القائمة
行业深度研究 Skill — 面向 VC 的行业与赛道分析工具。 自主搜集权威信源数据，生成基于事实的行业研究报告。 覆盖：行业概览、产业链、竞争格局、技术趋势、政策环境、未来预测。 零编造，全溯源，数据驱动。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
个股深度分析的核心工作流。当用户要求"深度分析 / 全面分析 / 帮我看看 / 值不值得买 / DCF / 机构建模 / 首次覆盖 / 投委会备忘录"等涉及个股研究的请求时触发。覆盖 A 股、港股、美股，产出 22 维数据 + 51 位大佬量化评审 + 6 种机构级估值建模 (DCF/Comps/LBO/3-Stmt/Merger) + 7 种研究产物 (首次覆盖/财报解读/催化剂日历/投资逻辑追踪/晨报/量化筛选/行业综述) + 6 种决策方法 (IC Memo/DD/Porter/单位经济/VCP/再平衡) + 杀猪盘检测，最终生成 Bloomberg 风格 HTML 报告 + 社交分享战报。关键词：股票、个股、深度分析、估值、DCF、comps、首次覆盖、IC memo、杀猪盘、龙虎榜、akshare。
50 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json，让 50 位投资者各自按自己的方法论打分并输出 Pydantic Signal（signal/confidence/score/verdict/comment）。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派 7 大流派。当用户请求"评审团/50 大佬怎么看/某某会买吗/做一次大佬投票"时使用。
龙虎榜深度分析器。识别游资席位、判断机构 vs 游资博弈、对照同板块龙虎榜找辨识度龙头。当用户问"谁在买这只票/最近龙虎榜怎么样/X游资有没有上榜/这是不是X的票"时使用。
杀猪盘检测器。当用户提到"朋友推荐"、"群里说"、"老师带"、"内幕消息"、"小红书 / 抖音看到推荐"等关键词，或显式要求"看看是不是杀猪盘 / 检测一下风险 / 这只票安全吗"时使用。扫描 8 个信号给出风险评级 🟢🟡🟠🔴。
| name | industry-research |
| version | 1.0.0 |
| description | 行业深度研究 Skill — 面向 VC 的行业与赛道分析工具。 自主搜集权威信源数据，生成基于事实的行业研究报告。 覆盖：行业概览、产业链、竞争格局、技术趋势、政策环境、未来预测。 零编造，全溯源，数据驱动。 |
| author | DZH123553 |
| tags | ["industry-research","market-analysis","VC","due-diligence","sector-analysis"] |
面向风险投资（VC）从业者的行业与赛道深度研究工具。
核心目标：在有限时间内，通过系统性信息搜集与结构化分析，输出一份有洞察、基于事实、数据丰富、语言严谨的行业研究报告。
"We don't make things up. We find things out."
| 维度 | 英文 | 核心问题 | 关键数据源 |
|---|---|---|---|
| 行业概览与市场规模 | Overview | 行业是什么？有多大？增长多快？ | 咨询报告、政府统计、上市公司财报 |
| 产业链结构与价值链 | Chain | 上下游是谁？利润怎么分？壁垒在哪？ | 行业白皮书、供应链分析、专家访谈 |
| 主要公司与竞争格局 | Companies | 谁在玩？份额多少？模式差异？ | Crunchbase、PitchBook、IT桔子、财报 |
| 技术发展与演进路径 | Technology | 核心技术是什么？走到哪了？下一步？ | 学术论文、专利数据库、技术博客 |
| 政策环境与监管动态 | Policy | 政府支持还是限制？合规成本高吗？ | 政策法规、监管文件、行业协会 |
| 未来趋势与投资启示 | Trends | 方向去哪？风险在哪？值不值得看？ | 多方观点汇总、情景分析 |
| 头部 VC Insight | VC Thesis | 头部机构怎么看？叙事方向是什么？ | a16z、Sequoia、Bessemer、Accel 等 |
在每一篇报告中，必须包含以下头部投资机构对该赛道的观点（如有公开信息）：
优先覆盖的机构（按优先级排序）：
搜集方式：
{industry} a16z investment thesis / {industry} sequoia capital insight报告呈现要求：
# 基础模式 — 快速扫描
python industry_research.py "AI漫剧"
# 深度模式 — 抓取完整页面内容
python industry_research.py "AI漫剧" --deep
# 自定义输出目录
python industry_research.py "Prediction Market" --output ./reports --deep
在 Kimi Code CLI 中：
# 第一步：让 Skill 驱动自主调研
/industry-research 研究行业：Prediction Market
研究深度：深度
# 第二步：基于搜集到的原始数据，进行深度分析
请基于已搜集的数据，重点分析：
1. 产业链利润分配结构
2. 国内外头部公司的商业模式差异
3. 技术成熟度与核心壁垒
4. 监管风险（尤其关注不同司法管辖区的差异）
5. 头部 VC 的投资论点和叙事方向
6. 早期创业公司（A轮及以前）的融资情况、投资方、团队背景
7. 投资机会判断：哪个环节最值得投？为什么？
当已有特定数据源时，绕过搜索，直接生成报告：
from src.report_generator import ReportGenerator
research_data = {
"industry": "AI漫剧",
"research_date": "2026-04-27T10:00:00",
"dimensions": { ... }, # 手动填充的结构化数据
"extracted_data": { ... },
"sources": [ ... ],
}
gen = ReportGenerator(research_data, output_dir="./output")
gen.save()
🟢 高（High）：
🟡 中（Medium）:
🔴 低（Low）:
# [行业名称] 行业深度研究报告
> 报告生成时间 | 数据来源统计 | 数据承诺
## 执行摘要（Executive Summary）
- 核心发现（5-8 条 bullet points）
- 关键数据点（带来源）
- 主要提及公司
- 头部 VC 核心论点速览
## 行业概览与市场规模
- 行业定义与边界
- 历史发展阶段
- TAM/SAM/SOM（如有数据）
- 年复合增长率与驱动因素
- 区域分布特征（中国/美国/欧洲/东南亚等）
## 产业链结构与价值链分析
- 产业链图谱（上中下游）
- 核心环节识别
- 价值分配分析
- 进入壁垒评估
- 关键资源与能力要求
## 主要公司与竞争格局
- 头部企业梳理（含海外公司）
- 市场份额（如有数据）
- 商业模式对比矩阵
- 融资历史与估值水平
- 竞争策略差异
## 技术发展与演进路径
- 核心技术栈
- 技术成熟度评估（TRL）
- 专利布局（如有数据）
- 研发投入趋势
- 技术替代风险
## 政策环境与监管动态
- 国内政策梳理
- 国际政策对比（美国/欧洲/东南亚等）
- 监管框架演变
- 行业标准与合规要求
- 政策对竞争格局的影响
## 头部 VC Insight 与投资叙事
- 头部机构投资论点汇总（a16z / Sequoia / Bessemer 等）
- 核心叙事方向（Narrative Direction）
- 关键风险担忧
- 叙事在强化还是弱化？
## 早期创业公司扫描（A轮及以前）
> 本章节聚焦 A 轮及以前的早期创业公司，包括：
> - 公司名称、成立时间、总部所在地
> - 核心产品/技术、商业模式
> - 融资历史（轮次、金额、投资方）
> - 团队背景（创始人履历、核心技术团队）
> - 与头部公司的差异化定位
> - 潜在风险与亮点
### 公司一：[公司名]
- **成立时间**：YYYY-MM
- **总部**：城市，国家
- **核心产品**：一句话描述
- **融资历史**：
- Seed轮：$X M，投资方：[机构A, 天使B]
- Pre-A轮：$X M，投资方：[机构C]
- **团队背景**：创始人 [姓名]，前 [公司] [职位]，[学历/成就]
- **差异化**：与头部公司相比的独特定位
- **亮点/风险**：
（重复格式覆盖 3-8 家早期公司）
## 未来趋势与投资启示
- 技术演进方向（基于事实推演）
- 市场变化趋势
- 潜在风险因素
- 对投资人的启示
- 信息缺口与建议补充调研方向
## 研究方法说明
- 数据来源列表
- 数据质量分级标准
- 重要声明（非投资建议）
## 附录：完整信息来源索引
- 所有来源按可信度排序
pip install -r requirements.txt
依赖项：
duckduckgo-search>=7.0.0 — 匿名搜索引擎beautifulsoup4>=4.9.0 — HTML 解析requests>=2.25.0 — HTTP 请求python-docx>=0.8.11 — Word 文档生成lxml>=4.6.0 — XML/HTML 解析加速--delay。--deep 会抓取页面完整内容，耗时增加 3-5 倍，但信息更丰富。research_engine.py 中的搜索模块替换为 Wind、Bloomberg、Crunchbase API，可大幅提升数据质量。MIT — 自由使用、修改和分发。
免责声明：本 Skill 生成的报告仅供研究参考，不构成任何投资建议。使用者应自行核实关键数据并承担决策责任。