aifinlab
aifinlab/FinClaw
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/aifinlab/FinClaw --skill deep-research命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | deep_research |
| display_name | 深度研究 |
| description | 深度研究能力，支持多源搜索、信息聚合、引用回溯、文档上传分析。适用于市场调研、竞品分析、学术研究、技术选型、金融投研等场景。支持上传 PDF/Excel/Word 等文档，自动转换并提取关键信息。 |
| version | 1.2.0 |
| author | system |
| tags | ["research","search","analysis","investigation","report","survey","调研","研究","分析","browser","automation","舆情","sentiment","口碑","金融","finance","投研","股票","stock","财报","行业分析","估值","investment","document","pdf","excel","文档","上传","微信","wechat","公众号"] |
| allowed_tools | ["web_search","read_url","wechat_article","create_document","browser_open","browser_snapshot","browser_click","browser_fill","browser_screenshot","browser_close","file_converter","mem_retain","mem_delete","mem_summarize","mem_pin","mem_list_blocks"] |
| max_iterations | 30 |
| timeout | 600 |
| enabled | true |
| match_threshold | 0.65 |
| priority | 10 |
深度研究能力让你能够系统性地调研某个主题，通过多源搜索、信息聚合、交叉验证，生成结构化的研究报告。
核心特点：
当用户上传文档时，优先处理：
file_converter 工具转换为 Markdown详见 L3 资源：
resources/document_upload_guide.md
与用户确认研究主题、深度、范围：
将主题拆解为多个搜索子查询，确保覆盖：
对每个子查询执行 web_search：
对搜索结果中的高相关性页面调用 read_url：
当遇到以下情况时，切换到浏览器操作：
浏览器工作流：
browser_open 打开目标页面browser_snapshot 获取页面结构（compact模式）browser_click/browser_fillbrowser_screenshot 记录关键帧browser_close 释放资源详见 L3 资源：
resources/browser_automation.md
生成研究报告，标注引用
询问是否需要深入某个方向
用途：搜索网页信息
参数：
query: 搜索查询（精确、具体）num_results: 结果数量（建议 5-10）最佳实践：
示例：
web_search(query="AI Agent market size 2024", num_results=5)
web_search(query="AI Agent 市场规模 2024", num_results=5)
用途：提取网页完整内容
参数：
url: 目标 URL最佳实践：
示例：
read_url(url="https://example.com/article")
用途：提取微信公众号文章内容
参数：
url: 微信公众号文章链接 (mp.weixin.qq.com)format: 输出格式，"markdown" (默认) 或 "html"include_images: 是否包含图片引用 (默认 true)最佳实践：
示例：
wechat_article(url="https://mp.weixin.qq.com/s/xxxxx")
wechat_article(url="https://mp.weixin.qq.com/s/xxxxx", format="html")
用途：创建研究报告
参数：
title: 报告标题content: Markdown 格式内容format: 输出格式（markdown）用途：将上传文件转换为 Markdown
参数：
file_path: 文件路径（绝对或相对）extract_images: 是否提取图片描述（默认 false）支持格式：
示例：
file_converter(file_path="/workspace/uploads/2024Q3_财报.xlsx")
file_converter(file_path="/workspace/uploads/行业报告_2024.pdf")
详见 L3 资源：
resources/document_upload_guide.md
基于 agent-browser 的 Snapshot + Refs 机制，相比传统 Playwright 节省 93%+ tokens。
browser_open: 打开网页
browser_open(url="https://example.com")
# 返回: {"title": "...", "url": "..."}
browser_snapshot: 获取页面结构快照（核心）
browser_snapshot(interactive_only=True, compact=True)
# 返回压缩的 Markdown 格式，约 500-2000 tokens
# - @e1 [搜索框] type=input
# - @e2 [按钮] type=button
browser_click: 点击元素
browser_click(ref="@e1") # 使用 snapshot 返回的 Ref ID
browser_fill: 填充输入框
browser_fill(ref="@e1", text="搜索关键词")
browser_screenshot: 截取关键帧
browser_screenshot(path="/workspace/screenshots/step1.png")
browser_close: 关闭浏览器
browser_close()
详细用法参见 L3 资源：
resources/browser_automation.md
对于长文本（>2000字）：
每个关键结论必须标注引用：
[1]、[2][编号] 标题 - 来源域名 (可信度)| 来源类型 | 评分 |
|---|---|
| 官方网站/政府机构 | ★★★★★ |
| 知名媒体/研究机构 | ★★★★ |
| 专业博客/技术文档 | ★★★ |
| 社交媒体/论坛 | ★★ |
| 未知来源 | ★ |
# [研究主题] 深度研究报告
> 研究日期：YYYY-MM-DD
> 研究深度：[概览/深度分析]
## 摘要
3-5 句话概括核心发现，包含最重要的数据点。
## 目录
- 1. 概述
- 2. 市场规模与趋势
- 3. 主要玩家
- 4. 技术分析
- 5. 挑战与机遇
- 6. 结论与建议
## 1. 概述
简要介绍主题背景...[1]
## 2. 市场规模与趋势
### 2.1 市场规模
具体数据...[2][3]
### 2.2 增长趋势
分析内容...[4]
## 3. 主要玩家
| 公司 | 产品 | 特点 |
|------|------|------|
| ... | ... | ... |
## 4. 技术分析
技术细节...[5]
## 5. 挑战与机遇
### 5.1 主要挑战
- 挑战1...[6]
- 挑战2...
### 5.2 机遇
- 机遇1...
## 6. 结论与建议
总结性内容...
---
## 参考来源
[1] 标题 - example.com (★★★★)
[2] 标题 - research.org (★★★★★)
[3] 标题 - news.com (★★★★)
...
## 数据说明
- 本报告数据采集于 YYYY-MM-DD
- 部分数据存在来源差异，已在文中标注
- 对于快速变化的领域，建议定期更新
避免 Context 爆炸
语言策略
时效性处理
不确定性处理
隐私与版权
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据，度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构（ACF/PACF、Ljung-Box检验、随机游走检验）。支持formal和brief风格。
基于 SOC 职业分类