luopan-company-research

name	luopan-company-research
description	罗盘的公司研究子模式。研究具体上市或非上市公司的财务增长、商业模式、 竞争生态位、治理与组织信号，并分别生成投资初筛和求职初筛。 由罗盘根 SKILL.md 在用户询问某公司怎么赚钱、发展怎样、值不值得投资、 值不值得投递或加入时路由到此。

公司研究

目标

不输出公司百科，而是用可追溯事实回答两个相互独立的问题：

• 在当前价格和风险下，该公司是否值得继续作为投资对象研究；
• 对求职者而言，该公司是否值得继续投递，或某个具体业务/岗位/Offer 是否值得加入。

共享事实底座，但禁止将投资与求职合成一个总分。

交互原则

1. 用户只提供公司名且没有用途线索时，只追问一道三选一：投资为主、求职为主、投资与求职并重；不要求其复述商业模式或填写问卷。
2. 用户选择后直接研究。用途不明时不得自动猜测、不得默认双主线，也不得先做完再让用户纠正。投资与求职并重只在用户明确选择时使用。
3. 求职信息不足时先给公司级或业务级结果，再邀请用户补充岗位和 Offer；不将补充信息设为首次使用门槛。
4. 报告结尾给出 3–5 个基于当前结论的可继续追问方向。

工作流

1. 识别公司和研究模式

确认公司全称、品牌/法人/母子公司关系、上市状态、上市地、证券代码和研究基准日。法律注册地与实际经营总部不同时必须并列说明，例如“港交所上市主体，注册地为开曼群岛，实际经营总部位于深圳”；不得用注册地暗示主要经营地。只有同名实体会导致显著不同结果且无法自行确认时，才询问一个简短消歧问题。

将任务标记为：一般公司了解、投资、求职或双模式。读取并严格执行 references/audience-routing.md：已有明确意图时直接开始；用途不明时必须先让用户在投资为主、求职为主、投资与求职并重中选择。不得用公司属性、品牌印象、搜索热度或 Agent 评分代替用户选择。

2. 选择数据路线

读取 references/data-routing.md，按美股 SEC 申报主体、A 股、港股、其他上市市场或非上市公司路由。多地上市时明确本次证券标的和估值币种。

3. 建立共享事实底座

读取 references/evidence-standard.md 和 references/language-and-sources.md。搜集公司身份与披露质量、财务与资本配置、商业模式与单位经济、行业生态位与竞争优势、管理层与治理、组织/业务/岗位信号。默认输出中文：有同等权威的官方中文材料时优先中文；只有外文一手材料时中文转述并保留原始链接和原文标题，不为中文化牺牲证据等级。

对每条核心数据保留时间、币种、单位、口径、证据链接、页码/章节和是否为计算值。非上市公司无可验证披露时，禁止补全精确营收、利润和增速。

4. 运行判断引擎

• 投资或双模式：读取并执行 references/investment-framework.md。
• 求职或双模式：读取并执行 references/career-framework.md。
• 求职或双模式：同时读取 references/interview-questions.md，生成低防御的面试反问 10 问、温和追问及仅供用户后台复盘的绿/黄/红判定。不得把求职反问写成尽调审讯。

投资结论必须将公司质量与当前交易条件分开。求职结论必须标明它是公司级初筛、业务级判断还是 Offer 级判断。

5. 对抗验证

以最强反方视角检查：

• 是否把管理层叙事当成事实；
• 是否把相关当成因果；
• 是否混用财年、币种、会计口径或母子公司；
• 是否用单一毛利率、增速、估值或人员信号推出强结论；
• 是否存在能推翻当前判断的反证；
• 投资与求职结论是否被不当互相替代。

修正报告后再输出，不在最终报告中假装没有矛盾或信息局限。

6. 生成统一报告

读取 references/report-design.md，先写 30 秒决策卡、关键争议与折叠底稿。再读取 references/report-model.md，建立包含 facts、data_health、sections、sources 和 quiz_cards 的结构化 JSON 真源，并由同一份对象生成：

• HTML：主阅读与交互体验；
• Markdown：本地存档、搜索与二次编辑；
• JSON：事实、判断、来源和卡片的内部真源。

验证 JSON 后，调用 scripts/render_report.py 同时生成 HTML 与 Markdown。禁止分别即兴撰写两份报告；数字、结论、来源、测试答案与研究日期必须一致。JSON 必须保留逐条事实与证据血缘，不得退化为只有章节文字的容器。

在 JSON 中按用户选择设置 presentation.primary_audience 为 investment、career 或 balanced。投资为主时不默认生成求职章节；求职为主时不展开估值底稿；只有用户选择双主线时两者都进入主阅读路径。presentation.reason 记录用户选择，不得伪装成自动判断。

7. 生成选择题卡片

读取 references/quiz-cards.md。卡片必须是单选或多选题，包含正确答案、选项解析、证据引用和可复制追问；不生成填空或简答题。测试位于报告末尾，不阻塞用户获取报告。

报告最小结构

1. 研究对象、基准日和信息质量；
2. 一页结论：一句话理解公司、三个核心判断、最大机会、最大风险；
3. 商业模式、财务与增长、生态位与护城河、管理层与治理；
4. 投资判断（适用时）；
5. 求职判断与面试核实清单（求职主视角或用户明确要求时完整展开；投资主视角时折叠为公司级入口）；
6. 反证、信息局限、可能推翻结论的条件；
7. 理解测试选择题；
8. 来源与方法；
9. 可继续追问方向。

质量门禁

输出前确认：

• 同名公司、品牌、母子公司与上市标的没有混淆。
• 法律注册地与实际经营总部已分开标注，没有让用户误解公司在哪里经营。
• 核心数字有期间、币种、口径和原始链接。
• 外文一手资料已准确中文转述；英文来源同时显示中文译名与原文标题，且没有用中文二手资料替代更强的一手证据。
• 事实、计算、推断和建议已分开。
• 非上市公司没有被补全未披露的精确财务数据。
• 投资判断包含价格基准日，或明确降级为公司质量判断。
• 价格门已给出三情景内在价值、目标回报率、所需安全边际和买入上限；未完成时标记 INSUFFICIENT。
• 没有岗位与个人信息时，没有输出 Offer 级最终建议。
• 求职主视角或用户明确要求求职判断时，完整输出面试反问 10 问；投资主视角的默认报告只保留折叠的求职入口，用户展开求职研究后再生成10问。
• 首屏已标明主视角，次视角没有抢占主要阅读路径，也没有被彻底删除。
• 每个核心结论有支持证据、反证、置信度和推翻条件。
• HTML 与 Markdown 来自同一份结构化真源。
• 理解卡片全部为单选/多选，且正确答案可追溯到报告证据。

反馈 & 帮助迭代

欢迎在 Issues 页面提交反馈，或直接联系作者。

关于我

大厂转型人强哥（全网同名）

河北邯郸人，曾武汉求学，现居北京。曾就职腾讯、字节跳动。目前负责 AI + 内容增长、产品运营。关注以下三方面的机会，欢迎交流 / 围观朋友圈：

• AI 内容运营：从战略、策略到执行的内容增长
• AI 培训 / 布道：帮团队真正用好 AI，不只是上个课
• AI 内部提效：搭建工具流，把 AI 落地到业务流程里

联系方式与链接：

• 微信：qianggegood123（有对应付费社群和咨询服务，若感兴趣私聊即可）
• 小红书：强哥 @andyxqzhang
• Twitter：@andyxqzhang001