01
拆成事实与叙事
事实是可核对主张（主体、指标/事件、时间、口径、出处）。叙事是 ≥2 个事实的组织方式：关系类型、方向、相对权重。
态势层Market State Layer
把金融语料拆成事实与叙事，建成随时间更新的权重网络。调用 AI 时带上这层状态，答案更容易踩在「现在市场真正在用的那套逻辑」上。
Scroll
Problem
投资人每天被文档淹没。难的不是读懂字，而是判断：现在大家在聊什么、用哪套逻辑在解释、什么在切换。
同一问题可能抓住次要事实、跟错叙事，或编造没有出现的点。热度每天在变，写不进一条静态 prompt。
财报问答与考试题测的是知识与算术，测不到「是否对齐当前市场议程与主叙事」。
比多背一个公式更接近日常：看清议程与叙事切换，再决定查什么、信什么、怎么问 AI。
把可计算的市场权重交给模型和用户；决策与风控仍在人这边。
Visualization
点选节点或叙事簇。节点大小表示显著性（去重后的独立来源注意力）；彩色区域表示叙事——把若干事实用逻辑连在一起的权重组织。
System
今天的热度若焊进模型参数，一周就过期。我们把态势外置成可更新的网络，模型只学抽取与「会读这张图」。
事实是可核对主张（主体、指标/事件、时间、口径、出处）。叙事是 ≥2 个事实的组织方式：关系类型、方向、相对权重。
显著性来自去重后的独立来源与时间衰减；叙事边描述事实如何被绑在一起。再叠加冲突与缺失，形成完整态势。
用户提问时附上当日权重态。模型更容易对准议程与主叙事——开放给用户的，是这层可共享的市场上下文。
冻结时间窗口，由专家标注当时什么重要、主叙事是什么。评测对齐的是专业态势判断，而不是事后猜涨跌。
Evidence
同一问题、同一模型，四种条件对照。若正确态势显著好于强检索，且坏图会变差——说明有用的不是多塞字，而是正确的市场权重感知。
只靠模型参数记忆，易漏议程、易幻觉。
同窗口原文 top-k——怀疑者会要求的公平对照。
注入专家对齐的事实–叙事权重态。
打乱权重或注入噪声；应系统性变差。
主张：正确态势 ≫ 强检索 ≫ 无上下文；坏图会伤害表现。
Boundary
边界清楚，叙事才可信。