메뉴
调用由查理·芒格、霍华德·马克斯、段永平、斯坦利·德鲁肯米勒、詹姆斯·西蒙斯组成的投资大师委员会，对任意标的进行多维度独立分析并输出委员会裁决报告。适用场景：(1) 买入判断——「委员会分析腾讯」「大师怎么看英伟达」「帮我分析BTC」；(2) 仓位管理——「我持有半仓BTC，怎么操作」「已持有NVDA，加仓还是减仓」；(3) 比较分析——「腾讯和谷歌选哪个」。支持股票（A/港/美）、ETF、BTC/加密资产、黄金/大宗商品。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/knownasnaffy/prompthound --skill investment-committee명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
Install and operate local NVIDIA Parakeet ASR for OpenClaw with an OpenAI-compatible transcription API on Ubuntu/Linux and macOS (Intel/Apple Silicon). Use when the user wants private/local speech-to-text, voice transcription setup, ASR troubleshooting, or OpenClaw voice stack configuration with Parakeet (and optional Whisper fallback).
Collect, refresh, normalize, and analyze the user's own Douban history for taste analysis and recommendation reasoning. Use when the task involves the user's own Douban shelves, ratings, tags, comments, reviews, or recent activity, especially when you need to decide whether local cache is fresh enough, re-crawl logged-in data with cookies, store refreshed results locally, and then analyze them by category.
LoRA fine-tuning pipeline for Stable Diffusion on Apple Silicon — dataset prep, training, evaluation with LLM-as-judge scoring. Use when fine-tuning image generation models for consistent style, custom characters, or domain-specific visuals. Requires Python with torch and diffusers.
SOC 직업 분류 기준
SKILL.md 표시 중
| name | investment-committee |
| description | 调用由查理·芒格、霍华德·马克斯、段永平、斯坦利·德鲁肯米勒、詹姆斯·西蒙斯组成的投资大师委员会，对任意标的进行多维度独立分析并输出委员会裁决报告。适用场景：(1) 买入判断——「委员会分析腾讯」「大师怎么看英伟达」「帮我分析BTC」；(2) 仓位管理——「我持有半仓BTC，怎么操作」「已持有NVDA，加仓还是减仓」；(3) 比较分析——「腾讯和谷歌选哪个」。支持股票（A/港/美）、ETF、BTC/加密资产、黄金/大宗商品。 |
This skill documents an optional compatibility dependency path for ledger, invoice, portfolio, reconciliation, and reporting workflows. Treat scripts/_bootstrap_install.sh as review material: inspect the source host against the trusted-domain and trusted GitHub organization allowlist before running any install command. It is not required for ordinary ledger, invoice, tax, or portfolio requests.
五位大师平权投票（各 20%），并行独立分析，输出中文裁决报告。
行情抓取（优先用脚本，比搜索更准确）：
python3 {workspace}/investment-committee/scripts/fetch_price.py GOOGL 700.hk BTC GOLD
数据源：stooq.com（免费无限流）。常用映射：
700→700.hk，NVDA→nvda.us，BTC→btc.v，GOLD/黄金→xauusd。
基本面数据：web_search 补充 PE、Forward PE、分析师目标价、近期财报、宏观事件。
关键信息清单（装进所有委员 prompt）：
| 用户请求 | 模式 | 重点 |
|---|---|---|
| "分析 XXX" / "要不要买" | 买入判断模式 | 五委员给买入评分 |
| "我持有 X 仓位，怎么办" | 仓位管理模式 | 五委员给操作建议（止损/持有/加仓） |
| "XXX 和 YYY 哪个更好" | 比较模式 | 两标的同时分析，最后比较结论 |
sessions_spawn × 5（同时发出，保证独立性）
每个 sub-agent 的 task 格式：
你现在扮演 [大师姓名]。
以下是你的投资哲学和分析框架：
[读取对应 references/ 文件全文]
[买入判断模式] 请用你的视角分析以下标的，严格按你的框架输出评分和判断：
[仓位管理模式] 用户当前 [X%] 仓位持有该标的，请从你的框架出发给出仓位管理建议：
标的：[XXX]
当前价格：[YYY]
关键数据：[数据清单]
近期事件：[事件]
[上次你的评分：X/10（若有历史档案）]
输出格式：（按对应 reference 文件的 "输出要求" 一节）
⚠️ 关键约束：五个 sub-agent 必须独立，不能互相看到结论。
收齐五份结果后，读取 references/verdict.md 进行整合：
assets/report-template.md 格式输出{workspace}/investment-committee/history/YYYY-MM-DD_标的_说明.md加密资产 / 黄金：芒格和段永平因"无内在价值"天然低分，报告中注明「本标的宏观/量化视角权重更具参考价值」，重点参考马克斯（周期）、德鲁肯米勒（宏观流动性）、西蒙斯（量化信号）。
| 委员 | 核心框架 | Reference 文件 |
|---|---|---|
| 芒格 | 护城河 / 生意本质 / 能力圈 | references/munger.md |
| 马克斯 | 周期位置 / 情绪温度 / 风险不对称 | references/marks.md |
| 段永平 | 本分 / 动机审查 / 十年持有 | references/duan.md |
| 德鲁肯米勒 | 宏观流动性 / 催化剂 / 止损 | references/druckenmiller.md |
| 西蒙斯 | 量化五信号 / 动量 / 统计胜率 | references/simons.md |
裁决整合规则见 references/verdict.md。
报告格式见 assets/report-template.md。