ワンクリックでManusで任意のスキルを実行

investment-research-prompts

スター0

フォーク0

更新日2026年7月9日 18:38

Use when the user needs stock screening, portfolio risk review, dividend portfolio design, pre-earnings analysis, industry competition analysis, DCF valuation, technical analysis, or stock trend/anomaly detection. Trigger on requests like 選股, 投資組合風險, 股息策略, 財報前瞻, DCF 估值, 技術面分析, 產業競爭研究, 趨勢識別, or investment research prompts.

インストール

Codex または Claude でインストールこの Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。

Manusで実行

ソース

TimLai666

TimLai666/skills

GitHub リポジトリを開く Creator のリポジトリを見る

ダウンロード

Manusで実行

Investment Research Prompts

Overview

把投資研究需求先路由到正確場景，再檢查必要輸入，最後從提示詞庫取用對應模板。這個 skill 以 prompt 模板與分析框架為核心，不負責程式化抓取金融資料。

Use This Skill

Use when:

使用者想要股票篩選、選股框架或研究報告模板
使用者要拆解投資組合風險、再平衡或避險方向
使用者要規劃股息投資組合與被動收入藍圖
使用者要做財報前瞻、產業競爭、DCF 估值、技術分析或異常模式辨識
使用者明確要「prompt」「模板」「分析框架」「研究 brief」

Do not use when:

使用者只要單一即時股價或單一財務指標，沒有研究框架需求
任務是實作金融資料 API、回測程式或交易系統
任務是一般理財建議，且不需要股票研究輸出格式

Routing Rule

先判斷請求屬於哪一類：

stock-screening
portfolio-risk-review
dividend-portfolio-blueprint
pre-earnings-brief
industry-competition-report
dcf-valuation-memo
technical-analysis-report
trend-anomaly-memo

若使用者描述同時包含多個類型，優先問清楚主要決策目的是：

找標的
估值
交易時機
組合風險
產業比較

細節模板與欄位規則見 references/prompt-library.md。

Input Gate

先檢查該場景的必要資訊是否齊全。若不足，先回 MissingDataOutput，不要直接輸出空模板。

MissingDataOutput 必須包含：

detected_scenario
missing_fields
why_needed
follow_up_questions
next_step

追問原則：

只問最少必要欄位
優先問能改變分析結論的資訊
若日期不明但可合理推進，先標示假設再繼續

Freshness Rule

以下資訊具有時效性，執行分析時必須查證最新來源，不可把模板當成離線事實：

最新股價
估值倍數
財報日期
分析師共識
殖利率
配息紀錄
市值
期權隱含波動或 implied move
空頭比例、內部人交易、機構持股變化

若使用者要求「最新」「今天」「目前」「即將公布」之類的內容，必須先取得最新資料與來源，再套用模板。

Output Rule

若資訊足夠，可以有兩種輸出方式：

直接產出適合該情境的完整研究 prompt
依模板結構直接展開分析框架，並明確標示已知資訊、待補資訊、假設與資料來源需求

輸出時應保留：

專業角色設定
分析項目清單
輸出格式要求
使用者需補的變數槽位

不要：

捏造即時市場數據
在缺必要欄位時硬做結論
把多個場景模板混在一起而不說明主軸

Suggested Workflow

辨識主要場景
檢查必要輸入
若缺資料，回 MissingDataOutput
讀取對應模板段落
視需求保留模板，或轉成當前任務的分析框架
若內容依賴即時市場資訊，先查證再回答

このリポジトリの他の Skills

同じリポジトリ

llm-wiki

TimLai666/skills

Karpathy's LLM Wiki: build/query interlinked markdown KB with Zettelkasten note discipline. Triggers: 知識庫, 建 wiki, wiki 筆記, 研究筆記, ingest sources, knowledge base.

2026-07-190

zettelkasten

TimLai666/skills

Use when building, maintaining, or auditing a Zettelkasten (slip-box) note system, or when applying atomic-note discipline to an existing markdown knowledge base — atomicity checks, card-splitting decisions, linking rules, note-type workflow. Trigger on 卡片盒筆記法、卡片盒、Zettelkasten、原子筆記、永久筆記、文獻筆記、結構筆記、拆卡、筆記連結、smart notes、atomic notes、permanent notes、slip-box, or when another skill (e.g. llm-wiki) needs per-change note-discipline checks.

2026-07-190

ultrathink

TimLai666/skills

Use whenever the agent thinks at all — writing copy or reports, proposals, planning products or features, coding, debugging, or any other task — running ALL curated thinking frameworks in sequence (currently 邏輯推導 logical reasoning：MECE, 空雨傘, 魚骨圖; 創意發想 creative ideation：六頂思考帽, 腳本圖, 心智圖; 市場分析 market analysis：3C 分析, SWOT 分析, 4P與4C; 進度管理 progress management：惠特默模型, KPI 樹狀圖, PDCA; 權衡得失 weighing trade-offs：決策矩陣, PMI 表, 力場分析; 預測未來 predicting the future：S 型曲線, 鴻溝理論, 長尾模型; 辯論思考 debate thinking：需根解損, 判定立駁, 論點以主張-資料-推論三要素構建 Claim-Data-Warrant、以質詢拆解三問檢驗（事實為真？邏輯嚴密？有無其他可能？）; 思維模型 mental models：第一性原理, 反向思考法, 二階思考, 能力圈, 奧坎剃刀) to lock direction and key points before acting, screening all reasoning with a ~160-item 謬誤檢核清單 fallacy checklist. Theme grouping is navigation only — work through every theme, not just the ones that look relevant. Trigger on ultrathink, 深度思考, 想清楚再做, 思考框架, 抓重點, 言之有物, 沒抓到重點, any framework or tool name above, or whenever a task involves thinking, planning, writing, building, or debugging.

2026-07-180

human-writing

TimLai666/skills

Use by default for any user-facing writing, including answers to users, emails, documents, formal correspondence, reports, proposals, landing-page copy, social posts, essays, commentary, explanations, summaries, product copy, internal updates, and other prose intended to be read by people. Apply it whenever the output contains human-readable text, unless another skill explicitly owns the writing style or the output is purely code, structured data, or a command. Supports Chinese and English.

2026-07-180

software-engineering-guidelines

TimLai666/skills

Software engineering guidelines for any software change. Always load this skill before requirement clarification, architecture/design, implementation, refactoring, code review, testing, or shipping. Covers simplicity, surgical changes, TDD, and verifiable success criteria. Triggers on: 任何軟體規劃, 需求釐清, 架構設計, 寫 code, 改 code, 做功能, 修 bug, refactor, 開發, coding, development, 實作, 實現, 寫程式, 改程式, 加功能, 修問題, code review, 測試, 重構

2026-07-100

db-engineering

TimLai666/skills

Universal database engineering rules. Migration discipline, audit logging, soft delete, performance, data integrity. Triggers on: 任何資料庫相關工作, 建表, 改 schema, 寫 migration, DB design, database development, 設計資料庫, 改 DB 結構, 加欄位, 加索引, 改 table, SQL, 寫 trigger, 設計 API 的 DB 層, 查詢很慢, N+1, 效能優化, 資料完整性, CASCADE, 外鍵, 新增 table, 刪除資料, backup, 環境分離, dev prod 分開

2026-07-100

name	investment-research-prompts
description	Use when the user needs stock screening, portfolio risk review, dividend portfolio design, pre-earnings analysis, industry competition analysis, DCF valuation, technical analysis, or stock trend/anomaly detection. Trigger on requests like 選股, 投資組合風險, 股息策略, 財報前瞻, DCF 估值, 技術面分析, 產業競爭研究, 趨勢識別, or investment research prompts.

Investment Research Prompts

Overview

Use This Skill

Use when:

使用者想要股票篩選、選股框架或研究報告模板
使用者要拆解投資組合風險、再平衡或避險方向
使用者要規劃股息投資組合與被動收入藍圖
使用者要做財報前瞻、產業競爭、DCF 估值、技術分析或異常模式辨識
使用者明確要「prompt」「模板」「分析框架」「研究 brief」

Do not use when:

使用者只要單一即時股價或單一財務指標，沒有研究框架需求
任務是實作金融資料 API、回測程式或交易系統
任務是一般理財建議，且不需要股票研究輸出格式

Routing Rule

先判斷請求屬於哪一類：

stock-screening
portfolio-risk-review
dividend-portfolio-blueprint
pre-earnings-brief
industry-competition-report
dcf-valuation-memo
technical-analysis-report
trend-anomaly-memo

若使用者描述同時包含多個類型，優先問清楚主要決策目的是：

找標的
估值
交易時機
組合風險
產業比較

細節模板與欄位規則見 references/prompt-library.md。

Input Gate

先檢查該場景的必要資訊是否齊全。若不足，先回 MissingDataOutput，不要直接輸出空模板。

MissingDataOutput 必須包含：

detected_scenario
missing_fields
why_needed
follow_up_questions
next_step

追問原則：

只問最少必要欄位
優先問能改變分析結論的資訊
若日期不明但可合理推進，先標示假設再繼續

Freshness Rule

以下資訊具有時效性，執行分析時必須查證最新來源，不可把模板當成離線事實：

最新股價
估值倍數
財報日期
分析師共識
殖利率
配息紀錄
市值
期權隱含波動或 implied move
空頭比例、內部人交易、機構持股變化

若使用者要求「最新」「今天」「目前」「即將公布」之類的內容，必須先取得最新資料與來源，再套用模板。

Output Rule

若資訊足夠，可以有兩種輸出方式：

直接產出適合該情境的完整研究 prompt
依模板結構直接展開分析框架，並明確標示已知資訊、待補資訊、假設與資料來源需求

輸出時應保留：

專業角色設定
分析項目清單
輸出格式要求
使用者需補的變數槽位

不要：

捏造即時市場數據
在缺必要欄位時硬做結論
把多個場景模板混在一起而不說明主軸

Suggested Workflow

辨識主要場景
檢查必要輸入
若缺資料，回 MissingDataOutput
讀取對應模板段落
視需求保留模板，或轉成當前任務的分析框架
若內容依賴即時市場資訊，先查證再回答