.condition_zh]\
    📥 進場：[seasonality_strategy.longer_term_14_45d.range.entry_zh]\
    📤 出場：[seasonality_strategy.longer_term_14_45d.range.exit_zh]

### 📆 月度（按月規劃）

- 🟢 **樂觀月份（適合建立多頭）：**\
  [以 seasonality_strategy.monthly.bullish 生成，使用 month_zh]
- 🔴 **悲觀月份（適合避險或做空）：**\
  [以 seasonality_strategy.monthly.bearish 生成]
- ⚪ **中立月份（適合持有或賣方策略）：**\
  [以 seasonality_strategy.monthly.neutral 生成]

> ⚠️ 過往表現不代表未來結果。本策略基於歷史統計規律，非預測工具。

---

## 📊 財報前後價格行為分析

> 📊 基於過去 5 年共 [earnings_seasonality.num_quarters_analyzed] 季數據 | ⏱️ 短線交易者參考（持有 2 週）

### 📈 總體統計

| 📌 期間 | 📊 平均回報 | 📐 中位數 | 🏆 上漲機率 | 📋 波動率特徵 |
|-----------|:-----------:|:---------:|:-----------:|:-------------:|
[從 earnings_seasonality.overall 填入實際數據]
| 📅 財報前 2 週 | [pre_avg] | [pre_med] | [pre_win] | 年化波動率 N/A |
| 📅 財報後 2 週 | [post_avg] | [post_med] | [post_win] | 年化波動率 N/A |
| 🚪 財報日 Gap | [gap_avg] | [gap_med] | [gap_win] | 當日範圍 [avg_intraday_range_pct]% |
| 🔄 Gap 後趨勢延續率 | — | — | [gap_follow] | 反轉率 [gap_reverse] |

*🔄 Gap 後趨勢延續率 = 財報後 2 週走勢與 Gap 方向相同的比例*

### 📋 各季度明細

| 📅 季度 | 📍 財報月份 | 📊 樣本 | 🕐 財報前 2 週 | 🕑 財報後 2 週 | 🚪 Gap | 🔄 延續率 |
|:-------:|:-----------:|:------:|:--------------:|:--------------:|:-----:|:---------:|
[以 earnings_seasonality.by_quarter 生成 4 行表格，每行開頭加上 🌸☀️🍂❄️ 季度 emoji]

### 📈 近期趨勢（近 [recent_N] 季）

- 📈 近 [recent_N] 季財報前 2 週平均：[recent_pre_avg]
- 📊 近 [recent_N] 季財報後 2 週平均：[recent_post_avg]
- 🔥 連續 [consecutive_gap] 季財報日 Gap 為正值 ✅

### 🎯 目前季度展望

**從 earnings_seasonality.current_outlook 填入以下所有佔位符號：**

**📅 [current_quarter] 財報（預估 [next_ed]）— [proximity_zh]**

📈 [historical_pre_pattern_zh]
📊 [historical_post_pattern_zh]

**💡 建議：** [suggestion_zh]

---

## ⚔️ 多空對比

| 🐂 看漲理由 | 🐻 看跌理由 |
|:-----------:|:-----------:|
[從 thesis.bull_case / bear_case 陣列生成 5 行，每項前加 ✅ / ⚠️]
| **🎯 看好目標價：<thesis.bull_target>** 🚀 | **📉 看壞目標價：<thesis.bear_target>** ⚠️ |

---

## 📅 催化劑日曆

| 📆 日期 | 🚀 事件 | 🎯 預期影響 |
|:-------:|---------|:-----------:|
[從 thesis.catalysts 陣列生成，日期前加 📆，影響用 🟢🔴⚪]

---

> ⚠️ **免責聲明：** 本分析由 AI 系統生成，僅供教育與研究用途。非財務建議。不構成買入、賣出或持有任何證券的推薦。過往表現不代表未來結果。在做出投資決策前，務必自行進行盡職調查，並諮詢持牌財務顧問。AI 生成的分析可能存在錯誤或過時資訊。請獨立驗證所有數據。

MDEOF

步驟 C：驗證 .md 檔案

ls -la "$REPORT_DIR/<TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md"

階段五：從 JSON 生成繁體中文 PDF 報告

Canonical JSON 已包含所有分析數據。此階段使用 build_trade_report_json.py 注入 seasonality 快取、挑選繁體中文欄位，然後透過 generate_trade_pdf.py 生成 PDF。

注意： seasonality 區段由 build_trade_report_json.py 自動從快取載入。你只需要寫入分析數據（不含 seasonality），腳本會負責組裝完整 JSON。

5a：從 Canonical JSON 匯出簡化版

從 Canonical JSON ($CACHE_DIR/trade_json/<TICKER>.json) 複製到 /tmp/trade_report_data_simple_$$.json。移除 datetime、grade、signal、price、sub_scores、agent_raw、risk_raw 和 seasonality 鍵值（這些是 Canonical JSON 特有的，PDF 腳本不需要或會自動產生）。

python3 -c "
import json, sys
with open('${CACHE_DIR}/trade_json/<TICKER>.json') as f:
    data = json.load(f)
# Remove canonical-only keys (not expected by build_trade_report_json.py / generate_trade_pdf.py)
for k in ['datetime', 'grade', 'signal', 'price', 'sub_scores', 'agent_raw', 'risk_raw', 'seasonality']:
    data.pop(k, None)
with open('/tmp/trade_report_data_simple_$$.json', 'w') as f:
    json.dump(data, f, indent=2, ensure_ascii=False)
"

5b：組裝完整 JSON（注入 seasonality 快取數據）

python3 .claude/scripts/build_trade_report_json.py <TICKER> zhTW \
  /tmp/trade_report_data_simple_$$.json \
  /tmp/trade_report_data_$$.json

5c：執行 PDF 生成器

傳入輸出檔名（無路徑），Python 腳本會自動輸出到 REPORT_DIR (.reports_generated/)：

python3 .claude/scripts/generate_trade_pdf.py /tmp/trade_report_data_$$.json <TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf

如果 Python 腳本不在 .claude/scripts/generate_trade_pdf.py，檢查專案目錄中的 scripts/generate_trade_pdf.py。

如果未安裝 reportlab：

pip3 install reportlab 2>/dev/null || pip install reportlab 2>/dev/null

5d：清理暫存檔

rm -f /tmp/trade_report_data_simple_$$.json /tmp/trade_report_data_$$.json

繁體中文 PDF 已輸出至 $REPORT_DIR/<TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf。

階段六：生成英文 PDF 報告

繁體中文 PDF 生成後，從 Canonical JSON 建立英文版數據並生成英文 PDF。

6a：建立英文版 JSON

⚠️ 這是防止中文滲入英文 PDF 的關鍵步驟。必須仔細檢查每個欄位。

步驟 6a-1：讀取英文公司概況快取

python3 .claude/scripts/cache_company_profile.py read <TICKER>

記錄輸出中的 business_summary、major_products_revenue、partners、competitors — 這些是英文值，稍後填入 JSON。

步驟 6a-2：從 Canonical JSON 匯出簡化版

python3 -c "
import json, sys
with open('${CACHE_DIR}/trade_json/<TICKER>.json') as f:
    data = json.load(f)
for k in ['datetime', 'grade', 'signal', 'price', 'sub_scores', 'agent_raw', 'risk_raw', 'seasonality']:
    data.pop(k, None)
with open('/tmp/trade_report_data_simple_enUS_$$.json', 'w') as f:
    json.dump(data, f, indent=2, ensure_ascii=False)
"

步驟 6a-3：將所有繁體中文值翻譯為英文

讀取 /tmp/trade_report_data_simple_enUS_$$.json，逐一翻譯以下欄位。不可跳過任何一項：

⚠️ trend_analysis 雙語欄位： multi_timeframe[].timeframe（需 timeframe_en）、direction、strength、moving_toward、historical_reference.observation、current_position.phase、current_position.assessment — 確保 _en 後綴值已填入。不可遺漏 timeframe_en。build_trade_report_json.py 的 _promote_trend_fields 會自動選取 _en 版本。若 _en 值缺失，腳本會 fallback 到 _zh（中文），導致英文 PDF 出現中文。

步驟 6a-4：寫入翻譯後的英文 JSON

完成所有翻譯後，將結果寫入 /tmp/trade_report_data_simple_enUS_$$.json。

步驟 6a-5：驗證無殘留中文

強制驗證步驟 — 不可跳過：

echo "=== 檢查英文 JSON 中是否殘留中文字元 ==="
python3 -c "
import json, re, sys
with open('/tmp/trade_report_data_simple_enUS_$$.json') as f:
    data = json.load(f)
text = json.dumps(data, ensure_ascii=False)
matches = [(m.start(), m.group()) for m in re.finditer(r'[\u4e00-\u9fff]', text)]
if matches:
    print(f'❌ 發現 {len(matches)} 個中文字元！必須修正後再繼續。')
    # Show first 20 with context
    for i, (pos, ch) in enumerate(matches[:20]):
        start = max(0, pos - 15)
        end = min(len(text), pos + 15)
        print(f'  #{i+1}: ...{text[start:end]}...')
    sys.exit(1)
else:
    print('✅ 英文 JSON 無殘留中文字元，可繼續。')
"

若驗證失敗（exit code ≠ 0）：回到步驟 6a-3，重新檢查並翻譯殘留的中文字元。不可忽略此驗證。

⚠️ 格式要求與階段三相同：partners/competitors 必須「公司名稱 — 描述」格式，moat.sources 完整句子，thesis 理由完整句子（>25 字元）。

JSON 頂層鍵值保持英文以相容 PDF 生成腳本。不要包含 seasonality 鍵值，該鍵值由後續腳本自動注入並挑選英文欄位。

6b：組裝完整 JSON（注入英文 seasonality）

python3 .claude/scripts/build_trade_report_json.py <TICKER> enUS \
  /tmp/trade_report_data_simple_enUS_$$.json \
  /tmp/trade_report_data_enUS_$$.json

6c：執行 PDF 生成器（英文版）

python3 .claude/scripts/generate_trade_pdf.py /tmp/trade_report_data_enUS_$$.json <TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf

注意：英文 PDF 檔名使用 -enUS- 後綴（例如 TSLA-TRADE-REPORT-enUS-2026-05-28-1700.pdf），以明確區分語言版本。

6d：清理

rm -f /tmp/trade_report_data_simple_enUS_$$.json /tmp/trade_report_data_enUS_$$.json

英文 PDF 已輸出至 $REPORT_DIR/<TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf。

階段七：驗證與回報

全部四個產出物寫入後：

7a：驗證檔案

ls -la "$REPORT_DIR/<TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md" \
      "$REPORT_DIR/<TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf" \
      "$REPORT_DIR/<TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf"

7b：驗證 JSON 快取

ls -la "$CACHE_DIR/trade_json/<TICKER>.json"

7c：終端摘要

顯示：

• 交易評分、等級、信號
• Canonical JSON 快取路徑：$CACHE_DIR/trade_json/<TICKER>.json
• .md 報告路徑（繁體中文）：$REPORT_DIR/<TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md
• 繁體中文 .pdf 報告路徑：$REPORT_DIR/<TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf
• 英文 .pdf 報告路徑：$REPORT_DIR/<TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf
• 檔案大小
• 提醒：僅供教育用途

可用以下指令查看 REPORT_DIR 中的所有報告：

ls -lh "$REPORT_DIR/"

錯誤處理

• 如果 WebSearch 失敗，以修改後的查詢重試。如果再次失敗，記錄數據缺口並繼續。
• 如果任何子代理人未能回傳，記錄該代理人並使用可用數據繼續。按比例調整權重。
• 如果 PDF 生成腳本不存在，通知使用者並僅提供 .md 檔案 + JSON 快取。
• 若繁體中文 PDF 生成成功但英文 PDF 生成失敗，仍交付 .md + 繁體中文 .pdf + JSON 快取並回報英文 PDF 問題。
• 如果缺少 reportlab，自動安裝。
• 如果 JSON 格式錯誤，驗證並重試。
• 如果 Canonical JSON 快取寫入失敗，仍繼續後續 .md / .pdf 生成（使用記憶體中的 JSON）。

規則

1. 始終平行執行全部 5 個子代理人 — 永不依序執行
2. 始終使用檔案系統安全的日期時間格式作為檔名（例如 2026-05-28-1430）
3. 所有三個檔案一律輸出到 REPORT_DIR ($REPORT_DIR/) 繁體中文檔案必須包含 -zhTW 後綴，英文 PDF 必須使用 -enUS- 後綴：
   • $REPORT_DIR/<TICKER>-TRADE-ANALYSIS-zhTW-<DATETIME>.md
   • $REPORT_DIR/<TICKER>-TRADE-REPORT-zhTW-<DATETIME>.pdf
   • $REPORT_DIR/<TICKER>-TRADE-REPORT-enUS-<DATETIME>.pdf
4. 所有代理人分析和 .md 報告內容必須使用繁體中文
5. JSON 頂層鍵值保持英文（相容 PDF 生成腳本），值使用繁體中文；trend_analysis 文字欄位使用 _zh/_en 雙語後綴
6. 始終在 .md 和 .pdf 輸出中包含繁體中文教育用途免責聲明
7. 始終在回報完成前驗證四個產出物（Canonical JSON + .md + zhTW .pdf + enUS .pdf）。不可偷懶只生成部分就結束。
8. PDF 生成後始終清理 /tmp 暫存檔（trade_report_data_simple_$$.json、trade_report_data_$$.json 等）
9. 絕不跳過任何 PDF 生成步驟 — 產生雙語 PDF（繁體中文 + 英文）是此技能的定義特徵。繁體中文 PDF 使用 -zhTW- 後綴，英文 PDF 使用 -enUS- 後綴。兩者都必須生成。
10. 如果使用者已提供股票代號，直接開始階段一，無需確認
11. 🎨 Emoji 強化規則： 所有 .md 報告中必須大量、策略性地使用表情符號。具體要求：
    • 📊 評分儀表板：各維度前加上 🔵🟢🟡🔴🟣 等彩色圓點
    • 📈 技術面：上漲趨勢使用 📈，下跌使用 📉，警示使用 ⚠️🚨
    • 🐂🐻 多空對比：看漲理由前加 ✅ 或 🐂，看跌理由前加 ⚠️ 或 🐻
    • 📅 催化劑：每行前加 📆，重要性用 🚀🎯⏰ 區分
    • 💼 進出策略：參數欄位前加 📥🛑🎯🚀⚖️📦⏰ 等對應 emoji
    • 📋 表格：每個表格的欄位標題前加上相關 emoji
    • 🏆 季節性：最佳/最差月份使用 🏆⚠️，月份前加 ☀️🌧️❄️🌸 等天氣 emoji
    • 💡 結論：每段重點結論開頭使用 🎯💡🔑💪 引導
    • 目標：讓讀者一眼就能透過 emoji 判斷好壞、方向、風險程度
12. 📝 資料完整性規則（不可截斷）： Canonical JSON 中的文字欄位必須為完整描述。build_trade_report_json.py 與 generate_trade_pdf.py 都會自動檢查並在發現截斷時發出警告。
    • company_profile.business_summary：>100 字元
    • partners/competitors：每項含 — 分隔的公司名稱與描述
    • moat.sources：每項 >30 字元完整句子
    • thesis.bull_case/bear_case：每項 >25 字元完整句子
    • thesis.catalysts[].impact：>15 字元描述
    • technical.indicators[].interpretation：>30 字元完整解讀句
    • fundamental.metrics[].assessment：>20 字元評估結論
13. JSON-First 規則： Canonical JSON 是所有輸出的唯一數據來源。.md 和 .pdf 都從同一個 JSON 渲染，不得各自從原始代理人回傳內容重新提取數據。
14. 🇬🇧 英文 PDF 無中文規則： 英文 PDF（-enUS-）絕對不能包含任何中文字元。階段六必須：
    • 步驟 6a-3 逐一翻譯 42+ 個欄位（見翻譯對照表），含 trend_analysis.multi_timeframe[].timeframe→timeframe_en、duration_range（使用 days）、estimated_remaining_days（使用 days）
    • 步驟 6a-5 強制執行中文殘留檢查（exit code ≠ 0 時必須修正）
    • trend_analysis 的 _en 後綴欄位（含 timeframe_en、direction_en、strength_en、moving_toward_en、observation_en、phase_en、assessment_en）必須確保已填入英文值，不可留空（否則 fallback 到 _zh 中文）
    • company_profile 必須使用公司概況快取的英文值（不應出現任何中文）

免責聲明：僅供教育/研究用途。非財務建議。