#1903 feat: 增强 DecisionSignal 后验复盘并反馈到 Agent 记忆

功能描述 / Feature Description

把现有 DecisionSignal 的 outcome / feedback 从“可查询统计”升级成“可学习的复盘资产”，让下一次分析、Agent 问股和策略权重能看到历史判断为什么对、为什么错。

大白话：现在系统已经能记录 AI 建议，也能事后算 hit/miss；但这些结果还没有真正变成“经验”。这个 issue 目标是让系统能说：上次为什么看错、哪类信号容易错、同类股票下次应该更保守还是更积极。

现状 / Current State

docs/decision-signals.md 已定义 DecisionSignal 只记录建议、证据摘要、风险、观察条件、生命周期和来源，不执行下单。
DecisionSignalOutcomeService 已支持 1d/3d/5d/10d 后验评估、outcome stats、用户 feedback，以及 action/market/phase/source/quality/holding_state breakdown。
AgentMemory 已有开关 AGENT_MEMORY_ENABLED，能读取历史分析和 Backtest summary，并做 confidence calibration。
BaseAgent 已能注入 memory context，并在样本足够时调整 agent opinion confidence。
但当前 memory 更偏 AnalysisHistory + BacktestResult，没有充分消费 DecisionSignal outcome / feedback，也没有沉淀“失败原因”和“同类条件下的校准建议”。
相关但不同的 issue：#1758 聚焦按 decision_profile 做聚合后验统计；本 issue 聚焦把后验结果反馈到分析/Agent 决策闭环。

使用场景 / Use Case

用户查看某只股票时，系统能提示：“最近同类 buy 信号 5d 表现偏弱，本次应降低置信度”。
Agent 问股时，不只看到历史报告，还能看到历史信号 outcome 和用户反馈。
DecisionAgent 最终合成时可以引用低敏复盘摘要，而不是重复犯同类错误。
Skill / strategy 权重能基于真实 tagged outcome 慢慢校准，样本不足时保持中性。
Web AI 建议页可以展示“复盘摘要”：命中、错判、unable 原因、常见失败模式。

期望实现 / Proposed Solution

P0：定义 ReviewMemory 低敏契约

建议新增一个面向 Agent/分析消费的低敏结构，例如：

{
  "stock_code": "600519",
  "scope": "stock|market|action|factor|skill",
  "sample_size": 42,
  "completed": 31,
  "hit_rate_pct": 58.1,
  "avg_return_pct": 1.7,
  "common_miss_reasons": ["追高后回撤", "大盘退潮", "数据质量偏低"],
  "confidence_adjustment": "neutral|downgrade|upgrade",
  "notes": ["样本不足，仅供观察"]
}

要求：

只使用低敏字段。
不输出完整 evidence、metadata、raw diagnostics、Prompt、新闻正文或私密持仓。
有样本阈值，样本不足时只做观察提示，不改变结论。

P1：Outcome + Feedback 进入 AgentMemory

AgentMemory.get_stock_history() 可以合并最近 DecisionSignal outcome：action、horizon、outcome、return、unable_reason、feedback。
增加 AgentMemory.get_decision_signal_review(...) 或类似服务，支持按股票、action、market_phase、source_agent、data_quality_level 查询低敏统计。
BaseAgent._build_memory_context() 注入更有用的复盘摘要，而不是只注入历史 signal/score/price。

P2：复盘结果影响置信度，但必须保守

若样本充足，允许对 agent confidence 做小幅校准。
样本不足、unable rate 高、数据质量差时，只提示风险，不做强校准。
校准要可解释：输出 raw_confidence、adjustment_reason、sample_size、calibration_source。
不允许把 hit_rate 直接当仓位比例或买卖强度。

P3：Web 和 API 可见复盘摘要

DecisionSignal 详情页可展示该信号的 outcome、feedback 和同类信号摘要。
可提供只读 review summary API，避免前端自己拼复杂统计。
支持从某个历史报告 / signal deep link 查看“这条建议后来怎么样”。

P4：和因子库 / multi-agent 增强联动

如果 #1902 因子库落地，复盘摘要可以按因子标签拆分。
如果 multi-agent 分歧归因落地，复盘摘要可以按 agent/source_agent/skill_consensus 拆分。
在这些字段不存在时必须 fail-open，不影响现有 outcome 计算。

非目标 / Non-goals

不改变 DecisionSignal “不下单、不调仓”的边界。
不做实盘交易、自动止盈止损或 copy trading。
不在样本不足时给“这个策略有效/无效”的强结论。
不把用户 feedback 当作真实收益结果；feedback 只能作为主观可用性信号。
不把后验统计做成黑箱自动改 Prompt；所有校准都要有可见理由和回滚路径。

验收标准 / Acceptance Criteria

有 ReviewMemory 或同等低敏复盘摘要契约，字段来源和脱敏边界清晰。
AgentMemory 能读取 DecisionSignal outcome / feedback，并在开启 AGENT_MEMORY_ENABLED=true 时注入低敏摘要。
样本不足、unable rate 高、数据质量差时不做强校准，只提示限制。
置信度校准可解释，包含样本量、来源、调整方向和原因。
DecisionSignal Web/API 至少能展示单条信号 outcome + 同类复盘摘要的 MVP。
原有 POST /api/v1/decision-signals/outcomes/run、feedback、stats 行为保持兼容。

建议影响路径 / Suggested Affected Areas

src/services/decision_signal_outcome_service.py
src/repositories/decision_signal_outcome_repo.py
src/services/decision_signal_summary.py
src/agent/memory.py
src/agent/agents/base_agent.py
src/services/backtest_service.py
api/v1/endpoints/decision_signals.py
api/v1/schemas/decision_signals.py
apps/dsa-web/src/pages/DecisionSignalsPage.tsx
apps/dsa-web/src/components/decision-signals/*
docs/decision-signals.md

验证建议 / Verification

后端：覆盖 outcome/feedback 为空、unable、样本不足、样本充足、按股票/action/phase 聚合等路径。
Agent：覆盖 AGENT_MEMORY_ENABLED=false 完全无行为变化；开启后只注入低敏摘要。
前端：覆盖详情页复盘摘要、loading/error/empty 状态。
文档：更新 DecisionSignal 专题和 full-guide；如新增用户可见复盘视图，同步 changelog。

回滚方式 / Rollback

首版应保持只读/低敏消费，回滚可通过关闭 AGENT_MEMORY_ENABLED 或 revert 对应 PR。
若新增 sidecar 表或索引，PR 需说明旧 outcome/feedback 数据保留和手动清理策略。
回滚后现有 DecisionSignal、feedback、outcome 数据不应被删除，普通分析/告警/通知/组合风险链路继续可用。