Community라이팅 & 에디팅github.com

fomo-kernel

거래 CSV를 하나의 행동 성찰 카드로 바꿔주는 Claude Code 스킬: 기계 계층은 큰 그림을 보고 작은 것을 놓치며, 철학 렌즈는 동기를 묻습니다.

fomo-kernel란 무엇인가요?

이 스킬은 사용자의 증권사 거래 내역(CSV/대조표)을 분석하여 하나의 집중된 행동 성찰 카드로 변환합니다. 기계 계층(Python 기반)은 가장 큰 행동 허점(예: 손실 중 추가 매수, 조기 매도, 집중 투자 등)을 식별하고, 철학 렌즈(예: 빈센트 유의 프레임워크)는 각 거래 뒤에 숨은 진정한 동기를 파악합니다. Claude Code, Cursor, Codex 등 LLM 기반 코딩 에이전트에서 실행되도록 설계되었으며, 사용자의 로컬 환경에서 모든 데이터를 처리하여 개인 정보를 철저히 보호합니다. 전체 워크플로는 초기 상담, 주간 반복 점검, 동기 확인 대화를 포함한 4단계로 구성되어 있으며, 마지막으로 행동 카드와 개선 약속을 생성합니다. 이 스킬은 기계 연산과 인간의 해석을 결합하여 막연한 거래 감정을 실행 가능한 하나의 교훈으로 전환하고, 반복되는 실수를 피하도록 돕습니다.

지원 대상✓Claude Code~Codex CLI~Cursor
npx skills add atomchung/fomo-kernel

Installed? Explore more 라이팅 & 에디팅 skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

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:

  1. 상태를 절대 저장하지 않음: TR_STATE_OUT은 임시 디렉토리(예: mktemp -d 아래)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."
  2. 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).
  3. 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:

  1. 이번 세션의 명시적 요청 – 사용자가 "give it to me in English" / "用中文"이라고 말하거나 lang=en을 전달합니다.
  2. 저장된 선호도 – ~/.trade-coach/profile.md의 output_lang: (있는 경우).
  3. 대화 언어 – 사용자가 지금 당신에게 말하는 언어입니다. 이것이 기본값입니다; 따르고 언어를 강요하지 마십시오.
  4. 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 아니라 build_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:
    1. 새 거래 감지 = 엔진 상태 date_end와 log 마지막 항목의 date_end 사이의 거래(이번 주 새 행동, 성찰 초점; 처음부터 옛날 이야기를 반복하지 않음).
    2. thesis가 누락된 보유 주식 감지 = 엔진 상태 holdings.positions의 각 cycle_id를 theses.jsonl과 비교합니다. 새 포지션(새 cycle_id) 또는 thesis를 한 번도 작성하지 않은 보유 주식 = 누락.
    3. 먼저 대조(Step 2.5): 이전 commitment의 메트릭 이전 값과 새 값 + 이전 각 활성 thesis의 exit_trigger가 트리거되었는지 확인합니다.
    4. 누락된 thesis 보충(Step 2): thesis가 누락된 보유 주식에 대해 AI가 추측(inferred 표시, 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).

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 가리키는 revises 포함), 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 명령의 python3를 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. 대조는 metric_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 약속의 metric_key로 새 값을 조회합니다(집중도 약속이면 ai_pct 추적).
    • 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 허점렌즈 단위(rubric에서 원문 확인)사용자에게 묻는 두 가지 선택지(예시, 실제 티커/숫자로 변경해야 함)
손실 중 추가 매수 평균 단가 낮추기A2 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 매도D1 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 올인B1 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 집중B2 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 착각E2 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 증가G2 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 엔진 holdings.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:

  1. 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").
  2. 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_trigger 발생 = 🔴 "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_trigger 발생 → 다시 볼 것을 제안하고, 매도하도록 재촉하지 않습니다.
  3. 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):

  1. 엔진을 TR_JSON=1로 실행했습니까? 얻은 것은 build_card_data() 구조화 JSON이며, 기본 사람이 읽을 수 있는 카드가 아닙니다.
  2. Step 2 대화를 완료했습니까? – thesis_questions 중 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.
  3. 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 시 source: "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_RULE에 SKIP 채움: 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: 엔진이 TR_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.

관련 스킬