公司深度研究
产品介绍
公司深度研究（deep-dive-research） 输入一家 A 股或港股上市公司，产出一份把这家公司扒干净的深度研究档案： 行业结构、竞争地位（含国际对标）、商业模式、产业链利润分配、决定利润的核心变量、 历史股价复盘、财务质量、风险排雷、估值口径。交付 Markdown 成稿 + PDF，不出 Word。 只给事实与判断，不给买卖建议、不给目标价。 允许给“估值参照带”——带推导链、样本区间、 假设清单与局限说明的推算区间。 买入只用一秒 买入只用一秒。赚不赚钱，在按下去那一刻就基本定了。 你不是不会选股，是没看懂那家公司。 我自己买股票时，那一秒之前大概只看了三样东西：名字熟不熟、最近涨没涨、别人怎么说。 我不是专业投资人。可能正因为这样，我知道普通投资者会漏看什么：财报上的数字倒还在其次， 容易漏掉的是数字背后那家公司在行业里的位置。 同一组数字，放在不同行业里意思完全不同。毛利率在化工是价差，在航空是客座率和油价， 在银行是息差和信用成本。行业一换，该看的东西也换了。只看数字不看行业，读到的只是一个数， 不是一门生意。 这个 skill 做的是那一秒之前的活：把公司、它所在的行业、利润的来源和风险，一层层拆开， 写成一份你能读完、也能拿去核对的报告。我用它跑过十几家公司，横跨七八个行业。 它最大的坏处是慢。跑一篇要一两个小时；行业的数据还常常拿不到。 它想解决的问题 你让 agent「深度研究一下这家公司」，它交回一份几十页的报告。目录齐全，表格密密麻麻。 读完之后，你被几个问题卡住了：它到底靠什么赚钱？哪一个变量说了算？现在处在周期的什么位置？ 最该防的雷是什么？ 一份深度研究最容易写成资料汇编：行业、公司、财务、风险各写一大段， 每一项都“覆盖”了，读者合上报告还是回答不了五个问题： 它靠什么赚钱，哪几块业务、各自贡献多少？ 哪个变量改一下，全篇结论就要重算？ 现在处在周期的什么位置，什么时候该提高警惕？ 最该防的雷是什么？ 还有什么没查清？ 这份 skill 的组织方式是一条问题链，不是一张资料目录：速览页先把这五件事答一遍， 正文十节按“生意模式 → 外部条件 → 财务与风险 → 估值标准与边界”推进，附录放背景与逐项底稿。 正文锋利，附录厚；每一节第一句是判断，其余是证据。 判断必须有，但只到事实判断为止。“公司利润几乎完全跟着锂价走”“增长完全押在单一客户身上”， 这类要写。“因此值得买入”这类不写。没有判断的报告是资料汇编；越过事实判断的报告，是投资建议。 它跟一份普通研报有什么不同 少做会留下痕迹 研究类 skill 最常见的失败是少做。少取一类数据、少跑一项排雷、少写一行溯源， 成稿照样能渲染成 PDF，从外面看不出来。所以这份 skill 把“该做什么”变成可以数出来的东西： 每个研究步骤都有落盘产物（取数台账、四层判定表、排雷表、单位数核查、估值参照带、模型自检、 自检记录、投资人视角复核、反向质疑），阶段之间设了闸门，闸门有一条命令可以机械核对。 退出码不为 0，就不许往下走。 排雷逐项过：A 股 28 项、港股 38 项，一行一项。正文图数 ≥ 8 张，第三、四、六、八节各至少一张。 重点标注全篇 ≤ 30 处。这些话不是口号，check_gates.py 会数。 这套规则不是纸上推演。两份实盘报告分别跑到 74 页与 79 页；一份 54 页、0 张图的稿子， 被新加的图表闸门当场拦下。规则是从这些跑动里长出来的，不是先想好再写上去的。 写完不算完，换三副眼镜再看一遍 行业专家视角看“这个行业该看什么”，投资人视角看“读者拿到了什么”， 反向质疑把结论当成已经错了、回头找它会错在哪。模型自检再加一层，管的是算出来的数字： 口径对不对得上、有没有越出样本区间、哪个假设挪一下结论就翻转。 不按页数交差，按“能不能回答”交差 它不设页数目标，也不为凑结构硬写。但成稿中文字数低于 15,000 时不许直接交付， 先回答一个问题：“内容本来就少，还是取数没做完？”这是触发器，不是配额。 成稿出来后还有一道 60 秒测试：遮住正文，只读速览页，看能不能复述出上面那五件事。 答不全，说明速览页没把结论提上来，回去改。 自己算出来的数字，先当嫌疑人 吨成本、吨毛利、单店收入、盈亏平衡价这一类，年报里没有现成的，是研究者拿两个数算出来的。 这份 skill 要求每个这样的数字过三关：分子与分母同口径；拿一个独立来源的同量级数字比一次； 反推得来的临界值不进速览页的“必记数字”。脚本只会算，不会判断这个算式成不成立。 它的来由是一次实盘：把集团口径的亏损除以自产端的产量敏感度，解出一个“盈亏平衡价”， 在速览页被读成了“吨成本”。四则运算没错，口径错了。 不给目标价，给一条能复算的参照带 报告不给“合理价”“建议关注”这类结论。它给的是：在明确假设下，历史同类价格档对应的区间， 连同推导链、样本区间、假设清单与局限说明。四项缺一，写出来的就是目标价。 你可以照着复算，也可以不同意它的假设，但你知道它在什么条件下成立。 复盘价格，不编每日涨跌的原因 上市以来的中长线涨跌必须复盘：每一段是利润推的还是估值推的，调整段持续了多久、 事后看什么结束了它、当时最早的先行信号是什么。逐日、逐周的涨跌归因一律不写。 日线没有可复现的因果，写下“某月某日下跌是因为……”就是编。 写给投资圈外的人 报告不单用“倍数”，不写“主导侧”“共振”“双杀”“双击”这类圈内简称； 字母缩写第一次出现写成“中文名（缩写，一句话算法）”；附录 H 是术语表，至少 15 行。 速览页不出现“C · 顶部结束”这样的代号，也不写“读数四条对三条”这样的计数； 一句话只装一件事。判定标准：这句话念给一个人听，对方要不要重听一遍。 慢，但不假装快 跑一篇要一两个小时。行业的数据常常拿不到，报告会把缺什么、影响哪一节、还能去哪查写清楚， 但拿不到就是拿不到，不会用“约”“大概”填一个看起来合理的数。它不承诺一键出稿， 也不把“没查到”藏起来。 它不做这些（免得你误会） 不做买卖判断。 没有买入／卖出／增持／减持／评级，也没有仓位建议。 不给目标价。 参照带是历史刻度的复述，不是“应该值多少”。 不做逐日涨跌归因。 复盘只写到“位置与节奏”。 不在一个会话里连跑多家公司。 会话变长会触发上下文压缩，技能与参考文件最先被挤掉。 一次给多家，请逐家单独开会话；做不到就明确告知会降质，不闷头快跑。 不把“行业第一”“满意度很高”直接当护城河。 榜单、评分、名次要先核口径、样本、 与同期经营数据对不对得上；核不到原文，只能引用原话，不能转述成结论。 不把周期底部的亏损当公司硬伤。 周期股先定周期位置，再读报表与估值。 不出 Word，也不走排版 skill。 交付链路是 Markdown → PDF，封面、页眉页脚、三线表、书签都由脚本生成。 它不替你做决定。生意好不好、这个价格值不值，还是你判断。它只处理那一秒之前的事： 把一家公司、连同它所在的行业，尽量看完整。树见多了，你自己就成了一片森林。 下面是可以直接拿去用的部分。「生成结果不构成投资建议」 快速开始 1. 放到 agent 能读到的地方 你的 agent 放哪 Codex ~/.codex/skills/deep-dive-research/ Claude Code ~/.claude/skills/deep-dive-research/ 支持 Agent Skills 规范的其他 agent 按其约定放入 skills 目录，或直接放进项目 SKILL.md 的 frontmatter（name + description）遵循通用 Agent Skills 规范， 能读 skill 的 agent 可以直接识别。前提是目标 agent 能读 skill 目录—— 读不了 skill 的工作台不在本 skill 的考虑范围内。 换机器时把 SKILL.md、references/、scripts/ 一起放好，保持同目录结构。 2. 跑之前确认环境 python3 scripts/check_gates.py --portable # 检查包本身是否完整可移植 需要：Python 3（校验脚本与估值脚本只用标准库）、markdown 与 PyMuPDF（转 PDF 用）、 一个 Chrome／Chromium（无头打印引擎）。基础流程不要求任何数据源 API key，也不依赖其他 skill。 python3 -m pip install markdown pymupdf # 缺依赖时装到当前解释器 2.1 可选的妙想 MCP：有就优先，没有就自动降级 如果当前 agent 会话已经接入妙想 MCP（常见 server 标识为 mx-ds-mcp），取数时会优先使用它。 妙想只作结构化检索入口，取到的数字仍要回原始披露或官方统计交叉核验。 未安装、连接失败、开始收费、额度不足、鉴权失效、限流或字段不匹配时，不要求用户先处理 MCP， 也不阻塞研究：skill 会自动改用 references/03-数据源地图.md 里的公开接口与本地脚本，先把报告做完。 报告交付后再列出数据缺口与补数清单；用户若使用 Wind、Choice、iFinD 等终端，可导出 CSV／XLSX／JSON 补充， skill 会更新台账、重跑计算与图表并交付修订版。 skill 本身不读取、不保存用户的 MCP 配置、API key 或账号凭据；不同用户不安装妙想， 也应当拿到同一份完整流程下的报告。 3. 用起来 对 agent 说「深度研究某某公司」即可。它会按 SKILL.md 的流程走，边做边落盘。 项目目录分三层：01-原始资料/ 只放原件（年报、公告、研报 PDF），02-工作底稿/ 放底稿与复算用的数据， 03-交付物/ 放成稿与 PDF。年报抽出来的文本副本属于派生物，落 02-工作底稿/文本/， 交付时列清单清掉——所以报告里的引用一律写原件页码或表号，不写副本的行号。 跨工作台使用：三条纪律 不同 agent 的上下文窗口、工具集差别很大。能力不足时，改变执行方式；不要降质。 一家一会话。 不要把多家公司排成队列在同一个会话里连跑。会话变长会触发上下文压缩， 而技能与参考文件在会话开头，压缩时最先被挤掉——实盘里同一批 12 家，第一份 26 页、最后一份 16 页。 分段写，不要一次成稿。 正文按十节分批写、分批落盘。一次吐出整份报告， 长度必然等于一次输出的长度。 每步跑闸门。 check_gates.py 支持 --stage 1/2/3 分开跑，不必等全写完。 弱工作台更该用——因为它更会“少做”。 校验：把闸门交给退出码 python3 scripts/check_gates.py --project outputs/2026-10-13-某公司002408 python3 scripts/check_gates.py --project <目录> --stage 1 # 只查 Gate 1 python3 scripts/check_gates.py --portable # 查包本身的可移植性 它逐项数：台账七类是否填满、缺口是否三行齐全、排雷表与附录 D 的行数、附录 E 家数与国际同业数、 成稿字数是否过触发线、重点标注是否超限且成对、该落的底稿是否都在（含只在成稿出现榜单／评分／名次类表述时才要求的 指标核查.md）、正文有没有越界措辞， 成稿里每个自算的单位数（元/吨、吨成本这一类）是否在 单位数核查.md 有行、 倒推行是否写了对照基准、速览必记数字里有没有混进反推值、有参照带的是否配了 模型自检.md， 并顺带体检文体与用词（破折号、整句加粗、过渡词、自我指涉、讲解文标记、引号；以及“倍数”单用、 “主导侧／共振／双杀／双击”这类圈内行话、字母缩写首次出现有没有展开、附录 H 术语表够不够 15 行， 按提示列出、不阻断）。 退出码 0 才算过。 它查的都是可以数出来的东西，换工作台、换模型得到同一套判断。 目录结构 SKILL.md 流程、铁律、闸门、最低合格线（agent 读的主文件） references/00—14 每一步的细则，按流程表「本步必读」逐份读 scripts/check_gates.py 三道闸门的机械校验（纯标准库） scripts/md_to_pdf.py Markdown 成稿 → 交付 PDF（需要 markdown + PyMuPDF + Chrome） scripts/cycle_valuation.py 估值参照带复算：分档估值指标分布、盈利阶梯、平衡价杠杆表、 分年体制断裂判定；金融股走 --band-only 只出台前两段； 输入不合法即报错退出（纯标准库） scripts/chart_svg.py 数据 → SVG 图：折线（时序）／条形（占比与排名）， 图与数据随报告落盘、命令写进底稿即可复算（纯标准库） 书籍/ 配套读物《如何快速了解一家上市公司》：正文 Markdown 与 PDF docs/ 设计文档与变更日志（本地维护，不随包） outputs/ 实盘产出（按标的建目录；本地生成，不随包） LICENSE 代码 MIT + 配套读物 CC BY-NC 4.0（同一份文件，按范围区分） 随包带一本书 书籍/ 是一本配套读物：成稿 Markdown 与排好版的 PDF。 它讲的是“怎么快速了解一家公司”的框架，不是这份 skill 的说明书。 书里把看懂一家公司拆成七个必须回答的问题： 它靠什么赚钱？ 它的上游和下游是谁，它站在链条的哪一段？ 它所在的行业处在什么状态，它排第几？ 它凭什么把别人挡在外面？ 什么东西一动，它的利润就变？ 它赚的钱是不是真的，有没有要出事的迹象？ 它值多少钱，该用什么标准去量？ 书里的七个问题是理解一家公司的框架；前面速览页的五问，是读完报告后能不能复述的测试。 七个问题里，第五个和第七个最容易做错，因为答案取决于对行业的理解，不取决于能找到多少数据。 代码是 MIT；书是 CC BY-NC 4.0，可读、可转、可引用，须保留书名与署名，不得商用。 改动前检查 改这份 skill 时，两条命令就是回归测试： python3 scripts/check_gates.py --portable # 别把本机路径写进去 python3 scripts/md_to_pdf.py --input <任一份成稿.md> --output /tmp/regress.pdf 第二条跑完对一下页序那行：页数与改动前一致，说明排版没被改坏。 硬性要求：不写绝对路径、不写家目录路径、不硬依赖其他 skill、不要求 API key。 例子里的公司与数字用占位符或脱敏值。 已知限制 它不追求快。 一次完整研究要跑一两个小时；想要“一键出稿”的人会失望，这是有意的取舍。 数据源在中国大陆网络环境下最顺（巨潮、东财、交易所站点）。境外网络访问这些源可能失败， 失败时按 skill 的缺口规范写明“已试路径／可继续路径／需要什么条件”，不要用推测填补。 妙想 MCP 是可选增强，不是安装门槛。 未接入或调用失败时自动走公开接口与本地脚本；首版报告不因 MCP 缺失而停摆。交付后再给出缺口与补数清单，用户提供 Wind／Choice／其他接口数据后可修订报告。 不构成投资建议，也不提供任何买卖判断；报告里的“估值参照带”是历史刻度的复述，不是目标价。 报告会复盘这只股票历史上的中长线涨跌（原因、调整期长度、结束信号），但不做逐日涨跌归因， 也不给交易指令——复盘只写到“位置与节奏”。 历史股价复盘需要价格序列：底稿 02-工作底稿/历史股价复盘.md 的段表 ≥ 3 段， 每段要拆利润侧与估值侧两列（每股收益变动 ／ 市盈率变动）；闸门在 check_gates.py 里核这几项。上市不足 3 年的按 references/13 第一节的例外写法写明，不许跳过。 PDF 排版依赖 Chrome 的 CSS 分页能力；没有 Chrome／Chromium 时先装一个，脚本会明确报错而不是静默降级。 许可 两套许可写在根目录同一份 LICENSE 里，按范围区分： 代码（SKILL.md、references/、scripts/、assets/）—— MIT。 配套读物《如何快速了解一家上市公司》（书籍/如何快速了解一家上市公司.md、 书籍/如何快速了解一家上市公司.pdf）—— 知识共享 署名—非商业性使用 4.0 国际 （CC BY-NC 4.0）：可自由阅读、转发、引用，须保留书名与署名，不得商用； 商业使用须另行取得授权。
资源信息
许可证信息摘自官方源，可能过时或缺失。商用前请以原仓库的 LICENSE 文件为准。
信息边界说明
本页信息摘自官方文档，仅作技术信息呈现，不代表本站的判断或推荐。价格、配额、可用性以官方最新说明为准。你离开本站后的任何行为（申请 Key、付费、部署、商用），本站不做任何承诺与担保。
同类推荐
AIGC过程存证服务
官方未说明AIGC创作过程自动存证技能。自动识别创作平台与生成工具，将创作过程记录存证并盖有公安备案电子印章，具备可信时间戳，可以在全国电子印章互认平台核验。
标书写作专家【百炼标书】
官方标注收费需申请 Key百炼®标书是一个面向投标场景标书写作的skill，可以帮用户完成四件事：解读招标文件、生成投标文件、审查投标文件合规风险以及标书查重。它适合用自然语言直接写作，用户只要提供文件和需求，就能拿到解读结果、成品标书、审查报告、查重报告。百炼®标书官网:https://biaoshu.zhiliaobiaoxun.com
律师助手
官方标注收费律师AI办案工作台：从接案到结案全流程提效——案件分析、要件梳理、文书初稿、证据质证、法庭攻防演练、赔偿与费用计算、期限提醒、复盘归档；覆盖民事、刑事、劳动、非诉、破产、执行、行政、仲裁八大领域，111 个专家技能；法条可核验、结论可复核。
罗斯蒙德合同合规审查
官方未说明【罗斯蒙德合同合规审查】南京罗斯蒙德基于已交付项目沉淀的合同合规审查 Skill，为法务与业务侧提供风险初筛，聚焦智能写作、文档交付、AIGC 与定制开发类背靠背合同。流程：提取合同文本（PDF/Word/扫描件）→ 解析主体、标的、价款、履约、违约等要素 → 多版本条款语义比对与差异定位 → 按 13 类通用维度（用章、审批、必备条款、前后一致性、行业资质、违约责任与上限、知识产权、主体授权、价款税务、争议解决、履约验收、跨境、招标采购）逐项核查 → 叠加背靠背传导、AIGC 权属与标识、源文件与提示词交付、数据合规与第三方大模型调用、验收客观化、驻场 SLA 等专项规则。风险按高/中/低分级，一律用「所属章节」定位，给出依据与修改建议；一键生成 HTML 报告，同源产出 Markdown 与 JSON 三件套，交付前经自检脚本门禁校验。仅初筛，不替代法务终审。 Trigger on: 合同审查/合同审批/合同比对/差异对比/用章检查/招标文件评分/单一来源采购/背靠背合同/AIGC 合同/起草诉状/contract compliance review/clause comparison.
露禾论文写作助手（免费版pro）
免费增值露禾论文写作助手（免费版）：一句话生成引用可溯源、不编造的专业学术论文，按国标 GB/T 7714 插入真实文献引用，中英文 3000/5000/8000 字，一键导出 Word。说「写论文 / 帮我写论文」即可使用。
包拯.SKILL
需申请 Key包拯.Skills你身边的专家律师团 — 专业法律咨询 + 要素式/通用起诉状起草 + 刑事专项材料辅助 + 法条分析与法规检索。flk.npc.gov.cn API实时法条优先，不可用时AI知识库降级兜底，**法条来源按四档标注可核验（已核验-flk API / 已核验-单源 / 已引-离线库 / 未核验-模型生成），交付末尾附法条/事实/金额/程序分项置信度**；以22类法律领域覆盖矩阵约束路由边界；支持35个起诉状模板、5类刑事专项材料辅助；内置Logic Doctor逻辑自检、诉讼时效追踪及10类异常容错处理（含连续失败熔断）；渐进式意图收敛协议（3轮状态机）；混合意图自动任务拆解（按依赖排序→合并→顺序执行）；含反模式清单与危机干预出口（自杀/家暴/未成年人侵害先于一切法律分析）。非标准案由自动使用通用模板。
什么是技能
技能（Skill）是封装好的单项能力，比如文字识别、文档摘要、关键词提取。开发者把调用逻辑和提示词打包，使用者像用插件一样加载即可，无需了解底层模型。启枢技能 收录大量技能，可直接试跑或编入方案。