Menü
AI Berkshire skill: 投研团队：四角色并行分析框架. Source: skills/investment-team.md.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
AI Berkshire skill: 财务数据获取与交叉验证规范. Source: skills/financial-data.md.
AI Berkshire skill: 深度公司系列：8 篇长文拆一家公司. Source: skills/deep-company-series.md.
AI Berkshire skill: 投资论文漂移检测：分清事实变化与措辞变化. Source: skills/thesis-drift.md.
AI Berkshire skill: 供应链瓶颈猎手：AI驱动的全球产业链瓶颈套利. Source: skills/bottleneck-hunter.md.
AI Berkshire skill: 段永平问答：以他的方式思考. Source: skills/dyp-ask.md.
AI Berkshire skill: 财报精读：一手资料深度解读. Source: skills/earnings-review.md.
| name | investment-team |
| description | AI Berkshire skill: 投研团队：四角色并行分析框架. Source: skills/investment-team.md. |
This skill is generated from skills/investment-team.md so Claude Code and Codex users share one canonical workflow.
$ARGUMENTS as the user's request in the current Codex thread.tools/ in this repository. Prefer running commands from the repository root with paths like python3 tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.对 $ARGUMENTS 进行团队化投资研究分析。使用 Team 工具创建真正的多Agent并行研究团队。
向用户展示以下团队结构，确认后启动：
| 角色 | 职责 | 分析框架 |
|---|---|---|
| team-lead（你自己） | 统筹协调、汇总研判、输出最终报告 | 四大师综合框架 |
| business-analyst | 商业模式 & 护城河分析 | 段永平视角 |
| financial-analyst | 财务报表 & 估值分析 | 巴菲特视角 |
| industry-researcher | 行业格局 & 竞争态势 | 芒格视角 |
| risk-assessor | 风险评估 & 管理层研判 | 李录视角 |
在创建团队前，先向用户展示该公司的"AI可研究性"评估：
信息丰富度评级（决定研究策略）：
| 等级 | 特征 | 研究策略调整 |
|---|---|---|
| A级（信息充裕） | 上市多年、券商覆盖广 | 团队重点放在反面检验和非共识视角，避免输出与市场一致的"正确的废话" |
| B级（信息适中） | 上市不久、覆盖有限 | 每个Agent的推算数据必须标注置信度，team-lead汇总时标注"数据充分度" |
| C级（信息稀缺） | 冷门/新上市/新兴市场 | 团队转为"第一性原理模式"：不追求报告完整性，聚焦商业本质的几个核心问题 |
关键提醒：资料多≠确定性高，资料少≠确定性低。AI能输出的置信度 ≠ 投资的真实确定性。确定性来自商业模式本身，不来自资料数量。
将评级结果告知每个Agent，影响其研究方式。
使用 TeamCreate 创建团队：
{公司名}-research（英文小写，如 meituan-research）team-lead使用 TaskCreate 创建以下4个任务（每个都要有 subject、description、activeForm）：
分析{公司名}商业模式、护城河与用户价值分析{公司名}财务数据、盈利能力与估值python3 tools/financial_rigor.py verify-market-cap --price {价格} --shares {股本} --reported {报告市值} --currency {币种}python3 tools/financial_rigor.py verify-valuation --price {价格} --eps {EPS} --bvps {每股净资产}python3 tools/financial_rigor.py cross-validate --field {字段} --values '{JSON}' --unit {单位}python3 tools/financial_rigor.py three-scenario --price {价格} --eps {EPS} --shares {股本亿} --growth {乐观} {中性} {悲观} --pe {乐观PE} {中性PE} {悲观PE}分析{行业}行业格局与{公司名}竞争态势评估{公司名}投资风险与管理层质量使用 Task 工具同时启动4个Agent（必须在同一条消息中并行调用）：
每个Agent的配置：
subagent_type: general-purposerun_in_background: trueteam_name: 对应团队名name: 对应角色名（business-analyst / financial-analyst / industry-researcher / risk-assessor）每个Agent的prompt模板：
你是{公司名}投研团队中的"{角色中文名}"，负责从{大师名}投资视角分析{公司名}。
请完成任务 #{任务编号}：{任务subject}
具体要求：
{任务description的内容}
**研究方法**：
- 使用 WebSearch 搜索最新公开信息（财报、行业报告、新闻）
- **财务数据必须来自两个独立来源**，按 `skills/financial-data.md` 规范执行（美股：macrotrends+stockanalysis；港股：aastocks+macrotrends；A股：东方财富+巨潮资讯），两源误差>1%须标记
- 确保数据准确，关键数据标注来源
- 分析要深入，不流于表面
**输出要求**：
- 报告要详尽，使用Markdown表格呈现关键数据
- 每个分析维度要有明确结论和评分
- 报告末尾要有该维度的总体结论
**完成后**：
1. 使用 TaskUpdate 将任务 #{任务编号} 标记为 completed
2. 通过 SendMessage 把完整分析报告发送给 team-lead（type: "message", recipient: "team-lead"）
全部报告收到后，向4个Agent发送 shutdown_request（使用 SendMessage，type: "shutdown_request"）。
综合4份分析报告，输出以下结构的最终报告：
用一段话（50-100字）概括是否值得投资及核心逻辑
| 维度 | 框架 | 评分(1-5星) | 核心判断 |
|---|
综合评分：X / 5
关键财务和经营指标表格（近2年对比）
每个维度摘取3-5条最重要的发现
| # | 检查项 | 通过? | 说明 | 10个核心检查项，逐一评估
100-200字的最终总结
将完整最终报告写入 ~/{公司名}投资研究报告_{日期}.md（日期格式 YYYYMMDD）。
# Step 1 — 提取抽检清单（15%随机抽样）
python3 tools/report_audit.py extract \
--report <报告文件路径>
# Step 2 — 对清单每项从可靠信源取数（参见 skills/financial-data.md）
# Step 3 — 输出准出/打回判决
python3 tools/report_audit.py verdict \
--results '<填好的JSON>' \
--report <报告文件名>
【准出】 全部通过 → 报告可发布；【打回】 有不通过 → 修正后重审。
使用 TeamDelete 清理团队资源。