Feat/evening pnl equity backfill (daily-only P&L export)

CLAUDE.md

@@ -7,6 +7,7 @@ LLM multi-agent 美股量化交易系统，通过 Alpaca 执行交易（默认 p
 ```bash
 pytest tests/ -v                                    # 全量测试
 python main.py --mode morning|midday|evening|live   # 手动跑
+python main.py --mode daily                          # P&L 历史 CSV → Telegram（无 LLM 无交易）
 ```
 
 **Prompt/CoT 改动验证（决策重放 harness，2026-06-07 加）**：prompt 改动这里没法回测,所以容易"听起来对就上"。`scripts/replay_decision.py` 把 `agent_logs` 里某次真实调用的 `input_message` 喂回**当前** prompt+model,结构化 diff 新旧决策(PM 比 per-symbol target 权重/conviction 的增删改),把"我觉得这版更好"变成"它在 N 个真实输入上具体怎么改了决策"。`--no-llm` 只列待重放、不烧 token；要 LLM 时需 `.env` key。核心逻辑在 `src/replay.py`(load/replay/diff,有单测),靠 `base.py:BaseAgent._execute(user_message)` 这个 seam(= `run()` 去掉 build_user_message 的部分)。**这是"先验证再改"的工具——P1-P5/#1-#2 这类软层改动应该用它在历史决策点上看效果,而不是只靠论证**。outcome-aware 评分(对比次日/5日真实走势判好坏)是它之上的下一层,尚未建。
@@ -19,12 +20,12 @@ python main.py --mode morning|midday|evening|live   # 手动跑
 
 - 8 个日常 LLM agent：tech / news / macro / earnings / portfolio_manager / risk_manager / position_reviewer / evening_analyst。额外一个 **meta_reflector** 每季度末跑一次，负责对 6 个可编辑 agent（tech / news / macro / earnings / PM / evening）**自我画像 + prompt 审计 + 自动修订**。risk_manager 和 position_reviewer 被 **schema + prompt_editor 双层保护**，不允许被 auto-evolved 改动（硬纪律不能被稀释）
 - 双层风控：硬规则引擎（cash_only / 仓位 / 暴露 / 日损 / 板块 / 相关性 / earnings-queued） + LLM RiskManager 审核 + `_force_delever()` 硬兜底
-- **6 个 session**（ET Mon-Fri）：earnings_preprocess 08:00-09:15（唯一跑 earnings LLM）、morning 09:30-12:00（full team）、intra_check 09:30-16:00 每 30min tick（熔断器，零 LLM）、midday 13:00-14:30（position_reviewer patient）、close 15:30-16:00（position_reviewer act-on-trigger；窗口 ≥ launchd 30min tick 保证任何 phase 都能打中）、evening 20:00-22:00（report + outlook）。**季度末额外一次 meta**：`--mode meta` / `run_quarterly_meta_reflection`，跑 `quarterly_digest` 聚合 90 天事实 + `meta_reflector` LLM 7 步 CoT + `prompt_editor` 4 道保险 apply
+- **6 个 session**（ET Mon-Fri）：earnings_preprocess 08:00-09:15（唯一跑 earnings LLM）、morning 09:30-12:00（full team）、intra_check 09:30-16:00 每 30min tick（熔断器，零 LLM）、midday 13:00-14:30（position_reviewer patient）、close 15:30-16:00（position_reviewer act-on-trigger；窗口 ≥ launchd 30min tick 保证任何 phase 都能打中）、evening 20:00-22:00（report + outlook）。**季度末额外一次 meta**：`--mode meta` / `run_quarterly_meta_reflection`，跑 `quarterly_digest` 聚合 90 天事实 + `meta_reflector` LLM 7 步 CoT + `prompt_editor` 4 道保险 apply。**另有 daily CSV 导出**（2026-06-10 PR #99）：`--mode daily` 把全量 NAV/SPY/drawdown 历史发成 Telegram 文档（取代 evening 推送里的 P&L 文本表）；纯数据导出（零 LLM 零交易），**不走** run_if_et_window.sh（wrapper 会拒掉 daily 模式），由独立 timer `quant-agent-daily.timer`（Mon-Fri 09:00 ET）经 `scripts/run_daily_export.sh` 触发，units 在 `scripts/systemd/`
 - 数据源：yfinance、FRED、RSS、SEC EDGAR
 - 配置：`config/settings.yaml` + `.env`；按 agent 独立选 OpenAI / Anthropic / DeepSeek 模型。**2026-06-04 起所有 9 个 agent 用 OpenAI `gpt-5.5`**（5-11 曾切 claude-opus-4-7 应对 OpenAI quota，6-04 又切回 OpenAI 并升到 5.5；切 provider 一条 `sed` 命令）。Provider 路由按 model name 前缀判断：`deepseek-` 走 DeepSeek，`gpt-` / `o1-` / `o3-` / `o4-` 走 OpenAI，其它走 Anthropic（`src/agents/base.py` 的 `_DEEPSEEK_PREFIXES` / `_OPENAI_PREFIXES`）
 - **DeepSeek（OpenAI-compatible，2026-06-05 加）**：走 openai SDK + `base_url=https://api.deepseek.com` + DeepSeek key（`_call_deepseek`）。三个坑都已处理（研究自 api-docs.deepseek.com）：(1) DeepSeek 只认 **`max_tokens`** 不认 OpenAI 的 `max_completion_tokens`（发错会被静默丢弃 → 回落 ~4096 默认截断）；(2) DeepSeek **拒绝**（不裁剪）超 ceiling 的 max_tokens，所以按 `_DEEPSEEK_MAX_OUTPUT` per-model 客户端 clamp（v4-flash/pro/chat/reasoner=384K，未知 deepseek-* 保守 8192）；(3) 402「Insufficient Balance」= 不可重试 → 触发 failover，`insufficient_system_resource` finish_reason 记为 truncated。**`deepseek-chat`/`deepseek-reasoner` 2026-07-24 弃用**（现已 alias `deepseek-v4-flash`），新配置直接用 `deepseek-v4-flash`。cost 用**官方** $0.14/$0.28（LiteLLM 的 $0.28/$0.42 是 V4 前旧值，已 **pin** 在 `cost_table._PRICING_PINNED` 防 cache 刷新覆盖）
 - **跨 provider 自动 failover**：当**非-Anthropic 主**（OpenAI 或 DeepSeek）调用重试耗尽 / 非可重试错误(quota、DeepSeek 402、死 key、宕机)后，`base.py:run()` 会**自动用 Anthropic 的 `_FALLBACK_MODEL`(=`claude-opus-4-7`)单发一次**(无重试,避免吃穿 session 窗口),成功就用它的结果继续(`AgentResult.model` 记实际用的模型,cost 按实际模型算)、失败就抛出原始错误。只在「主=OpenAI/DeepSeek 且 `.env` 有 ANTHROPIC_API_KEY」时触发;主已是 Claude 则 no-op(同 provider 无意义,且构造时不会因此报错)。截断(max_tokens)不触发 failover。pipeline 给 9 个 agent 都传 `fallback_api_key=config.api_keys.anthropic`。`src/config.py` 的 LLMConfig 默认(settings.yaml 漏配时的兜底)也已从过时的 `*-4-6` 更到 `claude-opus-4-7`
-- **Telegram 推送**：开/关由 `.env` 控制，缺 `TELEGRAM_BOT_TOKEN` 或 `TELEGRAM_CHAT_ID` 时 notifier 静默 no-op，trading 不受影响。每个 session 在 `main.py` finally 块里调一次 `notifier.send(format_session_result(...))`；噪声策略：morning/midday/close/evening 总推；earnings_preprocess 只在真分析了 filing 时推；intra_check 只在 emergency 触发时推（14 次/天 OK tick 静默）；meta 只在真季末跑时推；**任何 session 抛异常都强制推**绕过噪声策略。文档见 `src/notifier.py` docstring 和 README "Optional env vars" 段
+- **Telegram 推送**：开/关由 `.env` 控制，缺 `TELEGRAM_BOT_TOKEN` 或 `TELEGRAM_CHAT_ID` 时 notifier 静默 no-op，trading 不受影响。每个 session 在 `main.py` finally 块里调一次 `notifier.send(format_session_result(...))`；噪声策略：morning/midday/close/evening 总推；earnings_preprocess 只在真分析了 filing 时推；intra_check 只在 emergency 触发时推（14 次/天 OK tick 静默）；meta 只在真季末跑时推；daily 的 `sent` 静默（CSV 文档本身就是送达确认，status text 只在 error/skipped 时推且带原因）；**任何 session 抛异常都强制推**绕过噪声策略。文档见 `src/notifier.py` docstring 和 README "Optional env vars" 段
 
 ### Agent CoT 结构（schema-enforced 必填字段数；违反 → ValidationError）
 | Agent | CoT 步数 | 备注 |
@@ -78,7 +79,7 @@ python main.py --mode morning|midday|evening|live   # 手动跑
 - `src/notifier.py:TelegramNotifier`，在 `main.py` finally 块里调用 `format_session_result(mode, result, elapsed, error=...)` 推送。**Hook 必须在 finally 里**，不能在 try 内部——否则 session 抛异常时收不到 FAILED 推送（这是日志之外操作员唯一的实时信号）
 - 错误必须 swallow：`notifier.send()` 内部 `except Exception` 兜住所有 HTTP / 网络 / Telegram-端报错；main.py finally 块再包一层 try/except 防 notifier 自己挂。**`notify` 失败永远不能让 session 失败**，这条比"得到通知"重要
 - 噪声策略由 `format_session_result` 返回 `None` 实现（caller 看 `None` 就 skip send）。policy 见模块 docstring；改这条策略前先想清楚"这个 silence 是不是把真信号也吞了"——典型反例：earnings_preprocess 当时把 `analysis_error` 也 silence 过，结果 OpenAI quota 耗尽那天 13 个 filing 全 retry 烧 token 但没人收到通知（2026-05-11 修，`analysis_error` 现在推）
-- **确定性升级告警**：evening 推送的 🚨 banner 不只看 LLM 的 `risk_rating`——`_append_evening_body` 还独立算"今日亏损 ≥ 80% 日损熔断线"（用 `result["max_daily_loss_pct"]`）触发 `DETERMINISTIC ALERT`，与 LLM 判断 OR。理由：自评风险时 LLM 最容易**低估**，而这正是最该被抓住的情况——镜像交易路径"硬规则 + LLM"两层哲学。`suggested_actions` 已挪到 P&L 历史表**之前**渲染，避免 4000 字尾部截断在高风险日吃掉最该读的行
+- **确定性升级告警**：evening 推送的 🚨 banner 不只看 LLM 的 `risk_rating`——`_append_evening_body` 还独立算"今日亏损 ≥ 80% 日损熔断线"（用 `result["max_daily_loss_pct"]`）触发 `DETERMINISTIC ALERT`，与 LLM 判断 OR。理由：自评风险时 LLM 最容易**低估**，而这正是最该被抓住的情况——镜像交易路径"硬规则 + LLM"两层哲学。`suggested_actions` 渲染在 headline P&L 之后的高位，避免 4000 字尾部截断在高风险日吃掉最该读的行（其后原有的 P&L 历史文本表 2026-06-10 起移除，改由 `--mode daily` 的 CSV 导出承担）
 - **内部 dead-man's check**：evening（已 gated 在交易日）调 `_expected_sessions_missing_today()`，查 `agent_logs` 今日 ET 是否有 morning(`run-`)/midday/close 的 run_id 前缀；缺了就在推送顶部 🔴(morning)/⚠️(midday·close)。catch "某 session 静默没跑"（timer 挂 / lock 卡 / 半日盘窗口算错）——push-on-completion 观测唯一看不见的失败模式。**不覆盖主机宕机 / evening 本身没跑**——那需要外部 dead-man's switch（healthchecks.io 式，wrapper 成功就 ping、缺席就外部报警），建议补上
 - Telegram bot token 等同密码：写 `.env` 用 `chmod 600`，**不要**贴 git / issue / 公开 chat。token 万一外泄（推送的截图 / 误贴 ssh log）马上去 BotFather 发 `/revoke` 生新的
 

README.md

@@ -280,6 +280,9 @@ python main.py --mode midday     # Position review + trailing stops
 python main.py --mode evening    # PnL report + insights for tomorrow
 python main.py --mode live       # APScheduler in-process (dev/legacy; production
                                  # uses systemd/launchd timers, not this)
+python main.py --mode daily      # P&L history CSV -> Telegram document
+                                 # (no LLM, no trading; full NAV/SPY/drawdown
+                                 # history from Alpaca portfolio_history)
 ```
 
 **Automated scheduling**: the production path is a 30-min OS-level timer (systemd `quant-agent@.timer` on Linux, launchd plist on macOS) that calls `scripts/run_if_et_window.sh <mode>` for each session. The wrapper checks the current **US/Eastern** wall clock against the target window, applies the cross-mode session lock (one heavy LLM session at a time, except `intra_check` which is exempt), and skips if the mode already ran today. Runs the right session at the right ET moment regardless of the host's timezone — handy when traveling. Windows (Mon-Fri ET, authoritative Python table at `src/trading_calendar.py` `SESSION_WINDOWS`, locked to the bash wrapper by `test_trading_calendar.py`):
@@ -290,6 +293,8 @@ python main.py --mode live       # APScheduler in-process (dev/legacy; productio
 - `close` 15:30-16:00 ET — position review (act-on-trigger; window ≥ 30-min OS-timer tick so it never misses)
 - `evening` 20:00-22:00 ET — daily P&L + insights for next morning
 
+The **daily P&L CSV export** (`--mode daily`) is scheduled separately — it is a pure data export (no LLM, no orders), so it skips the window/lock wrapper entirely. A fixed-time systemd timer fires it Mon-Fri 09:00 ET via `scripts/run_daily_export.sh` (sources `.env`, 300s timeout). Units are tracked at `scripts/systemd/quant-agent-daily.{service,timer}`; install with `cp scripts/systemd/quant-agent-daily.* ~/.config/systemd/user/ && systemctl --user daemon-reload && systemctl --user enable --now quant-agent-daily.timer`. The CSV replaced the P&L history text table that the evening push used to embed.
+
 ## Trading Universe
 
 97 symbols (source of truth: `config/settings.yaml:trading.universe`):