deeptrade-quant 0.0.2__py3-none-any.whl

deeptrade/strategies_builtin/limit_up_board/limit_up_board/plugin.py

@@ -0,0 +1,30 @@
+"""LimitUpBoardPlugin — Plugin Protocol entry for the打板策略.
+
+Satisfies the framework's minimal :class:`deeptrade.plugins_api.Plugin`
+contract: ``metadata`` + ``validate_static`` + ``dispatch``.
+
+Everything else (run lifecycle, history, report, tushare/llm wiring) lives
+inside the plugin: see ``cli.py`` and ``runner.py``.
+"""
+
+from __future__ import annotations
+
+from typing import TYPE_CHECKING
+
+from . import cli as _cli
+
+if TYPE_CHECKING:  # pragma: no cover
+    from deeptrade.plugins_api.base import PluginContext
+
+
+class LimitUpBoardPlugin:
+    """Framework entry class for the limit-up-board plugin."""
+
+    metadata = None  # injected by framework after install
+
+    def validate_static(self, ctx: PluginContext) -> None:  # noqa: ARG002
+        # No network. Light import-only sanity check.
+        from . import schemas  # noqa: F401, PLC0415
+
+    def dispatch(self, argv: list[str]) -> int:
+        return _cli.main(argv)

deeptrade/strategies_builtin/limit_up_board/limit_up_board/profiles.py

@@ -0,0 +1,85 @@
+"""LLM stage profile presets for limit-up-board.
+
+v0.7 — stage 调参档归插件维护。preset 名（``fast/balanced/quality``）仍是
+框架级用户配置（``app.profile``），但每个 preset 在本插件三个 stage 上的
+具体 tuning 由本模块持有。
+
+Preset → stage tuning 表沿用 v0.6 ``PROFILES_DEFAULT`` 的语义：
+  * fast     — 全程关 thinking，低成本
+  * balanced — R1 关 thinking，R2 / final_ranking 开
+  * quality  — 全程开 thinking
+"""
+
+from __future__ import annotations
+
+from deeptrade.plugins_api import StageProfile
+
+STAGE_R1 = "strong_target_analysis"
+STAGE_R2 = "continuation_prediction"
+STAGE_FINAL = "final_ranking"
+STAGE_R3 = "continuation_revision"
+
+
+PROFILES: dict[str, dict[str, StageProfile]] = {
+    "fast": {
+        STAGE_R1: StageProfile(
+            thinking=False, reasoning_effort="medium", temperature=0.1, max_output_tokens=32768
+        ),
+        STAGE_R2: StageProfile(
+            thinking=False, reasoning_effort="medium", temperature=0.2, max_output_tokens=32768
+        ),
+        STAGE_FINAL: StageProfile(
+            thinking=False, reasoning_effort="medium", temperature=0.0, max_output_tokens=8192
+        ),
+        STAGE_R3: StageProfile(
+            thinking=False, reasoning_effort="medium", temperature=0.2, max_output_tokens=32768
+        ),
+    },
+    "balanced": {
+        STAGE_R1: StageProfile(
+            thinking=False, reasoning_effort="medium", temperature=0.1, max_output_tokens=32768
+        ),
+        STAGE_R2: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.2, max_output_tokens=32768
+        ),
+        STAGE_FINAL: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.0, max_output_tokens=8192
+        ),
+        STAGE_R3: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.2, max_output_tokens=32768
+        ),
+    },
+    "quality": {
+        STAGE_R1: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.2, max_output_tokens=32768
+        ),
+        STAGE_R2: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.2, max_output_tokens=32768
+        ),
+        STAGE_FINAL: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.0, max_output_tokens=8192
+        ),
+        STAGE_R3: StageProfile(
+            thinking=True, reasoning_effort="high", temperature=0.2, max_output_tokens=32768
+        ),
+    },
+}
+
+
+def resolve_profile(preset: str, stage: str) -> StageProfile:
+    """Look up the StageProfile for ``preset × stage``.
+
+    Raises:
+        KeyError — unknown preset or stage name (caller decides how to surface).
+    """
+    if preset not in PROFILES:
+        raise KeyError(
+            f"unknown profile preset {preset!r}; expected one of {sorted(PROFILES)}"
+        )
+    table = PROFILES[preset]
+    if stage not in table:
+        raise KeyError(
+            f"unknown stage {stage!r} for preset {preset!r}; "
+            f"expected one of {sorted(table)}"
+        )
+    return table[stage]

deeptrade/strategies_builtin/limit_up_board/limit_up_board/prompts.py

@@ -0,0 +1,485 @@
+"""Prompt templates for limit-up-board LLM stages.
+
+The wording follows DESIGN §12.4.3 / §12.5.5 / §12.5.4 with v0.3.1 fixes:
+    F2 — sector_strength_source rendered into prompt
+    F5 — explicit length caps on rationale / evidence / risk_flags
+    M3 — system prompts forbid external info
+    M4 — separate final_ranking template
+"""
+
+from __future__ import annotations
+
+import json
+from typing import Any
+
+# ---------------------------------------------------------------------------
+# R1: strong target analysis
+# ---------------------------------------------------------------------------
+
+R1_SYSTEM = """\
+你是一个 A 股打板策略研究助手。你只能基于本次消息中提供的结构化数据进行分析。
+
+【硬性纪律】
+1. 严禁使用外部搜索、新闻网站、公告网站、实时行情、社交媒体、机构观点或任何未提供的数据。
+2. 严禁编造新闻、公告、盘口、传闻、龙虎榜席位（除非数据中明确提供）、资金分歧、ETF 申赎流向。
+3. 如果某字段缺失（出现在 data_unavailable 中），必须在该候选股的 missing_data 列出，禁止猜测或虚构。
+4. 本批次中的每一只候选股都必须出现在 candidates 数组中，且 candidate_id 与输入完全一致。
+5. 仅输出 JSON，不要 Markdown 代码块包裹，不要解释性前后缀。
+
+【任务】
+对本批次涨停候选股进行"强势标的分析"，判断其是否具备进入下一轮"连板预测"的资格。
+
+【分析维度】
+- 封板强度：first_time / last_time / open_times / fd_amount_yi / limit_amount_yi / fd_amount_ratio（封单/成交额，>10% 为强势封板）
+- 板块强度：参考下方【板块强度摘要】(注意 sector_strength_source；可信度 limit_cpt_list > lu_desc_aggregation > industry_fallback)
+- 梯队地位：limit_times / up_stat
+- 量价：pct_chg / amount_yi / turnover_ratio / amplitude_pct（振幅过大警惕分歧炸板）
+- 形态：ma5 / ma10 / ma20 / ma_bull_aligned（多头排列时增强）
+- 历史基因：up_count_30d（近 30 日涨停次数）/ up_stat
+- 市场情绪：参考下方【市场摘要】中 limit_step_trend / yesterday_failure_rate / yesterday_winners_today
+- 风险：是否一字板 / 过度连板 / 题材孤立 / 缺数据
+
+【evidence 要求】
+每个候选股至少给出 1 条、至多 4 条 evidence；每条必须引用真实出现在输入中的字段名 (`field`)，并填上对应数值 (`value`)、单位 (`unit`) 和你的解读 (`interpretation`)。
+任何无法用输入字段佐证的 rationale 都视为幻觉。
+当 candidate 的 missing_data 包含某字段时，evidence 中**不得**引用该字段。
+rationale 不超过 80 字（输出截断会触发 JSON 失败）。
+
+【输出格式】（严格按照此 JSON Schema 输出；不要省略任何字段，不要新增字段）
+{
+  "stage": "strong_target_analysis",
+  "trade_date": "<原样回传输入中的 trade_date>",
+  "batch_no": <原样回传输入中的 batch_no>,
+  "batch_total": <原样回传输入中的 batch_total>,
+  "batch_summary": "<本批整体观察 ≤ 80 字>",
+  "candidates": [
+    {
+      "candidate_id": "<原样回传输入中的 candidate_id>",
+      "ts_code": "<原样回传，含 .SH/.SZ 后缀，如 600519.SH>",
+      "name": "<原样回传输入中的股票名称>",
+      "selected": true,
+      "score": 0,
+      "strength_level": "high",
+      "rationale": "<≤ 80 字的核心判断>",
+      "evidence": [
+        {
+          "field": "<必须是输入字段名，如 fd_amount_yi / first_time / up_stat>",
+          "value": 0,
+          "unit": "<亿/万/%/次/秒/无>",
+          "interpretation": "<对该数值的简短解读>"
+        }
+      ],
+      "risk_flags": [],
+      "missing_data": []
+    }
+  ]
+}
+
+【字段值约束】
+- selected:        true 或 false（true 表示进入下一轮）
+- score:           0–100 的浮点数
+- strength_level:  必须是 "high" / "medium" / "low" 三选一
+- evidence:        每只 1–4 条，每条 4 个字段不可省
+- risk_flags:      空数组或字符串数组，最多 5 条
+- missing_data:    数据缺失字段名数组（参见 data_unavailable）
+- 本批每只候选股都必须出现在 candidates 中，candidate_id 与输入完全一致，不可漏不可加。
+"""
+
+
+def r1_user_prompt(
+    *,
+    trade_date: str,
+    batch_no: int,
+    batch_total: int,
+    candidates: list[dict[str, Any]],
+    market_summary: dict[str, Any],
+    sector_strength_source: str,
+    sector_strength_data: dict[str, Any],
+    data_unavailable: list[str],
+) -> str:
+    """Render the R1 user prompt for one batch."""
+    return _render_user(
+        title=f"trade_date = {trade_date}\nbatch_no   = {batch_no}\nbatch_total= {batch_total}",
+        n=len(candidates),
+        market_summary=market_summary,
+        sector_strength_source=sector_strength_source,
+        sector_strength_data=sector_strength_data,
+        candidates=candidates,
+        data_unavailable=data_unavailable,
+        instruction=(
+            "请对本批次每一只候选股输出 StrongCandidate；candidate_id 与输入一一对应；"
+            "selected=true 表示进入下一轮；rationale ≤ 80 字。"
+        ),
+    )
+
+
+# ---------------------------------------------------------------------------
+# R2: continuation prediction
+# ---------------------------------------------------------------------------
+
+R2_SYSTEM = """\
+你是一个 A 股打板策略研究助手，正在执行第二轮"连板预测"。
+
+【硬性纪律】（与第一轮一致）
+1. 严禁使用外部搜索或任何未提供的数据。
+2. 严禁编造盘口、龙虎榜席位（除非输入中明确提供）、消息面、传闻、ETF 申赎流向。
+3. 输入清单中的每一只标的都必须出现在 candidates 数组中，candidate_id 原样回传。
+4. 信息不足时，只能降低 confidence 并在 missing_data 列出缺失字段，禁止猜测。
+5. 仅输出 JSON。
+
+【判断重点】
+- 是否处于主线强势板块（参考输入【板块强度摘要】section；sector_strength_source 越靠 limit_cpt_list 越权威）。
+- 是否为板块龙头或具备空间板地位（参考 limit_step 全市场最高连板数）。
+- 封板质量是否支持次日溢价 (fd_amount_yi、fd_amount_ratio、open_times、first_time)。
+- 资金近 5 日是否持续确认。
+- 风险：高位加速 / 连续一字 / 流动性不足。
+- 市场亏钱效应（market_summary.yesterday_failure_rate.interpretation == 'high'）下，
+  所有 confidence 自动下调一档（high → medium，medium → low），rationale 需明示。
+- 涨停梯队拉升（market_summary.limit_step_trend.interpretation == 'spectrum_lifting'）下，
+  最高板地位的标的可适度上调 continuation_score；score 仍受 0–100 上限约束。
+- 不允许引用 missing_data 中的字段；可引用所有派生字段
+  （amplitude_pct / fd_amount_ratio / ma_* / up_count_30d）。
+- 筹码维度（参考候选行 cyq_winner_pct / cyq_top10_concentration /
+  cyq_avg_cost_yuan / cyq_close_to_avg_cost_pct）：
+  · cyq_winner_pct > 70% 视为"获利盘抛压重"，下调 confidence；
+    cyq_close_to_avg_cost_pct < -10% 视为"严重套牢盘解套"，谨慎评估；
+    cyq_top10_concentration > 60% 视为"筹码高度集中"，可作为正面 evidence。
+  · 仅当数据存在时引用；missing_data 中的字段不得引用、不得编造结论。
+- 龙虎榜（参考候选行 lhb_net_buy_yi / lhb_inst_count / lhb_famous_seats_count / lhb_famous_seats_text）：
+  · lhb_* 全部为 null 表示"该股未上龙虎榜"——这是合法事实，不视为数据缺失，
+    rationale 可以说"未触发龙虎榜异动"。
+  · lhb_famous_seats_count > 0 且 lhb_net_buy_yi > 0 时，可作为"游资认可"的正面 evidence；
+    lhb_net_buy_yi < 0 时不得作为正面 evidence（即便 famous_seats_count > 0 也只能作为
+    中性或负面信号）。
+  · lhb_famous_seats_text 是分号分隔的席位名称合并字符串，仅可在 interpretation 中
+    照抄原文片段；不可推断"哪一位游资"或具体身份。
+  · 作为 key_evidence 引用时，field 用 lhb_famous_seats_count（value 填整数席位数）
+    或 lhb_famous_seats_text（value 填字符串原文），严禁把席位列表当数组写入 value。
+
+【输出语义】
+- continuation_score (0-100) 仅是模型内部排序分。
+- prediction ∈ {top_candidate, watchlist, avoid}.
+- rationale ≤ 200 字。
+
+【输出格式】（严格按照此 JSON Schema 输出；不要省略任何字段，不要新增字段）
+{
+  "stage": "limit_up_continuation_prediction",
+  "trade_date": "<原样回传输入中的 trade_date>",
+  "next_trade_date": "<原样回传输入中的 next_trade_date>",
+  "market_context_summary": "<整体市场背景 ≤ 100 字>",
+  "risk_disclaimer": "<风险提示 ≤ 80 字>",
+  "candidates": [
+    {
+      "candidate_id": "<原样回传>",
+      "ts_code": "<原样回传，含 .SH/.SZ>",
+      "name": "<原样回传>",
+      "rank": 1,
+      "continuation_score": 0,
+      "confidence": "high",
+      "prediction": "top_candidate",
+      "rationale": "<≤ 200 字的预测理由>",
+      "key_evidence": [
+        {
+          "field": "<输入字段名>",
+          "value": 0,
+          "unit": "<亿/万/%/次/秒/无>",
+          "interpretation": "<对该数值的简短解读>"
+        }
+      ],
+      "next_day_watch_points": ["<次日需要观察的 1-4 个关键点>"],
+      "failure_triggers": ["<会让预测失效的 1-4 个触发条件>"],
+      "missing_data": []
+    }
+  ]
+}
+
+【字段值约束】
+- rank:                本批内 1..N 连续唯一整数（不可重复、不可跳号）
+- continuation_score:  0–100 浮点数（模型内部排序分）
+- confidence:          "high" / "medium" / "low" 三选一
+- prediction:          "top_candidate" / "watchlist" / "avoid" 三选一
+- key_evidence:        每只 1–5 条；每条 value 必须是标量（字符串/整数/浮点数/null），
+                       严禁填入数组或对象——若需引用 list 类输入字段，请改用其同名
+                       _count（条数）或 _text（合并字符串）的标量伴生字段。
+- next_day_watch_points / failure_triggers: 各 1–4 条字符串数组（不可为空）
+- 输入清单中的每一只标的都必须出现在 candidates 中，candidate_id 与输入完全一致。
+"""
+
+
+def r2_user_prompt(
+    *,
+    trade_date: str,
+    next_trade_date: str,
+    candidates: list[dict[str, Any]],
+    market_context: dict[str, Any],
+    sector_strength_source: str,
+    sector_strength_data: dict[str, Any],
+    data_unavailable: list[str],
+) -> str:
+    return _render_user(
+        title=(f"trade_date     = {trade_date}\nnext_trade_date= {next_trade_date}"),
+        n=len(candidates),
+        market_summary=market_context,
+        sector_strength_source=sector_strength_source,
+        sector_strength_data=sector_strength_data,
+        candidates=candidates,
+        data_unavailable=data_unavailable,
+        instruction=("请对每一只标的输出 ContinuationCandidate；rank 在本批内唯一且 1..N 连续。"),
+    )
+
+
+# ---------------------------------------------------------------------------
+# Final ranking (only when R2 multi-batch)
+# ---------------------------------------------------------------------------
+
+FINAL_RANKING_SYSTEM = """\
+你是一个 A 股打板策略的全局排名助手。
+
+【硬性纪律】
+1. 严禁引入新事实；仅基于下方 finalists 的摘要 + 市场环境进行重排。
+2. 不允许引用任何输入数据之外的信息。
+3. final_rank 必须是 1..N 的连续置换。
+4. delta_vs_batch ∈ {upgraded, kept, downgraded}，相对该候选在批内的 prediction 给出。
+5. reason_vs_peers ≤ 200 字。
+6. 仅输出 JSON。
+
+【输出格式】（严格按照此 JSON Schema 输出；不要省略任何字段，不要新增字段）
+{
+  "stage": "final_ranking",
+  "trade_date": "<原样回传输入中的 trade_date>",
+  "next_trade_date": "<原样回传输入中的 next_trade_date>",
+  "finalists": [
+    {
+      "candidate_id": "<原样回传>",
+      "ts_code": "<原样回传，含 .SH/.SZ>",
+      "final_rank": 1,
+      "final_prediction": "top_candidate",
+      "final_confidence": "high",
+      "reason_vs_peers": "<≤ 200 字，与同批其他标的对比的理由>",
+      "delta_vs_batch": "kept"
+    }
+  ]
+}
+
+【字段值约束】
+- final_rank:        1..N 的连续置换（不可重复、不可跳号）
+- final_prediction:  "top_candidate" / "watchlist" / "avoid" 三选一
+- final_confidence:  "high" / "medium" / "low" 三选一
+- delta_vs_batch:    "upgraded" / "kept" / "downgraded" 三选一（相对批内原 prediction）
+- 每个输入 finalist 都必须出现，candidate_id 与输入完全一致。
+"""
+
+
+def final_ranking_user_prompt(
+    *,
+    trade_date: str,
+    next_trade_date: str,
+    finalists: list[dict[str, Any]],
+    market_context: dict[str, Any],
+) -> str:
+    payload = {
+        "trade_date": trade_date,
+        "next_trade_date": next_trade_date,
+        "market_context": market_context,
+        "finalists": finalists,
+    }
+    return (
+        f"trade_date     = {trade_date}\n"
+        f"next_trade_date= {next_trade_date}\n"
+        f"finalists count = {len(finalists)}\n\n"
+        "【finalists 摘要】\n"
+        + json.dumps(payload, ensure_ascii=False, indent=2)
+        + "\n\n请对所有 finalists 输出 FinalRankItem 数组；final_rank 1..N 连续。"
+    )
+
+
+# ---------------------------------------------------------------------------
+# R3 — Debate-mode revision (multi-LLM)
+# ---------------------------------------------------------------------------
+
+R3_DEBATE_SYSTEM = """\
+你是 A 股打板策略多 LLM 辩论中的一员。本轮你已经独立完成了"连板预测"，
+下方将给你看其他匿名同行（peer_a / peer_b / ...）对同一批候选股的预测结果。
+
+【硬性纪律】
+1. 严禁使用外部搜索或任何未提供的数据；不可引入新的事实。
+2. 候选集 = 你本人 R2 输出过的 candidate_id 集合，不可漏不可加，candidate_id 原样回传。
+3. 同行身份完全匿名，不要尝试推断"peer_a 是某模型"，也不要把同行的偏见当作权威。
+4. 你必须独立判断：可以采纳同行观点修正自己；也可以保留原判断，但需在 revision_note 中给出理由。
+5. revision_note ≤ 120 字，必须解释相对你最初的预测有何变化（保持不变也要写明保持的理由）。
+6. 仅输出 JSON，不要 Markdown 代码块包裹。
+
+【可参考的同行视角】
+- 每位同行给出的字段：candidate_id, prediction, continuation_score, confidence, rationale, key_evidence (最多 2 条)。
+- 你看不到同行的完整 evidence/watch_points/failure_triggers — 只是为节约 token。
+
+【判断重点】
+- 多数同行与你判断一致 → 增强自信，但不必盲从。
+- 多数同行与你不一致 → 重新审视证据；如同行论据更有力，采纳并下调你的 prediction/score；
+  否则保持判断并明确写出"为何坚持"。
+- 同行间互相矛盾 → 你需要给出独立的最终判断。
+
+【输出格式】（严格按照此 JSON Schema 输出；不要省略任何字段，不要新增字段）
+{
+  "stage": "limit_up_continuation_revision",
+  "trade_date": "<原样回传>",
+  "next_trade_date": "<原样回传>",
+  "revision_summary": "<≤200 字，总结你与同行的整体分歧及本次修订思路>",
+  "candidates": [
+    {
+      "candidate_id": "<原样回传>",
+      "ts_code": "<原样回传>",
+      "name": "<原样回传>",
+      "rank": 1,
+      "continuation_score": 0,
+      "confidence": "high",
+      "prediction": "top_candidate",
+      "rationale": "<≤200 字>",
+      "key_evidence": [
+        {"field": "<输入字段名>", "value": 0, "unit": "<单位>", "interpretation": "<解读>"}
+      ],
+      "next_day_watch_points": ["<1-4 个>"],
+      "failure_triggers": ["<1-4 个>"],
+      "missing_data": [],
+      "revision_note": "<≤120 字，解释相对你 R2 原判断的变化或保持原因>"
+    }
+  ]
+}
+
+【字段值约束】
+- rank:                本批 1..N 连续唯一整数
+- continuation_score:  0–100 浮点
+- confidence:          high / medium / low
+- prediction:          top_candidate / watchlist / avoid
+- key_evidence:        每只 1–5 条
+- next_day_watch_points / failure_triggers: 各 1–4 条
+- revision_note:       1–120 字（必填），保持原判时需写明理由
+- 候选集与你 R2 输出完全一致，不可漏不可加。
+"""
+
+
+def assign_peer_labels(self_provider: str, all_providers: list[str]) -> dict[str, str]:
+    """Map other providers to anonymous peer_a / peer_b / ... labels.
+
+    Sorting by provider name keeps the labelling stable inside one run; each
+    LLM sees the others under the same set of letters.
+    """
+    others = sorted(p for p in all_providers if p != self_provider)
+    return {p: f"peer_{chr(ord('a') + i)}" for i, p in enumerate(others)}
+
+
+def _peer_view_row(c: Any) -> dict[str, Any]:
+    """Compact view of a peer's ContinuationCandidate — keeps the top 1-2
+    pieces of evidence, drops watch points / failure triggers / missing_data
+    to control input tokens."""
+    return {
+        "candidate_id": c.candidate_id,
+        "ts_code": c.ts_code,
+        "name": c.name,
+        "prediction": c.prediction,
+        "continuation_score": c.continuation_score,
+        "confidence": c.confidence,
+        "rationale": c.rationale[:120],
+        "key_evidence": [
+            {
+                "field": e.field,
+                "value": e.value,
+                "unit": e.unit,
+                "interpretation": e.interpretation,
+            }
+            for e in c.key_evidence[:2]
+        ],
+    }
+
+
+def _self_view_row(c: Any) -> dict[str, Any]:
+    """Self view: full ContinuationCandidate fields so the LLM can faithfully
+    revisit its own reasoning (vs the trimmed peer view)."""
+    return {
+        "candidate_id": c.candidate_id,
+        "ts_code": c.ts_code,
+        "name": c.name,
+        "rank": c.rank,
+        "prediction": c.prediction,
+        "continuation_score": c.continuation_score,
+        "confidence": c.confidence,
+        "rationale": c.rationale,
+        "key_evidence": [
+            {
+                "field": e.field,
+                "value": e.value,
+                "unit": e.unit,
+                "interpretation": e.interpretation,
+            }
+            for e in c.key_evidence
+        ],
+        "next_day_watch_points": list(c.next_day_watch_points),
+        "failure_triggers": list(c.failure_triggers),
+        "missing_data": list(c.missing_data),
+    }
+
+
+def r3_user_prompt(
+    *,
+    trade_date: str,
+    next_trade_date: str,
+    own_predictions: list[Any],
+    peers: list[tuple[str, list[Any]]],
+    market_context: dict[str, Any],
+) -> str:
+    """Render the R3 debate prompt.
+
+    ``peers`` is ``[(label, predictions), ...]`` where label is already
+    anonymised (``peer_a`` / ``peer_b`` / ...).
+    """
+    payload: dict[str, Any] = {
+        "trade_date": trade_date,
+        "next_trade_date": next_trade_date,
+        "market_context": market_context,
+        "you": [_self_view_row(c) for c in own_predictions],
+    }
+    for label, preds in peers:
+        payload[label] = [_peer_view_row(c) for c in preds]
+
+    return (
+        f"trade_date     = {trade_date}\n"
+        f"next_trade_date= {next_trade_date}\n"
+        f"your candidate count = {len(own_predictions)}\n"
+        f"peers = {[lbl for lbl, _ in peers]}\n\n"
+        "【辩论输入】\n"
+        + json.dumps(payload, ensure_ascii=False, indent=2)
+        + "\n\n"
+        "请基于上述输入，对你自己的每一只候选股重新输出 RevisedContinuationCandidate；\n"
+        "rank 在本批内 1..N 连续；revision_note 必填且 ≤120 字。"
+    )
+
+
+# ---------------------------------------------------------------------------
+# Internal helper
+# ---------------------------------------------------------------------------
+
+
+def _render_user(
+    *,
+    title: str,
+    n: int,
+    market_summary: dict[str, Any],
+    sector_strength_source: str,
+    sector_strength_data: dict[str, Any],
+    candidates: list[dict[str, Any]],
+    data_unavailable: list[str],
+    instruction: str,
+) -> str:
+    return (
+        f"{title}\n本批候选股 = {n} 只\n"
+        f"全局 data_unavailable = {data_unavailable}\n\n"
+        "【市场摘要】\n"
+        + json.dumps(market_summary, ensure_ascii=False, indent=2)
+        + "\n\n【板块强度摘要】\n"
+        f"sector_strength_source = {sector_strength_source}\n"
+        "sector_strength_data = "
+        + json.dumps(sector_strength_data, ensure_ascii=False, indent=2)
+        + "\n\n【候选清单】\n"
+        + json.dumps(candidates, ensure_ascii=False, indent=2)
+        + f"\n\n{instruction}\n"
+    )