菜单
示例 Skill，用于展示如何判断公司利润是否有现金流支撑。该 Skill 仅作专家组编写参考。
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 | cash-flow-quality-check-example |
| description | 示例 Skill，用于展示如何判断公司利润是否有现金流支撑。该 Skill 仅作专家组编写参考。 |
| owner_group | 专家1组（财务） |
| domain | financial |
| status | example |
| enabled | false |
这是根据现有
skills/financial_report_analysis/SKILL.md中“用现金流验证利润质量”的思想，抽出来的一个简化示例。它不是对原财报 Skill 的完整总结，只用于演示专家组如何按通用模板写一个更小、更容易调试的 Skill。这是示例目录。正式提交时，请复制到类似
skills/financial/cash_flow_quality_check/SKILL.md的正式目录，并根据真实 Skill 删除-example相关命名。
所属小组：专家1组（财务）
适用任务：
边界说明：
direction: "neutral"，confidence 不高于 0.4，并在 meta.uncertainties 写明缺失项。confidence，并标记 meta.needs_human_review: true。neutral，并在 meta.uncertainties 中写明缺口；其中净利润或经营活动现金流量净额这类核心必填输入缺失时，confidence 不高于 0.4。confidence 可设为 0.8 以上。confidence 建议在 0.6 到 0.8。confidence 不高于 0.5，并设置 meta.needs_human_review: true。risk_level 至少为 medium；如果连续多个报告期恶化，可设为 high。示例输出：
{
"direction": "bearish",
"confidence": 0.72,
"reasoning": "净利润增长但经营现金流连续弱于净利润，应收账款增速高于收入增速，利润质量存在压力。",
"signals": [
"经营现金流连续弱于净利润",
"应收账款增速高于收入增速",
"利润质量偏弱"
],
"source": "cash-flow-quality-check-example",
"signal_type": "financial",
"stock_code": "<示例股票代码>",
"weight": 1.0,
"meta": {
"output_version": "0.1",
"skill_name": "cash_flow_quality_check",
"owner_group": "专家1组（财务）",
"target": "<示例公司>",
"period": "<示例报告期>",
"time_horizon": "mid",
"risk_level": "medium",
"key_findings": [
"利润增长缺少现金流同步验证",
"营运资金占用上升"
],
"evidence": [
{
"source_type": "financial_report",
"source_name": "<示例公司三季报>",
"date": "<示例日期>",
"metric": "经营现金流量净额 / 净利润",
"value": "0.62",
"comparison": "低于 1.0",
"note": "现金流对利润支撑不足"
}
],
"risk_notes": [
"如果应收账款后续无法回款，利润质量可能继续下降"
],
"uncertainties": [
"需要核对现金流量表口径和一次性项目影响"
],
"needs_human_review": true
}
}
输出前检查：
meta.uncertaintiesdirection财报分析 Skill v2。用现金流量表和资产负债表交叉验证利润表，按七步链「利润质量/现金流匹配/需求真实性/资本开支/债务与利率敏感性/扩张质量/行业特殊口径」判断公司真实经营质量；输出符合 AI_Renaissance 标准 Signal 的 JSON。触发：财报分析、财务报表、利润质量、现金流验证、合同负债、资本开支、扩张风险、Signal。
产业链中观分析框架。三维度独立展示：产业链景气度、产业链拐点、产业链生命周期。 基于项目数据层注入的财报数据与行业数据，输出可溯源的结构化分析。 System B 仅做个股类型判定（成长/周期/价值/主题/混合），不写交易计划。 触发词：景气度、/景气度。
基于 AkShare 的资金流全景数据契约，一次返回个股基础信息、个股主力资金、相关行业/概念板块资金、大盘主力资金与北向资金概览；真实执行逻辑位于 data_sources/akshare.py。
开发2组仲裁方法论Skill。基于桥水经济机器模型的场景化专家权重体系，支持三种模式：(1)场景设计与权重配置迭代；(2)7专家Signal仲裁执行（含场景自动选择、评分制匹配、共识/分歧标注、贡献追踪）；(3)权重回测校准。当用户讨论仲裁权重、场景选择逻辑、match_signals规则、仓位公式设计、权重校准或标准化推理链时调用。
用"节点叙事"的方式分析一家公司的发展路径——把公司的成长拆解成一系列关键决策节点（创立、转型、并购、融资、控制权变更、产品突破等），逐个节点深挖其交易结构、估值逻辑、对手方动机、买方意图、时代背景与协同效应，最终串联成一条清晰的版图扩张路径，并推演未来格局与风险。任何时候用户说"讲讲 XX 公司""分析一下 XX 公司""研究 XX 公司""XX 公司是怎么发展起来的""XX 公司的并购史""XX 公司的发展历程"——都要用这个 skill。即使用户没明说"按节点分析"或"做深度报告"，只要他们想了解一家公司是如何一步步走到今天的，就用这个 skill。这个 skill 必须配合 web_search 主动联网搜索公司的真实历史信息，绝不允许凭记忆杜撰节点、日期、金额或交易细节。
对个股、指数、ETF 或 OHLCV CSV 运行专家二组“四模型传统技术指标融合”分析。使用本工程的 fusion_traditional_models Python 程序只生成可复核 JSON 结果，再由大模型读取 JSON 并按中文模板生成融合结果解读报告。适用于用户要求测试股票、输出融合信号、解释四模型结果、生成技术面融合结果解读报告的场景。