zhengxi-views 딥다이브
— 펀드매니저의 '말'과 '실제 보유'를 1차 원문으로 검증하는 출처추적 Agent Skill 교본

lyra81604/zhengxi-views. 중국 易方达(E Fund)의 펀드매니저 郑希(정시)의 2012–2026 공개 발언 원문 + 그가 한 말로 뒷받침되는 투자방법론 + 그가 운용한 8개 펀드 실데이터 + 전체시장 ~2.7만 펀드 목록을 묶어, 모든 답변이 1차 원문으로 추적(可溯源)되도록 강제하는 투자리서치 Q&A·펀드 점수화 Claude Code/WorkBuddy용 Agent Skill이다. 단순 프롬프트 팩이 아니라 SKILL.md(행동지시)+references/(지식)+scripts/(실행코드)+evals/(평가)+skill.yml(매니페스트)를 갖춘 "완성형 스킬" 패키징이라 주목받는다. (lyra81604/zhengxi-views · 언어 Python(scripts ~892줄)+Markdown 데이터 · 코드+데이터 ~6,845줄 · 라이선스 MIT(코드/문서 한정; 펀드 원문 데이터 저작권은 원권리자) · 단일 squash 커밋(2026-06-23) 신생 · 데이터 스냅샷 2026-06-19 · TrendShift Weekly #15)

1프로젝트 한줄 요약

"보통 챗봇은 '그럴듯한 말'을 한다. 이 스킬은 '누가 언제 어디서 한 말인지 원문을 들고' 답하게 만든다."

좀 더 구체적으로, zhengxi-views는 Python 스크립트 7개(약 892줄) + 마크다운/JSON 데이터로 이뤄진 폴더입니다. Claude Code(또는 텐센트의 WorkBuddy) 호스트가 이 스킬을 로딩하면, 사용자가 "정시는 인공지능을 어떻게 보나?"라고 물었을 때 에이전트가 search_corpus.py "인공지능"을 돌려 원문 단락과 출처를 가져와 그 말을 인용해 답합니다. "그가 광통신을 좋게 봤다는데, 실제로 샀나?"라고 물으면 코퍼스의 발언과 펀드의 동일 분기 보유종목을 교차검증합니다(예: 광통신 발언 ↔ 001513 펀드 2025Q2의 中际旭创·新易盛 보유 확인).

이 문서가 파고드는 건 "정시가 뭐라 했나"가 아니라 그 안의 설계입니다 — "어떻게 스킬을 지시/지식/실행 3계층으로 나누나", "어떻게 AI가 못 지어내게 출처를 강제하나", "왜 데이터를 사람용 .md와 기계용 .json 두 벌로 두나", "어떻게 단일 명령 호출로 에이전트 권한 팝업을 피하나". Agent Skill 패키징·출처추적 RAG·금융 도메인 설계를 처음 공부하는 사람에게 살아 있는 교본입니다. (다만 자료가 전부 중국어라 번역·맥락 비용이 든다는 점은 정직하게 짚고 가겠습니다 — 본문 곳곳에 한자를 병기합니다.)

2왜 주목받는가

"2026년 화두는 '스킬을 어떻게 잘 패키징하나'와 'AI가 못 지어내게 어떻게 묶나'다. 이 레포는 두 질문에 동시에 답한다."

먼저, 왜 '완성형 스킬'이 화제인가

Claude Code의 Agent Skill이 퍼지면서, 대부분의 스킬은 SKILL.md 한 장(=프롬프트 팩)에 그쳤습니다. 그런데 진짜 잘 만든 스킬은 행동 규칙·참고 지식·실행 도구·자기 평가를 한 폴더에 갖춥니다. zhengxi-views는 이 "풀 패키지"를 금융 리서치라는 까다로운 도메인에서 보여 줘 모범 사례로 회자됩니다. 아래 5종 구성요소가 한 스킬 안에 다 있습니다.

그래서 차별점은? — 출처추적 RAG + 언행대조

"AI에게 어떤 사람의 견해를 물어보는" 봇은 많습니다. 차이는 환각을 어떻게 막느냐입니다.

요약하면 셀링 포인트는 셋입니다. ① Agent Skill 패키징의 모범(지시/지식/실행/평가/매니페스트 풀세트), ② 출처추적 RAG의 정공법(원문 회귀 강제 + 원화/추론/미검증 3구분으로 환각 억제), ③ 금융 도메인 언행대조("말한 것"과 "실제 산 것"을 데이터로 맞춰 봄).

'언행대조'를 곧이곧대로 만능으로 믿어도 되나

정직하게 짚겠습니다. 이 레포의 강점인 언행대조에도 한계가 있습니다. ① 데이터 시점차 — 발언은 실시간이지만 보유종목 공시는 분기 말 스냅샷이라, "말한 시점"과 "보인 시점"이 어긋날 수 있습니다(공시는 늘 과거를 보여 줍니다). ② 펀드는 팀 운용 — 한 종목이 보유됐다고 그게 매니저 개인의 신념이라 단정할 수 없습니다. ③ scorecard는 기계 지표 — 집중도·회전율 근사·낙폭 같은 숫자일 뿐, 운용의 질을 다 담지 못합니다. ④ 전부 중국어 1차자료라 번역·해석에서 왜곡이 생길 수 있고, ⑤ 데이터 스냅샷(2026-06-19)은 곧 낡습니다. 또 이 레포는 단일 squash 커밋의 신생 프로젝트라 구조가 빠르게 바뀔 수 있습니다. 발상(출처추적·언행대조)은 설득력 있지만 — 이것은 '판단을 돕는 정리 도구'이지 '판단을 대신하는 신탁'이 아닙니다. 투자 결정의 근거로 삼지 마세요(다시 강조: 투자조언 아님).

3기술 스택 전체 지도

"코드는 Python 몇백 줄뿐. 진짜 핵심은 '듀얼 매니페스트'와 '사람용 .md + 기계용 .json 데이터 쌍'에 있다."

zhengxi-views는 화면도 GPU도 데이터베이스도 없는 순수 로컬 Agent Skill입니다. 무게중심이 코드가 아니라 데이터 구조와 규율에 쏠려 있습니다 — 코드는 검색·조회·점수화를 돕는 얇은 도구일 뿐, "무엇을 어떻게 답할지"의 지능은 SKILL.md(규율)와 references/(원문·방법)에 담겨 있습니다. MCP를 쓰지 않는 순수 로컬 스킬이라는 점도 중요합니다 — 서버를 띄울 필요 없이 폴더만 있으면 됩니다.

① 매니페스트 계층 (어떤 호스트가 이 스킬을 켤지)

② 데이터 계층 (사람용 .md + 기계용 .json 쌍)

③ 실행 계층 (Python 스크립트 7개 · 약 892줄)

requirements.txt는 단 셋입니다 — requests, beautifulsoup4, lxml(전부 스크래핑용). 검색·점수화 스크립트는 네트워크도 외부 의존성도 없이 로컬 파일만 읽고, 인터넷이 필요한 건 실시간 펀드 스크래핑(fetch_any_fund.py) 하나뿐입니다. 이 분리가 중요합니다 — 핵심 기능(원문 검색·기존 펀드 점수)은 오프라인에서도, 외부 장애와 무관하게 돕니다.

4아키텍처 심화 분석 (질의 하나가 '출처 달린 답'이 되기까지)

"핵심은 단 하나의 발상 — AI는 머릿속 기억으로 답하지 않는다. 질문 유형을 분기해 '원문·방법·데이터'로 되돌아가게 강제한다."

전체 흐름 한 장 — 질의 분기 파이프라인

한 바퀴는 이렇게 돕니다. ① 사용자가 물으면 SKILL.md가 로딩되며 질문 유형을 분기합니다. ② [관점] 질문이면 search_corpus.py "키워드"로 원문 단락+출처를 가져와 원화(原话)를 인용합니다. ③ [방법] 질문이면 method.md(정시의 원화로 뒷받침된 8챕터)를 직접 씁니다. ④ [코퍼스 밖] 질문이면 검색해 보고 없음을 확인한 뒤 "郑希 미발언"을 첫 줄에 굵게 선언하고 method.md 추론으로 한정합니다. ⑤ [언행대조]면 코퍼스 발언과 펀드의 동일 분기 보유종목을 교차합니다. ⑥ [펀드점수]면 코드 해석→스크랩/캐시→기계 지표→6차원 채점으로 점수·등급·근거를 냅니다.

설계 패턴 ① — 출처추적 규율: AI에게서 '지어내기'를 뺏는다

가장 핵심적인 발상입니다. 보통 AI는 머릿속 기억(파라미터)으로 답합니다 — 그래서 환각이 납니다. zhengxi-views는 그 자유를 의도적으로 줄여, 답이 반드시 원문으로 회귀하게 만듭니다. SKILL.md에 명문화된 규율의 요지는 이렇습니다.

# SKILL.md — 출처추적 규율(요지)
규칙 1: 모든 사실 주장은 corpus/ 원문으로 되짚을 수 있어야 한다.
규칙 2: 세 가지를 또렷이 구분하라
        - 원화(原话)    : 정시가 실제로 한 말 (출처 인용)
        - 방법 추론      : 그 말에서 끌어낸 방법 (method.md 근거)
        - 미검증        : 코퍼스에 없음 → "郑希 미발언" 굵게 선언
규칙 3: 인용은 원문에 충실할 것.
        내부 기호(예: [采2606], method.md 등)는
        사용자 답변에 노출 금지 (무대 뒤 장치는 감춘다)

이 규율이 2장에서 본 "환각의 함정"을 행동 차원에서 막습니다. 특히 규칙 3의 "내부 기호 비노출"이 섬세합니다 — [采2606](채록 번호)이나 method.md 같은 무대 뒤 파일명·식별자는 검색·인용에는 쓰되 최종 답변에는 드러내지 않아, 사용자에겐 깔끔한 인용만 보이게 합니다.

설계 패턴 ② — 방법론과 평가카드는 '원화로 뒷받침된 문서'

references/method.md는 정시의 투자방법론을 8개 챕터로 정리하되, 각 주장에 그의 원화(原话) 佐证(좌증·뒷받침 인용)를 답니다. 예를 들어 §1(정시 원화 요지)은 이렇습니다: "투자의 바닥은 인플레이션이 어디서 오는지 규명하는 것; 특히 공급측이 창출하는 '기술성장형 인플레이션'을 선호한다". 즉 method.md는 분석가의 해석이 아니라 "그가 한 말 + 그 말의 정리"라, 출처추적 규율을 방법론 문서에까지 관철합니다.

설계 패턴 ③ — 펀드 점수화: 6차원 기계 지표로 채점

references/scorecard.md는 펀드를 6개 차원·총 100점으로 채점하는 규칙입니다. 주관적 인상이 아니라 코드가 계산한 숫자로 등급을 매깁니다.

설계 패턴 ④ — 회전율을 직접 못 재니 '대리지표'로 근사

펀드의 정확한 회전율은 외부에서 알기 어렵습니다(내부 거래 기록이 필요). 그래서 score_fund.py는 영리한 대리지표(proxy)를 씁니다 — 인접한 두 분기의 상위 10 종목이 얼마나 겹치는지를 보고, 겹침이 적을수록 "많이 갈아탔다(=회전율 높음)"고 근사합니다.

# score_fund.py — 회전율 대리지표(turnover proxy)
# sa, sb = 인접 두 분기의 상위10 보유종목 '집합(set)'
overlap = len(sa & sb) / len(sb)   # 두 분기에 함께 있는 비율(0~1)
turnover_proxy = 1 - overlap        # 겹침이 적을수록 = 많이 갈아탐
# 예) 상위10 중 6개가 그대로면 overlap=0.6 → 회전율 근사 0.4

설계 패턴 ⑤ — 단일 명령 호출로 '권한 팝업'을 피한다

에이전트가 스크립트를 돌릴 때마다 사용자에게 "이 명령 실행해도 돼요?" 팝업이 뜨면 흐름이 끊깁니다. zhengxi-views의 스크립트는 이 마찰을 줄이도록 설계됐습니다 — 스크립트가 자기 경로를 절대경로로 스스로 탐색하고, 출력 길이 상한을 내장해, 에이전트가 인자 한 줄짜리 단일 명령으로 부를 수 있게 합니다(여러 단계로 쪼개 묻지 않아도 됨).

5디렉토리 구조 해부

"references/는 지식의 금고, scripts/는 손과 발, SKILL.md는 머리. 폴더 구조 자체가 '스킬 설계도'다."

최상위 한눈에

데이터 형식의 의도 — 무엇을 어떤 형식으로 두었나

무게중심을 보면, 이 레포는 코드(scripts/ 892줄)보다 데이터와 규율(references/ + SKILL.md)에 훨씬 많은 무게가 실려 있습니다(전체 ~6,845줄 중 대부분이 데이터). 이는 곧 "이 스킬의 가치는 똑똑한 알고리즘이 아니라, 잘 모은 1차 원문 + 그것을 정직하게 쓰게 하는 규율"에 있다는 뜻입니다.

6학습 포인트 (기술별 — 배울 것 + 실습 아이디어)

"zhengxi-views 한 레포 안에 스킬 패키징·출처추적 RAG·데이터 듀얼 출력·권한 마찰 설계·자체 평가가 다 들어 있다."

① Agent Skill 3계층 분리 + 매니페스트

배울 것: 스킬을 지시(SKILL.md)·지식(references/)·실행(scripts/)으로 나누는 설계. 그리고 SKILL.md YAML과 skill.yml로 여러 호스트(Claude Code·WorkBuddy)를 한 스킬로 지원하는 듀얼 매니페스트. "프롬프트 한 장"을 넘어선 패키징 감각입니다.

실습: 아주 작은 스킬을 만들어 SKILL.md(행동)·references/notes.md(지식)·scripts/find.py(실행) 3계층으로 나눠 보기. SKILL.md 머리말의 description만 바꿔 가며 "언제 스킬이 켜지는지" 트리거 동작을 관찰.

② 출처추적 RAG 설계 (원문/추론/미검증 강제 구분)

배울 것: AI가 머릿속 기억으로 답하지 않고 1차 원문으로 회귀하게 만드는 법. "원화 / 방법 추론 / 미검증"을 또렷이 구분해 환각을 억제하는 규율. "없으면 없다고 먼저 말하기"의 가치. 금융처럼 틀리면 위험한 도메인의 핵심기예입니다.

실습: 원문 5~10개를 폴더에 모으고, "이 폴더에 근거가 있으면 인용하고, 없으면 '근거 없음'을 먼저 선언하라"는 규칙을 SKILL.md에 적은 뒤, 코퍼스 안/밖 질문을 던져 행동 차이를 확인.

③ MD + JSON 듀얼 출력

배울 것: 같은 데이터를 사람(LLM)용 .md와 기계용 .json 두 벌로 두는 이유와 방법. LLM은 .md로 "이해"하고 스크립트는 .json으로 "계산"한다는 역할 분담. 데이터 파이프라인 설계의 실전 감각입니다.

실습: 표 형태 데이터(예: 내 가계부)를 data.md(읽기용 표)와 data.json(계산용)으로 동시에 생성하는 작은 빌드 스크립트를 작성. 한쪽만 있을 때의 불편을 직접 체감해 보기.

④ 권한 마찰 최소화 (단일 명령·자기 경로·출력 상한)

배울 것: 에이전트가 도구를 매끄럽게 쓰게 하는 사용성 설계 — 스크립트가 자기 경로를 절대경로로 탐색(상대경로 의존 제거), 출력 길이 상한 내장, 인자 한 줄짜리 단일 명령 호출. "사람이 쓰는 CLI"와 "에이전트가 쓰는 CLI"의 차이를 배웁니다.

실습: 작은 파이썬 스크립트를 (a) 상대경로·무제한 출력으로, (b) 자기경로 탐색·출력상한으로 두 버전 만들어, 에이전트(또는 다른 폴더에서) 실행 시 어느 쪽이 덜 깨지는지 비교.

⑤ 스킬 자체에 evals 동봉 (회귀 검증)

배울 것: "잘 도는 것 같다"는 감이 아니라 평가셋으로 측정하는 습관. evals.json처럼 溯源(출처추적)·前瞻(전망)·风格(문체) 같은 차원별 케이스를 두고, 스킬을 고친 뒤 규율이 깨지지 않았는지 회귀 검증하는 법. 프롬프트/스킬도 '테스트'가 필요하다는 사고방식입니다.

실습: 내 스킬에 evals.json을 추가해 "코퍼스 밖 질문엔 반드시 '근거 없음'을 먼저 말한다" 같은 케이스를 5개 넣고, 답변이 그 규칙을 지키는지 수동으로 채점하는 표를 만들기.

⑥ 도메인 특화 평가카드 설계 (scorecard 6차원)

배울 것: 일반론이 아니라 특정 전략의 관점에서 점수를 매기는 법(예: 高회전율을 결점이 아니라 가점으로). 직접 못 재는 값을 대리지표로 근사하는 트릭(분기 보유 겹침 → 회전율). 측정 가능한 것과 불가능한 것의 경계를 정직하게 다루는 자세입니다.

실습: 내 관심 분야(예: 블로그 글)에 대한 "6차원 평가카드"를 정의하고, 그중 직접 못 재는 차원 하나를 대리지표로 근사하는 파이썬 함수를 작성. zhengxi-views의 overlap 트릭이 좋은 본보기.

7하드웨어 / 시스템 요구사항

"GPU·DB·서버(MCP) 전부 필요 없다. Python과, 호스트 에이전트와, (실시간 조회엔) 인터넷만 있으면 된다."

8직접 해볼 수 있는 실습 과제

"내 도메인으로 출처추적 Q&A 만들기 → 평가카드+점수 → 트리거 실험 → MCP 도구화 → evals 자동채점, 단계별로."

9관련 기술 심화 학습 로드맵 (6주 플랜)

"Agent Skill 기초에서 출발해 SKILL.md·출처추적 RAG·데이터 패키징·스크립트/스크래핑·평가/배포까지, zhengxi-views를 길잡이 삼아."

10핵심 키워드 사전

"이 문서와 저장소에서 반복되는 용어를 한곳에 모았다. (중국어 한자 병기)"

11참고 링크

• GitHub 저장소 — github.com/lyra81604/zhengxi-views
• TrendShift 페이지 — trendshift.io/repositories/62129
• Claude Code Agent Skills 문서 — docs.claude.com (skills)
• 天天基금(데이터 출처) — fund.eastmoney.com (원문 데이터 저작권은 원권리자)
• 易方达(E Fund, 운용사) — efunds.com.cn
• RAG(검색 증강 생성) 개념 — docs.claude.com (search & retrieval)