petrochem-report-insights

name	petrochem-report-insights
description	检索中国石化、中国石油、中国海油等国内石化企业，埃克森美孚、壳牌、BP 等国际油气巨头，以及 IEA、OPEC、伍德麦肯兹、中国石油和化学工业联合会等研究机构的公开报告（年报、可持续发展报告、月度报告、研究报告），按核心数据、关键结论、市场趋势、投资动态、风险、产业链影响六个维度提炼洞察，输出深度分析 / 行业动态速览 / 多机构观点对比三类报告。当用户提到石化报告、能源研报、油气行业研究、石化市场洞察、炼化行业分析、油气企业年报解读、行业动态摘要时触发。

石化行业研报洞察

检索石油化工企业与行业研究机构的公开报告，提炼核心数据、关键观点与产业链影响，生成洞察摘要。发现与抓取能力全部来自 web-fetch 基座技能，本技能只负责机构元数据、分析维度与报告格式。

运行约定：

• 路径一律相对本技能根目录：本技能脚本写 scripts/x.py，web-fetch 基座写 ../web-fetch/scripts/x.py（两者恒为兄弟目录）。执行时给命令加上技能根目录前缀，不要 cd 进技能目录——输出文件要落在当前工作目录。前缀取宿主加载技能时告知的 Base directory；拿不到就用 find / -name sources.py -not -path '*__pycache__*' 2>/dev/null | head -1 定位，取其上两级为技能根目录。
• 所有 uv run 命令都不要加 timeout 参数，沙箱后端不支持 per-command timeout override，加了必定报错。

覆盖机构

14 家机构的完整元数据（中英文名、site_domain、语言、典型报告类型）唯一来源是 scripts/sources.py，按 org_type 分三类：

• soe_domestic 国内石化企业：sinopec 中国石化、petrochina 中国石油、cnooc 中国海油、sinochem 中化集团、yanchang 延长石油
• intl_major 国际油气巨头：exxonmobil 埃克森美孚、shell 壳牌、bp 英国石油、totalenergies 道达尔能源、chevron 雪佛龙
• research_institute 行业研究机构：cpcif 中国石油和化学工业联合会、iea 国际能源署、opec OPEC、woodmac 伍德麦肯兹

uv run scripts/sources.py --list          # 打印全部机构
uv run scripts/sources.py --show iea      # 打印单条机构详情

发现候选统一走 web-fetch 的两个通道（都用机构的 site_domain），不针对单个机构维护官网抓取正则——各家官网改版频繁，维护一堆正则性价比太低。sitemap 是标准协议、靠 robots.txt 自动发现，一次实现全域通用，不违反这条决策。

抓取侧：国际油气巨头官网与 IEA 多为服务端渲染，http 层直接拿到（约 0.3s）；国内企业官网普遍有反爬——中国石油官网是瑞数 JS 挑战（HTTP 412，TLS 指纹伪装过不去）、中国海油是 JS 空壳，这类站点由 web-fetch 的 browser 层渲染拿到正文，实测可稳定取回（瑞数需 30–45 秒等页面自行重载，属正常耗时）。

工作流程

Step 1：解析需求

识别目标机构（可按 org_type 或常见别名匹配，如"三桶油"= sinopec+petrochina+cnooc）、主题领域（转检索关键词）、时间范围、输出格式偏好。

Step 2：发现候选

两个通道，--site 均传对应机构的 site_domain。默认先 sitemap，不可用再回落 search。

uv run ../web-fetch/scripts/sitemap.py --site iea.org --match /reports/ --since 2025-01-01
uv run ../web-fetch/scripts/search.py --query "energy transition" --site shell.com --max-results 5

sitemap.py 直连原站枚举站点条目，结果带 lastmod 且最新在前。"最新一期""某年以来的"这类需求必走这条；海外机构（IEA/Shell 等）也必须走这条——实测 360 对 site:iea.org 只返回 1 条首页，而 IEA 自己的 sitemap 里有 2926 条报告。

search.py 用于模糊关键词匹配，或站点没有 sitemap 时（如 opec.org）。国内机构（cnpc.com.cn、sinopec.com）是它的强项——实测 site:cnpc.com.cn 能直接命中年度社会责任报告，news. 子域也在覆盖内。

errors[].kind：no_sitemap 回落 search；no_match 才是真无结果（可换关键词重试）；blocked/network_unreachable 说明该机构当前部署环境下抓不到（先跑 uv run ../web-fetch/scripts/fetch.py --check-env 确认引擎是否齐全；360 是 IP 层拦截，换个出口 IP 结论就变），如实告知用户，不要编造内容替代。

Step 3：抓取正文

uv run ../web-fetch/scripts/fetch.py --urls '["https://...", "https://..."]' --max-chars 8000

type 区分 html/pdf。low_confidence=true 的 PDF 结果（疑似加密或扫描件）不可靠，如实告知用户而非当正文分析。

Step 4：六维度分析与输出

核心数据摘录、关键结论与观点（区分机构预测 vs 已发生事实）、市场趋势与技术方向、投资与项目动态、风险与不确定性、产业链影响（上游/中游/下游分层）。

读取 references/report-formats.md，按场景选格式 A（单机构深度分析）、格式 B（行业动态速览）或格式 C（多机构观点对比）。

质量要求

• 准确性：数字必须可追溯到原文章节/页码
• 专业性：严格区分机构预测与已发生事实
• 客观性：多机构对比不替机构下结论，呈现分歧而非强行调和
• 实用性：落到可用于决策参考的具体数据与判断
• 时效性：标注报告发布日期与覆盖周期

特殊处理

• 数据口径不一致（如 IEA 用 mb/d、企业年报用吨）：并列展示并注明单位，不强行换算统一
• 预测数据：必须注明发布时点（"截至 2026 年 X 月的预测"），不与已发生事实混淆
• PDF 抽取低置信度：如实告知，建议用户直接查阅原文链接
• 检索/抓取受阻：区分是"该机构无匹配结果"（no_match，罕见）还是"当前环境两层引擎都过不了该站点"（blocked），后者需如实告知环境限制，不得当作"没有这份报告"；失败结果里的 attempts 已逐层写明原因，直接引用
• 海外机构用 search.py 搜不到东西：这是 360 的索引覆盖问题，不是"该机构没发报告"——改走 sitemap.py
• 抓取耗时较长（国内企业官网 30–45 秒）：这是瑞数挑战需要浏览器等页面自行重载，属正常现象，不要中途改用其他来源替代

使用示例

典型需求到命令链路的映射见 references/examples.md。

---

免责声明：本技能生成内容仅为公开报告的信息整理与观点摘录，不构成投资建议，具体投资决策请以机构官方发布原文及专业投资顾问意见为准。