用途：比较美国 CPI（BLS 固定权重）与 PCE（BEA 动态/链结权重）的通胀信号，识别低波动、高 PCE 权重消费桶的 PCE 上行风险，判断 Fed 关注的 PCE 是否在 CPI 看似降温时重新加速。
主要能力：输出三层信号——Headline 层给出 CPI 与 PCE 的同比分歧（bps）；归因层列出推升 PCE 的桶位及加权贡献；风险层给出观察点与延续性评估。识别逻辑为：找出 PCE 权重较高的消费桶，筛选其中价格波动度较低者，若其通胀近期转正或加速则标记为 PCE upside risk。PCE 涵盖范围比 CPI 更广，包括雇主支付的医疗费用、非营利机构对家庭的服务及某些金融服务的隐含费用，这些范围差异也会造成分歧。
使用方式：脚本位于 scripts/ 目录，可直接执行。首次使用需安装依赖：pip install pandas numpy requests。快速检查：python scripts/cpi_pce_analyzer.py --quick。完整分析：python scripts/cpi_pce_analyzer.py --start 2020-01-01 --measure yoy。数据抓取脚本：fetch_fred_data.py --series CPIAUCSL,PCEPI 与 fetch_bls_data.py --full。数据来源无需 API key，使用 FRED CSV（https://fred.stlouisfed.org/graph/fredgraph.csv?id={SERIES_ID}）与 BLS Public API（https://api.bls.gov/publicAPI/v2/timeseries/data/）。
适用场景：日常监控 CPI/PCE 分歧、深度归因分析、方法论学习。
限制：输出为 JSON 或 Markdown 模板；具体桶位定义、近似处理与数据限制需参考 references/ 下文档；资料未提供收费、价格或平台信息。