四把新工具，四條清楚的邊界

Part V 的四章都是熱門技術，但書的態度非常克制——每一章都花了相當篇幅在講什麼時候不該用。這其實是最有價值的部分，因為這四樣東西都很容易因為「聽起來很先進」而被用在錯的地方。

把四章的邊界並排看，會發現一個共同的判準：先問這個問題的結構是什麼，再問要用什麼工具。行動本身是不是最佳化標的？答案需不需要可回溯的證據？問題會不會自然分解成「沿著關係鏈找實體」？——結構對了，工具才有意義。

共同判準只有一句：先確認問題的結構，再挑工具——不是反過來。

核心思想：RL 在金融最有說服力的場域不是找 alpha，而是那些「行動本身就是最佳化標的」的問題——執行、造市、避險。原因很直接：這些問題的獎勵函數可以綁定一個可觀測的經濟目標（實現成本、庫存懲罰、避險誤差），而報酬預測不行。

書對「用 RL 找 alpha」的評價很不客氣：非平穩性會侵蝕已學到的型態、探索本身造成的市場衝擊不可逆、用短窗 Sharpe 當獎勵會招來過擬合與獎勵駭客（agent 滿足了你寫的獎勵函數，卻違反目標的精神——例如你罰負報酬，它就乾脆完全不交易來拿零罰）。

書中教學環境的實測：PPO 學到的執行政策平均實現成本約 44 bp，優於 TWAP 的 53 與 Almgren-Chriss 式排程的 52——但作者明說這只是「溫和證據」，且對模擬器設計高度敏感。

# 訓練環境必須夠真，否則 agent 學到的是模擬器的漏洞
環境要含 市場衝擊 · 排隊優先權 · 部分成交 · 延遲
     # 缺了這些，agent 會學會「掛單即成」這種不存在的假設

演算法選型 看 action 空間與資料成本
     離散 action　　　　→ DQN 系
     連續 ＋ 資料貴　　 → PPO（穩健）
     連續 ＋ 模擬器便宜 → SAC / TD3（樣本效率高）
     γ 取 0.99–0.999 逼出長視野

部署四階段
     跨 regime 樣本外驗證 → 紙上交易 → 限額實盤 → 持續治理
     # 硬性風控與 kill switch 永遠在 agent 之外，不交給學習

評估先看政策形狀，再看賺賠
     造市：報價中心有沒有逆著庫存偏移
     # 單一 seed、單一回合的數字不構成排名證據

→ 接到台股（以下為外推，非書上內容）：那個「參與率」的教訓對台股格外重要——台股的流動性斷崖比美股陡得多。上市櫃約 1,700 檔裡，日成交金額能撐起有意義部位的可能只有前幾百檔，而回測最漂亮的訊號往往集中在小型股。書給的檢查很簡單也很便宜：下單前先把委託量除以該檔的日均成交量，超過某個比例就知道紙上績效不可信。至於 RL 本身，書的建議（別拿來找 alpha）對台股同樣適用，而且台股可用歷史更短、非平穩性問題只會更嚴重。

核心思想：幻覺是機率式生成模型的固有性質，不是可以修掉的 bug——在金融這是部署阻斷級的風險。所以解法必須是架構性的：RAG 把 LLM 從「生成神諭」約束成「只在檢索到的證據上做綜合的引擎」，每個宣稱都可以回溯到來源頁面。

這章有一個非常實用的觀念：RAG 的品質天花板在資料匯入（ingestion），不在模型。固定長度的天真切塊會把表格撕碎、把標題和內文拆散，LLM 因此混淆會計年度、錯誤歸屬——而這違反了 RAG 的根本前提。書的實測顯示，改用結構感知的解析後，表格保存度從 0.45 提升到 0.85、版面忠實度從 0.40 到 0.88，代價是解析延遲增加約 70%——這個交換很划算。

書的實測：混合檢索加 RRF 的 MRR 是 0.443，比純關鍵字的 0.349 高出約 27%。

切塊大小 金融文件起點 400–600 tokens，重疊 50–100
     當超參數掃：256 / 512 / 768 / 1024
     # 檢索用小塊求精準，命中後回傳整個父節餵給 LLM

凡是算術 一律走 retrieve → extract → compute → narrate
     # 用程式碼算，不讓 LLM 算
     # 「證據對、算式錯」這種錯，標準的忠實度指標抓不到

reranker 必須在自家語料驗過再用
     # 通用網頁訓練的 reranker 實測反而讓 MRR 掉了 36%

長 context 是 fallback 不是預設
     5–10K 的精準片段，通常勝過 100K+ 的鬆散材料

除錯先分類失敗（別亂槍打鳥）
     context recall 低　→ 修檢索
     context precision 低 → 修排序與過濾
     忠實度低　　　　　→ 修 prompt 或換模型
     算術錯　　　　　　→ 只能靠程式驗算抓
     該拒答卻硬答　　　→ 要專門測拒答品質

→ 接到台股（以下為外推，非書上內容）：做台股的中文 RAG，這章的方法可以整套照搬，但元件要全換。中文沒有天然的詞邊界，BM25 那一路需要先斷詞（jieba 或其他中文斷詞器），效果會直接影響混合檢索的品質；embedding 模型也要換成支援中文的。切塊大小 400–600 tokens 這個數字不能照抄——中文的 token 化比例跟英文完全不同，同樣的 token 數承載的資訊量差很多，這個參數必須自己掃。至於素材，台股的公開資訊觀測站重大訊息、法說會逐字稿、月營收公告都是很好的語料，而且「時間戳紀律」（用公告可得時間而非文件日期）跟書上完全一致。

核心思想：知識圖譜只在問題「真正是關係型」時才值回票價——答案取決於實體之間的路徑、關係類型與揭露時點，而不是單一實體的屬性。書給了一個很好用的前置檢查叫 path-pattern test：把你的問題改寫成路徑模式，如果它自然分解成「找出經由關係鏈連接的實體」，才適合用圖。

而這章最重要的一個機制，是三時間戳模型——每條關係都要帶三個時間：事件發生時間、公開揭露時間、以及你的管線處理時間。可見性閘門一律用「揭露時間」。這聽起來理所當然，但實務上很容易搞錯：13F 持股是季報，而且有 45 天的延遲——某個機構的持股要以申報日才算可交易資訊，不是季末日。

「事件何時發生」與「市場何時能看見」永遠不同——一律以後者為準。

# 治理先於 prompt——這三件事沒定好，萃取出來的圖不可信
合約一 身分　提及 ≠ 身分
     用穩定識別碼當主鍵；代號是「帶效期的時變屬性」
     併購與改名要當成一等事件處理
合約二 schema　關係詞彙有限且具型別
     白名單以外的邊直接拒收，或送人工審查
     # 實務上多數實作只用 8–15 種關係型別就夠了
合約三 出處　每條邊要帶來源文件、公開日、位置、萃取器版本

品質監控門檻
     schema 合規率 > 90%　·　出處覆蓋率 > 95%

特徵路線圖（照順序來，別跳級）
     手工圖特徵（中心性、擁擠度）
       → MST / 社群偵測
         → 最後才考慮 graph embedding 或 GNN
     # GNN 是補充不是預設架構

→ 接到台股（以下為外推，非書上內容）：有趣的是，台積電與鴻海就出現在書的供應鏈圖裡——書處理了 101 家 S&P 100 公司的 601 份 10-K，萃出 1,057 條關係，台積電、鴻海、三星是最連通的供應商（分別有 61、33、28 家下游客戶）。這代表台股的供應鏈關係本來就嵌在美股的揭露文件裡，反向利用是可行的。而台股自己有一層美股完全沒有的關係資料：券商分點。「哪些分點同時進出哪些股票」天然就是一張二部圖，Ch 23 的擁擠度、共同持有共動這些概念可以直接對映過來。但書的警告也適用：先做 path-pattern test，如果你的問題只是「這檔股票今天誰買最多」，那是屬性查詢，用資料表就好，建圖是浪費。至於揭露時點，台股分點資料是當日盤後公布，延遲比 13F 短得多——這是台股的結構性優勢。以上是把書的框架映射到台股的推論。

核心思想：金融 agent 要設計成工作流而非人格。那些推理模式（ReAct、思維樹、Reflexion）只有嵌在顯式狀態、具型別的工具合約、有界的自主權、可重放的產物裡才有意義。而且書刻意把整章停在唯讀邊界——預測支援與下單執行是不同類別的系統。

書給了一個很清楚的自主等級量表，並直說金融實務目前多半停在 L1–L2：因為預測錯誤很貴，而沒有政策把關的執行錯誤是災難。

cutoff 日期要在工具邊界強制執行（用日期過濾），不能靠模型自律。

# 品質的主宰因素排序——這個順序跟直覺相反
工具設計 > prompt 工程 > 模型選擇
     # 工具描述要含三部分：回傳什麼、何時呼叫、「何時不要呼叫」
     # 那個負向指引擋掉最常見的「選錯工具」bug

推理模式逐層加，別一次上滿
     ReAct 起手（便宜、可稽核）
       → 分支重的決策才加思維樹（成本 × 分支數）
         → 評估管線穩定後才加 Reflexion
     每次執行都要設推理預算：工具呼叫上限、分支上限、輪數上限
     預算用完就回傳「有界棄權」，不要無限探索

結果不好時的除錯順序（也跟直覺相反）
     ① 工具合約與搜尋品質
     ② JSON 解析與輸出抽取
     ③ 最後才是 prompt 措辭
     # 可靠性失敗多半源於工具與解析設計，不是語言生成

多代理聚合 Neyman extremization 因子 n/(1+(n−1)ρ)
     # agent 彼此高度相關時，加更多 agent 的邊際資訊遞減
     # 校準窗要與聚合資料分離，否則會複合過度自信

→ 接到台股（以下為外推，非書上內容）：這章其實正在描述你現在正在做的事——用 Claude Code 加上一組 skill 與工具去跑研究流程，就是書裡的「operator 模式」：小型編排器 ＋ 通用工具 ＋ 按需讀取的方法論檔案。書的觀察值得記住：方法論不在編排器裡，在函式庫與 skill 檔裡，所以換個研究題目只要改一個參數。至於安全邊界，書堅持停在唯讀——研究支援可以自動化，下單不行。這條界線對台股個人研究者同樣適用，而且更該堅持：沒有機構的風控層兜底，agent 的一個錯誤沒有第二道防線。另外「污染」那條在台股也成立：問 LLM 某檔股票過去的走勢判斷，它可能只是記得結果。