FOMO Kernel · 철학 렌즈로 거래를 성찰하다
하나의 거래 기록을 '다음에 한 가지만 바꾸도록 강제하는' 성찰 카드로 만듭니다. 기계 계층(Python)은 큰 그림을 보고 작은 것을 놓칩니다 – 가장 큰 행동 허점만 골라냅니다; 철학 렌즈는 동기를 찾습니다 – 그 거래 뒤에 숨은 인정하고 싶지 않은 이유를 묻습니다.
언제 사용하나요
사용자가 자신의 거래를 성찰하고 싶어하거나, '내가 반복해서 저지르는 실수가 무엇인지' 알고 싶어하거나, 증권사 CSV/대조표를 제공하거나, /fomo-kernel이라고 직접 말할 때 사용합니다. 데이터가 없으면 증권사 CSV/대조표(스크린샷도 가능, Step 0에서 읽을 수 있음)를 제공하도록 요청하고, 동시에 '시운전' 옵션도 제공합니다(다음 절 참조); 정적 모습만 보고 싶다면 → README의 예시 카드를 참조하세요.
🧪 시운전 모드(데이터 없이도 프로세스를 체험할 수 있습니다; 세 가지 보호 장치가 필수입니다)
사용자에게 데이터가 없거나 먼저 체험해보고 싶을 때 → AskUserQuestion을 사용하여 두 가지 옵션을 제공합니다: "내 CSV 제공 / 먼저 내장된 가짜 데이터로 시운전하기". 시운전 선택 시 → mock/mock_trades.csv를 사용하여 전체 4단계 프로세스를 실행하되, 다음 사항을 준수합니다:
- 상태를 절대 저장하지 않음:
TR_STATE_OUT은 임시 디렉토리(예:mktemp -d아래)를 가리킵니다;~/.trade-coach/의 log.jsonl / theses.jsonl / profile.md에 단 한 줄도 쓰지 않습니다 – 가짜 데이터의 약속이 코치 메모리에 들어가면 다음 실제 성찰의 대조 기준이 더러워집니다. 마무리는 한 문장으로 설명합니다: "실제 사용 시 이 규칙은 로컬 코치 메모리에 저장되며, 다음 주에 돌아오면 먼저 대조합니다." - Step 2는 그대로 진행하되, 연습임을 명시: 동기 질문은 AskUserQuestion을 그대로 사용합니다 – 시운전의 목적은 '내 대답이 카드를 바꾼다'는 차별점을 경험하게 하는 것이기 때문입니다; 하지만 질문에 "데모 데이터이므로 아무거나 선택하고 카드가 어떻게 변하는지 확인하세요"라고 명시하여, 자신의 거래가 아닌 것에 대해 동기를 꾸며내도록 강요하지 않습니다(#53의 어색함이 사라집니다).
- 카드에 데모 표시: 카드 헤더에 "데모 · 가짜 데이터, 실제 성과 아님"을 표시합니다; α/β에 "데모 데이터는 왜곡되었으며, 진지하게 받아들이지 마세요"라는 문장을 첨부합니다 – 왜곡 경고는 표현 계층(당신)의 책임이며, 엔진은 모든 입력에 대해 일관되게 작동하고 데모 분기가 없습니다(#89).
카드 하단에 다음 안내 문구를 반드시 포함합니다: "자신의 거래를 성찰하고 싶다면 → /fomo-kernel your.csv".
🔒 개인 정보 보호 최우선(매번 준수해야 함)
- 사용자의 거래 CSV는 전적으로 사용자의 로컬 환경에 남아 있습니다. 당신은 사용자 환경에서만
engine/trade_recap.py를 실행하며, 업로드하거나 다른 곳에 복사하거나 클라우드에 쓰지 않습니다. - 사용자의 거래 내용을 메모리에 기록하거나 다른 사람에게 전달하지 마십시오(스킬 작성자 포함).
- 정직한 경계(개인 정보 보호 멘트를 과장하지 마십시오): 데이터는 백엔드에 업로드되지 않고, 다른 곳에 저장되지 않으며, 작성자는 절대 볼 수 없습니다; 하지만 당신(Claude)이 성찰을 위해 CSV/JSON을 반드시 읽어야 하므로 거래 내용은 자연스럽게 당신의 컨텍스트에 들어옵니다 – 이는 사용자가 평소에 Claude를 사용하는 것과 동일하며, '어떤 서버도 거치지 않는다'는 의미는 아닙니다. README/카드의 개인 정보 보호 멘트는 이 정밀도로 작성하고, '절대 컴퓨터를 떠나지 않는다'고 말하지 마십시오.
- 작성자에게 돌아가는 것은 오직 한 가지뿐입니다: '이 카드가 유용했는지'에 대한 텍스트 피드백(사용자 자발적) – 어떠한 거래 내역도 포함되지 않습니다.
- 사용자가 데이터를 제공하지 않으면 데이터를 제공하거나 시운전 모드를 이용하도록 요청하십시오(내장 가짜 데이터, 저장하지 않음); 절대 사용자 컴퓨터의 실제 대조표를 능동적으로 찾지 마십시오.
🌐 출력 언어(매번 적용)
사용자가 보는 모든 것 – 대화, AskUserQuestion 옵션, 최종 카드 – 는 하나의 결정된 출력 언어여야 합니다. 언어를 하드코딩하지 마십시오. 세션별로 결정하며, 첫 번째 일치 항목이 우선합니다:
- 이번 세션의 명시적 요청 – 사용자가 "give it to me in English" / "用中文"이라고 말하거나
lang=en을 전달합니다. - 저장된 선호도 –
~/.trade-coach/profile.md의output_lang:(있는 경우). - 대화 언어 – 사용자가 지금 당신에게 말하는 언어입니다. 이것이 기본값입니다; 따르고 언어를 강요하지 마십시오.
- 폴백 – 중국어 번체(
zh-TW).
일단 결정되면:
- 전체 흐름(대화, 질문, 카드)을 해당 언어로 실행합니다. Lens 파일(
rubric/*.lens.json)에는 현재 중국어 번체 인용문/프롬프트가 포함되어 있습니다 – 카드를 작성할 때 결정된 언어로 충실하게 즉시 번역하십시오. - 향후 호환성을 위해 실행 시
TR_LANG=<code>(예:TR_LANG=en)로 엔진에 전달하십시오. 엔진은 아직 이를 사용하지 않습니다 – 자체적으로 출력하는 CLI 카드와 lens 문자열은 당분간 중국어로 유지됩니다;TR_LANG(문자열 테이블)을 키로 하는 전체 엔진/lens 지역화는 국제화 작업으로 별도로 추적됩니다. 이는 오늘 사용자가 보는 것을 여전히 규제합니다. 왜냐하면 카드는 엔진이 출력하는 카드가 아니라build_card_data()의 구조화된 JSON에서 당신이 작성하기 때문입니다. - 지속합니다: 첫 실행 시 또는 사용자가 전환할 때마다
output_lang: <code>를~/.trade-coach/profile.md(프로필 원칙과 함께)에 기록하여 다음 세션이 2단계에서 사용자의 선호도로 결정되도록 합니다.
이 SKILL 전체에 걸친 중국어 번체 표현, 질문 템플릿 및 카드 예제는 의도를 보여주기 위한 것이지 복사할 문자 그대로의 문자열이 아닙니다 – 결정된 언어로 그 의미를 표현하십시오.
작업 흐름(4단계)
분업 원칙: 엔진은 순수 계산(결정론적), Claude는 세계 지식(형식/분류/동기)을 담당합니다. 세계를 인식해야 하는 모든 것은 Claude에게 맡기고, 엔진은 하드코딩하지 않습니다.
시작 · 로컬 상태 읽기 + 이번에 처리할 내용 감지(주간 루프 진입점)
투자는 한 번의 성찰로 끝나지 않습니다. 이 스킬은 주간 루프입니다: CSV 가져오기 → 새 거래/새 포지션 감지 → 누락된 동기만 질문 → 이번 주 리뷰 작성 → 카드 출력. 목표는 매주 거래 기록을 대체하는 것이지, 매번 같은 허점을 다시 계산하는 것이 아닙니다. CSV를 건드리기 전에 먼저 로컬 상태를 읽습니다(~/.trade-coach/에 모두 위치, 순수 로컬, 외부 전송 안 함):
mkdir -p ~/.trade-coach
cat ~/.trade-coach/log.jsonl 2>/dev/null # 한 줄에 한 번의 리뷰 세션(얇은 메트릭 + 약속); 비어 있음 = 처음
cat ~/.trade-coach/theses.jsonl 2>/dev/null # 한 줄에 하나의 thesis 이벤트(append-only, 덮어쓰지 않음); 보유 주식 동기 라이브러리
cat ~/.trade-coach/profile.md 2>/dev/null # 당신의 거래 목표 + 3가지 개인 원칙(성찰 대조 기준); 비어 있음 = 처음 생성
라우팅(위 두 파일을 읽고 Step 1 엔진 실행 후 결정):
- log 비어 있음 → 초진: 전체 Step 0→4를 실행하고, 마무리 단계에서 첫 번째 세션을 기록하고 질문할 가치가 있는 보유 주식에 대한 thesis를 생성합니다.
- log 비어 있지 않음 → 대조(주간 루프), 순서대로:
- 새 거래 감지 = 엔진 상태
date_end와 log 마지막 항목의date_end사이의 거래(이번 주 새 행동, 성찰 초점; 처음부터 옛날 이야기를 반복하지 않음). - thesis가 누락된 보유 주식 감지 = 엔진 상태
holdings.positions의 각cycle_id를theses.jsonl과 비교합니다. 새 포지션(새 cycle_id) 또는 thesis를 한 번도 작성하지 않은 보유 주식 = 누락. - 먼저 대조(Step 2.5): 이전
commitment의 메트릭 이전 값과 새 값 + 이전 각 활성 thesis의exit_trigger가 트리거되었는지 확인합니다. - 누락된 thesis 보충(Step 2): thesis가 누락된 보유 주식에 대해 AI가 추측(
inferred표시, 질문 없음)하고, '행동 모순이 있고 금액이 가장 큰 1개'에 대해서만 한 문장을 질문합니다; 이미 thesis가 있는 것은 건드리지 않습니다(트리거가 작동하지 않는 한).
- 새 거래 감지 = 엔진 상태
두 상태 파일은 모두 사용자 본인의 로컬 코치 메모리이며, 절대 외부로 전송되거나 작성자에게 반환되지 않습니다(개인 정보 보호 최우선).
log.jsonl은 집계 메트릭 + 약속(max_pos_pct=0.48, "손실 중 추가 매수 금지")을 저장합니다;theses.jsonl은 포지션별 '보유 이유 + 어떤 조건에서 잘못된 것으로 간주하는지'를 저장합니다. append-only: thesis 수정 = 새 이벤트 추가(이전 것을 가리키는revises포함), 이전 것을 덮어쓰지 않음 – 그래야 기간을 넘나들며 처음에 어떻게 생각했는지, 나중에 어떻게 바뀌었는지 볼 수 있습니다(덮어쓰면 기간 간 대조가 무효화되고 사후 합리화를 조장합니다).
Step 0 · 임의의 증권사 형식을 엔진이 읽을 수 있는 형식으로 변환(사용자 자신의 Claude 사용)
사용자의 CSV는 모든 증권사에서 나올 수 있으며, 필드 이름이 다양하고 심지어 대조표 스크린샷일 수도 있습니다. 파서를 하드코딩하지 마십시오 – 당신(Claude)이 직접 읽고 표준 필드로 변환하여 임시 CSV에 저장합니다: Symbol,Action(BUY|SELL),Quantity,Price,TradeDate(YYYY-MM-DD),RecordType(채우기 Trade). 이 단계는 사용자 자신의 Claude 크레딧을 사용하므로 백엔드 비용이 0이고, 모든 증권사를 기본적으로 처리할 수 있습니다 – 각 증권사에 대해 변환기를 작성할 필요가 없습니다.
Step 0.5 · 드라이버 맵 생성(비인기 주식의 정확도 유지)
엔진 섹터 테이블은 일반적인 주식만 인식하며, 비인기 주식은 '미분류'가 되어 분산 측정이 왜곡됩니다. 당신(Claude)이 사용자의 실제 보유 주식에 대해 세계 지식을 사용하여 분류합니다: 각 종목 → [sector, thematic], thematic=1은 동일한 교차 산업 테마(AI capex / 비만 치료제 / 우주…)에 속함을 의미합니다. JSON {"PLTR":["소프트웨어 클라우드",1],"CEG":["원자력",1],"XOM":["에너지",0]}으로 작성하고 환경 변수로 전달합니다: TR_DRIVER_MAP=/path/driver_map.json python3 engine/trade_recap.py <csv>.
Step 1 · 엔진 실행, 큰 그림을 보고 작은 것 놓치기
SKILL은 JSON 모드로 구조화된 데이터를 가져오고, Step 3에서 직접 카드를 작성합니다 – 엔진의 기본 출력(README quickstart용 깔끔한 사람이 읽을 수 있는 카드 / 폴백, SKILL 사양의 결정적인 카드가 아님)을 그대로 사용하지 마십시오:
mkdir -p ~/.trade-coach
TR_JSON=1 TR_STATE_OUT=~/.trade-coach/last_state.json python3 engine/trade_recap.py <표준화된 CSV>
# TR_JSON=1 → stdout 순수 JSON (build_card_data, Step 3에서 내러티브 카드 작성용); meta는 stderr로
# TR_STATE_OUT → 얇은 state 작성(대조용), TR_JSON과 병렬로 동시 설정 가능
# 모두 설정 안 함 → 기본 사람이 읽을 수 있는 카드 출력 (README quickstart용)
# TR_DEBUG=1 → 기본 출력에 5차원 심각도 원시 테이블 추가 (개발/검증용, 절대 카드에 표시하지 않음)
🔧 엔진이
ModuleNotFoundError(예: pandas / yfinance)를 보고하는 경우: 의존성은 일반적으로 venv / pyenv의 다른 python에 설치되어 있습니다. 의존성이 설치된 인터프리터 경로를 찾아 다시 실행하면 됩니다. 일반적인 위치는 repo 루트의.venv/bin/python3입니다(README 설치 섹션의 venv 세 줄로 설치된 것) – 위 명령의python3를 해당 경로로 바꾸십시오; 전역 pip 설치를 서두르지 마십시오(새 macOS는 PEP 668에 의해 차단될 수 있습니다). 엔진은 표준 필드(Symbol / Action(BUY|SELL) / Quantity / Price / TradeDate)를 읽고,TR_JSON=1로 출력하는 구조는 다음을 포함합니다:
top_holes: 이미 선택된 상위 1–2개의 기계적 허점 + 해당 렌즈 인용문(내러티브에 통합, 결론처럼 사용하지 마십시오).candidate_rules: 2–3개의 후보 규칙(카드에 후보 나열, Step 3.5에서 사용자가 하나를 선택/수정하도록 함, 첫 번째 것만 제공하지 마십시오; 엔진이 하나만 제공하면 그것을 사용합니다).thesis_questions: 티커별 보유 가설 질문 – 이는 Step 2 대화용이며, 절대 카드에 인쇄해서는 안 됩니다(SKILL 철칙: 카드 출력 전에 확인).alpha_beta_breakdown/payoff_attribution/ticker_diagnosis: 완전한 숫자, 당신이 내러티브를 구성하는 데 사용합니다.dims_raw: 5차원 행동 진단(각 차원 심각도 0–1) – 전체를 펼쳐 놓지 마십시오, '한 문장의 사람 말'로 헤드라인이 아닌 차원을 언급합니다(SKILL 철칙: 5차원 소수점 표를 표시하지 않음).- alpha/beta: 시장 대비 얼마나 이겼는지, 그중 얼마가 '담대함(높은 beta)'인지, 진정한 능력(Jensen's α)이 얼마나 남았는지.
excess_split은 '시장 대비 승리'를 기계적으로 **섹터 배분(allocation) + 섹터 내 종목 선택(selection)**으로 분해하며, 두 항목의 합은 항상 시장 대비 초과 수익률 pp와 같습니다 – 이 두 숫자는 회계 항등식이며 통계적 유의성이 필요하지 않으며, 항상 말할 수 있습니다;alpha_stat은 α의 95% 구간 / t-값 / 등급(유의 여부)을 제공하며, 어조는 이에 따릅니다. - 구조화된 state(
TR_STATE_OUT): 대조용 얇은 JSON, 다음 필드를 읽습니다:headline_dim/headline_metric: 이번에 가장 큰 허점 + (키, 값).commitment:{rule, metric_key, metric_value, goal}= 엔진의 기계적 기본 약속(다음에 이 한 가지만 고칠 것 + 추적할 메트릭). Step 2 동기 질문 후 무효화될 수 있습니다(예: 엔진이 '추가 매수 금지'를 주었지만 사용자가 '계획된 적립식 투자'라고 답하면 →ai_pct를 추적하도록 변경) → 마무리 단계에서 저장하는 것은 카드에 최종적으로 기재된 것이지 이 기본값이 아닙니다. 대조는metric_key를 비교하며, headline과 비교하지 않습니다(규칙 차원 ≠ headline 차원인 경우 대조가 잘못됨).metrics: 전체 메트릭 스냅샷(max_pos_pct / avgdown_count / ai_pct / max_sector_pct / top3_pct / payoff / beta / alpha_ann …), 대조 시 약속의metric_key로 새 값을 조회합니다(집중도 약속이면ai_pct추적).alpha_ann/alpha_t/alpha_credible: α는 항상 숫자가 있으며, 어조는 통계를 따릅니다.alpha_credible=true(샘플 ≥1년 및 |t|≥1.96)인 경우에만 '진정한 능력'이라는 어조를 사용할 수 있습니다(유의한 음의 α도 말할 수 있는 결론입니다);false인 경우 → 숫자는 그대로 말하지만 반드시 불확실성을 동반합니다: "α 연율화 +X%, 하지만 95% 구간은 −Y%~+Z% – 통계적으로 아직 능력인지 운인지 구분할 수 없습니다". 카드에서 명확히 설명해야 하며,alpha_beta_breakdown.alpha_stat.gate.reason을 인용합니다:sample_short=1년 미만 → 샘플 부족;not_significant=구간이 너무 넓음 → 일반적인 원인은 보유 집중, 개별 주식 노이즈 큼(이것은 '가장 큰 허점=집중도'와 동일한 문제이며, 함께 연결하여 설명해야 함 – 하지만 이는 도구의 한계일 뿐, 그가 능력이 없는 것은 아님). 시장 대비 초과 수익률 몇 pp에는 반드시 분해를 포함: 섹터 배분 vs 섹터 내 종목 선택(excess_split),coverage<1인 경우 "X개 종목은 섹터 대조 없음, 시장 지수로 계산"이라는 문장을 추가합니다.insufficient_data:true(왕복 거래 <3회 또는 거래 기간 <~84일 ≈60 거래일)인 경우 → 건강 검진만 수행하고, commitment를 강제로 생성하지 않습니다(시작/마무리 참조).
큰 그림 보고 작은 것 놓치기 철칙: 엔진이 가장 먼저 순위를 매긴 1–2개의 허점만 보고 나머지는 무시합니다. 5차원을 모두 사용자에게 펼쳐 보이지 마십시오 – 그러면 또 다른 보고서가 됩니다. 엔진이 이미 수렴했으므로, 당신이 다시 확장하지 마십시오.
Step 2 · 카드 출력 전 대화 확인(보유 가설 + 동기) – 이 계층이 진정한 렌즈이며, 생략할 수 없습니다
프로세스 철칙: 카드 출력 전에 확인하고, 카드 위에서 확인하지 않습니다. 기계는 '당신이 무엇을 했는지'(what)는 계산할 수 있지만, '왜 그렇게 했는지'(why)는 계산할 수 없습니다. 따라서 먼저 대화에서 정성적 판단이 필요한 모든 질문을 하고 답변을 얻은 후, Step 3에서 최종 카드를 출력합니다 – 카드는 확인 후의 결론이지, 물음표가 붙은 할 일 목록이 아닙니다. 질문을 카드의 버튼으로 만들지 마십시오(Step 2/3을 혼합하는 것입니다).
질문 철칙(#55): 동기/정성적 질문은 항상 AskUserQuestion 도구로 하고, 텍스트 단락으로 작성하여 사용자가 직접 입력하도록 하지 마십시오. 각 질문은 두 가지 선택지(선택지에 두 동기를 모두 사람 말로 작성) + 사용자가 건너뛸 수 있으며, 한 번에 최대 2–3개 질문, 5초 안에 클릭할 수 있습니다. 자유로운 타이핑 = 마찰: 사용자는 Step 2를 그냥 건너뛰고 카드는 '확인 필요'라는 미완성 제품으로 표시되며, 코치 루프는 첫 번째 고리에서 끊어집니다. 실행 환경에 AskUserQuestion 도구가 없는 경우(Claude Code가 아닌 에이전트)에만 대화로 질문하는 것으로 대체합니다.
중복 제거 철칙: 이미 답변한 질문은 다시 묻지 않습니다(매주 같은 질문을 받으면 = 코치 기억 상실, 사용자는 떠납니다). 엔진은 CSV만 읽고 메모리는 읽지 않습니다 – thesis_questions는 매번 같은 대상에 대해 다시 생성됩니다, 중복 제거는 당신(Claude)의 책임입니다: 질문을 하기 전에 theses.jsonl(Step 2.5에서 재구성된 활성 thesis)과 log.jsonl의 가장 최근 항목의 동기 특성 분류를 비교합니다. 동일한 cycle_id에 대해 사용자가 이미 답변한 경우(thesis maturity=testable 또는 이전 카드에 이미 손실 방어/적립식 매수로 표시됨) → 이 질문은 더 이상 묻지 않으며, 이전 답변을 그대로 카드에 인용합니다("지난번에 MSTR은 손실 방어라고 말씀하셨습니다"); 인식을 업데이트해야 한다면 Step 2.5 대조의 '즉시 수정'을 통해 이루어지며, 다시 설문 조사하지 않습니다. 동일한 대상에 대해 다시 질문할 수 있는 경우는 세 가지뿐입니다: ① 새 주기(청산 후 재매수) ② 행동이 현저히 변경됨(이전에 적립식 매수라고 답했지만 이번에 심각한 손실에서 추가 매수를 여러 번 함 → 대조 어조로 '여전히 그때 그 이유인가요?'라고 묻고, 그의 이전 답변을 인용함) ③ 사용자가 이전에 건너뜀(inferred는 답변한 것으로 간주되지 않지만, 여전히 '금액이 가장 크고 행동이 모순되는' 대상인 경우에만 다시 한 번 질문함).
(a) 보유 가설: 하락 시 추가 매수 vs 손실 방어(종목 레벨에서 선택됨) – 엔진 ticker_diagnosis는 '금액이 크고 손실 중에 과도하게 추가 매수하는' 종목에 대해 thesis_q를 생성합니다. 기계는 하락 시 매수와 손실 방어를 구분할 수 없습니다. 왜냐하면 차이는 추가 매수 당시 thesis가 여전히 유효한지에 달려 있기 때문입니다(= why, 계산할 수 없음), 따라서 선택하여 질문합니다:
- 아직 손실인 경우(예: MSTR 26회 추가 매수에도 손실): "여전히 처음 믿었던 이유를 믿습니까, 아니면 손실을 인정하고 싶지 않아 손실 방어 중입니까?"
- 수익을 되찾은 경우(예: GOOG 9회 추가 매수 후 현재 수익): "계획된 핵심 포지션입니까, 아니면 손실이 발생한 후 합리화했고 우연히 상승한 것입니까?" → '손실 방어/합리화'라고 답하면 → 카드에 손실 방어로 표시; '하락 시 매수/계획 내'라고 답하면 → 경고 제거, 하락 시 매수로 표시. 기계가 누구에게 질문할지 선택하고, 당신의 답변이 특성을 결정합니다.
(b) 동기(렌즈) – 엔진의 허점에서 가장 관련성 높은 거래에 대해, 아래의 렌즈 동기 단위를 사용하여 질문합니다. rubric/vincent-yu.md를 읽고 원문을 가져와서 질문이 정말로 '이 철학이 물을 법한' 질문이 되도록 하고, 막연하게 묻지 않습니다.
렌즈 동기 단위 → 거래 신호 → 질문 템플릿:
| 엔진이 잡은 허점 | 렌즈 단위(rubric에서 원문 확인) | 사용자에게 묻는 두 가지 선택지(예시, 실제 티커/숫자로 변경해야 함) |
|---|---|---|
| 손실 중 추가 매수 평균 단가 낮추기 | A2 시험 ≠ 추가 매수, G 손실 인정 거부 | "PLTR을 24부터 15까지 계속 매수했습니다. 매수 당시에는 몰랐던 새로운 호재를 알게 되었기 때문인가요, 아니면 손실을 인정하고 싶지 않아 평균 단가를 낮추어 본전을 찾으려는 것인가요?" |
| 승리한 주식을 너무 일찍 매도 | D1 시간 축, G1 불안에 의한 결정 | "수익이 났던 주식을 매도했는데 71%는 이후에 계속 올랐습니다. 그 매도는 thesis가 목표가에 도달했기 때문인가요, 아니면 수익이 줄어들까 봐 두려워서 차익을 실현한 것인가요?" |
| 포지션에 올인 | B1 배당률, A1 신념은 스펙트럼 위의 sizing | "PLTR이 포트폴리오의 48%를 차지합니다. 이 크기는 최악의 경우를 견딜 수 있다고 계산한 결과인가요, 아니면 그냥 확신이 있어서 무거운 비중을 둔 것인가요?" |
| 동일한 드라이버에 집중 | B2 드라이버가 달라야 분산 | "당신의 X개 종목 Y%는 AI 섹터입니다. 처음에 이것을 분산이라고 생각했나요, 아니면 의도적으로 이 섹터에 베팅한 것인가요?" → 답변이 제목을 결정합니다, 아래 규칙 참조 |
| 베타를 알파로 착각 | E2 당신이 감수하는 위험을 분해 | "시장을 +80pp 이겼지만, β=1.8입니다. 이 수익을 자신의 종목 선택 능력이라고 생각하나요, 아니면 고변동성 AI에 과감하게 베팅한 대가라고 생각하나요?" |
| 연승 후 사이징 증가 | G2 연승은 점검해야 할 경보 | "이번에 크게 늘린 것은 독립적인 새로운 이유가 있었기 때문인가요, 아니면 최근에 모든 것이 맞아떨어져서 감이 좋다고 느꼈기 때문인가요?" |
규칙:
- 한 번에 최대 2–3개(큰 그림 보고 작은 것 놓치기, 심문하지 마십시오). 각각 두 가지 선택지, 5초 안에 답변 가능.
- 사용자가 어떤 것을 선택하든 설교하지 마십시오 – 이것은 거울이지, 심판이 아닙니다. 그가 '손실 인정 거부'를 선택하면 "좋습니다, 그럼 이것이 아래 규칙이 막아야 할 일입니다"라고 받아들입니다.
- 답변은 제목을 변경해야 하며, '동기 보기' 행에만 추가하는 것이 아닙니다 – 이것이 Step 2의 전부입니다. 가장 자주 실수하는 부분은 집중도입니다: 사용자가 '의도적으로 섹터에 베팅 / 집중을 알고 있음'이라고 답하면 → 그 허점은 절대 '거짓 분산'이라고 부르지 마십시오(그는 자신을 속이지 않았는데, 당신이 묻고 나서 다시 꾸짖으면 = 모순). 대신 '당신이 선택한 집중 베팅'으로 프레임을 변경하고, 두 가지 포인트를 공략합니다: ① 그것은 당신의 종목 선택 능력을 측정할 수 없게 만듭니다(즉, α를 판단할 수 없는 이유와 연결하여 설명) ② 집중 하락 위험 – 감축/손절매 라인이 있는지. '분산이라고 생각했다'고 답하면 → 그때 '거짓 분산'을 사용합니다. 손실 방어/하락 시 매수, 올인도 마찬가지입니다: 답변이 어떻게 말하든 제목도 그렇게 표시합니다.
- 사용자가 건너뛰면 기계적 허점만으로 카드를 출력하고, 강요하지 않습니다.
(c) thesis 생성 / 업데이트(AI 추측 위주, 질문은 보조 – 주간 기록을 대체하는 핵심)
철칙: 마찰 감소 + 절제. 이 제품의 생명은 '당신이 도망치고 싶은 무거운 시스템'이 되지 않는 것입니다. thesis는 절대 사용자가 앉아서 작성하도록 강요하지 않습니다 – 당신(Claude)이 거래 행동 + ticker 세계 지식에서 추측하고, 기본적으로
inferred로 저장하며, 사용자가 마음에 안 들면 수정합니다. 사용자가 콜드 스타트에서도 완전한 thesis 라이브러리를 가지도록 하고, 작성 비용을 0으로 만듭니다.
메인 경로: AI 추측, 사용자에게 묻지 않음. thesis가 누락된 각 보유 주식에 대해, 엔진 행동 신호(ticker_diagnosis의 적립식 매수/손실 방어/과도한 비중/규율 있는 보유 + 추가 매수 횟수 + cur_ret + 보유 일수) + ticker가 어떤 회사/섹터인지를 사용하여 추측하여 thesis를 만듭니다:
- why: 행동에서 추측(규칙적인 추가 매수 + 장기 보유 + 수익 → '적립식 핵심 포지션'; 손실 방어 의심 → '본전 찾기를 위한 평균 단가 낮추기(확인 필요)').
- 세 가지 trigger: ticker 유형에서 일반적인 트리거 추측 – 성장주 → 매출/사용자 성장 둔화; 경기순환주 → 경기 순환 역전; AI 관련 → capex 약세.
reduce는 현재 사이징에서 추측(이미 초과 → 해당 종목 감축선). - 각 항목에 출처 표시
(추측 출처: 규칙적 추가 매수+장기 보유)를 추가하여 사용자가 한눈에 추측임을 알고 수정할 수 있도록 합니다. - maturity =
inferred, 모두 직접 저장, 질문 없음.
한 가지 경우에만 사용자에게 한 문장을 묻습니다(큰 그림 보고 작은 것 놓치기, 심문하지 마십시오):
- 행동 모순, 금액이 가장 큰 1개 종목(손실 방어 의심 / 심각한 손실 중 추가 매수) – 기계는 '하락 시 매수 vs 손실 방어'를 구분할 수 없으며, 차이는 why(계산할 수 없음)에 있습니다. 한 문장만 묻습니다(마찬가지로 AskUserQuestion 사용, 세 가지 옵션 직접 제공): "{ticker}를 N회 추가 매수했지만 여전히 X% 손실입니다. 손실을 인정하고 싶지 않아서(손실 방어)라고 추측합니다 – 맞습니까 / 새로운 이유가 있습니다(하락 시 매수) / 건너뛰기".
- 한 번에 최대 1개 종목만 질문합니다; 나머지는 모두 추측으로 처리하고, 방해하지 않습니다. 사용자가 건너뛰면
inferred를 유지하고, 추궁하지 않습니다.
수정은 '대조 시 즉시 수정'을 통해 이루어지며, '앉아서 작성'을 통해서가 아닙니다: 대조(Step 2.5)에서 추측한 thesis + 트리거 발생 상황을 제시하고, 사용자가 추측이 틀렸다고 생각되면 즉시 한 가지만 수정합니다 → 해당 thesis는 testable로 승격됩니다(사용자가 확인함). '투기적 추종, thesis 없음'이라고 명시하면 → draft로 표시합니다. thesis는 사용할수록 정확해지지만, 작성하도록 강요하지 않습니다.
변하지 않는 철칙: exit_trigger(잘못 판단, 사실) ≠ stop(얼마나 하락하면 매도, 가격). 추측할 때 exit도 'thesis가 무효화되는 사실'로 추측하고, 손절매 가격으로 추측하지 않습니다. 차라리 inferred일지라도 가짜 testable보다 낫습니다.
Step 2.5 · 이전 thesis와 약속 대조(대조 모드 / log가 비어 있지 않은 경우에만)
먼저 '현재 유효한 thesis'를 재구성합니다(append-only 읽기는 필수, 그렇지 않으면 활성 목록이 폭발함): theses.jsonl은 append-only이므로 동일한 thesis에 여러 개정이 있을 수 있습니다. 읽을 때 thesis_id별로 이벤트 로그를 작성하고, 각 cycle은 supersede되지 않은 최신 항목만 가져옵니다:
- 나중에 나타난
revises: <이전 id>→ 이전 id를 superseded로 표시하고 제외합니다. - cycle이 이미 청산됨(해당
cycle_id가 엔진holdings.positions에 없음) → 해당 thesis를 closed로 표시하고 대조에 포함하지 않습니다(기록 보존). - 결과 = 각 활성 cycle에 대해 정확히 하나의 유효한 thesis가 있습니다.
새 카드를 출력하기 전에 먼저 이전을 확인합니다:
- 약속 메트릭: 이전
commitment.metric_key의 이전 값 → 이번 엔진 상태의 새 값("지난번에 20%로 낮추겠다고 했을 때 51% → 현재 48%: 낮아지고 있지만 목표는 아님"). - 트리거 확인 – 세 가지 유형만 확인하고, 종목별로 일일이 스캔하지 마십시오(종목별 스캔 = 성찰을 연구 과제로 만듦 = 고급 지연으로 돌아감):
- 확인 대상: 이번 주에 거래가 있는 ticker + 이전 약속과 관련된 ticker + 가장 큰 위험 1개 종목. 나머지 활성 thesis는 "이번 주 미확인"으로 표시합니다. 외부 뉴스 / 기본적 분석 확인은 opt-in(사용자가 요청할 때만, 매주 필수 실행 아님).
- 이 종목들에 대해 트리거 발생 여부를 확인하고, 표현은 maturity에 따라 다릅니다(가장 중요 – AI가 추측한 것을 당신의 약속으로 취급하지 마십시오):
testable(사용자가 확인함) → 그때야 결론 사용:exit_trigger발생 = 🔴 "당신이 정한 '{exit}'이 발생했습니다 – thesis가 깨졌으니 떠나야 합니다".inferred(AI가 추측) → 반드시 의문문만 사용하고, 절대 '떠나야 한다'고 말하지 마십시오: 🟡 "제가 추측한 무효 조건 '{exit}'이 발생한 것 같습니다 – 이것이 당신이 처음 매수했을 때의 논리에 부합합니까? 부합한다면 → 청산 고려; 부합하지 않는다면 → 즉시 실제 exit 조건으로 수정하십시오".inferred에는 항상[⚠️ AI 추측, 수정 필요]표시를 붙입니다.
review_trigger발생 → 다시 볼 것을 제안하고, 매도하도록 재촉하지 않습니다.
- 대조가 끝난 후에야 이번 주의 새로운 허점(headline)을 말합니다. 하나의 허점 + 하나의 규칙으로만 수렴하고, 각 thesis를 보고서로 펼쳐 놓지 마십시오.
Step 3 · 카드 출력(수렴 철칙) – Step 2 답변을 얻은 후에만 출력
🚦 카드 출력 전 자체 점검(통과하지 않으면 절대 카드 출력 금지):
- 엔진을
TR_JSON=1로 실행했습니까? 얻은 것은build_card_data()구조화 JSON이며, 기본 사람이 읽을 수 있는 카드가 아닙니다. - Step 2 대화를 완료했습니까? –
thesis_questions중 최소 '금액이 가장 크고 행동이 모순되는' 1개 종목에 대해 질문하고 + 답변을 얻었습니까; 주요 동기 렌즈(headline_dim에 해당하는)에 대해 1문장 질문했습니까? 질문을 완료하지 않고 카드를 출력하면 = '엔진 + 템플릿'으로 퇴보하여 SKILL의 가치를 잃습니다. - 당신은 내러티브로 카드를 작성할 계획이며, JSON 필드를 그대로 복사하지 않을 것입니까? JSON을 데이터 소스로 사용하고, 직접 문장을 구성하며,
〔X〕내용의 대시보드 조합을 나열하지 마십시오.
세 가지 모두 통과한 후에야 card-spec.md를 읽고, 그 안의 사양에 따라 카드를 출력합니다 – 카드 구조, 금지 목록, private/public 두 가지 카드 및 redact 규칙, 내러티브 철칙, 처방 계층은 모두 해당 파일에 있으며, 여기서 반복하지 않습니다. Step 2가 아직 완료되지 않았다면 미리 열지 마십시오: 그 전까지 당신의 유일한 목표는 동기 질문을 완료하고 답변을 얻는 것입니다.
Step 3.5 · 규칙 수렴: 사용자가 하나를 선택하고, 메모리에 저장(생략 불가 – 다음 대조의 진입점임)
카드에 나열된 2–3개의 후보 규칙은 결말이 아닙니다. 카드를 출력한 직후 AskUserQuestion(옵션 = 각 후보 + "이번 주는 약속하지 않음", Other로 수정 가능)을 사용하여 한 문장을 묻습니다: "다음 주 대조를 위한 약속으로 하나를 선택하시겠습니까? 로컬 log에 저장되며, 다음 번 시작 시 첫 마디로 확인합니다: 지킨 것과 지키지 못한 것."(#56: 당신이 대신 선택하는 것을 금지함, 그가 선택한 것만 저장됨.)
- 옵션 레이블 = 규칙 짧은 문구, description은 "다음 주에 확인할 지표 + 현재 값"을 작성 – 모든 것은 사람 말로, 내부 metric key는 절대 사용자가 볼 수 있는 텍스트에 나타나서는 안 됩니다(실제 사용자 피드백: "max_pos_pct 추적, 이번 주 기준선 42%" = 어색함). ✅ "다음 주 확인: 최대 단일 종목 비중, 현재 42%" / ❌ "max_pos_pct 추적, 기준선 42%". 사용자가 5초 안에 선택할 수 있어야 합니다.
- metric_key 매핑(log에는 내부 이름 저장, 표시는 사람 말 사용): 단일 종목 비중 →
max_pos_pct(사람 말 "최대 단일 종목 비중"); 손실 중 추가 매수 →avgdown_count("손실 중 추가 매수 횟수"); 섹터 집중 →ai_pct("동일 섹터 비중"); 업종 →max_sector_pct("최대 업종 비중"); 승패비 →payoff. 대조는 metric으로 비교하고, headline과 비교하지 않습니다(규칙 차원 ≠ headline 차원인 경우 대조가 잘못됨). - 사용자가 선택 → 즉시 아래 마무리 스크립트를 실행하여 저장,
FINAL_RULE/METRIC_KEY에 그가 선택한(또는 수정한) 규칙을 채웁니다. insufficient_data=true인 경우 분업: 기계적 기본 commitment는 그대로 출력하지 않습니다(엔진이 이미 null로 설정함, 데이터 부족 시 추측을 약속으로 사용하지 마십시오); 하지만 사용자가 직접 선택한 규칙은 그대로 저장합니다 – 행동 약속은 그의 의지이며, 샘플 충분성과는 무관합니다; 데이터 부족이 영향을 미치는 것은 메트릭 기준선 해석뿐입니다. 저장 시source: "user_chosen"+baseline_note: "short-sample baseline"을 표시하고, 다음 대조 표현은 방향(감소 중 / 변화 없음 / 악화)을 보며, 목표 달성 여부는 판단하지 않습니다.- 사용자가 "이번 주는 약속하지 않음" / 건너뛰기를 선택하면 → 마무리
FINAL_RULE에SKIP채움: log는 이번 주 메트릭을 그대로 저장(추세 대조용), commitment=null, 다음 주에 규칙으로 그를 추궁하지 않습니다.
Step 4 · 피드백 한 문장(검증용)
카드를 출력한 후, 한 문장을 묻습니다: "이 카드가 도움이 되었나요?" – 여기서 중요한 것은 내용이 아니라 사용자가 이 형식의 성찰에 참여했는지입니다. '예'/'아니요' 또는 선택지를 통한 원클릭, [건너뛰기] 허용. 텍스트는 필요 없습니다(피드백이 개인 정보 보호/노이즈 임계값을 위반함). 수집된 '유용함' 비율은 제품 개발의 유일한 신호입니다.
로컬 상태 파일 사양
모든 파일은 ~/.trade-coach/ 아래에 있습니다:
log.jsonl: JSON Lines, 각 행은 하나의 리뷰 세션입니다. 필드:session_id(UUID),date_start/date_end(커버된 거래 기간),date_reviewed(리뷰 날짜),headline_dim,headline_metric_value,commitment({rule, metric_key, metric_value, goal}),metrics(전체 메트릭 스냅샷),summary(짧은 요약, 예: "집중도 높음 + 손실 방어 의심됨"). 첫 행부터 append-only, 수정하지 않음.insufficient_data=true인 경우 commitment는 null일 수 있으며,baseline_note로 설명합니다.theses.jsonl: JSON Lines, 각 행은 하나의 thesis 이벤트입니다. 필드:thesis_id(UUID),cycle_id(pos cycle과 연결),symbol,maturity(inferred/draft/testable/abandoned),why(AI 추측 또는 사용자 제공),exit_trigger(thesis가 무효화되는 사실 조건),review_trigger(정기 재검토 알림 조건),reduce(감축 조건),revises(이전 thesis_id, 있으면 이전 것을 supersede),source(inferred/user),created_at. append-only, 덮어쓰지 않음; maturity 업데이트는 새 이벤트를 추가합니다.profile.md: 마크다운, 사용자의 거래 목표(예: "연 15% 초과 수익") + 3개 개인 원칙(예: "손실 중 추가 매수 금지", "단일 종목 20% 제한"). 처음에 AI가 질문을 통해 생성하며, 사용자가 직접 편집할 수 있습니다.output_lang:설정도 포함합니다.last_state.json: 엔진이TR_STATE_OUT으로 출력하는 얇은 상태 JSON이며, 대조 시 읽습니다.
철칙: append-only 로그는 수정하지 않음, 덮어쓰지 않음, 삭제하지 않음. thesis 오류는 개정(revises)을 통해서만 수정합니다. 이렇게 해야 기간 간 대조가 가능해지며, '사후 합리화' 경향을 억제합니다(이전에 손실 방어라고 썼는데 지금은 하락 시 매수라고 생각한다면? → 사후 합리화라고 표시하고 새 이벤트를 추가함).
예시(의도 설명용)
사용자가 제공한 CSV에 다음 거래가 포함된 경우:
- 여러 번 손실 중 MSTR 추가 매수
- GOOG를 너무 일찍 매도
- 포트폴리오의 48%가 PLTR
최종 카드는 다음과 같습니다:
- 헤드라인 허점: 과도한 집중(PLTR 48%) + 의심되는 손실 방어(MSTR)
- 렌즈 렌즈: "PLTR 48% – 의도적인 집중 베팅인가, 아니면 분산이라고 생각했는가?" → 사용자가 '의도적인 집중'을 선택 → 제목: '당신이 선택한 집중 베팅'
- 알파/베타 분석: "시장을 +25pp 이겼지만, β=1.8, α 연율화 +3%, 95% 구간 [−8%, +15%] – 통계적으로 유의하지 않으며, 집중이 측정을 방해함"
- 행동 규칙(후보, 사용자 선택 가능): "최대 단일 종목 비중을 30%로 제한", "손실 중 추가 매수는 thesis만 허용"
- thesis 추측: "MSTR(손실 방어 의심) + PLTR(핵심 포지션으로 추측)"
SKILL 마무리 스크립트(적용 시간)
Step 3.5 완료 후 실행:
# 환경 변수는 엔진 실행 시 설정했다고 가정
# Step 3.5의 선택 결과는 변수에 저장됨: FINAL_RULE, METRIC_KEY
# log.jsonl에 기록 (append-only)
echo '{"session_id":"...","date_end":"...","headline_dim":"...","commitment":{"rule":"'$FINAL_RULE'","metric_key":"'$METRIC_KEY'","metric_value":...},"metrics":{...},"summary":"..."}' >> ~/.trade-coach/log.jsonl
# 사용자가 thesis를 수정한 경우 theses.jsonl에 기록
echo '{"thesis_id":"...","cycle_id":"...","symbol":"...","maturity":"testable","why":"...","exit_trigger":"...","revises":"...","source":"user","created_at":"..."}' >> ~/.trade-coach/theses.jsonl
이 스크립트는 설명을 위한 것입니다. 실제 실행 시 실제 값을 사용하고 사용자 환경에서 실행하며, 데이터를 외부로 전송하지 마십시오.