菜单
用「三个问题 × 五个动作」框架快速拆解一家陌生公司。不堆数据，而是帮用户从"听过名字"推进到"形成独立判断"。触发场景：用户想研究/拆解/搞懂一家公司（「帮我研究 XX」「拆解 XX」「XX 的商业模式」「XX 凭什么值这么多钱」「XX 是一家什么公司」）。不触发：简单数据查询（「XX 股价多少」「XX 财报」「XX PE」）——那些交给 longbridge-quote / longbridge-fundamental。
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 | company-research |
| description | 用「三个问题 × 五个动作」框架快速拆解一家陌生公司。不堆数据，而是帮用户从"听过名字"推进到"形成独立判断"。触发场景：用户想研究/拆解/搞懂一家公司（「帮我研究 XX」「拆解 XX」「XX 的商业模式」「XX 凭什么值这么多钱」「XX 是一家什么公司」）。不触发：简单数据查询（「XX 股价多少」「XX 财报」「XX PE」）——那些交给 longbridge-quote / longbridge-fundamental。 |
| license | MIT |
| metadata | {"author":"claudian","version":"1.0","risk_level":"read_only","requires_login":false,"requires_mcp":false} |
用 3 小时把一家陌生公司拆透。核心不是堆数据，而是用对的问题把用户推到独立判断的阶段。
原则：AI 不是替用户思考，而是把资料快速摊开、把基础信息处理好，让用户更快进入"我怎么看这家公司"的判断层。
| 阶段 | 核心问题 | 目的 | 动作 |
|---|---|---|---|
| 第 1 小时 | 这家公司是谁？ | 建立坐标，搞清定位和收入结构 | ① 类比 → ② 画业务版图 |
| 第 2 小时 | 凭什么活着？ | 找到真正的护城河 | ③ 找命脉 |
| 第 3 小时 | 会不会死？ | 看风险，防被好消息洗脑 | ④ 反方辩手 → ⑤ 形成判断 |
三个问题的顺序不能换。先搞清楚公司是谁，再谈护城河，最后看风险。跳过第一步直接看估值和护城河，等于在沙子上盖楼。
从用户输入中提取公司名称和股票代码（如有）。如果用户只给了公司名没有代码，用网络搜索或 Longbridge MCP 确认代码。
在对话中主动收集以下信息（不需要全部展示给用户，作为后续分析的基础）：
基础信息：
财务数据（如有 Longbridge MCP）：
市场数据：
数据采集原则：快速获取关键数据即可，不要陷入细节。这个框架的目的是形成判断，不是写研报。如果某些数据拿不到，标注"暂缺"继续推进，不要卡住。
当需要使用 A 级语气陈述关键事实时，优先查找并核对原始披露文件：
搜索工具、网页摘要、AI 聚合结果只能作为发现入口，不能直接作为 A 级证据。
这是整个框架中最容易被忽视的环节。之前的字节拆解案例中，AI 资本支出数据出现过时偏差（引用了三个月前的旧数），就是因为单源依赖。
交叉验证不仅要核对数值一致性，还要区分证据等级——不同等级的数据可信度不同，决定了你能用什么语气来表述它：
| 等级 | 类型 | 示例 | 可信度 | 允许语气 |
|---|---|---|---|---|
| A 级 | 公司官方披露 | 年报/季报/公告中的营收、净利、毛利率 | 极高 | 明确陈述 |
| B 级 | 行业权威机构 | LightCounting、TrendForce、IDC 等；若无权威机构，多家券商一致数据可酌情升级为 B 级 | 高 | 高概率判断 |
| C 级 | 券商/机构估算 | ASP 推演、份额测算、各业务线增速拆分 | 中 | 倾向性判断 |
| D 级 | 产业链消息/媒体 | 供应链访谈、渠道调研、媒体报道 | 低 | 可能/或许/市场认为 |
| E 级 | AI 推理/市场传闻 | 基于公开信息的推演、论坛观点 | 极低 | 明确标注为猜测 |
证据等级由原始来源决定，不由获取工具决定。
语气强度 ←→ 证据等级绑定（硬性规则）：
不得使用 A 级语气包装 C 级及以下的证据。 如果某个判断的核心支持证据只有 C 级或 D 级，结论本身也必须降级表述。
硬性要求：
⚠️ 数据存在分歧：
- 来源 A（XX 机构）：数值 X
- 来源 B（YY 机构）：数值 Y
- 差异可能原因：[forward vs TTM/口径不同/预测版本不同/其他]
提示词示例：
[公司名] 的 [指标名称] 有多个来源数据，差异较大。
请交叉验证：来源 A 说是 X，来源 B 说是 Y。
哪个更可信？差异的原因可能是什么？
这是数据纪律的最后一道防线。 以下信息在公开披露中往往无法直接获取，AI 极易"合理补全"：
| 易幻觉字段 | 典型幻觉表现 | 正确做法 |
|---|---|---|
| 良率 | "良率 98.5%"——很可能是目标而非实际 | 标注"据产业链消息"或"未公开披露" |
| 客户份额 | "XX 是第一大客户，占 YY%" | 只有财报或公告明确披露时才可用 |
| ASP | "800G 均价约 350 美元" | 标注来源，注明为券商估算 |
| 独家/排他关系 | "独家合作伙伴" | 改为"主要供应商之一"，除非公告明确声明 |
| 技术领先程度 | "比对手领先 X 代" | 改为"据行业趋势推断，预计差距约 Y" |
| 子公司技术能力 | "子公司 XYZ 已掌握 CPO 核心技术"——常将子公司存在等同于能力具备 | 须有具体数据支撑（研发投入占比、专利数量、量产时间表），否则标注"未公开披露" |
| 专利储备 | "在 XX 领域有 X 项专利"——数字可能来自母公司而非该领域 | 注明专利总数和细分领域数量，标注来源，不得自行"合理推算" |
硬性规则：
为什么这样做：直接问"XX 是一家什么公司"会得到百科式介绍——正确但无聊，读完没有认知增量。类比能瞬间建立直觉理解。
提示词思路（在对话中使用，不要原样照抄）：
用一个我熟悉的东西打比方，[公司名] 在 [行业] 里到底像什么？
它更像英特尔（做基础设施），还是更像苹果（做消费者产品）？
——追问：这个类比有什么漏洞？在哪些方面不像？
期望产出：一到两句精炼的类比，一句话点醒认知。比如 Anthropic → "AI 时代的英特尔，大生意不是卖给聊天机器人，而是把 AI 能力做成基础设施卖给企业和开发者"。
为什么这样做：很多人以为自己在用一家公司的产品就懂它的生意，但消费者产品和收入来源往往不是一回事。
必须搞清楚的问题：
提示词思路：
把 [公司名] 的收入结构拆开：有几条核心收入线？每条的模式是什么（一次性销售/订阅/按用量付费/广告/佣金）？
哪条线最大？哪条线增长最快？
——追问1：这些收入数字是最新的吗？数据来源可信吗？
——追问2：有没有哪条收入线正在被竞争对手蚕食？增速有没有水分？
——追问3（关键）：每条收入线的数据是公司财报直接披露的，还是券商估算的？
如果是估算值，必须注明来源机构，并在输出表格中标注"数据口径"。
期望产出：收入结构表 + 一句话总结。特别关注反直觉的发现——比如"我以为它靠 A 赚钱，其实真正养它的是 B"。这是整个分析中最容易产生认知翻转的一步。
⚠️ 数据口径纪律：业务版图表格必须包含「数据口径」列，区分"公司披露"、"财报推算"、"券商估算"三级。如果最新季度未披露分项数据，基于全年趋势的推演须在表格下方注释说明"存在不确定性"。
⚠️ 进阶可选：如可获取客户级数据（券商估算或产业链消息），在表格备注或正文中列出前三大客户的名称与估算份额占比，并标注证据等级。例如："AWS ~60-70%（C 级，券商估算）"。这对评估"大客户砍单风险"极为关键。
阶段一小结：分析完前两个动作后，必须用一段话总结——"搞了半天，它其实是一家______公司"。这比任何数据都重要。
为什么不要问"优势是什么"：AI 会给你一堆正确的废话——"技术领先""品牌强大""团队优秀"。这些话能套在任何公司上。
提示词思路：
假设你是一个挑剔的投资人，告诉我 [公司名] 真正的护城河是什么？
要求：
- 哪些护城河是真的（对手短期打不掉）？
- 哪些是假的（看起来很厉害但对手半年就能追上）？
- 如果竞争对手想打死它，最难打的地方是哪里？
——追问：你刚才说的这个护城河，能套在任何一家同行公司上吗？
如果不能，为什么只适用于这家？请给出具体的、不可复制的细节。
分析维度：
关键判断：护城河不是单一因素，而是多个因素叠加才形成稳定壁垒。单独每个可能都不够，但合在一起就是真护城河。
⚠️ 进阶追问（可选）：如果公司属于高端制造/精密设备行业，额外追问"供应链双向依赖"——公司是否对核心上游供应商有反向议价能力或不可替代的供应角色？这种"你中有我"的关系比单纯的客户认证壁垒更坚固，且竞争对手极难复制。
注意： 此类信息通常缺乏公开证实，除非公告明确披露，否则一律标注 D 级或 E 级，且不得作为核心护城河论断的唯一依据。
行业适配提示：上述五个维度（用户锁定、成本结构、技术壁垒、生态绑定、品牌信任）更适用于消费互联网和 SaaS 公司。如果分析的是传统制造业、医药、能源、金融等行业的公司，护城河的判断维度会不同——例如：
- 医药 → 专利悬崖、研发管线、FDA 审批通道
- 能源/资源 → 资源许可证、地理优势、开采成本
- 制造 → 规模效应、供应链深度、良品率
- 金融 → 监管牌照、资本充足率、渠道网络
请根据行业特性调整判断维度，避免用互联网框架硬套传统行业。
期望产出：分层护城河清单（真的 vs 假的）+ 一句话总结——"它之所以还没被打死，最核心的原因是______"
⚠️ 护城河标注纪律：每个护城河 claim 旁必须标注证据等级（A-E），例如
【证据等级：C 级，基于券商估算】。如果某个护城河判断仅有行业常识或 AI 推理支撑，标注"E 级，AI 推演"——不要用高确定性语言包装低证据水平的判断。
阶段二小结：用一段话总结"这家公司凭什么活着"。
为什么必须做这一步：只听一家公司怎么成功很容易被洗脑。认真看它可能怎么失败，才能真正理解它。这是整个框架中最重要的一步。
提示词思路：
假设你是 [公司名] 的空头分析师（看跌），最可能让这家公司出问题的三到五件事是什么？
要求：
- 不要笼统说"竞争风险"，要具体：哪个对手、在哪个维度、为什么能打
- 区分短期风险（1-2 年）和长期风险（3-5 年）
- 如果可能，指出哪些风险市场目前可能低估了
——追问1：你刚才说的风险，有没有可能只是我的臆想或者过度焦虑？
请给出反方证据——为什么这个风险可能不会发生。
——追问2：这些风险排序的依据是什么？哪个最具破坏性（估值打几折）？
分析维度：
期望产出：3-5 个具体风险，按严重程度排列，每个风险附两句话判断：
⚠️ 逻辑一致性约束：反方辩手和反驳输出后，必须逐条检查：
- 每个风险点是否有对应的反驳/质疑（不能只列风险不给辩护）
- 辩护方使用的数据是否经过验证？特别是——如果反驳用到某板块增速数据，而该数据是最新季报未披露的（只能从全年趋势推演），则须标注"存在不确定性"
- 风险 A 和风险 B 之间是否有矛盾？例如"营收失速"和"结构优化"不能同时作为论据和反驳，除非明确注明了数据基础
为什么这是最关键的一步：资料整理只是搬运，能用一段话讲出"我怎么看这家公司"，才是真正的理解。这一步不是 AI 替用户判断，而是 AI 帮用户把前面的分析提炼成判断框架。
提示词思路：
基于以上分析，帮我把这家公司总结成一段判断，格式：
- 一句话定性：它是一家______公司
- 最打动我的一个点：
- 最让我担心的一个点：
- 短期看______，中期看______，长期看______
——最终检查：以上判断有没有建立在未经核实的数据上？
如果某个关键数据是错的，我的判断会翻车吗？
期望产出：一份结构化判断摘要，不是数据罗列，而是有观点的判断。即使用户的判断过几个月可能被颠覆，但在当下必须形成自己的看法。
在最终输出和创建笔记之前，逐项核查以下内容，全部通过才可输出：
□ 文中是否有"独家""唯一""绝对""首个""最"等绝对化表述？
→ 如有，加限定条件或核实来源。例如"独家合作伙伴"应为"核心供应商（非独家）"
□ 事实层 / 解释层 / 推测层是否已区分？
→ 每个主要 section 开头标注了【事实层】【解释层】【推测层】标签。
事实层禁止观点，推测层标注"以下为前瞻性推演"。
□ 护城河、风险等核心判断是否标注了证据等级（A-E）？
→ 每个 true/pseudo moat claim 旁须有 【证据等级：X 级】标注
□ 语气强度是否匹配证据等级？
→ C 级及以下证据不得使用 A 级语气（"是""为""达"）。
D 级证据必须加"据产业链消息""市场认为"等限定。
E 级证据必须标注"以下为 AI 推理/猜测"。
□ 良率、失效率、精度等工艺指标是否区分了"目标值"vs"已达成"？
→ 如无法确认，使用"目标/可低至/可达"等措辞
□ 毛利率/净利率等比例指标是否标注了对应时期？
→ 如果同时提及不同时期（如"2025 全年毛利率 X%，2026Q1 毛利率 Y%"），
每个数字旁必须有明确的时间标签，不得混用。不可用"当前"这种模糊词。
□ 最新一季的分项数据是否已披露？
→ 如未披露，基于全年趋势的推演须标注"存在不确定性"
□ 所有关键数字（营收/净利/增速/市占率）是否标注了数据口径和数据来源？
→ 每个数字至少应让读者知道：这是公司披露、财报推算、还是券商估算
□ 不同时期数据的口径是否一致？
→ 跨期对比时检查：是否同为归母口径（vs 扣非）？是否同为同一会计准则？
是否同为单季（vs TTM/累计）？口径不一致直接对比会误导，须标注差异。
□ 良率/份额/ASP/客户排他性等易幻觉字段是否有公告或财报支撑？
→ 如无，须标注"未公开披露""暂无可靠证据"，不得自动生成"合理数字"
□ 同一指标不同来源差异 >10% 时，是否暴露了冲突（而非平滑掉了）？
→ 亮出两个数字，标注差异可能原因
□ 反方辩手中的反驳是否有未经验证的数据支撑？
→ 如果辩护引用的数据未被最新季报证实，须标注不确定性
□ 反方辩手是否每个风险点都有对应的反驳/质疑？
→ 不得只列风险不给辩护。引用数据须标注证据等级且与事实层一致
□ 比较性论断（A 比 B 更 XX / 更深 / 更快）是否双方都有数据支撑？
→ 如缺一方数据，须标注"暂缺对比方数据"或弱化论断为"A 程度较高"
□ 各阶段小结是否完整？（不能跳过）
→ 阶段一小结："搞了半天，它其实是一家______公司"
→ 阶段二小结："之所以还没被打死，最核心的原因是______"
□ 新增维度是否按行业适用性选择性执行？
→ 技术演进路径：科技/制造类公司强制执行，其余跳过
→ 供应链双向依赖：高端制造公司至少追问一次
→ 资金面风险：A 股热门标的加入风险清单
→ 财务细节注释：如有异常信号必须解释
这个检查清单不是为了追求完美——信息永远不完备——而是为了明确告知读者"我知道哪些数据是确定的，哪些是推演的"。透明比准确更值得信任。
分析完成后，创建 Obsidian 笔记保存到仓库。
/Users/leon/Library/CloudStorage/OneDrive-个人/应用/remotely-save/leon_vault/10-Active/公司研究/[公司名] - 公司拆解 [YYYYMMDD].md
仓库根目录：
/Users/leon/Library/CloudStorage/OneDrive-个人/应用/remotely-save/leon_vault/，笔记落到10-Active/公司研究/下。
---
title: "[公司名] 公司拆解"
created: YYYY-MM-DD HH-mm
type: 公司研究
status: draft
skill: company-research v1.0
tags:
- 商业分析
- 公司研究
- [行业标签]
---
> 📌 **模板中各模块的行业适用性**：
> - 【通用】关键财务数据、客户拆分、阶段小结、风险清单底层逻辑——所有行业
> - 【科技/制造类必备】技术演进路径与公司卡位——有技术迭代的行业（半导体、光模块、汽车等）
> - 【高端制造可选】供应链双向依赖——精密设备/核心零部件公司（反向追问，不强制）
> - 【A 股/上市可选】资金面与 ETF 拥挤度——有公开交易数据的公司
## 一句话定性 【解释层】
[公司名] 是一家______公司。
---
## 一、这家公司是谁？【事实层 + 解释层】
### 类比 【解释层】
> [一到两句精炼类比，类比本身为解释性内容，非事实陈述]
### 业务版图 【事实层】
| 收入线 | 模式 | 占比 | 增速 | 数据口径 | 证据等级 | 备注 |
|--------|------|:----:|:----:|---------|:-------:|------|
| | | | | | | |
> 数据口径填写规范：**A 级-公司披露** / **B 级-行业权威** / **C 级-券商估算** / **D 级-产业链消息** / **E 级-AI 推理**。若最新季报未披露分项数据，在表格下方注释说明"分项数据基于 XX 趋势推演，存在不确定性"。
### 关键财务数据（交叉验证） 【事实层】
| 指标 | 时间段 | 数值 | 同比 | 证据等级 |
|------|:-----:|:----:|:----:|:-------:|
| 营业收入 | | | | |
| 归母净利润 | | | | |
| 毛利率 / 净利率 | | | | |
| 季度营收环比趋势 | 最近 4 个季度 | Q1→Q2→Q3→Q4（如公司未披露季度数据则标注"暂缺"或使用半年报推算） | — | A |
> **⚠️ 数据冲突**（差异 >10% 必须暴露，不得平滑）：
> - 来源 A（XX 机构 / 口径）：数值 X
> - 来源 B（YY 机构 / 口径）：数值 Y
> - 差异可能原因：[forward vs TTM / 口径不同 / 预测版本 / 其他]
> - 采纳：[说明以哪个为准及原因，或标注"暂无法裁定"]
> **财务细节注释**：如有异常信号（存货激增/经营现金流大幅波动/应收账款异常等），在此解释产业层面的可能原因，区分"市场误读"与"真实风险"。
#### 周期曲线 【事实层】（条件触发：峰谷差 >30% 的周期型公司）
当营收/净利呈现明显周期波动时，用折线图呈现"波动体感"——这是表格无法替代的。**平稳增长型公司跳过此图。**
```mermaid
xychart-beta
title "营收与净利趋势（单位：亿元）"
x-axis [2021, 2022, 2023, 2024, 2025]
y-axis "数值" 0 --> 100
line [81.5, 81.3, 57.6, 73.6, 92.0]
line [20.5, 8.5, 1.6, 11.0, 16.5]
```
> 数据替换为公司实际值；净利若为负，y-axis 下限设为负数。仅 A/B 级数据入图，C 级以下不画。
### 反直觉发现 【事实层 + 解释层】
[基于已验证数据提取的意外发现，每个发现标注数据来源，用编号列表呈现]
### 阶段小结 【解释层】
> **阶段小结**：搞了半天，它其实是一家**\_\_\_\_**公司。
---
## 二、凭什么活着？【解释层 + 推测层】
### 护城河分析
**真护城河**（对手短期打不掉）：
1. **[]** —— 【证据等级：X 级，依据说明】
2. **[]** —— 【证据等级：X 级，依据说明】
**伪护城河**（看起来很厉害但容易被追上）：
1. **[]** —— 【证据等级：X 级，依据说明】
#### 技术护城河动态评估：技术演进路径 【解释层 + 推测层】
> **要求**：覆盖至少三层——当前主力 → 短期下一代 → 远期路线 + 威胁方向。每层标注时间节点和证据等级。
> **禁止**：只写趋势不写风险，或只写到下一代就结束。
> **纪律**：每个 timeline claim（如"2028 年前后商用"）须标注依据——是公司公告、行业权威预测、券商估算、还是 AI 推演。不得把行业推演讲成确定事实。
>
> 例如：
> - **当前主力**：800G 可插拔（已量产）→ 1.6T 放量中（2026E，全球市占~70%）【证据等级：C 级】
> - **短期下一代**：硅光方案渗透率超 50%（降本 15-20%）；3.2T 已进入研发送样阶段（预计 2027-2028 年起量）【证据等级：C 级】
> - **远期路线**：6.4T NPO / 12.8T XPO 在研（量产时间表未公开披露）【证据等级：D 级】
> - **威胁方向**：CPO（光电共封装）——如 2028 年前后大规模商用（注：此为行业推演，厂商未公布具体量产时间线），可插拔光模块价值链可能被重构【证据等级：D 级】
### 阶段小结 【解释层】
> **阶段小结**：它之所以还没被打死，最核心的原因是**\_\_\_\_**。
---
## 三、会不会死？【解释层 + 推测层】
### 风险清单
| 风险 | 严重程度 | 可控性 | 时间维度 | 市场低估程度 | 证据等级 |
|------|:-------:|:------:|:--------:|:----------:|:-------:|
| | 🔴/🟡/🟢 | 可控/致命 | 短期/中期/长期 | 严重/部分/合理 | |
| 【可选】资金面风险（ETF 超配/机构拥挤） | 🟡 中等 | 不可控 | 短期 | 部分低估 | |
#### 风险优先级矩阵 【推测层】（条件触发：风险清单 ≥3 条）
把风险清单投射到"概率 × 严重程度"四象限，一眼看出最该盯哪个——表格列得清但看不出优先级。
```mermaid
quadrantChart
title 风险优先级矩阵（发生概率 × 严重程度）
x-axis "低发生概率" --> "高发生概率"
y-axis "低严重程度" --> "高严重程度"
quadrant-1 "致命且大概率——立即对冲"
quadrant-2 "致命但小概率——设预警"
quadrant-3 "可控且小概率——忽略"
quadrant-4 "可控但大概率——接受"
"风险一": [0.7, 0.85]
"风险二": [0.4, 0.8]
"风险三": [0.9, 0.5]
```
> 坐标 [概率, 严重]，均归一化到 0-1。仅对 ≥3 条风险生成；风险少于 3 条跳过此图。
### 空头视角 【推测层】
> [!warning] 空头视角
> [反方辩手的核心论点]
> **可选追加**：如属 A 股/上市热门标的，可检查机构持仓结构是否存在"ETF 化"特征（被动资金占比过高），这种结构在 AI 主题退潮时可能触发正反馈踩踏。资金来源：季报股东数据。
### 三个风险排序 【推测层】
1. **风险一**（最具破坏性）——
2. **风险二**（最结构性）——
3. **风险三**（最确定）——
---
## 四、我的判断 【推测层】
> 以下属于前瞻性推演，不代表事实确认。
- **最打动我的一个点**：
- **最让我担心的一个点**：
- **短期看**（1-2 年）______，**中期看**（2-3 年）______，**长期看**（3-5 年）______
- **关键假设**（这个判断建立在什么前提上）：
1.
2.
3.
- **最终拷问**：如果\_\_\_\_\_\_，你怎么办？
---
### 什么情况会推翻这个判断？ 【推测层】
> [!warning] 推翻判断的触发条件
> 以下情况若发生，当前投资逻辑可能失效：
> 1.
> 2.
> 3.
---
## 研究可信度摘要
| 可信度 | 内容 | 证据等级 |
|:-----:|------|:--------:|
| 🟢 高 | 公司财务数据、行业排名、客户集中度 | A 级 |
| 🟡 中 | 增长预测、技术路线判断、护城河评估 | B-C 级 |
| 🔴 低 | 市占率细分、良率数据、客户份额拆分 | C-D 级 |
| 整体可信度 | **/10** | |
最大不确定性来源：
---
## 关联 【事实层】
用 `[[ ]]` 链接，让笔记融入公司研究网络（暂无对应笔记时写成空链接，Obsidian 会标记为待创建，未来建好即自动关联）：
- **同业**：`[[华邦电子]]` `[[旺宏电子]]` `[[普冉股份]]`
- **产业链**：`[[长鑫科技]]`（代工方） `[[中芯国际]]`
- **概念**：`[[存储周期]]` `[[国产替代]]` `[[利基存储]]`
输出前检查 ✅
当 Longbridge MCP 可用时，在数据采集阶段可用的工具：
| 需求 | 工具 | 用法 |
|---|---|---|
| 公司基础信息 | mcp__longbridge__static_info | 股票代码（如 AAPL.US, 700.HK） |
| 实时行情 | mcp__longbridge__quote | 获取价格、市值、PE/PB 等 |
| 财务报表 | longbridge-financial-analysis skill | 深度财务数据 |
| 一致预期 | longbridge-consensus skill | 分析师 EPS/目标价预测 |
| 竞争分析 | longbridge-competitive-analysis skill | 行业对比 |
当 Longbridge 不可用时，使用网络搜索获取公开信息。按以下顺序尝试降级（当一个工具限流或不可用时自动切换到下一个）：
mcp__tavily__tavily_search — 首选的通用搜索工具。支持：
search_depth: "advanced" 获取更全面的信息include_domains / exclude_domains 精准锁定/排除来源time_range: "month" / "year" 按时间窗口搜索max_results: 10-20）mcp__tavily__tavily_extract — 当已有具体 URL 时（如招股书、财报、百科），直接提取全文内容。设置 extract_depth: "advanced", format: "markdown"mcp__web-search-prime__web_search_prime — 中文搜索备用。设置 content_size: "high" 获取详细信息WebSearch（内置） — 英文搜索备用，也可作为任何语言的最终备用方案defuddle skill / WebFetch — 最后的兜底，从已知 URL 提取内容搜索降级原则：一个工具限流就换下一个，不要反复重试同一个工具。如果所有搜索工具都不可用，不要因此卡住——基于已有知识和推理进行分析，在输出中标注"信息基于已有知识，建议后续补充验证"。这个框架的核心是提问方式和分析逻辑，不是数据完备性。
重要：数据工具是辅助，不是主角。这个框架的核心是提问方式和分析逻辑，不是数据量。数据不全不影响分析——恰恰相反，"在信息不完备的情况下形成判断"就是这个框架要训练的能力。
| 场景 | 用哪个 |
|---|---|
| 快速了解一家公司的基础数据 | longbridge-company-tearsheet |
| 深度财务分析 | longbridge-fundamental |
| 财报季分析 | longbridge-earnings |
| 从零搞懂一家陌生公司，形成自己的判断 | company-research（本 skill） |
company-research 和 longbridge-company-tearsheet 的区别：后者是一页纸数据快照，前者是结构化的思考框架。两者可以互补——先用 tearsheet 拿数据，再用本框架进行分析。
> 加粗体标题、或编号列表、或正文呈现。callout 用多了会失去强调力，且一片色块反而干扰阅读。