Menu
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。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
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。