菜单
基于唐氏深度研究法的 A 股指数天气预报研究 skill。用于在指数研究场景下定义输入要求、首轮研究维度、证据标准、时效纪律、技术验证要求和最终报告格式。唐氏深度研究法的具体流程、轮次设计与发散-收敛执行方式，不在本 skill 中展开，Agent 应先加载 deep-research skill 了解并遵循其随机应变、轮次串行推进、最终兼顾广度与深度的研究方法。触发词：指数深度研究、指数天气预报、唐氏深度研究指数、上证指数研判、沪深300未来走势。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | index-deep-research-analysis-skills |
| description | 基于唐氏深度研究法的 A 股指数天气预报研究 skill。用于在指数研究场景下定义输入要求、首轮研究维度、证据标准、时效纪律、技术验证要求和最终报告格式。唐氏深度研究法的具体流程、轮次设计与发散-收敛执行方式，不在本 skill 中展开，Agent 应先加载 deep-research skill 了解并遵循其随机应变、轮次串行推进、最终兼顾广度与深度的研究方法。触发词：指数深度研究、指数天气预报、唐氏深度研究指数、上证指数研判、沪深300未来走势。 |
| argument-hint | 描述要研究的指数、预报窗口和额外关注点 |
这是一个面向 Agent 的指数场景 Skill，用于使用唐氏深度研究法对 A 股指数开展天气预报式研究。
本 Skill 负责定义指数天气预报场景下的专属规范；唐氏深度研究法本身的具体流程、轮次设计和发散-收敛执行方式，必须通过加载 ../deep-research/SKILL.md 了解并遵循，包括根据新信息随机应变地调整方向、按轮次串行推进，以及最终形成兼顾广度与深度的高信息密度结论。
研究方法说明：本 Skill 默认就是在调用唐氏深度研究法做指数研究，因此 Agent 在执行本 Skill 时，应先加载 deep-research，再按本 Skill 的指数场景规范完成研究和输出。
执行本 Skill 时，应先加载 deep-research，再应用本 Skill。
原因如下：
开始执行前，先固定以下输入：
初始化时至少要确认：
预报天数优先服从用户要求；如果用户未指定，默认输出未来 5 个交易日。预报窗口越长，证据链和不确定性说明也必须同步增强。
第一轮探索方向必须直接读取 config/queries.json 中定义的研究维度。
这些维度本身就是第一轮任务，不要先做一轮笼统总述，再象征性引用配置。
执行要求：
其中“技术指标验证”维度必须被当成独立任务处理，而不是作为附属说明带过。
来源可信度可按以下原则粗分：
低可信来源只能作为线索，不能直接作为核心结论依据；若无法独立验证，应降级提及或舍弃。
如果环境中有指数或股票行情能力，应主动用于：
如果运行环境中可使用 Python，且 TA-Lib 或同类工具可用，应主动纳入技术指标验证。重点可包括：
引用技术指标时，要说明这些指标支持什么判断、否定什么判断、在什么条件下可能失效，而不是只堆指标名称。
最终报告应至少包含：
若条件允许，报告中应尽量明确：
如果数据覆盖不足，也要输出完整报告，但必须明确区分：
天气标签可按需要使用：
