Twmd Agent Committee

餵給人的是一張表,餵給 AI Agent 的是一塊它無法幻覺的地基。105 個上線資料集,每一筆都帶密碼學證明、時間點正確、逐欄可追出處,任何人零金鑰就能在瀏覽器當場重算。投研委員會只是蓋在這塊地基上的一個功能。

BUILDMODE 2026 · Track 01 AI Agents & Automation · Cathay 國泰「AI Agent × 區塊鏈金融」

展示頁(免安裝、免金鑰):https://tw-market-data.github.io/twmd-agent-committee/demo/ · 影片:(https://youtu.be/zmgsbgTsQaQ) · 官網:twmarketdata.com

src/ 的委員會核心零外部執行期相依 —— 只用 Node 內建的 node:crypto。package.json 的 dependencies 是空的,所有套件都在 devDependencies(建置腳本與測試在用)。這不是缺東西:少一個執行期相依,就少一條供應鏈路徑。

問題與目標

把大型語言模型接進投資研究,最先撞到的不是「不夠聰明」,是它會一本正經地編——尤其是需要計算的數字,幻覺率最高(Huang 2023)。學界的解法是 grounding:把每句話釘在有出處的真實資料上(Lewis 2020)。但金融資料多一個坑——時間點:用了「當時還不可能知道」的資料,回測會漂亮得不真實(López de Prado 2014)。所以真正缺的不是更強的模型,是一份可被查證、且時間點正確的「當下真相」,讓 agent 有地方站。

目標使用者:AI 金融應用開發者、量化研究者、agent 建構者。預期影響:讓「金融數據可以被證明」成為 agent 時代的預設基礎,而不是要你先相信一個黑盒。

核心功能

整個作品要解決的是同一件事——讓金融 AI 不能憑空捏造、也不能偷看未來。我們把「防幻覺」和「資料正確性」直接做進資料本身,對應台股金融資料現在最痛的五個缺點:

1. 防止金融 AI 幻覺 —— 金融 LLM 最會捏造數字、虛構一則不存在的公告、把衍生指標算錯,而且講得很篤定。我們讓每個被引用的數字都帶出處與證明(grounding),拿不出證明就不能宣稱——餵給人的是報表,餵給 agent 的是不會幻覺的地基。

2. 擋掉「偷看未來」的作弊式回測 —— 業界大多只「宣稱」時間點正確(PIT),但拿今日成分股或事後修訂去回測,績效會膨脹、假得漂亮。我們把每一筆資料都鎖死一個時間點,只回「那一天真的能知道」的內容,並把「沒有前視」做成能被別人查證的性質——不是宣稱。

3. 每個數字都能證明來源,並留下不可竄改的記憶 —— 每個數字都附一條可追溯到源頭的證明(inclusion proof),零金鑰在瀏覽器當場驗、改一位元就露餡;而且不像一般 AI 對話刪掉就沒了——這裡每個數字都能回放成當時的原始樣子,等於一份不會被事後偷改的市場記憶。

4. AI Agent 直接讀取資料庫(Claude × MCP) —— 把 Claude 接上 TWMD 的 MCP,agent 直接讀資料庫裡「帶證明、受時間點保護」的資料,用白話問任一支台股就能拿到可追溯的答案。這就是「AI agent」的核心:讓模型站在一個會拒絕幻覺的資料上。

5. 105 個資料集,用上帝視角看市場 —— 籌碼、基本面、行情、總經、期權、產業關聯、文本…105 個上線資料集一站取得,把散落在十幾個官方網站的台股數據,整合成一個時間點正確、可驗證的全景視角。

我們用一個投研委員會把上面五項演給你看(對任一台股跑多空辯論、出方向與價位)——但那只是展示,主角是這五項本身。

系統架構

flowchart TD
  A["官方來源<br/>TWSE · TPEx · MOPS · TAIFEX · TDCC · DGBAS"] --> B["蒐集 / 擷取<br/>官方 API · 開放資料 · 排程"]
  B --> C["正規化 · 結構化<br/>ROC→西元 · 型別 · 單位 · 跨期對齊 · 主檔對齊"]
  C --> D["時間點正確 PIT<br/>knowledge_date · as_of · 修訂不覆寫"]
  D --> E["逐欄出處 provenance<br/>source_role · lineage · query_id · replay"]
  E --> F["密碼學可稽核<br/>ed25519 簽章 · Merkle 快照 · inclusion proof"]
  F --> G["fail-closed 授權治理<br/>確認不了轉售權即不供應"]
  G --> H["交付面(全部帶證明)<br/>MCP · SDK · REST · /v2/proof 零金鑰"]
  H --> I["AI Agent 消費<br/>Claude + MCP:每個事實帶證明 · 拒用未來資料"]
  I --> J["應用:投研委員會<br/>確定性裁決 · 上鏈錨定 · 瀏覽器零金鑰重驗"]

各層怎麼協作: **資料庫(地基)**把官方資料正規化後,寫進時間點(PIT)、逐欄出處與 ed25519 + Merkle 簽章,再經 **MCP / SDK / REST / /v2/proof(外部服務介面)**交付——引擎閉源,但送出的每個數字都帶你能自己驗的證明。後端(委員會編排)只透過這些公開介面取「帶證明」的資料,跑辯論、用確定性規則算方向與價位,並把裁決承諾錨定上鏈。**模型(Claude)**只產生辯論敘事,不碰任何數字。前端是單檔零安裝頁:重算 Merkle、驗 ed25519、現場向生產 API 重抓、改一位元變紅。

核心 — 純規則、可測試、不接 LLM：src/

• src/seats/index.mjs — 各部門判斷邏輯(方向 × 權重)
• src/engine/ — 辯論組句、技術指標、價位引擎
• src/committee/result.mjs — 彙總成裁決 + 淨分數
• src/proof/ — merkle 疊根 + ed25519 驗簽
• src/api/guard.mjs — 拿不出證明就不准投票
• src/cli.mjs — 命令列跑委員會

上鏈 — contracts/：CommitteeAnchor.sol + Foundry 測試(forge 17 passing)

前端 / 驗證 — demo/：demo/verify.js 零金鑰本地驗證器 · public/_lab/committee/ 9 檔結果(286 內嵌 proof)+ Python 對照驗證器

測試 — test/(117 個 node --test)· 亮點:交叉驗證(兩支獨立驗證器互相對答案)

文件 — ARCHITECTURE.md · docs/LEAF_ENCODING_RECIPE.md

這套設計就是「讓 agent 不能幻覺」的機制——不靠模型自律,靠資料本身把每一種幻覺擋掉:

AI 幻覺 / 失效	地基機制
編造數字	引用必帶 inclusion proof;拿不出就不能宣稱(no_checkpoint / not_in_snapshot 誠實回)
未來函數(假裝知道當時不可知)	PIT as_of gate + 每資料集宣告知識軸;無知識軸者拒絕回放
選錯來源還很篤定	每列標 source_role 標明來源;coverage.missing 明列「要了但沒回」的項目與原因,不臆測補值
誇大證明的意義	每個回應帶 does_not_prove(簽章只證未被竄改,不證數字本身正確)
舊值/修訂值當原值	帶 as_of 回放同一知識視界;memory_replay_query 重跑當時查詢、取回當時的原始結果
無授權資料滲入	fail-closed 授權(licence_check_unavailable)

完整的信任邊界與兩棵樹上鏈設計見 ARCHITECTURE.md。

使用技術

類型	技術／服務	用途
AI 模型	Claude(操作者桌面,接 TWMD MCP)	現場對任一台股推理與辯論敘事;數字與裁決不經過它
前端	單檔 HTML + @noble/hashes、@noble/ed25519(MIT);TradingView lightweight-charts(Apache-2.0)	零安裝產品頁:委員會裁決卡、紅綠 K 線、Merkle 重算、ed25519 驗簽、改一位元變紅
後端	Node.js(委員會編排:確定性計分器 + 價位引擎);TWMD 資料平台 MCP · SDK · REST · /v2/proof(PIT、provenance、ed25519、inclusion proof;引擎閉源、介面公開)	讀「帶證明」的公開資料 → 多空辯論 → 規則算方向與價位 → 產出可驗證的決策鏈
Sponsor 技術	Cathay 國泰(AI Agent × 區塊鏈金融賽道);Solidity + Foundry;EVM sha256 precompile + OpenZeppelin StandardMerkleTree(MIT)	把委員會裁決承諾寫成 Merkle 樹、雜湊根上鏈錨定(本機測試鏈已實作並通過合約測試;可部署至公開測試鏈供 block explorer 檢視)——對應 Cathay 賽道

安裝與執行

執行 = 把 Claude(或任一 MCP 客戶端)接上 TWMD 的 hosted MCP,就能對任一支台股問「帶證明、時間點正確」的資料。伺服器網址:https://mcp.twmarketdata.com/mcp(streamable HTTP)。

最簡單:一鍵連接器(OAuth,不必貼金鑰) —— 打開 Claude 的「連接器」設定(或 ChatGPT 開發者模式自訂連接器)→ 貼上 https://mcp.twmarketdata.com/mcp → 出現 OAuth 提示時登入。

或 Claude Code 一行指令:

claude mcp add --transport http twmd \
  https://mcp.twmarketdata.com/mcp \
  --header "X-API-Key: sk_live_..."      # 換成你自己的金鑰

確認成功:叫 agent 跑一次 list_datasets——有資料回來,代表傳輸與認證都通了。連上後 agent 自行探索 34 個工具(如 query_dataset(as_of=…)、get_inclusion_proof),回傳一律帶 source_role + knowledge_date;帶 as_of 它就只看得到「那天已公開」的內容。

線上零安裝驗證:直接開展示頁,按「全部驗證(向 TWMD 現抓)」→ 綠、「改一位元 → 變紅」。 本機另可:node src/cli.mjs(跑委員會)、cd contracts && forge test(合約測試)。

作品展示

• 作品展示網址(免金鑰):https://tw-market-data.github.io/twmd-agent-committee/demo/ —— 選一支台股 → 看多空辯論與裁決卡 → 對每個被引用的數字按「當場驗」,綠;改一位元,紅。
• 評選影片:[YouTube ≤2:00]
• 官網(twmarketdata.com):平台廣度——資料集目錄、零金鑰 /v2/proof、Playground、MCP、Skills。

願景:把可驗證的台灣金融數據,帶到全世界

台灣有全球數一數二活躍的資本市場,但它的數據長期散落在十幾個官方網站、格式各異、口徑不一,想做一份嚴謹、可重現的研究,光把「乾淨、時間點正確」的資料湊齊就先耗掉大半力氣。對量化研究者這尤其致命——資料只要有一點 look-ahead 或無法重現,再漂亮的策略都可能只是過度配適的幻覺。我們想補的就是這塊地基,而且用一種能走出台灣的方式:可驗證——一筆帶 ed25519 簽章與 Merkle proof 的資料,全世界任何研究者、任何 agent、任何伺服器,都能用同一套密碼學當場驗。往前看:更多資產類別與另類資料、跨市場的可驗證資料網絡,把「時間點正確且可重現」變成量化研究與 AI agent 的預設基礎設施。

限制與未來工作

• 信心一律標示 uncalibrated;在通過真回測(purged/CPCV、去膨脹夏普、PBO)之前不假造任何校準數字——這正是前述回測過擬合文獻要求的紀律。
• 部分席位為 honest-unavailable:資料集尚無快照時誠實標示不可證、不投票。
• 簽章快照目前為人工觸發、非排程,最新快照有一到兩天落後;委員會只引用已被快照承諾的資料。
• 資料授權治理採 fail-closed 並持續稽核,不宣稱全部資料集皆已審定。

第三方服務、資料與素材

本作品的台股資料最終都來自政府與官方公開來源,依其開放資料授權使用:臺灣證券交易所(TWSE)、證券櫃檯買賣中心(TPEx)、公開資訊觀測站(MOPS)、臺灣期貨交易所(TAIFEX)、集保結算所(TDCC)、行政院主計總處(DGBAS)等,透過政府開放資料平台 data.gov.tw 之開放資料授權提供。程式相依套件(OpenZeppelin、@noble、Foundry、lightweight-charts,皆 MIT / Apache-2.0)已列於「使用技術」。TW Market Data 資料平台為作者自有、非第三方。repo 內無金鑰、Token 或個資。

團隊成員

姓名	分工
邱毅安	隊長 / 架構 / 整合

License

本儲存庫採 Apache-2.0(根目錄 LICENSE)。非投資建議;歷史資料與統計,不構成買賣依據。

---

參考文獻

1. L. Huang et al., A Survey on Hallucination in Large Language Models, 2023. arXiv:2311.05232
2. P. Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, NeurIPS 2020. arXiv:2005.11401
3. D. Bailey, J. Borwein, M. López de Prado, Q. J. Zhu, Pseudo-Mathematics and Financial Charlatanism, Notices of the AMS, 2014. PDF