<div align="center">

# TSL Playbook

**面向 AI 编码代理的 TSL 语言知识库与路由层**

_让 AI 写对 TSL —— 不靠"像 Pascal"的猜测，只靠可核对的文档事实_

<br>

![docs](https://img.shields.io/badge/语法专题-24_篇-2b7489)
![funcs](https://img.shields.io/badge/函数索引-12455_条-3178c6)
![skill](https://img.shields.io/badge/Agent_Skill-tsl--api--reference-8250df)
![modules](https://img.shields.io/badge/模块集成-pyTSL_·_回测_·_微信-e37933)

</div>

---

## 目录

- 🛠 **第一部分 · 技术路径**（开发者视角）
  - [项目介绍](#项目介绍)
  - [核心理念](#核心理念)
  - [架构设计](#架构设计)
  - [目录结构](#目录结构)
  - [后续升级方向](#后续升级方向)
- 👤 **第二部分 · 实际场景**（用户视角）
  - [同一条提示词 · 多环境实测](#统一提示词)

---

<div align="center">

## 🛠 第一部分 · 技术路径

**开发者视角 —— playbook 是什么、如何搭建、往哪演进**

</div>

---

### 项目介绍

**TSL**（天软语言）是天软金融分析平台的专用编程语言，语法接近 Pascal，内置海量金融数据仓库函数（行情、财务、板块、选股、回测等）。它的三个特点，让通用大模型很容易写错：

- **语法冷门** —— 赋值用 `:=`、类定义要写 `type Name = class ... end;`、`.tsl` 有严格的"语句区在前、声明区在后"规则，与主流语言的直觉直接冲突。
- **函数量巨大** —— 数据仓库函数上万个，签名各异，模型凭记忆一定会编造参数。
- **文件模型敏感** —— `.tsl`（可执行脚本）与 `.tsf`（可复用声明）选错就直接编译失败。

**TSL Playbook 就是为解决这个问题而生的知识层**。它不是解释器，也不是运行时，而是一套喂给 AI 编码代理的**结构化文档 + 检索工具 + 硬约束路由**，目标只有一个：

> 让 AI 在写 TSL 时，每一处语法和每一个函数签名，都来自**可核对的文档事实**，而不是"看起来像别的语言"的幻觉。

### 核心理念

整个 playbook 建立在四条铁律之上，它们贯穿所有文档：

| 原则 | 含义 |
| :-- | :-- |
| 🚫 **禁止发明语法** | 无文档结论、文件模型不明或执行事实缺失时，**停止并确认**，绝不用 Pascal / Python / JS 的相似写法补全。 |
| 🎯 **首跳路由** | 任何 TSL 需求，第一跳统一进唯一入口，由入口分流到具体页，**不全目录搜索、不凭空猜路径**。 |
| 🧱 **块级证据** | 页面级元数据只做粗判断；落代码时以块级 `代码块身份` 为准 —— 只有标注 `可直接照写示例` 的代码块能当源码外形照抄。 |
| 💾 **Token 高效** | 分层索引 + 按需检索，相比通读全部文档可节省 **80–90%** 上下文开销。 |

### 架构设计

playbook 是一个金字塔式的知识结构：顶部是**极简的硬约束**，中部是**分层的事实文档**，底部是**可执行的检索工具**。下面四小节自顶向下逐层拆解，最后由「首跳路由」把各层串成一条完整链路。

#### 分层知识库

文档按**职责**而非按目录平铺组织，每一层只回答自己那一层的问题：

| 层 | 位置 | 负责回答 | 不负责 |
| :-- | :-- | :-- | :-- |
| **硬约束层** | `AGENTS.md` | 铁律、首跳、阻断条件 | 完整语法（故意不复写） |
| **语法事实层** | `docs/tsl/syntax/` | 语言规则、文件模型、控制流、类、TS-SQL | 具体函数签名 |
| **模块集成层** | `docs/tsl/modules/` | pyTSL、策略回测、微信通知 API | 纯语法、通用取数 |
| **风格偏好层** | `code_style.md` `naming.md` | 命名与组织偏好 | 语法事实（明确声明"仅偏好"） |
| **函数事实层** | `tsl-api-reference` skill | 12455 个函数的名字 / 签名 / 参数 / 返回值 | 语言语法 |

每个语法文档页头都带一组**机器可读的元数据**，让代理在读正文前就能判断能否照抄：

```
文档类型：语法主线
是否可直接用于生成代码：是
是否含可直接照写示例：是
是否含不可照写反例：是
遇到不确定时：<指向下一跳的具体页>
```

#### TSL 语法体系

`docs/tsl/syntax/` 用 **24 个专题**覆盖了 TSL 语言的方方面面，从最短骨架到矩阵深潜：

| 主题簇 | 专题 |
| :-- | :-- |
| **入门与模型** | `01` 快速落代码 · `02` 文件模型（`.tsl`/`.tsf`）· `03` 值与字面量 · `04` 变量常量 |
| **函数与表达式** | `05` 函数与调用 · `06` 表达式运算符 · `07` 控制流 |
| **对象与模块** | `08` 类与对象 · `09` unit 与作用域 · `24` 算符/遍历重载 |
| **运行时** | `10` 运行时上下文与 with · `15` 调试与性能 · `20` 对象自省 · `21` 内置运行时对象 |
| **数据结构** | `12` 数组与集合 · `22` 矩阵深潜 · `23` FMArray · `13` 结果集过滤 |
| **数据查询** | `14` TS-SQL |
| **底层与互操作** | `16` 词法与编译选项 · `17` 类型转换 · `18` external/DLL/线程 · `19` namespace/Libpath |
| **避坑** | `11` 高频误写与反例 |

每一页都用**四种块级身份**给代码块打标签，这是"禁止发明语法"落地的关键：

| 代码块身份 | 能否照抄 | 用途 |
| :-- | :--: | :-- |
| ✅ `可直接照写示例` | **能** | 唯一可当源码外形的块 |
| ⚠️ `反例 / 不可照写` | 否 | 展示会编译/运行失败的写法 |
| 📤 `输出片段` | 否 | 只是运行结果 |
| 🔧 `配置片段 / 概念骨架` | 否 | 带 `<占位符>` 的模板 |

> **示例：** 语法页会明确告诉代理，`.tsl` 语句区可以调用后置的函数声明，但**在声明区后再追加脚本语句**是反例 —— 并附上真实报错 `invalid statement` 作为负向边界。

#### tsl-api-reference Skill

上万个数据仓库函数无法塞进上下文，playbook 把它做成一个**可调用的 Agent Skill**：一个 `function_index.tsv`（**12455 条**：2404 个 builtin + 10051 个 dotnet）加一个 `lookup.py` 检索脚本。

```bash
# 已知函数名 → 精确查签名、参数、返回值、示例
python skills/tsl-api-reference/scripts/lookup.py --name argmax

# 只知道行为 / 中文关键词 → 关键词检索（AND 语义）候选
python skills/tsl-api-reference/scripts/lookup.py --kw 数组 排序
```

检索是**两段式**的：关键词查询先返回候选行（名字 + 一句话摘要），代理挑中后再用 `--name` 拉取该函数的完整文档块。函数文档本身分两大来源：

| 来源 | 分类 | 覆盖 |
| :-- | :--: | :-- |
| **builtin**（语言内置） | 12 类 | math(636) · base(560) · language(441) · external · resource · graphics · document · gui · system … |
| **dotnet**（数据仓库） | 21 类 | sector(2405) · equity(1967) · fund(1561) · fundamentals · market_data · bond · quant · macro · futures … |

Skill 还内置了防幻觉规则：**不从记忆或相似语言推断签名；TSL 名字大小写无关但下划线有意义**，查询时不得删下划线或改成驼峰。

#### 首跳路由机制

这是 playbook 最核心的设计。代理面对任何 TSL 需求，都遵循同一条决策链 —— 永远从固定入口开始，逐级收窄，而不是漫无目的地翻文档：

```mermaid
flowchart TD
    A[用户提示词] --> B{AGENTS.md<br/>硬约束 + 首跳}
    B -->|需要任何 TSL 事实| C[docs/tsl/index.md<br/>总入口]
    C -->|写代码/语言规则| D[syntax/index.md<br/>语法路由]
    C -->|取金融数据/查函数| E[tsl-api-reference<br/>Skill]
    C -->|模块集成| F[modules/index.md]
    C -->|命名/风格| G[naming.md /<br/>code_style.md]
    D --> H[24 个语法专题]
    E -->|已知名 --name<br/>未知名 --kw| I[12455 条索引]
    H --> Z[✅ 落 .tsl / .tsf 代码]
    I --> Z
    F --> Z

    style B fill:#2b7489,color:#fff
    style C fill:#3178c6,color:#fff
    style E fill:#8250df,color:#fff
    style Z fill:#2ea043,color:#fff
```

每个路由表都是**「任务信号 → 入口 → 阻断条件」**三列结构，多行命中时自上而下取第一个，且每一跳都带明确的"什么时候**不**该走这条"的阻断条件，避免过度泛化。

### 目录结构

```
playbook/
├── AGENTS.md                      # 顶层硬约束：铁律 + 首跳路由（不复写语法）
├── docs/tsl/
│   ├── index.md                   # TSL 总入口：任务 → 文档区分流
│   ├── naming.md                  # 命名偏好（非语法事实）
│   ├── code_style.md              # 代码风格偏好（非语法事实）
│   ├── toolchain.md               # 工具链与验证命令模板
│   ├── syntax/                    # 24 个语法专题 + index.md 路由
│   │   ├── 01_quickstart.md       #   ├─ 快速落代码 / 最小骨架
│   │   ├── 02_core_model.md       #   ├─ .tsl / .tsf 文件模型
│   │   ├── ...                    #   ├─ 函数/类/控制流/矩阵/TS-SQL...
│   │   └── 24_object_overloads... #   └─ 算符与遍历重载
│   └── modules/                   # 模块集成：pyTSL / 回测 / 微信
└── skills/
    └── tsl-api-reference/         # 函数检索 Skill
        ├── SKILL.md               #   ├─ 触发说明
        ├── scripts/lookup.py      #   ├─ 检索脚本
        ├── data/function_index.tsv#   ├─ 12455 条函数索引
        └── references/codegen/    #   └─ 函数完整文档块
```

### 后续升级方向

playbook 目前已覆盖语法、函数、模块三大知识面，下一步按优先级从高到低，围绕**架构演进、分类治理、覆盖广度、检索质量**四个方向推进：

**🧩 架构演进 · 语法层 Skill 化**
- **方向** — 把 `syntax/` 的 24 篇知识页搬进独立 skill 作为 `references/`，由 `SKILL.md` 正文承载「任务信号 → 页 → 阻断条件」的首跳路由表，与 `tsl-api-reference` 对齐成统一的 skill 调用模型；`AGENTS.md` 保留为常驻硬约束闸门。
- **目的** — 让语法与函数两类知识统一走 skill 触发，获得可分发、可移植的标准打包单元，并降低对"先读 `AGENTS.md`、再照链接逐跳"这条隐式流程的依赖。
- **难点**
  - **确定性 vs 模糊触发** — 纲领是可审计的有序路由 + 阻断条件，而 skill 靠 `description` 被模型模糊匹配触发；syntax 的"写代码"触发面与 api-reference 的"取数"高度重叠，有序消歧逻辑必须完整保留进 `SKILL.md` 正文，不能退化成模型猜测。
  - **常驻不变量** — skill 是被触发的，替代不了 `AGENTS.md`「禁止发明语法 + 先定 `.tsl` / `.tsf` 文件模型」这条必须最先命中的硬约束，须防止自动触发把代理直接拽进语法页、跳过文件模型判断。
  - **证据随迁不走样** — `可直接照写示例` 等块级身份标注要在目录搬迁后保持有效、不失链。

**🗂 分类治理 · codegen 归类校准与全量可用性核验**
- **方向** — 复核 codegen 母本（builtin 12 类 / dotnet 21 类）的函数归类，纠正错分与 `misc` 兜底堆积，让类目边界清晰；并对全部 12455 个函数逐一探针实测，给每个函数标注真实可用性状态。
- **目的** — 一方面让 `--kw` 关键词检索落在符合直觉的类目、候选更准；另一方面用实测的「可用 / 真缺失 / 参数不对」三态，取代"索引里有就默认能用"的假设，从源头杜绝把不可用函数写进生成代码。
- **难点**
  - **重分类无生成器** — codegen 生成脚本只剩 `.pyc`，母本 md 已是产物；重新归类只能直接改 md 母本与 routes 并同步维护索引一致性，不能再靠重跑生成器。
  - **可用性须真解释器** — 「可用」无法静态判定，须接真实 TSL 解释器对上万函数逐一探针（`toolchain.md` 的执行入口目前仍是模板占位），规模大、成本高。
  - **假阴性要甄别** — 探针报错可能是"函数真缺失"，也可能只是"参数没给对"；两者须隔离区分（`special/pending` vs `special/unknown`），否则会把本可用的函数误标为不可用。

**📚 覆盖广度**
- 扩充 `modules/`：补充更多平台模块（数据落库、告警渠道、报表导出）的 API 事实页。
- 沉淀**场景配方库**（Recipe）：把"选股 → 回测 → 通知"这类高频端到端流程做成可照写的组合骨架。
- 为常见报错建立**反例 → 正确写法**的快速跳转索引，让避坑更即时。

**🔍 检索质量**
- 为 `function_index.tsv` 增加**参数类型实证**：当前仍有约 2600 个函数（builtin 246 / dotnet 2382）的参数声明为 `any`/`object`，需用 `dataType()` 逐一收紧。
- 引入**语义检索**（embedding），让"我想算个动量因子"这类模糊意图也能命中相关函数。
- 补齐关键词索引的中文近义词，降低 `--kw` 空命中率。

---

<div align="center">

## 👤 第二部分 · 实际场景

**用户视角 —— 同一条提示词，不同环境实测**

</div>

> 这一部分没有虚构：**同一条提示词，投给不同的 AI 编码环境，记录真实行为与产出。** 第一轮（Claude Code · Fable 5）已完成，后续环境测完逐一补进对比表。

### 统一提示词

> 💬 _阅读AGENTS.md。写一个tsl策略。获取昨天的主板所有股票涨幅排名，取前50股票代码_

考察点只有五个：**函数敢不敢编、语法照不照抄、文件后缀选没选对、会不会自己验证、拿不准时是硬写还是明说**。

### 第一轮实测：Claude Code · Fable 5

**真实过程回放**（每一步都能对应第一部分的机制）：

| 步骤 | 实际行为 |
| :-- | :-- |
| 🧭 首跳照走 | 读 `AGENTS.md` → 进 `docs/tsl/index.md` 总入口 → 按路由取用快速落代码 / 控制流 / 数组集合三个语法页 |
| 🔍 函数全部查证 | 调用 `tsl-api-reference` skill 逐一核实 `getAbkbyDate` · `lastTradeDay` · `stockZf8` · `appendArray` · `sortTableByField` —— **五个函数零编造** |
| 📄 文件模型判对 | 一次性取数任务 → 按规则判为 `.tsl`，落盘 `scripts/main_board_top50_zf.tsl` |
| ✅ 主动验证 | 本机解释器实测：键表构造、循环截断、排序等 builtin 逻辑全部跑通，整个文件编译通过 |
| 🗣 诚实报告边界 | 数据仓库函数离线环境没有（`function not found`），**如实说明需在天软客户端端到端确认，而不是谎称全部跑通** |

**产出代码（原样）：**

```tsl
// 主板股票昨日涨幅排名前 50
// 主板成分：上证A股 + 深证A股（getAbkbyDate 支持分号分隔多板块）
// "昨天"取当前日期的前一个交易日，避开周末/节假日

setSysParam(pn_cycle(), cy_day());

yday := lastTradeDay(date());      // 昨日（最近一个已收盘交易日）
prevday := lastTradeDay(yday);     // 昨日的前一个交易日

stocks := getAbkbyDate('上证A股;深证A股', yday);

result := array();
for i, stockid in stocks do
begin
    setSysParam(pn_stock(), stockid);
    zf := stockZf8(prevday, yday);  // prevday收盘 -> yday收盘的涨幅(%)
    appendArray(result, array("StockID": stockid, "Zf": zf));
end

sortTableByField(result, "Zf", 0);

top50 := array();
n := length(result);
if n > 50 then begin n := 50; end
for i := 0 to n - 1 do
begin
    appendArray(top50, result[i]["StockID"]);
end

return top50;
```

**两处细节见功力：**"昨天"没有偷懒写成日历昨天，而是用 `lastTradeDay(date())` 取**最近一个已收盘交易日**——周一运行会正确落在上周五；"主板 = 上证A股 + 深证A股"这个组合也是从函数文档示例里查证的，不是想当然。

**成本：** 总耗时 16 分 57 秒；token 为模型自估——输入约 15–20 万（多数命中提示缓存），输出约 0.5–1 万。

### 横向对比（持续补充）

| 观察维度 | Claude Code · Fable 5 | 环境 ②（待测） | 环境 ③（待测） |
| :-- | :-- | :--: | :--: |
| 函数真实性 | 5/5 全部查证，零编造 | — | — |
| 语法与编译 | 整文件编译通过 | — | — |
| 文件模型 | `.tsl` 判定正确 | — | — |
| 自主验证 | builtin 部分本机实测跑通 | — | — |
| 边界诚实度 | 明说 dotnet 函数需客户端确认 | — | — |
| 总耗时 | 16m57s | — | — |
| token（自估） | 输入 15–20 万 / 输出 0.5–1 万 | — | — |

---

<div align="center">

_TSL Playbook —— 不是让 AI "会写代码"，而是让 AI "只写有据可查的代码"。_

</div>