Agent Workflow Examples

point-in-time：讓 agent 的回測不會偷看未來

揭露類資料的每一列都帶知識日期，並保守地設為法定申報截止日——因此依它過濾的回測，不會看到市場當時還看不到的數字。

每一列揭露資料都帶知識日期：月營收、綜合損益表、資產負債表與現金流量表都帶有 knowledge_date，並附上說明其來源的 kd_source，以及標示它是實際觀測還是推導而來的 kd_imputed。以該欄位對齊、而不是以財報期末日對齊，一個數字就會在它進入市場的時候進入你的回測，而不是在該季結束的時候。

它是法定截止日，而且刻意偏晚：2026-08-19 實測：所檢查的每一個揭露資料集，kd_source 都是 statutory_deadline、kd_imputed 都是 true——這個日期是法律上的申報截止日，不是實際公告時點（後者我們尚未擷取）。公司在截止日當天或之前申報，因此這個日期偏晚而非偏早：提早公告的公司看起來比實際慢。這犧牲了一些真實度，但不會洩漏未來資訊，而那是比較安全的偏誤方向。

日線價格沒有這個欄位：twse_daily_price 沒有 knowledge_date 欄位。對收盤價而言，交易日就是公布日，因此落差很小——但那仍是一個真實的落差，若 agent 假設此欄位普遍存在，拿到的會是 undefined 而不是日期。各資料集的 point-in-time 屬性列在涵蓋範圍頁。

REST 的 as-of 截斷：2026-08-22 實測：REST 資料集端點已實際套用。傳入 as_of 會把最新一列往回移到截斷點：2330 日線不帶參數回 2026-08-21，帶 as_of=2020-06-30 則回 2020-06-30。回應會回報 as_of_applied、實際過濾的欄位，以及被截掉幾列，讓你自己確認它生效，而不是聽我們說。這是**知識時點**截斷，不是日期截斷——as_of=2021-03-31 時月營收回的是 2 月，因為 2 月營收要到 3 月才申報。在申報型資料集上，那個知識時點採用的是**法定申報期限**而非實際公告日，因此資料不會比它真正公開的時間更早出現：偏保守、對回測是安全的方向，但不精確。日線沒有申報期限，直接以交易日截斷。

這是什麼

此範例不是 AI 模型本身，而是 financial data retrieval workflow。

目標是示範 agent 如何把 TW Market Data 當資料工具層。

範例檔案

• examples/agents/simple_research_agent.ts
• examples/agents/simple_research_agent.py

流程

• 讀取 TWMD_API_KEY
• 查 issuer_profile
• 查 twse_daily_price
• 查 monthly_revenue
• 輸出 structured research context

追蹤能力

每一步都可取得 requestId 與 credits metadata，方便觀測與客服追查。