AI 替代监测器

使用本技能生成一份结构化的风险监测报告，用于评估 AI 驱动的劳动力替代效应及其引发的下游财务压力。

输出格式

始终返回以下四部分内容：

1. 信号看板（10 项指标，每项包含最新数值、变化方向、是否突破阈值）
2. 综合风险灯号（GREEN / YELLOW / ORANGE / RED）
3. 可执行建议（针对投资组合或风险敞口的具体建议）
4. 数据缺口（缺失或过时的数据输入）

指标框架

请参考 references/thresholds.example.json 文件，并严格遵循其中定义的指标 ID、阈值及层级划分。

同时，在解读风险时须应用“工业革命视角”（Industrial-Revolution Lens）：

• 不可仅依据裁员数据单独评估风险。

• 应比较 替代速度 与 再吸收速度（新增需求 + 新增资本支出）。

• 若替代行为虽削弱了劳动力需求，但资本支出/再投资显著加速，则应避免过度上调危机等级。

• A 类（领先劳动力需求指标）：A1–A4

• B 类（劳动力市场确认指标）：B1–B3

• C 类（溢出效应：消费/信贷）：C1–C3

综合判定规则

• YELLOW：A 类指标中 ≥2 项被触发
• ORANGE：A 类指标中 ≥2 项被触发，且 B 类指标中 ≥1 项被触发
• RED：A 类指标中 ≥2 项被触发，B 类指标中 ≥1 项被触发，且 C 类指标中 ≥1 项被触发
• GREEN：其他所有情况

薄弱环节解读（Jones 视角）

在评估宏观影响时，需执行薄弱环节检查（weak-links check）：

• 即便广泛推行自动化，只要关键瓶颈型任务仍供应短缺，宏观层面仍可能实现渐进式增长。
• 不可仅因部分任务已实现自动化，即推断宏观系统将立即崩溃。
• 若瓶颈代理指标持续收紧（如 D3 恶化、D4 显示再投资疲软），则应维持较高风险评级。
• 若瓶颈通过再投资/资本支出缓解，且购买力改善（D1/D2 向好），则应避免过度上调风险等级。

最低质量要求

• 为每一项指标标注时间戳，并注明频率不匹配问题（周度 vs 月度 vs 季度）。
• 若数据源覆盖不全，将置信度标记为 low 或 medium。
• 严禁隐藏缺失数据；所有缺失项必须明确列于 Data Gaps 下。
• 若缺失指标超过 3 项，则整体置信度下调一级。

推荐告警风格

告警内容应简明扼要、面向决策：

• “发生了什么变化”
• “为何当前尤为关键”
• “下一步应采取什么行动”

可选 JSON 模式

若用户要求机器可读输出，请返回如下字段：

• asOf
• signals[]（含 id、value、unit、threshold、triggered、trend）
• composite
• confidence
• gaps[]
• notes[]