{"id":"035dc4ba-9a28-4f0f-b14c-d70ec25e18f6","entityType":"agent","slug":"clawhub-pm2-567-company-deep-analysis","name":"公司深度分析助手","canonicalUrl":"https://www.xpersona.co/agent/clawhub-pm2-567-company-deep-analysis","canonicalPath":"/agent/clawhub-pm2-567-company-deep-analysis","generatedAt":"2026-10-11T07:41:11.396Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":null},"description":"A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面 Skill: 公司深度分析助手 Owner: pm2-567 Summary: A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面 Tags: latest:1.0.12 Version history: v1.0.12 | 2026-08-13T12:00:08.474Z | user 修正互联网平台与亏损/早期企业财务权重合计不足100%的问题；补齐通讯、支付、交易所、系统软件的护城河路由。 v","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s1729cd2qdqme2wc24vxjyh4rn8a42vn:company-deep-analysis","sourceUrl":"https://clawhub.ai/pm2-567/company-deep-analysis","homepage":"https://clawhub.ai/pm2-567/skills/company-deep-analysis","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/pm2-567/company-deep-analysis","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/pm2-567/skills/company-deep-analysis","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":61,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":null},"stars":null,"forks":null,"downloads":1145,"packageName":null,"latestVersion":"1.0.12","tractionLabel":"1.1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T05:34:43.852Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T05:34:43.867Z","lastCrawledAt":"2026-10-11T05:34:43.852Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T05:34:43.852Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.12","createdAt":"2026-08-13T12:00:08.474Z","changelog":"修正互联网平台与亏损/早期企业财务权重合计不足100%的问题；补齐通讯、支付、交易所、系统软件的护城河路由。","fileCount":19,"zipByteSize":100619},{"version":"1.0.11","createdAt":"2026-07-15T15:33:48.922Z","changelog":"v1.0.11: 回滚 v1.0.10 的错误修改——恢复 frontmatter requires.pip 元数据（技能注册时有依赖声明是必需的正确行为），内容完全等同于 v1.0.9","fileCount":18,"zipByteSize":85053},{"version":"1.0.9","createdAt":"2026-07-15T09:55:30.854Z","changelog":"v1.0.9: 安全审计修复 — 升级requests>=2.32.0/lxml>=5.0.0修复CVE；README描述对齐SKILL.md实际行为（去掉6步精确承诺）","fileCount":18,"zipByteSize":85063},{"version":"1.0.8","createdAt":"2026-07-15T09:29:15.346Z","changelog":"v1.0.8: README新增适用平台小节（codex已验证，WorkBuddy推荐用skillhub安装），模板硬约束修正条件性小节+自检清单例外","fileCount":17,"zipByteSize":84216},{"version":"1.0.7","createdAt":"2026-07-14T14:34:51.694Z","changelog":"company-deep-analysis v1.0.7 - Documentation updated: improved and expanded content in SKILL.md and reference/template files for clearer usage and process descriptions. - Enhanced references and templates: added detail and clarification, improving template instructions for analysis reports and financial evaluation. - Minor consistency improvements: adjusted wording and formatting for clearer guidance. - No breaking changes or adjustments to functional logic.","fileCount":19,"zipByteSize":100301},{"version":"1.0.6","createdAt":"2026-07-14T14:29:38.093Z","changelog":"No changes detected in this version (1.0.6); SKILL.md content remains unchanged.","fileCount":19,"zipByteSize":100458},{"version":"1.0.5","createdAt":"2026-07-14T14:29:10.158Z","changelog":"**Changelog for company-deep-analysis v1.0.5** - Enhanced scripts to remove all reliance on external CLI tools (e.g., westock-data); all data sourcing now uses built-in HTTP-only Python modules. - Updated environment and downgrade logic in documentation: CLI和npm依赖已全部移除，仅需Python和scripts目录。 - Changed company detection and data collection steps to use the new Python-based workflow and HTTP API sources for both A股 and 港股. - Improved documentation across README.md, SKILL.md, and CHANGELOG.md to match the new zero-CLI architecture and clarify downgrade fallback. - Removed obsolete file: skill-card.md.","fileCount":19,"zipByteSize":100409},{"version":"1.0.4","createdAt":"2026-07-14T10:16:46.093Z","changelog":"Step6 新增模板强约束：必须先 Read 模板再按结构填充，修复 LLM 自由发挥导致不按模板生成的问题；彻底移除 westock-data-skillhub 包名声明以通过 Codex 严格安全审计；README/脚本版本同步","fileCount":19,"zipByteSize":96802}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s1729cd2qdqme2wc24vxjyh4rn8a42vn:company-deep-analysis","setupComplexity":"low","setupSteps":["Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T07:41:11.393Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-pm2-567-company-deep-analysis/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":null},"readme":"Skill: 公司深度分析助手\n\nOwner: pm2-567\n\nSummary: A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\n\nTags: latest:1.0.12\n\nVersion history:\n\nv1.0.12 | 2026-08-13T12:00:08.474Z | user\n\n修正互联网平台与亏损/早期企业财务权重合计不足100%的问题；补齐通讯、支付、交易所、系统软件的护城河路由。\n\nv1.0.11 | 2026-07-15T15:33:48.922Z | user\n\nv1.0.11: 回滚 v1.0.10 的错误修改——恢复 frontmatter requires.pip 元数据（技能注册时有依赖声明是必需的正确行为），内容完全等同于 v1.0.9\n\nv1.0.9 | 2026-07-15T09:55:30.854Z | user\n\nv1.0.9: 安全审计修复 — 升级requests>=2.32.0/lxml>=5.0.0修复CVE；README描述对齐SKILL.md实际行为（去掉6步精确承诺）\n\nv1.0.8 | 2026-07-15T09:29:15.346Z | user\n\nv1.0.8: README新增适用平台小节（codex已验证，WorkBuddy推荐用skillhub安装），模板硬约束修正条件性小节+自检清单例外\n\nv1.0.7 | 2026-07-14T14:34:51.694Z | auto\n\ncompany-deep-analysis v1.0.7\n\n- Documentation updated: improved and expanded content in SKILL.md and reference/template files for clearer usage and process descriptions.\n- Enhanced references and templates: added detail and clarification, improving template instructions for analysis reports and financial evaluation.\n- Minor consistency improvements: adjusted wording and formatting for clearer guidance.\n- No breaking changes or adjustments to functional logic.\n\nv1.0.6 | 2026-07-14T14:29:38.093Z | auto\n\nNo changes detected in this version (1.0.6); SKILL.md content remains unchanged.\n\nv1.0.5 | 2026-07-14T14:29:10.158Z | auto\n\n**Changelog for company-deep-analysis v1.0.5**\n\n- Enhanced scripts to remove all reliance on external CLI tools (e.g., westock-data); all data sourcing now uses built-in HTTP-only Python modules.\n- Updated environment and downgrade logic in documentation: CLI和npm依赖已全部移除，仅需Python和scripts目录。\n- Changed company detection and data collection steps to use the new Python-based workflow and HTTP API sources for both A股 and 港股.\n- Improved documentation across README.md, SKILL.md, and CHANGELOG.md to match the new zero-CLI architecture and clarify downgrade fallback.\n- Removed obsolete file: skill-card.md.\n\nv1.0.4 | 2026-07-14T10:16:46.093Z | user\n\nStep6 新增模板强约束：必须先 Read 模板再按结构填充，修复 LLM 自由发挥导致不按模板生成的问题；彻底移除 westock-data-skillhub 包名声明以通过 Codex 严格安全审计；README/脚本版本同步\n\nv1.0.2 | 2026-07-14T08:23:23.865Z | user\n\n升级 westock-data-skillhub 至 1.0.4；新增环境准备与三级降级策略（python/python3 兼容、westock CLI 探测+npx 回退）；清理已过时的 mootdx 引用；修正供应链安全提示表述\n\nv0.1.0 | 2026-07-08T03:52:03.250Z | auto\n\ncompany-deep-analysis v1.0.0 – Initial public release\n\n- Supports deep analysis of A/H-share companies: data collection, profiling, industry chain (Porter Five Forces), moat, financials, relative valuation.\n- Produces two outputs by default: a detailed Markdown report and an HTML investment brief.\n- Flexible single-step mode: users can request specific sections like “financial analysis” or “company profile,” outputting only relevant files.\n- Intelligent routing recognizes keywords and market scope (A/H only); non-listed or US-listed companies are filtered out.\n- Data collection integrates multiple sources (财报/F10/研报/板块/一致预期) with data quality checks and clear error handling.\n- Ensures each report includes conclusions first, correct data attribution, and clear disclosure of any blind spots or uncertainties.\n\nArchive index:\n\nArchive v1.0.12: 19 files, 100619 bytes\n\nFiles: _meta.json (141b), CHANGELOG.md (7789b), LICENSE (906b), README.md (10368b), references/ai-internal-rules.md (8758b), references/financial-analysis-guide.md (12142b), references/moat-analysis-framework.md (18638b), references/porter-five-forces-template.md (15426b), references/valuation-methods.md (8541b), requirements.txt (409b), scripts/collect_data.py (37808b), scripts/valuation.py (28435b), scripts/westock_data.py (29906b), skill-card.md (2782b), SKILL.md (30848b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13202b), templates/deep-analysis-report-template.md (19989b), templates/financial-analysis-template.md (6715b)\n\nFile v1.0.12:SKILL.md\n\n---\nname: company-deep-analysis\nversion: 1.0.12\ndescription: |\n A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程：\n 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。\n 输出双产物：公司深度分析报告 + 投研简报\n 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。\n 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\nmetadata:\n market: [\"A股\", \"港股\"]\n output_format: [\"html\", \"md\"]\n display_name: \"公司深度分析助手\"\n requires:\n pip: [\"requests\", \"pandas\", \"lxml\", \"html5lib\"]\n optional_pip: [\"matplotlib\"]\n python_bins: [\"python3\", \"python\"]\n---\n\n# 公司深度分析助手（A 股 / 港股）\n\n输入 A 股/港股公司名称或股票代码，**默认执行 6 步分析，输出双产物**：\n- **MD 深度分析报告**（`{公司名}_深度分析报告_{YYYYMMDD}.md`）\n- **HTML 投研简报**（`{公司名}_投研简报_{YYYYMMDD}.html`）\n\n> **单步模式**：用户说\"看一下 XX 的财务情况\" / \"XX 的公司画像\" 时，按 [执行模式路由](#执行模式路由) 表只跑对应步骤，输出对应单文件（不要双产物）。\n\n## 适用场景\n\n- 个人投资者做投前初筛（5 分钟看一家公司基本面）\n- 卖方/买方研究员做行业研报的子模块\n- 投资经理在投委会前快速过一遍潜在标的\n- 跨行业比较 5-10 家可比公司的财务与护城河\n- 只想看财务 → 单步模式（输出财务分析单文件，不必出简报）\n- 只想看公司画像 → 单步模式（输出公司画像单文件）\n\n## 执行模式路由\n\n### 路由表\n\n| 用户关键词（任一命中） | 模式 | 跑的步骤 | 输出文件 |\n|-----------|------|---------|---------|\n| **（默认）/ 没有任何特殊词** | `full` | Step0 + Step1 + Step2 + Step3 + Step4 + Step5 | **双产物**：`_深度分析报告.md` + `_投研简报.html` |\n| **财务** / **财务情况** / **财务分析** / **看看财务** | `financial` | Step0（数据采集） + Step4（财务四维） | `_财务分析.md`（单文件） |\n| **画像** / **公司画像** / **公司基本面** / **看看公司** | `profile` | Step0（数据采集） + Step1（公司画像） | `_公司画像.md`（单文件） |\n\n### 关键词优先级（多关键词冲突时）\n\n**最具体的优先**：`financial` > `profile` > `full`\n\n例：\n- \"分析 XX 公司的财务情况\" → `financial`（命中\"财务情况\"）\n- \"XX 的公司画像怎么样\" → `profile`（命中\"公司画像\"）\n- \"帮我分析一下 XX\" → `full`（默认）\n- \"XX 的财务和公司画像\" → `financial`（最具体的优先，不双跑）\n\n### 单步模式必跑的前置\n\n- **Step0 数据采集必跑**：所有模式的输入都依赖 `/tmp/{code}_data.json`\n- **跳过中间步是安全的**：Step2（五力）/ Step3（护城河）/ Step5（估值）的产物**不喂给** Step1 / Step4，跳过不影响单文件质量\n- **代价**：单步模式输出文件**没有**行业竞争 / 护城河 / 估值章节，质量门只检\"该模式的章节\"\n\n### 用户提示模板\n\n路由判断完成后，在对话中展示一行：\n\n```\n🔍 识别到：{公司全称}（{代码}）· {市场} · 即将进入「{模式}」模式（{跑哪几步}），输出 {单/双} 产物：{文件清单}\n```\n\n## 执行原则\n\n1. 报告行文按 `ai-internal-rules.md §3.1-3.4` 硬要求（结论先行 + 主谓宾结构）\n2. 所有财务数字标注来源，推算指标列出公式\n3. 推断内容标注置信度（高/中/低）\n4. **full 模式**：6 步串行执行，StepN 完成后才能启动 StepN+1。**单步模式（financial/profile）**：按 [执行模式路由](#执行模式路由) 表只跑对应步骤\n5. 无法获取的信息标注为信息盲区，不编造\n6. **产物必须基于模板生成**：在 Step6 写任何文件前，必须先 `Read` 对应模板文件并严格按其结构填充。不得凭记忆自行编写报告结构。详见 [§6.0 产物生成的强制执行规则](#60-产物生成的强制执行规则必须严格遵守)\n\n---\n\n## 环境准备与降级策略（必读）\n\n本 skill 的运行依赖 2 类外部能力：**Python 解释器**、**`scripts/` 目录下的采集脚本（含纯 HTTP 数据模块 `westock_data.py`，零外部依赖）**。不同运行环境（本机 / Codex / ClawHub 沙箱）的可用性差异很大，下面给出统一的探测规则与三级降级策略，确保**任何环境都能跑通**。\n\n### 1. Python 命令探测（python3 与 python 均兼容）\n\n不同环境 Python 命令名不同（macOS/Linux 多为 `python3`，部分环境为 `python`，Codex 等容器可能两者皆有或仅有其一）。\n\n**统一探测规则**：执行任何脚本前，先运行以下探测确定命令名，后续统一用变量 `$PY` 指代：\n\n```bash\n# 探测：优先 python3，回退 python，都没有则走 L3 降级\nif command -v python3 >/dev/null 2>&1; then PY=python3\nelif command -v python >/dev/null 2>&1; then PY=python\nelse echo \"⚠ 未找到 Python，走 L3 降级路径\"; PY=\"\"\nfi\necho \"使用 Python 命令: ${PY:-无}\"\n```\n\n> 脚本 shebang 为 `#!/usr/bin/env python3`，直接用 `$PY` 显式调用可绕过 shebang 限制（如 `python scripts/collect_data.py`）。\n\n### 2. 数据采集依赖说明（零外部 CLI）\n\n本 skill 的数据采集**不依赖任何外部 CLI 或第三方 npm 包**。所有数据通过公开免费 HTTP 接口直接获取：\n\n| 数据项 | 数据源 | API |\n|--------|--------|-----|\n| 财务三表（利润表/资产负债表）— A 股 | 新浪财经 | `quotes.sina.cn/cn/api/...CompanyFinanceService` |\n| 财务三表（利润表/资产负债表）— 港股 | 东财港股 datacenter | `RPT_HKF10_FN_INCOME` / `RPT_HKF10_FN_BALANCE` |\n| 现金流量表 | A 股：新浪财经；**港股无此表**（估值自动跳过 EV/EBITDA） | — |\n| 主要财务指标（ROE/毛利率/资产负债率等）— A 股 | 东财 datacenter | `datacenter.eastmoney.com/securities/api/data/v1/get` |\n| 主要财务指标（ROE/毛利率/资产负债率等）— 港股 | 东财港股 datacenter | `RPT_HKF10_FN_GMAININDICATOR` |\n| 公司概况 / F10 | 东财 F10 | A 股 `PC_HSF10/CompanySurvey`；港股 `PC_HSF10/CompanySurvey?code=HK.{code}` |\n| 十大股东 / 股东户数 | 东财 F10 ShareholderResearch | 同上 |\n| 行情报价（A 股） | 腾讯财经 | `qt.gtimg.cn/q=` |\n| 行情报价（港股） | 腾讯财经 | `qt.gtimg.cn/q=hk{code}` |\n| 分红送配 | 东财 F10 BonusFinancing | `emweb.securities.eastmoney.com/PC_HSF10/BonusFinancing/...` |\n\n> **执行约定**：脚本 `scripts/collect_data.py` 和 `scripts/westock_data.py` 已内置上述接口调用逻辑，**不需要安装任何额外工具**。直接用 `$PY scripts/collect_data.py {CODE}` 即可运行。\n\n### 3. 三级降级策略\n\n| 级别 | 触发条件 | 行为 |\n|------|---------|------|\n| **L1 正常** | `scripts/` 存在 + `$PY` 可用 | 执行 `collect_data.py` / `valuation.py` 脚本，脚本内置公开 API 采集全部数据（零外部依赖） |\n| **L2 无脚本** | `scripts/` 缺失（打包遗漏/环境隔离）或脚本执行报错 | LLM 直接按同款数据源采集，手写 `/tmp/{code}_data.json`（schema 见下）；用 WebFetch / curl 直连东财/腾讯/新浪等公开接口 |\n| **L3 无 Python** | 探测不到 `python3` / `python`（`$PY` 为空） | 完全由 LLM 用 WebFetch / curl 直采，手动拼 JSON 写入 `/tmp/{code}_data.json`，跳过所有 `.py` 脚本 |\n\n**降级判定口诀**：先探 `$PY` → 有脚本就跑 L1 → 无脚本走 L2 → 无 Python 走 L3。\n\n### 4. L2/L3 降级采集 schema（写入 /tmp/{code}_data.json）\n\n降级时 LLM 需产出一个 JSON，结构与脚本输出对齐，至少包含以下字段（其余字段可按信息盲区省略）：\n\n```json\n{\n \"code\": \"600519\",\n \"market\": \"A股\",\n \"finance\": { \"主要财务指标\": {} },\n \"f10\": { \"公司概况\": {}, \"股东研究\": {}, \"股本结构\": {}, \"行业分析\": {}, \"财务分析\": {} },\n \"lrb\": {}, \"fzb\": {}, \"llb\": {},\n \"quote\": { \"price\": 0, \"pe_ttm\": 0, \"pb\": 0, \"mcap_yi\": 0 },\n \"em_info\": {}, \"blocks\": [], \"reports\": [], \"ths_forecast\": []\n}\n```\n\n> 降级采集的字段允许少于脚本（信息盲区标注即可），但**必须**保留 `code` / `market` / `quote` 三项，其余缺失标 `\"N/A\"`。后续 Step1-5 读取该 JSON 的逻辑不变。\n\n### 5. 降级时三表数据来源\n\n三表（利润表 / 资产负债表 / 现金流量表）在降级路径（L2/L3 ）中通过以下公开接口直采：\n\n| 数据 | 接口 |\n|------|----------------|\n| 利润表 lrb | 新浪财报 API `quotes.sina.cn/cn/api/...CompanyFinanceService` |\n| 资产负债表 fzb | 同上 |\n| 现金流量表 llb | 同上 |\n\n> L1 路径中脚本已内置上述接口调用逻辑，无需手动指定。\n\n---\n\n## Step0：公司识别与数据采集\n\n### 0.1 公司识别\n\n**前置检查：市场范围**\n\n支持 A 股 + 港股，**拒绝美股**：\n- 用户明示美股，或代码为字母美股代码（如阿里 BABA、特斯拉 TSLA）→ 回复\"本工具仅支持 A 股 / 港股分析。如需分析美股，请使用对应工具。\"\n- 明确为未上市公司（如华为、字节跳动）→ 回复\"该公司尚未上市，无法进行股票分析。\"\n- 通过后继续下面流程\n\n**识别输入类型 + 市场判定**\n\n判断用户输入（顺序敏感，先看代码长度/格式）：\n\n| 输入特征 | 模式 | 市场 |\n|---------|-----|-----|\n| 5 位纯数字（如 00700、09988）| 港股代码模式 | 港股 |\n| 6 位纯数字（如 600519、000858）| A 股代码模式 | A 股 |\n| `hk00700` / `sh600519` / `sz000001` / `bj430047` | 带前缀代码模式 | 按前缀判定 |\n| `00700.HK` / `600519.SH`（带 `.XX` 后缀） | 港交所/上交所规范后缀模式 | 按后缀判定（需规整成 `hk00700` / `sh600519`）|\n| 含 5-6 位数字 + 公司名（如\"腾讯 00700\"）| 公司名+代码模式 | 按代码长度判定 |\n| 其他 | 公司名模式 | search 后由候选判定 |\n\n代码规整：所有变体在传给脚本前**统一**为 `hk{5位}` / `sh{6位}` / `sz{6位}` / `bj{6位}`，collect_data.py 用 `westock_data.market_prefix()` 重新识别。\n\n---\n\n**情况 A：公司名模式**（如\"贵州茅台\"、\"腾讯控股\"）\n\n用 WebSearch 搜索 \"<公司名> 股票代码\"，从搜索结果提取代码。用 `$PY /scripts/collect_data.py {CODE}` 采集行情验证名称匹配。\n\n- **唯一匹配**：在对话中展示\"🔍 识别到：{公司全称}（{代码}）· {市场} · {交易所}\"，进入 0.2\n- **多候选**：用 ①②③ 列出\"{公司全称}（{代码}）· {市场标识}\"，**A 股/港股候选全部展示**让用户选；美股候选标注\"美股，本工具不支持\"排除\n- **无结果**：提示\"未找到匹配的 A 股/港股公司，请手动输入代码。\"\n\n---\n\n**情况 B：股票代码模式**（如\"600519\" / \"00700\" / \"hk00700\" / \"00700.HK\"）\n\n执行 `$PY /scripts/collect_data.py {full_code}`，从输出中取 quote.name 字段，反查公司全称和市场。\n\n- **找到匹配**：在对话中展示 → 直接进入 0.2\n- **代码无效**：提示\"代码 {代码} 未找到，请检查是否正确。\"\n\n---\n\n**情况 C：公司名+代码模式**（如\"贵州茅台 600519\"、\"腾讯 00700\"）\n\n执行 `$PY /scripts/collect_data.py {full_code}`（取 quote.name 字段），验证名称与代码是否匹配。\n\n- **匹配 ✓**：直接进入 0.2，不弹确认\n- **不匹配 ✗**：展示搜索结果和用户输入，让用户选择正确的一方\n\n---\n\n**确认信息格式**（在对话中展示，不弹窗）：\n\n- 唯一匹配：输出\"🔍 识别到：{公司全称}（{6位或5位代码}）· {A股/港股} · {交易所}，即将开始 6 步深度分析。如不对请直接告诉我正确代码。\"，然后进入 0.2。\n- 多候选：用 ①②③ 列出\"{公司全称}（{代码}）· {市场} · {交易所}\"，等用户选择后进入 0.2。\n\n### 0.2 结构化数据采集\n\n执行 `scripts/collect_data.py {股票代码}`，脚本自动采集 10+1 项数据：\n\n| 模块 | 数据源 | 备注 |\n|---|---|---|\n| finance | 东财主要财务指标（A 股）/ 东财港股 GMAININDICATOR（港股） | 已有 |\n| f10 | 东财 F10 五大类 | 已有 |\n| lrb | 新浪（A 股）/ 东财港股 datacenter INCOME（港股） | 利润表 |\n| fzb | 新浪（A 股）/ 东财港股 datacenter BALANCE（港股） | 资产负债表 |\n| llb | 新浪（A 股）；**港股无此表** | 现金流量表（港股估值跳过 EV/EBITDA） |\n| quote | 腾讯行情（A 股 `qt.gtimg.cn` / 港股 `qt.gtimg.cn/hk{code}`） | 已有 |\n| em_info | 东财个股信息 | 已有 |\n| blocks | 百度概念板块（A 股）/ 恒生行业（港股） | 已有 |\n| reports | 东财研报（A 股）；**港股无** | 已有 |\n| ths_forecast | 同花顺一致预期（A 股）；**港股无** | 已有 |\n\n以上 10 项为数据采集项，**外加 1 项衍生**：\n\n| 衍生项 | 拆解方式 | 用途 |\n|---|---|---|\n| ebitda | 新浪三表（A股）/ 港股无 OCF → `calc_ebitda()` 拆解 | 估值 EV/EBITDA 方法（港股自动跳过） |\n\n全部写入 `/tmp/{股票代码}_data.json`，终端只输出采集摘要。\n\n**批量模式**（不写文件，stdout 输出 JSON，进度走 stderr）：\n\n| 模式 | 命令 | 输出 | 用在哪 |\n|---|---|---|---|\n| `--quotes` | `collect_data.py --quotes 600519,000858` | 多家公司行情（PE/PB/市值/股价） | Step3.2 估值章节竞对 PE/PB |\n| `--finances` | `collect_data.py --finances 600519,000858,002768` | 多家公司财务比率（毛利率/净利率/ROE/营收/同比/8 期报告期） | **Step4 §6 可比公司财务对比（强制走 `collect_data.py --finances` 直采）** |\n\n> **三表数据源说明**：`collect_data.py` 内部自动处理三表采集（优先内置接口，失败时降级到新浪/东财公开接口）。无需手动指定数据源。\n\n**执行方式**：\n```bash\n# 先按「环境准备与降级策略」探测 $PY（python3/python 自动适配）\n# 获取 skill 目录路径，然后执行脚本\n$PY /scripts/collect_data.py {CODE}\n# 若 scripts/ 缺失或脚本报错 → 走 L2/L3 降级（LLM 直采写 /tmp/{code}_data.json）\n```\n\n### 0.3 定性信息补充（合并搜索）\n\n```\nWebSearch \"<公司名> 研报 2025 2026 战略\" # 券商研报（战略方向、风险因素）\nWebSearch \"<公司名> 公告 管理层 重大事项\" # 公司公告（管理层变动、重大事项）\n```\n\n2 次拉取覆盖战略方向、风险因素、管理层变动、商誉减值等定性信息。\n\n### 0.4 数据质量评级\n\n- **A级**：10 项数据 + 1 衍生全部成功\n- **B级**：1-3 项失败（记录失败项，用 WebSearch 补充）\n- **C级**：三表 + F10 均失败（仅做定性分析）\n\n报告采集摘要（数据等级 + 获取项 + 缺失项），自动进入Step1。\n\n---\n\n## Step1：公司画像\n\n**输入**：从 `/tmp/{股票代码}_data.json` 读取 f10.公司概况、f10.股东研究、f10.股本结构、em_info、blocks。\n\n1. **基本信息**:公司全称、股票代码、上市交易所、上市日期、注册资本、实际控制人、所属行业(申万)、**业务模式标签**【互联网/平台/TOC SaaS/TOB SaaS/TOC+TOB 双边/工业品/消费品/金融/医药/地产/强周期/其他】、**概念板块**(合并到此节最后一行,逗号分隔)\n2. **主营业务**:主要产品/服务、收入构成、最新业务动态\n3. **股权结构**:前十大股东(名称/持股比例/性质)、实际控制人持股链路、总股本/流通股本/限售股\n4. **用户规模与活跃度**(**由 §0 业务模式标签决定**):\n - 触发条件:见模板 §0.4 表格(基于申万行业 + 主业占比,**不**用关键词匹配)\n - 触发内容:见模板 §五\n - TOC:MAU/DAU/付费用户/ARPU/留存/LTV/CAC 等核心用户指标\n - TOB:付费客户数/ARR/NDR/续约率/Rule of 40 等 SaaS 指标\n - 两者并存时**两节都生成**\n\n业务模式标签判定按 `templates/company-profile-template.md §0` 执行(申万行业 + 主营占比双判定,主业占比 50% 是分水岭),产物作为 Step2 五力框架选择器、Step3 护城河框架选择器、Step4 财务权重调整表的查询键。\n\n**输出**：使用 `templates/company-profile-template.md` 生成 `{公司名}_公司画像.md`。\n\n**质量门**：\n- [ ] 公司全称、股票代码、上市交易所已填写\n- [ ] **业务模式标签**已选择（必填）\n- [ ] 主营业务描述不少于100字\n- [ ] 前十大股东至少列出5个\n- [ ] 每个数据项标注来源\n- [ ] 概念板块已合并到基本信息表,**不**单独成节\n- [ ] **触发条件成立时,用户规模章节已生成**(否则标注\"不适用\")\n\n---\n\n## Step2：产业链分析\n\n**输入**：Step1 公司画像中的\"**业务模式标签**\" + 从 `/tmp/{股票代码}_data.json` 读取 f10.行业分析、blocks。\n\n> **Step2 启动前置检查**:Step2 §2.0「行业大盘前置」必须先生成(行业规模/CR3-CR10/生命周期定位),作为五力分析的\"行业大盘\"基线;若数据等级 C 级,Step2 五力表需标注\"行业数据基础薄弱,五力评级置信度降低\"。\n\n### 2.0 行业大盘前置\n\n> **模板位置**:本节产出物写入主报告模板的 `§2.1 行业概览`(行业定位 + §2.1.1 行业规模 + §2.1.2 市场份额 + §2.1.3 行业生命周期定位)。\n> **数据获取**:从 `/tmp/{股票代码}_data.json` 读取 f10.行业分析 + blocks.行业。用 WebSearch 搜索 \"<行业> 市场规模 CR5 集中度 2025\" 补充行业数据。\n\n- 行业规模:总规模 + 过去 5 年 CAGR + 未来 5 年 CAGR 预测 + 公司占比\n- 市场份额:头部 5-10 名 + CR3/CR5/CR10 集中度\n- 行业生命周期定位(导入/成长/成熟/衰退 + 核心驱动 + 政策/技术变革)\n- 数据缺失时按模板 §6.4 兜底并降级\n\n### 2.1.0 五力框架选型\n\n按 `ai-internal-rules.md §2.0` 选五力框架（业务模式标签 → 框架 A/B/C），加载 `porter-five-forces-template.md` 对应章节执行。\n\n### 2.1 经典 Porter 五力(框架 A 模板,其他框架按对应章节)\n\n| 力量 | 分析要点 | 数据来源 |\n|------|---------|---------|\n| 供应商议价力(上游) | 原材料/技术供应方、供应商集中度、切换成本 | `f10.行业分析` + WebSearch \"<公司名> 供应链 供应商\" |\n| 买方议价力(下游) | 客户集中度、产品可替代性、议价能力 | `f10.财务分析` + WebSearch \"<公司名> 客户 集中度\" |\n| 现有竞争者威胁 | 同行数量、市场份额分布、竞争强度 | WebSearch \"<行业> 竞争格局 CR5\" + `<行业> 市场份额排名` |\n| 新进入者威胁 | 资金/技术/牌照壁垒 | `f10.行业分析` + WebSearch \"<行业> 行业壁垒 准入\" |\n| 替代品威胁 | 替代产品/服务、替代趋势 | WebSearch \"<行业> 替代品 趋势\" |\n\n### 2.2 搜索合并(共用)\n\n五力搜索合并为 **2-3 次**(互相独立,可并行执行),命令清单按 `porter-five-forces-template.md` §3 / §4 各力量「数据来源」字段执行。\n\n每项评级：强/中/弱 + 至少 2 条数据支撑。\n\n**质量门**：\n- [ ] **所选框架已明确标注**(A/B/C/A+B)\n- [ ] 五力每项都有评级\n- [ ] 每项至少 2 条数据支撑\n- [ ] 产业链上下游各列出至少 2 个具体环节\n- [ ] **(框架 B/C 额外)** 核心指标(CAC/LTV/留存/MAU)有数据点\n\n---\n\n## Step3：竞争格局与护城河分析\n\n**输入**：Step2 五力分析 + 从 `/tmp/{股票代码}_data.json` 读取 reports、quote。\n\n### 3.1 识别竞争对手\n\n从Step2提取同行 + WebSearch \"<行业> 上市公司 同行对标\"（拿行业成份股列表）+ WebSearch \"<公司名> 竞品分析 券商研报\"（券商研报里的竞品分析），筛选 5-8 家主要竞对。\n\n**竞对选取方法论**：\n\n> **核心原则**：从\"业务模式\"和\"产业链位置\"双维度匹配。**先找同行业（高可比），再找上下游/相似业务（中可比），最后是行业参考（低可比）**。\n\n具体步骤：\n1. **业务模式拆分**：把目标公司按\"营收占比\"拆成主业（占比最高）+ 次业（如自研/小业务）。**可比公司必须对标主业**。\n2. **三层选取**：\n - 🟢 **高可比**：业务模式相同 + 主营行业相同\n - 🟡 **中可比**：主营行业不同但**业务模式类似**\n - 🔴 **低可比**：**业务模式差距大**，仅作行业参考\n3. **每家公司必须给\"可比性\"标注**（高/中/低），并说明理由\n4. **行业基准对比不能替代可比公司对比**——这是常见错误\n\n**反例警示**（必须避免）：\n- ❌ 把行业平均毛利率/PE 当作\"可比公司\"——这是偷懒\n- ❌ 把业务模式差距大的公司（如 FPGA 芯片设计 vs 存储分销）放在同一张估值表里比较 PE/PB\n\n**最终报告规则**：可比公司在双产物中的差异化处理：\n\n- **深度分析报告**（MD）：\n - §2.3 行业与竞争分析、§4.1 估值结论 → **只列高可比 2 家**（焦点对标）\n - §3.6 财务分析（可比公司财务对比）→ **列出所有收集到的可比公司**（高+中+低），用\"可比性\"列标注等级\n- **投研简报**（HTML）：由于是 30s 必读卡片，**不展开可比公司**（KPI 已涵盖核心数据）\n- 中/低可比公司在深度报告 §2.3 / §4.1 节**仅在分析时作为参考**，不进入最终报告这两节。\n\n**产物归属**：本步骤识别结果作为模板 §2.3 行业与竞争分析的前置输入，不单独占用模板小节。\n\n### 3.2 竞对业务对比\n\n竞对主营/营收用 WebSearch \"<竞对公司名> 主营业务 营收 2025\"（研报/官网覆盖）。竞对 PE/PB/市值用脚本的批量行情入口一次获取：\n```bash\n# $PY 为「环境准备与降级策略」探测到的 Python 命令（python3/python 自动适配）\n$PY /scripts/collect_data.py --quotes {目标代码},{竞对代码1},{竞对代码2},...\n```\n该命令直接打印各代码的 name/price/pe_ttm/pb/mcap_yi。整理对比表：公司名/主营/营收/市值/PE/PB/市场份额。\n\n> 若 `scripts/` 缺失或 `$PY` 为空 → 走 L2/L3 降级：用 WebFetch 直连腾讯行情 `qt.gtimg.cn/q=` 逐家获取 PE/PB/市值，手动汇总。\n\n### 3.3 护城河分析(行业适配型)\n\n> **方法论升级说明**:Porter 1985 经典六类护城河已扩展为**按行业适配的 6 套框架**,\n> 并引入 **Hamilton Helmer 7 Powers**、**Ben Thompson Aggregation Theory** 等现代权威方法论。\n> 加载 `references/moat-analysis-framework.md` 后,**第一步**:用 §0 行业适配选择器选定框架,再按该框架的指标体系执行。\n\n按 `ai-internal-rules.md §2.5` 选护城河框架（业务模式标签 → 框架 A-F），加载 `moat-analysis-framework.md` 对应章节执行。\n\n**三轮反问机制**（可复制性 / 周期韧性 / 隐蔽威胁）：按 `references/moat-analysis-framework.md §8` 执行。\n\n#### 3.3.1 护城河维度评级(所选框架的专属维度,逐项宽/窄/无)\n\n按所选框架(§0 选择器)的核心维度逐项评级(宽/窄/无)。\n数据来源：`f10.财务分析` + WebSearch \"<公司名> 护城河 竞争优势\"（研报/分析文章）。\n\n每轮记录:反问问题 → 分析过程 → 评级是否调整 → 理由。\n\n**质量门**：\n- [ ] 至少识别 3 家竞对\n- [ ] **所选护城河框架已明确标注**(A/B/C/D/E/F/经典)\n- [ ] 护城河反问轮次按数据等级：A 级 ≥ 3 轮，B 级 ≥ 2 轮，C 级 ≥ 2 轮\n- [ ] 每轮有明确结论\n\n### 3.4 为什么非它不可（竞争优势综合判断，对应模板 §2.5）\n\n> **3 问与 §3.3 护城河三轮反问的区分**:§3.3 问的是\"竞对能不能复制你的护城河\"（竞对视角）；§3.4 问的是\"客户为什么非选你不可\"（客户视角）——两个视角互补，§3.4 必须基于 §3.3 的护城河综合评级输出。\n\n按 §3.3 选定的护城河框架(消费/平台/制造/金融/医药/地产)→ `references/moat-analysis-framework.md §11` 取对应 Q1/Q2/Q3 指标定义,填到 `deep-analysis-report-template.md §2.5` 的 3 个 `{Q? 指标}` 占位符。\n- [ ] 最终护城河评级有数据支撑\n- [ ] **护城河类型**已明确归类\n\n---\n\n## Step4：财务四维 + 穿透分析\n\n**输入**：从 `/tmp/{股票代码}_data.json` 读取 lrb(利润表)、fzb(资产负债表)、llb(现金流量表)、finance(主要财务指标)、f10.财务分析。\n\n加载 `references/financial-analysis-guide.md`,**第一步**:根据 Step1 的\"业务模式标签\"选定权重表,再按选定的权重做四维分析。\n\n### 4.0.0 基准年判定（必做 · 引用 `ai-internal-rules.md §0.1`）\n\n跑报告**第一步**：按 `references/ai-internal-rules.md §0.1` 判定基准年，所有模板列名引用 `{基准年}` / `{基准年-1}` 变量，不允许硬编码具体年份。\n\n### 4.0 行业类型对应权重表(必读)\n\n按 `ai-internal-rules.md §3.0` 选财务权重（详见 `financial-analysis-guide.md §0.1`）。报告\"摘要\"必须说明选用了哪套权重。\n\n### 4.1 四维分析(按选定的权重)\n\n- **4.1 盈利能力**:毛利率、净利率、ROE、ROA\n- **4.2 偿债能力**:流动比率、速动比率、资产负债率、利息保障倍数\n- **4.3 营运能力**:存货/应收周转天数、总资产周转率\n- **4.4 成长能力**:营收/净利润同比增长率、经营现金流增长率\n\n### 4.5 杜邦三因子分解(所有行业必做,亏损公司用替代公式)\n\n按 `ai-internal-rules.md §3.6` 执行：ROE = 销售净利率 × 总资产周转率 × 权益乘数。亏损公司不豁免,4 种替代公式任选其一(扣非归母 ROE / ROA / EBIT ROIC / 三年平均)。\n\n**输出表**(必做):\n\n| 报告期 | 销售净利率 | 总资产周转率 | 权益乘数 | **ROE** | 行业 ROE | 驱动因子 |\n|--------|----------|------------|---------|---------|---------|---------|\n| 4 期 | | | | | | {净利率/周转率/杠杆} |\n\n### 4.6 综合评分\n\n| 维度 | 权重(已调整) | 得分 | 加权得分 |\n|------|------------|------|---------|\n| 盈利能力 | {选定%} | __/100 | __ |\n| 偿债能力 | {选定%} | __/100 | __ |\n| 营运能力 | {选定%} | __/100 | __ |\n| 成长能力 | {选定%} | __/100 | __ |\n| **合计** | 100% | | **__/100** |\n\n**输出**:使用 `templates/financial-analysis-template.md` 生成 `{公司名}_财务分析.md`。\n\n**质量门**:\n- [ ] **权重调整已说明**(报告摘要中列出选用的权重表)\n- [ ] 四维每项至少 4 个指标\n- [ ] 所有比率列出公式和计算过程\n- [ ] 每个数字标注来源\n- [ ] 趋势分析(至少 4 期对比)\n- [ ] 有行业对比\n- [ ] **杜邦三因子分解(必做,所有行业,亏损公司用替代公式)**\n- [ ] 综合评分已计算\n\n---\n\n## Step5：相对估值\n\n**输入**：竞对公司 + 从 `/tmp/{股票代码}_data.json` 读取 quote、reports、ths_forecast。\n\n加载 `references/valuation-methods.md`。\n\n### 5.1 相对估值（四步法）\n\n**方法选取**：按 `ai-internal-rules.md §7.1` 选 1-3 种估值方法（PE-TTM / PB-MRQ / EV/EBITDA-TTM / PS-TTM / NAV 等），按 §7.2 写估值结论。\n\n**自动判定**：`scripts/valuation.py` 的 `_classify_industry(data)` 已实现上述判定逻辑，输入申万一级行业自动返回首选方法 + 交叉验证方法。\n\n**实操流程**：\n\n1. **调估值脚本**（`scripts/valuation.py`）：\n ```bash\n # $PY 为「环境准备与降级策略」探测到的 Python 命令（python3/python 自动适配）\n $PY scripts/valuation.py 600519 peers.json\n # peers.json 示例：{\"peer_pe_median\": 25.0, \"peer_pb_median\": 8.0}\n ```\n 脚本输出 JSON：行业分类 / 首选方法 / 合理股价 / 上行空间 / 数据完整度\n\n > 若 `scripts/` 缺失或 `$PY` 为空 → 走 L2/L3 降级：`valuation.py` 的 `_classify_industry()` 逻辑在 `references/valuation-methods.md` 中有等价的文本版判定规则，LLM 按该规则手动选方法、算合理股价。\n2. **交叉验证**（10 个变体中至少 2 个）：\n \n - 偏差 < 15%：取均值\n - 偏差 15-30%：取均值但标注分歧原因\n - 偏差 > 30%：必须分析分歧（周期性/特殊项目/会计差异），取更保守的估值\n3. **数据完整度检查**：< 60% 时提示补充行业数据\n4. **报告写作**：`templates/deep-analysis-report-template.md` §四估值（只展示数字，公式放 `valuation-methods.md`）\n\n---\n\n## Step6：生成产物与清理\n\n跑完 6 步分析后，**输出两份产物**（默认行为）：\n\n| 产物 | 文件名 | 模板 |\n|------|--------|------|\n| **深度分析报告** | `{公司名}_深度分析报告_{YYYYMMDD}.md` | `templates/deep-analysis-report-template.md` |\n| **投研简报** | `{公司名}_投研简报_{YYYYMMDD}.html` | `templates/briefing-card-template.html` |\n\n### 6.0 产物生成的强制执行规则（⚠️ 必须严格遵守）\n\n> **这是产物质量的最后一道门。无论走 L1/L2/L3 哪条路径，以下规则不可跳过。**\n\n**步骤 1：读取模板文件（强制）**\n\n在写任何产物之前，**必须先使用 `Read` 工具读取对应模板文件的完整内容**：\n\n- 深度分析报告 → `Read /templates/deep-analysis-report-template.md`\n- 投研简报 → `Read /templates/briefing-card-template.html`\n- 单步模式财务分析 → `Read /templates/financial-analysis-template.md`\n- 单步模式公司画像 → `Read /templates/company-profile-template.md`\n\n**不得凭记忆或猜测来编写产物结构——必须以读取到的模板文件为准。**\n\n**步骤 2：严格按模板结构填充**\n\n读取模板后，产物的生成方式为：\n\n1. **保留模板的全部章节标题、表格结构、格式标记不变**\n2. **将 `{占位符}` 替换为实际分析数据**（如 `{公司名}` → \"中国巨石\"，`{YYYY-MM-DD}` → \"2026-07-14\"）\n3. **将模板中的说明性括号文字替换为具体内容**（如\"（100-200 字描述...）\" → 实际的描述段落）\n4. **不删除模板的任何章节**，数据缺失时标注 `\"N/A\"` 或\"信息盲区\"\n5. **不自行新增模板中不存在的章节**（除非单步模式路由表明确要求）\n\n**禁止行为**：\n- ❌ 不读模板直接按自己的理解写报告\n- ❌ 改变模板的章节顺序或层级结构\n- ❌ 省略模板中存在的任何标准化区块（如\"30 秒极简版\"、\"摘要\"列表等）\n\n### 6.1 清理临时文件\n\n分析完成后清理临时数据：\n```bash\nrm -f /tmp/{股票代码}_data.json\n```\n\nFile v1.0.12:README.md\n\n# 公司深度分析助手\n\n> **一句话介绍**：你告诉它一家 A 股/港股公司的名字或股票代码，它自动跑完 6 步分析，给你输出**两份产物**——一份完整的公司深度分析报告，一份 30s 必读的投研简报卡片。\n\n![版本](https://img.shields.io/badge/版本-1.0.12-blue)\n![支持市场](https://img.shields.io/badge/支持市场-A股%20%2F%20港股-green)\n![输出格式](https://img.shields.io/badge/输出-HTML%20%2F%20MD-orange)\n\n---\n\n## 📌 这是什么？\n\n这是一个**投研工具**，专门帮你做 A 股 / 港股公司的\"投前初筛\"。\n\n你只需要说一句话，比如：\n\n> \"帮我分析一下贵州茅台\"\n> \"分析 600519\"\n> \"看看宁德时代这家公司\"\n\n它就会自动去拉数据、做分析、最后给你输出**两份产物**（一份公司深度分析报告 + 一份投研简报卡片）。\n\n**适合谁用？**\n- 个人投资者：想 5 分钟看清一家公司基本面\n- 投资经理：投委会前快速过一遍潜在标的\n- 行业研究员：做行业研报里的\"标的画像\"小节\n- 投资顾问：给客户做方案前的快速背调\n\n---\n\n## 🎯 能帮你做什么？\n\n它会**自动跑完 6 步分析**，从数据采集到最后输出产物全部包圆：\n\n| 步骤 | 它做什么 | 你能看到什么 |\n|------|---------|------------|\n| ① 数据采集 | 拉行情、财务三表、研报、概念板块 | 11 项数据（含 ebitda 衍生）|\n| ② 公司画像 | 整理公司基本信息、股权结构、用户规模 | 一张公司画像表 + 行业大盘认知 |\n| ③ 产业链五力 | 用经典波特五力分析上下游和竞争 | 供应商/客户/竞对/进入者/替代品五项评级 |\n| ④ 护城河分析 | 用行业适配框架（如 Hamilton Helmer 7 Powers）判断公司护城河 | 3 轮反问机制 + 护城河评级表 |\n| ⑤ 财务四维 | 盈利能力/偿债能力/营运能力/成长能力 + 杜邦三因子分解 | 四维雷达图 + 杜邦分解表 + 综合评分 |\n| ⑥ 相对估值 | 10+ 个相对估值变体（PE-TTM / PE-Forward / 周期 PE / PB-MRQ / PB-Forward / PS-TTM / PS-Forward / EV·EBITDA / EV·Revenue / Rule of 40），按行业自动选变体 | 估值结论 + 上行/下行空间 + 风险提示 |\n\n最后输出 **两份产物**：\n\n**① 深度分析报告（`.md` 主报告）**\n\n- 公司画像\n- 行业竞争（行业分析+波特五力产业链分析）\n- 财务（四大能力+杜邦三因子）\n- 估值 （多种相对估值方法）\n- 操作建议\n- 投资风险\n- 数据质量与盲区\n\n**② 投研简报（`.html` 单页卡片）**\n\n---\n\n## 🚀 怎么用？\n\n### 方式一：在 AI 对话里直接说\n\n只要你的 AI 客户端装了这个 skill，**直接打字就行**：\n\n```\n帮我分析 600519（贵州茅台）\n分析 宁德时代\n做一份 腾讯控股 00700 的投研简报\n深度分析 比亚迪\n```\n\n**支持的输入**：\n- 股票代码：`600519` / `00700`（6 位 A 股，5 位港股）\n- 公司名：`贵州茅台` / `宁德时代` / `腾讯控股`\n- 公司名+代码：`贵州茅台 600519`（验证后直接开干）\n\n> ⚠️ **港股也支持**！代码可以是 5 位数字（如腾讯 00700）。本工具**拒绝美股 / 加密币**（如阿里 BABA、特斯拉 TSLA）。\n\n### 方式二：手动跑数据采集脚本\n\n如果你想自己跑数据采集和估值（不触发完整分析流程），先 `cd` 到 skill 根目录，再直接 `python` 跑业务脚本（`python` / `python3` 均可，取决于你的环境命令名）。\n\n#### Linux / macOS\n\n```bash\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts/collect_data.py 600519 # A 股\npython scripts/collect_data.py 00700 # 港股\n\n# 3. 跑估值\npython scripts/valuation.py 600519\npython scripts/valuation.py 600519 peers.json\n```\n\n#### Windows\n\n```powershell\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts\\collect_data.py 600519\npython scripts\\collect_data.py 00700\n\n# 3. 跑估值\npython scripts\\valuation.py 600519\npython scripts\\valuation.py 600519 peers.json\n```\n\n数据会写到系统临时目录（macOS/Linux = `/tmp/`；Windows = `%TEMP%`），文件名 `{代码}_data.json`，包含 11 项：\n\n- **finance**（财务三表 + 派生指标，A 股新浪/东财 · 港股东财港股 datacenter API 直采）\n- **f10**（公司概况 / 财务分析 / 股东研究 / 股本结构 / 行业分析，共 5 大类）\n- **lrb**（利润表）\n- **fzb**（资产负债表）\n- **llb**（现金流量表；**港股无此表**，估值自动跳过 EV/EBITDA）\n- **ebitda**（EBITDA 拆解，估值 EV/EBITDA 用）\n- **quote**（行情：现价 / 市值 / 换手率）\n- **em_info**（个股信息：东财行业 / 总股本 / 流通股本，估值必需）\n- **blocks**（概念板块：A 股百度；港股 HSI 行业）\n- **reports**（研报列表：A 股东财；港股无）\n- **ths_forecast**（同花顺一致预期，**仅 A 股**；港股无数据源）\n\n---\n\n## 💼 典型使用场景\n\n### 场景 1：5 分钟看一家公司值不值得投资\n> \"分析 国恩股份\"\n\n→ 2-3 分钟后拿到**两份产物**：MD 完整报告+ HTML 简报。先看 HTML 的 3 句话结论 + 估值结论 + 投资风险，要继续再看完整版报告。\n\n### 场景 2：做行业研报\n> \"分析 宁德时代\"\n\n→ 报告里的\"标的画像\"小节可以直接复用 MD 主报告的 `§一 公司画像` + `§二 行业与竞争` 章节。\n\n### 场景 3：只想看财务\n> \"看一下 贵州茅台 的财务情况\"\n> \"分析 比亚迪 的财务分析\"\n\n→ **只跑 30 秒**，只输出 1 个文件：\n\n```\n贵州茅台_财务分析_{YYYYMMDD}.md ← 财务四维 + 杜邦 + 综合评分（不含行业/护城河/估值）\n```\n\n**适用**：已经看过这家公司基本面，现在想盯财务变化；或者多个标的横向比财务。\n\n### 场景4：只想看公司画像\n> \"看一下 腾讯 的公司画像\"\n> \"分析 宁德时代 的公司基本面\"\n\n→ **只跑 30 秒**，只输出 1 个文件：\n\n```\n腾讯_公司画像_{YYYYMMDD}.md ← 基本信息 + 主营业务 + 股权 + 行业分析（不含财务/护城河/估值）\n```\n\n**适用**：投前 5 分钟了解一家公司\"是干什么的、谁在管、什么行业\"。\n\n> 触发词路由表（无需记，自然说就行）：\n> - 财务情况 / 财务分析 / 财务 → 财务\n> - 公司画像 / 公司基本面 / 画像 → 画像\n> - 没说 → 默认全跑\n\n---\n\n## ❓ 常见问题\n\n### Q1: 支持美股/加密币吗？\n**不支持**。本 skill 只覆盖 A 股 + 港股。美股/币圈请用对应工具。\n\n### Q2: 数据是哪里来的？\n- **行情**：腾讯财经 `qt.gtimg.cn`（A 股 `q=sh600519` / 港股 `q=hk00700`）\n- **财务三表（A 股）**：新浪财报 API（零外部依赖）\n- **财务三表 + 主要指标（港股）**：东方财富港股 datacenter（`RPT_HKF10_FN_INCOME` / `RPT_HKF10_FN_BALANCE` / `RPT_HKF10_FN_GMAININDICATOR`）\n- **F10/研报/概念板块**：东方财富 + 同花顺\n- **定性信息**：WebSearch 实时搜索\n\n> 📌 **港股特别注意**：港股**无现金流量表**，因此 `llb` 为空、估值自动跳过 EV/EBITDA 变体（PE-TTM / PB-MRQ 仍正常）；`reports`（研报）与 `ths_forecast`（一致预期）港股无数据源，标 `⚠ 缺失`。\n\n所有数据**脚本直采**，不靠 WebSearch 估算。\n\n### Q3: 报告里的估值准吗？\n**这是相对估值，不是绝对估值**。DCF / DDM / rNPV 等绝对估值方法需要行业 β、5-10 年 FCFF 等数据，本 skill 故意不做。\n\n> 投资决策请结合你自己的研究和风险偏好，本 skill 只做\"投前初筛\"，不是\"买入信号\"。\n\n### Q4: 数据采集失败了怎么办？\n- 11 项数据全部成功 → **A 级**（最优）\n- 1-3 项失败 → **B 级**（用 WebSearch 补）\n- 三表 + F10 都失败 → **C 级**（只做定性）\n\n报告里会标注数据等级，缺失项会用 `⚠ 缺失` 标出来。\n\n### Q5: 我能改模板吗？\n能。模板在 `templates/` 目录下：\n- `company-profile-template.md`（公司画像）\n- `deep-analysis-report-template.md`（完整分析报告）\n- `financial-analysis-template.md`（财务分析）\n- `briefing-card-template.html`（投研简报卡片）\n\n改完模板后，**下次生成报告时自动应用**。已生成的历史报告不会动。\n\n### Q6: 这是开源的吗？\n是的。License：MIT（**待仓库发布后正式生效**）。\n\n---\n\n## 🛠️ 技术栈\n\n| 模块 | 技术 |\n|------|------|\n| 数据采集 | Python 3.13 + requests + pandas |\n| 行情数据 | 腾讯财经 + 东财 + 同花顺 + 百度 |\n| 财务三表 | 新浪财报 API + 东财 F10（零外部依赖） |\n| 估值 | 自研 10+ 变体（`scripts/valuation.py`，按行业自动选变体） |\n| 报告渲染 | 模板直出（`.md` / `.html`），简报含 html2canvas 复制图片 |\n| 字体 | 系统中文字体，不下载外部字体 |\n\n---\n\n## 📁 文件结构\n\n```\n公司深度分析助手/\n├── SKILL.md # skill 主入口\n├── README.md # 本文件\n├── requirements.txt # Python 依赖\n├── scripts/ # 脚本\n│ ├── collect_data.py # 数据采集（11 项）\n│ ├── valuation.py # 估值（10+ 变体）\n│ └── westock_data.py # 金融数据采集（公开 HTTP API，零外部依赖）\n├── templates/ # 报告模板\n│ ├── company-profile-template.md\n│ ├── deep-analysis-report-template.md\n│ ├── financial-analysis-template.md\n│ └── briefing-card-template.html\n└── references/ # 方法论文档\n ├── porter-five-forces-template.md # 五力分析\n ├── moat-analysis-framework.md # 护城河框架\n ├── financial-analysis-guide.md # 财务四维 + 杜邦\n ├── valuation-methods.md # 估值方法论\n └── ai-internal-rules.md # AI 内部规则\n```\n\n## 📮 反馈\n\n- GitHub Issues：仓库地址待上传后补充\n\n---\n\n_⚠️ 免责声明：本 skill 仅作投前初筛参考，不构成投资建议。投资有风险，决策需谨慎。_\n\nFile v1.0.12:_meta.json\n\n{\n \"ownerId\": \"kn72dhgwy0zzg1r1w8wgfxbnyh8a552s\",\n \"slug\": \"company-deep-analysis\",\n \"version\": \"1.0.12\",\n \"publishedAt\": 1786622408474\n}\n\nFile v1.0.12:references/ai-internal-rules.md\n\n# AI 内部工作指引（不可写入报告）\n\n> **本文件是 AI 内部工作手册，仅对 AI 可见。**\n>\n> 跑报告时，AI 必须先读完本文件 + `SKILL.md`，再按 `templates/*.md` 填值。\n>\n> 任何\"工作指引\"内容（基准年规则、框架选择、硬要求、数据获取命令、列名映射、评分规则等）**只放这里**——模板里只放\"报告结构 + 占位符\"。\n>\n> **报告自检**：最终报告写完后**必须**扫描以下关键词，发现立即删除：\n> - \"基准年规则\" / \"4 月 1 日\" / \"判定公式\"\n> - \"实现方式\" / \"用 matplotlib\" / \"中文字体用\"\n> - \"写法硬要求\" / \"结论先行\"作为元说明（\"我们认为公司 X 高于行业 Y\" 是 OK 的）\n> - \"数据获取（强制）\" / \"列名映射\" / \"可比性等级\"作为章节名\n> - \"本节是 ... 的内联版\" / \"数据来源\"作为大段块引用\n\n---\n\n## §0 元信息规则\n\n### 0.1 基准年判定（重要，写报告必须按此判定）\n\n`{基准年}` = 当前时间最近一个已披露完整年报的年份\n\n| 当前时间 | 基准年 | 例子 |\n|---------|--------|------|\n| 4 月 1 日之前 | 前一年年报 | 2026-02 跑 → 基准年=2025 |\n| 4 月 1 日及之后（年报已披露） | 当年年报 | 2026-05 跑 → 基准年=2026 |\n\n- `{基准年-1}` = 基准年的前一年\n- `{基准年-1}→{基准年} 营收 CAGR` = 同比增速（跨度=1 年时）\n- 报告\"摘要\"必须说明选用的基准年（模板 §6 元信息表里有 `基准年` 列，照填）\n\n### 0.2 数据质量等级 A/B/C\n\n| 等级 | 判定标准 |\n|------|---------|\n| **A** | 核心指标全部有数据，CLI 直采 + 多源交叉验证 |\n| **B** | 核心指标 2-3 期有数据，1 个来源 |\n| **C** | 关键数据缺失，需 WebSearch 补充估算 |\n\n---\n\n## §1 公司画像规则\n\n### 1.0 业务模式标签\n\n按行业选唯一标签（决定五力/护城河/权重）：\n\n| 业务模式 | 五力 | 护城河 | 财务权重 |\n|---------|------|--------|---------|\n| 消费品/制造/金融/地产/医药 | 框架 A 经典 | 消费品牌/制造/金融/医药/地产 | 通用 40/20/10/30 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS | 框架 B 平台 | 平台与网络效应 | 35/10/5/50 |\n| 通讯/支付/交易所/系统软件 | 框架 C 网络 | 平台与网络效应（网络经济/转换成本/生态绑定子集） | 30/40/10/20 |\n| 亏损/早期/AI/SaaS/生物医药 | — | — | 10/15/10/65 |\n| 强周期 | 框架 A | — | 25/25/10/40 |\n\n### 1.1 用户规模数据原则（互联网/平台/TOB SaaS 触发）\n\n- **优先**：年报/招股书/季报官方披露\n- **次选**：`collect_data.py 脚本`\n- **补充**：`WebSearch` 券商深度报告\n\n### 1.2 摘要 3 句话设计原则\n\n- **第一句**：动作 + 标的 + 价位 + 空间 + 时间（5 要素齐全）\n- **第二句**：驱动 + 证据（不重复摘要 9 条，聚焦\"市场为何不应忽视\"）\n- **第三句**：风险 + 触发条件（不只说\"风险\"而说\"什么条件下会怎样\"）\n- **三句话内不出现公式、不列数字明细**\n\n---\n\n## §2 五力分析规则\n\n### 2.0 框架选择\n\n| 业务模式 | 框架 |\n|---------|------|\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具/信息服务 | 框架 B 平台/生态型 |\n| 通讯/支付/交易所/系统软件 | 框架 C 网络效应 |\n| 其他（消费品/工业品/金融/地产/医药） | 框架 A 经典 Porter |\n\n### 2.5 护城河框架选择\n\n> §2.4 表格行**不固定**——按业务模式选对应框架的 Power 集填表。\n\n| 业务模式 | 护城河框架 | 加载文件 | Power 集（对应表行） |\n|---------|----------|---------|------------------|\n| 消费品/品牌/零售 | 框架 A 消费品牌 | `moat-analysis-framework.md` §1 | 品牌资产 / 渠道控制 / 用户心智占位 / 产品创新力 / 规模效应 / 文化护城河 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具 | 框架 B 平台与网络效应 | 同上 §2 | 网络经济 / 规模经济 / 转换成本 / 品牌 / 数据资产 / 生态绑定 / 聚合优势 |\n| 通讯/支付/交易所/系统软件 | 框架 B 平台与网络效应（子集） | 同上 §2 | 网络经济 / 转换成本 / 生态绑定 |\n| 制造/重资产/材料/能源/汽车零部件 | 框架 C 制造业 | 同上 §3 | 规模经济 / 工艺专长 / 客户认证壁垒 / 产品组合宽度 / 地理布局 / 供应链控制 / 专利组合 |\n| 金融/银行/保险/券商/资管 | 框架 D 金融业 | 同上 §4 | 牌照壁垒 / 资本规模 / 低成本负债 / 客户基础 / 风控能力 / 品牌信任 / 科技数据能力 |\n| 医药/生物科技/医疗器械 | 框架 E 医药 | 同上 §5 | 专利组合 / 管线深度 / 销售网络 / 生产工艺 / 品牌 / CRO-CDMO 一体化 / 数据+AI 制药 |\n| 地产/建筑 | 框架 F 地产 | 同上 §6 | 拿地能力 / 地理布局 / 融资成本 / 运营效率 / 品牌信任 / 商业地产运营 |\n\n执行：写 §2.4 表格时**只填所选框架的 Power 集**——禁止跨框架混搭（例：互联网框架里不许加\"技术\"\"牌照\"行）。\n\n---\n\n## §3 财务分析规则\n\n### 3.0 财务权重（按业务模式选唯一一套）\n\n详见 `references/financial-analysis-guide.md` §0.1。**7 套行业调整表，6 选 1 互斥**（\"其他\"无独立类别，回 Step1 重判）。\n\n### 3.1-§3.4 指标分析写法硬要求\n\n- **每条分点必须\"结论先行\"**——先给判断（\"毛利率高于行业 10pct\"），后接数据/事实（\"55% vs 行业中位数 45%\"）\n- **主语**：公司名（{公司名} / 公司 / 业务）\n- **谓语**：具体动词（高于/低于/接近/超过/显著领先）\n- **宾语**：具体数据/对比对象\n- **结构**：① 一句话总论（强/中/弱 + 关键定性特征）→ ② 3-5 个分点（结论先行 + 数据/事实）\n\n### 3.5 雷达图\n\n- 双层雷达：外层=实际得分 0-100，内层=行业中位数\n- 实现：`matplotlib` + macOS 自带中文字体（`Heiti TC` / `Songti SC`）\n- 嵌入：PNG 读取为 base64 → 内嵌到 markdown `![描述](data:image/png;base64,...)`\n\n### 3.6 杜邦分解（所有行业必做）\n\n- 公式：ROE = 净利率 × 总资产周转率 × 权益乘数\n- 亏损公司用替代公式：ROA + 扣非 ROE（详见 `financial-analysis-guide.md` §1.A）\n\n---\n\n## §6 可比公司规则\n\n### 6.1 数据获取（强制 CLI 直采）\n\n```bash\npython3 scripts/collect_data.py --finances <目标公司代码>,<可比1>,<可比2>,<可比3>\n```\n\n- 一次拉全所有公司的最近一期快照（毛利率/净利率/ROE/营收/同比/资产负债率/8 期报告期列表）\n- 精度 = 东财数据中心原始数据\n- **可比公司财务比率走 CLI 直采**（WebSearch 估算精度不够）\n\n### 6.2 列名映射（`get_finance()` 返回 → 表格列）\n\n| get_finance 字段 | 表格列 |\n|-----------------|--------|\n| 营业总收入 | {基准年} 营收（亿） |\n| 销售毛利率 | {基准年} 毛利率 |\n| 销售净利率 | {基准年} 净利率 |\n| ROE加权 | {基准年} ROE |\n| `_近8期报告期` | 选最近一个已披露完整年报的报告期作为\"基准年\"那一行 |\n\n### 6.3 可比性等级\n\n- 🟢 **高可比**：业务模式最相近\n- 🟡 **中可比**：业务模式部分重叠\n- 🔴 **低可比**：仅作产业链/规模参考\n\n---\n\n## §7 估值规则\n\n### 7.1 估值方法（按行业选 1-3 种，必须如实标注）\n\n- **通用**：PE-TTM / PB-MRQ / EV/EBITDA-TTM\n- **亏损/早期**：PS-TTM / DCF（远期）\n- **金融**：PB + 股息率 + 不良率\n- **地产**：NAV 重估\n- **港股**：PE-Forward 港股无一致预期数据，**跳过**\n- **D&A 反推算法**（OCF > 净利时有效）：`D&A = OCF 净额 - 净利润`\n- **反虚标**：只列\"实做\"方法，未做不写\n\n### 7.2 估值结论\n\n- 综合得分（按所选权重，例如互联网平台 35/10/5/50）必须列加权公式\n- 目标价给出区间 + 对应方法 + 数据来源\n\n---\n\n## §8 报告整体规则\n\n### 8.1 报告结构\n\n- 模板用主报告 `templates/deep-analysis-report-template.md`（8 个章节）\n- 简报用 `templates/briefing-card-template.html`（30 秒必读卡片）\n- 公司画像单独可走 `templates/company-profile-template.md`\n- 公司财务分析单独可走`templates/financial-analysis-template.md`\n\n### 8.2 写作风格\n\n- 结论先行，主谓宾结构，分点论据支持结论。\n- 写作风格符合金融研报\n- 表格/列表对比 + 数据附来源\n- 中文（默认）\n- 中国股票习惯：涨红跌绿\n- 货币用 ¥（CNY）/ HK$（港股）/ US$（美股）\n\n### 8.3 模板是约束\n\n- **已有的数据**：严格按照模板格式填写，不增删表格行/小节\n- **模板以外收集的数据**：可以按情况增加，但需标注 ``\n\nFile v1.0.12:references/financial-analysis-guide.md\n\n# 财务四维 + 杜邦穿透分析指南\n\n本文件在 Step4 开始时加载。提供财务四维分析(盈利/偿债/营运/成长)+ 杜邦三因子穿透分析。\n所有比率指标必须从新浪三表原始数据计算,计算过程在报告中列出。\n\n> **现金流相关指标(净现比/收现比)**:在营运能力章节作为延伸指标处理(应收/存货周转已能反映大部分现金流质量),不再单列独立维度。\n\n---\n\n## 0. 权重设计\n\n四维权重 40/20/10/30 基于\"盈利优先 / 安全垫次之 / 营运辅助 / 成长衔接\"的卖方研究多因子惯例。\n不同行业类型需调整权重(详见 §0.1),调整后**综合得分 = Σ(各维度得分 × 调整后权重)**。\n\n### 0.1 行业类型对应权重调整表\n\n| 行业类型 | 盈利 | 偿债 | 营运 | 成长 | **杜邦分解** |\n|---------|------|------|------|------|---------|\n| **一般制造/消费** | 40% | 20% | 10% | 30% | **必做** |\n| **强周期**(钢铁/化工/航运/有色) | 25% | 25% | 10% | **40%** | **必做** |\n| **强金融属性**(银行/保险/券商) | 30% | **40%** | 10% | 20% | **必做** |\n| **亏损/早期**(生物医药/SaaS/AI) | 10% | 15% | 10% | **65%** | **必做(用 ROA + 扣非 ROE 替代,见 §1.A 替代公式)** |\n| **地产/建筑** | 20% | **35%** | 20% | 25% | **必做** |\n| **互联网平台**(TOC) | 35% | 10% | 5% | 50% | **必做** |\n| **轻资产服务业**(咨询/法律) | 35% | 15% | 15% | 35% | **必做** |\n\n> **触发规则**:在 Step4 开头,根据\"业务模式标签\"(见公司画像 Step1)选定权重,并在报告\"摘要\"中说明。\n> 权重调整后,**综合得分 = Σ(各维度得分 × 调整后权重)**。\n> **杜邦三因子分解所有行业必做**,亏损公司用替代公式(详见 §1.A),不豁免。\n\n---\n\n## 一、盈利能力(权重 40% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 销售毛利率 | (营业收入 - 营业成本) / 营业收入 × 100% | 利润表 |\n| 销售净利率 | 归母净利润 / 营业收入 × 100% | 利润表 |\n| ROE | 归母净利润 / 归母股东权益 × 100% | 利润表 + 资产负债表 |\n| ROA | 净利润 / 总资产 × 100% | 利润表 + 资产负债表 |\n| ROIC | NOPAT / (总资产 - 无息流动负债) × 100% | 利润表 + 资产负债表 |\n\n说明:\n- NOPAT = 营业利润 × (1 - 实际税率),实际税率 = 所得税 / 利润总额\n- 归母股东权益 = 股东权益合计 - 少数股东权益\n- ROIC 计算较复杂,如数据不全可省略,但需标注\"数据不足\"\n\n### 评分标准\n\n| 得分 | 毛利率 | 净利率 | ROE |\n|------|--------|--------|-----|\n| 100 | 行业前 10% | 行业前 10% | > 20% |\n| 80 | 行业前 25% | 行业前 25% | 15%-20% |\n| 60 | 行业中位数 | 行业中位数 | 10%-15% |\n| 40 | 行业后 25% | 行业后 25% | 5%-10% |\n| 20 | 行业后 10% | 行业后 10% | < 5% |\n\n行业排名数据来源:脚本采集的 `f10.财务分析` 仅含本公司主要指标,**不含行业排名**。行业基准(前 10%/中位数等)须用\n`WebSearch（行业研报/竞品对比）` 算中位数；或用 Step3 竞对均值作为替代基准，并在报告中标注\"基准来源\"。\n\n### 分析要求\n\n1. 取最近 4 期数据做趋势分析,标注上升/下降趋势\n2. 与 Step3 竞对对比(至少 2 家竞对的同期数据)\n3. 毛利率持续下降 > 3 个百分点 标黄\n4. ROE 持续下降 > 3 个百分点 标红\n\n### 1.A 杜邦三因子分解(穿透分析,**所有行业必做**)\n\n> **方法论背书**:DuPont Analysis 由 Donaldson Brown(1914)提出,后经 Peter Drucker 和 Warren Buffett 推广,\n> 是穿透分析 ROE 驱动因子的标准工具。**核心思想**:同样是 ROE 18% 的公司,\n> 可能是高利润率驱动(质量型),可能是高杠杆驱动(风险型),或高周转驱动(效率型),三者估值含义完全不同。\n\n#### 三因子公式\n\n```\nROE = 销售净利率 × 总资产周转率 × 权益乘数\n\n其中:\n- 销售净利率 = 归母净利润 / 营业收入(反映定价力 + 成本控制)\n- 总资产周转率 = 营业收入 / 平均总资产(反映资产效率)\n- 权益乘数 = 平均总资产 / 归母股东权益(反映财务杠杆)\n```\n\n#### 亏损公司替代公式(净利润为负时)\n\n净利润为负时 ROE 分母失效,改用以下替代公式(保证杜邦分析**仍必做**):\n\n| 指标 | 公式 | 适用 |\n|---|---|---|\n| **ROA 替代 ROE** | 净利润 / 平均总资产 | 净利润为负但亏损可控 |\n| **扣非归母 ROE** | 扣非归母净利润 / 归母权益 | 净利润为负但扣非为正(政府补助等一次性项目) |\n| **EBIT ROIC 替代** | EBIT × (1-税率) / (有息负债 + 权益) | 早期/亏损公司 |\n| **三年平均 ROE** | 最近 3 年 ROE 算术平均 | 周期股单年亏损(用平均数平滑周期) |\n\n> **判定规则**:\n> 1. 净利润为正 → 用标准三因子公式\n> 2. 净利润为负但扣非为正 → 用扣非归母 ROE 三因子分解\n> 3. 净利润和扣非都为负 → 用 ROA + EBIT ROIC 双指标呈现\n> 4. 周期股单年亏损 → 标注\"周期低点\"并用三年平均 ROE\n> 5. **绝对不豁免**——亏损公司用替代公式,但杜邦分析必做\n\n#### 五因子扩展(异常时必做)\n\n若需进一步定位\"ROE 来自营业层面 vs 非经常性损益\",可将三因子拆为五因子:\n`ROE = 税负 × 息税前利润率 × 总资产周转率 × 权益乘数 × 营业利润率`。\n\n**触发条件(任一)**:\n- ROE > 25% 或 < 0%(异常)\n- 净利润与扣非净利润差异 > 30%(非经常损益占比大)\n- 杠杆率快速上升(权益乘数同比 +20% 以上)\n- ROE 在行业中位数偏离 > 2 倍标准差\n\n**常规分析三因子足够**,只在上述异常情况下展开五因子。\n\n#### 杜邦输出表(必做)\n\n| 报告期 | 销售净利率 | 总资产周转率 | 权益乘数 | **ROE** | 行业 ROE | 驱动因子 |\n|--------|----------|------------|---------|---------|---------|---------|\n| {最新期} | | | | | | 【净利率驱动 / 周转率驱动 / 杠杆驱动】 |\n| {上期} | | | | | | |\n| {上上期} | | | | | | |\n| {三期前} | | | | | | |\n\n#### 杜邦分析结论模板\n\n```\n**{最新期} ROE = {X}%**:\n- 净利率贡献 {Y}%(对 ROE 的边际贡献)\n- 周转率贡献 {Z}%\n- 杠杆贡献 {W}%\n\n**主导驱动**:{净利率/周转率/杠杆}\n**行业对比**:{该公司} vs {行业均值}——若 ROE 高于行业,核心来自{...}。\n**风险信号**:\n- 若杠杆贡献 > 50%:高杠杆驱动,利率上行时风险大\n- 若净利率贡献 > 50%:质量型 ROE,可持续性强\n- 若周转率贡献 > 50%:薄利多销型,需观察是否会陷入价格战\n```\n\n#### 评分标准(杜邦部分单独打分)\n\n| 得分 | 标准 |\n|------|------|\n| 100 | 净利率驱动为主 + ROE > 20% |\n| 80 | 净利率 + 周转率双驱动 |\n| 60 | 三因子均衡(健康) |\n| 40 | 杠杆驱动为主 + ROE 在行业中位数附近 |\n| 20 | 杠杆驱动 + ROE 行业后 25%,或杠杆率快速上升 |\n\n---\n\n## 二、偿债能力(权重 20% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 流动比率 | 流动资产 / 流动负债 | 资产负债表 |\n| 速动比率 | (流动资产 - 存货) / 流动负债 | 资产负债表 |\n| 资产负债率 | 总负债 / 总资产 × 100% | 资产负债表 |\n| 利息保障倍数 | 息税前利润 / 利息费用 | 利润表 |\n\n说明:\n- 息税前利润 = 利润总额 + 利息费用\n- 利息费用可能在利润表\"财务费用\"科目下,如无法拆分,用财务费用近似替代并标注\n\n### 评分标准\n\n| 得分 | 流动比率 | 速动比率 | 资产负债率 |\n|------|---------|---------|-----------|\n| 100 | > 3 | > 2 | < 30% |\n| 80 | 2-3 | 1.5-2 | 30%-45% |\n| 60 | 1.5-2 | 1-1.5 | 45%-60% |\n| 40 | 1-1.5 | 0.5-1 | 60%-75% |\n| 20 | < 1 | < 0.5 | > 75% |\n\n### 风险信号检查\n\n| 信号 | 判断标准 | 处理 |\n|------|---------|------|\n| 短期偿债压力 | 短期借款 / 货币资金 > 1 | 标红,在报告中突出提示 |\n| 有息负债率上升 | 有息负债率连续 2 期上升 | 标黄,分析原因 |\n| 利息保障倍数低 | < 3 倍 | 标红,提示偿债风险 |\n| 资产负债率异常 | 行业通常 < 50% 但该公司 > 70% | 标红,分析负债结构 |\n\n---\n\n## 三、营运能力(权重 10% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 存货周转天数 | 360 / (营业成本 / 平均存货) | 利润表 + 资产负债表 |\n| 应收账款周转天数 | 360 / (营业收入 / 平均应收账款) | 利润表 + 资产负债表 |\n| 总资产周转率 | 营业收入 / 平均总资产 | 利润表 + 资产负债表 |\n\n说明:\n- 平均存货 = (期初存货 + 期末存货) / 2\n- 平均应收账款 = (期初应收 + 期末应收) / 2\n- 平均总资产 = (期初总资产 + 期末总资产) / 2\n- 360 天为简化计算,部分行业可按 365 天\n\n### 评分标准\n\n按行业特性评分。与行业中位数对比,优于中位数 20% 以上得 80-100 分,劣于 20% 以上得 20-40 分。\n\n| 得分 | 相对行业中位数 |\n|------|-------------|\n| 100 | 优于 50% 以上 |\n| 80 | 优于 20%-50% |\n| 60 | 中位数 ±20% |\n| 40 | 劣于 20%-50% |\n| 20 | 劣于 50% 以上 |\n\n### 分析要求\n\n1. 存货周转天数上升(变慢)连续 2 期 → 标黄,分析是否库存积压\n2. 应收账款周转天数上升连续 2 期 → 标黄,分析是否回款变差\n3. 特殊行业(房地产/建筑)存货周转天数天然很长,需标注行业特性\n\n---\n\n## 四、成长能力(权重 30% 或调整后权重)\n\n### 指标定义\n\n| 指标 | 数据来源 | 说明 |\n|------|---------|------|\n| 营收同比增长率 | 新浪利润表 `营业收入_同比` 字段 | 直接读取,无需计算 |\n| 净利润同比增长率 | 新浪利润表 `归母净利润_同比` 字段 | 直接读取 |\n| 经营现金流增长率 | 新浪现金流量表 计算 | (本期 - 上期) / \\|上期\\| × 100% |\n| 扣非净利润增长率 | 新浪利润表 计算(如有扣非数据) | (本期 - 上期) / \\|上期\\| × 100% |\n\n### 评分标准\n\n| 得分 | 营收增速 | 净利润增速 | 现金流增速 |\n|------|---------|----------|----------|\n| 100 | > 30% | > 30% | > 20% 且为正 |\n| 80 | 15%-30% | 15%-30% | 10%-20% 且为正 |\n| 60 | 5%-15% | 5%-15% | 0%-10% 且为正 |\n| 40 | 0%-5% | 0%-5% | 接近 0 或轻微负 |\n| 20 | 负增长 | 负增长 | 持续负值 |\n\n### 分析要求\n\n1. 取最近 4 期做趋势分析\n2. 连续 2 期增速下降 → 标黄\n3. 营收增长但净利润下降 → 标红,分析利润率压缩原因\n4. 净利润增长但现金流下降 → 标黄,分析现金流质量\n5. 与行业平均增速对比（`WebSearch（行业研报/竞品对比）\n---\n\n## 五、综合评分计算\n\n### 加权公式\n\n```\n综合得分 = 盈利能力得分 × 盈利权重\n + 偿债能力得分 × 偿债权重\n + 营运能力得分 × 营运权重\n + 成长能力得分 × 成长权重\n```\n\n### 综合评级\n\n| 综合得分 | 评级 | 说明 |\n|---------|------|------|\n| >= 80 | 优秀 | 各维度均优于行业平均 |\n| 60-79 | 良好 | 整体处于行业中上水平 |\n| 40-59 | 一般 | 整体处于行业中游 |\n| < 40 | 较弱 | 多维落后,需重点关注 |\n\n### 注意事项\n\n1. 每个维度的得分取该维度内各指标得分的算术平均\n2. 如果某指标数据缺失,该指标不参与平均,但不降级其他指标\n3. 行业基准可能无法精确获取,此时用 Step3 竞对数据作为替代基准,并标注\"基准为竞对均值而非行业全量\"\n4. 所有评分必须列出得分依据,不能凭感觉给分\n5. **杜邦三因子分解所有行业必做**(亏损公司用替代公式),不豁免;杜邦得分**单独展示**,并补充在\"关键亮点 / 潜在隐患\"中\n\n---\n\n## 六、报告必含小节清单(Step4 输出检查)\n\n- [ ] **权重调整已说明**(报告摘要中列出选用的权重表)\n- [ ] 四维(盈利/偿债/营运/成长)每项至少 4 个指标\n- [ ] 所有比率列出公式和计算过程\n- [ ] 每个数字标注来源\n- [ ] 趋势分析(至少 4 期对比)\n- [ ] 行业对比\n- [ ] **杜邦三因子分解(必做)**\n- [ ] 综合评分已计算\n\nFile v1.0.12:references/moat-analysis-framework.md\n\n# 护城河分析:行业适配框架\n\n> 本文件在 Step3 护城河分析时加载。提供按**行业特性**适配的护城河评估框架 + 权威方法论背书 +\n> 反问机制。\n>\n> **方法论层级**:\n> - **筛选层**:与 Step1 的\"业务模式标签\"匹配,自动选择最适用的行业专用框架(选择器见 `SKILL.md` Step3.3.0)\n> - **动态层**:Teece《Dynamic Capabilities》(2018) 反问机制\n> - **权威背书**:行业专用框架各自的原始方法论(见 §0 选择器表)\n\n---\n\n## 0. 行业适配选择器(速查)\n\n> **红线规则**：业务模式标签 → 护城河框架是**六选一互斥**关系(消费品牌/平台网络/制造/金融/医药/地产)。选了哪一框架,**全篇护城河分析只用这一套**,**禁止**在主框架之外再开\"经典 6 类护城河补充\"\"现代扩展 4 类补充\"等子小节。即使公司有混合业务(如腾讯有游戏+平台、美团有外卖+酒旅),也按**主业占比最高的业务模式标签**选择唯一框架,不用双框架并行。\n\n> **完整选择器 + 触发规则**已在 `SKILL.md` Step3.3.0 给出,本节只列速查表。\n\n| 业务模式 | 选用框架 | 权威背书 |\n|----------|---------|---------|\n| 消费品 / 品牌 / 零售 | §1 消费品牌护城河 | Aaker《Building Strong Brands》+ Keller《Strategic Brand Management》 |\n| 互联网 / 平台 / 电商 / 社交 / 内容 / 游戏 / SaaS / 工具 | §2 平台与网络效应护城河 | Helmer《7 Powers》+ Thompson《Aggregation Theory》 |\n| 通讯 / 支付 / 交易所 / 系统软件 | §2 平台与网络效应护城河（网络经济 / 转换成本 / 生态绑定子集） | Helmer《7 Powers》+ 网络效应理论 |\n| 制造 / 重资产 / 材料 / 能源 / 汽车零部件 | §3 制造业护城河 | Porter《Competitive Advantage》+ Clark & Fujimoto《Product Development Performance》 |\n| 金融 / 银行 / 保险 / 券商 / 资管 | §4 金融业护城河 | Damodaran《Investment Valuation》+ 巴菲特 1995 致股东信 |\n| 医药 / 生物科技 / 医疗器械 | §5 医药护城河 | Christensen《The Innovator's Prescription》+ 专利组合经典 |\n| 地产 / 建筑 | §6 地产护城河 | Porter 五力 + 拿地能力 / 融资成本 |\n\n**当业务模式不在上述分类时**:在 Step1 公司画像阶段就要把业务模式标签搞清楚,不允许在 Step3 出现\"行业无法明确归类\"的情况。如果 Step1 业务模式标签缺失,回到 Step1 用 WebSearch 补齐\"主营业务 + 行业归属\"再进入 Step3。\n\n---\n\n## 1. 框架 A:消费品牌护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **品牌资产** | 品牌能否持续产生溢价? | 价格溢价幅度、毛利率 vs 同行、复购率、NPS 净推荐值 | Aaker(1996) 品牌资产 10 指标模型 |\n| **渠道控制** | 是否掌握终端渠道? | 直营门店数、加盟门店数、自有渠道占比、坪效 | Aaker(2000) 品牌组合战略 |\n| **用户心智占位** | 提到该品类消费者第一个想到谁? | 品类第一提及率(TOM)、品牌搜索指数 | Keller(2008) CBBE 模型 |\n| **产品创新力** | 能否持续推出爆款? | 新品收入占比、新品 3 年留存率 | BCG《The Innovation Game》(2007) |\n| **规模效应** | 采购 / 生产 / 广告规模摊薄成本 | 销售费用率、采购成本 vs 同行 | Porter(1985) 规模经济 |\n| **文化护城河**(新增) | 品牌是否绑定特定生活方式 / 文化? | 社交媒体话题量、跨界合作、KOL 主动推荐 | Holt《How Brands Become Icons》(2004) |\n\n### 反问机制(消费品牌)\n\n通用三轮反问见 §8。**消费品牌侧重点**:\n- 可复制性:新品牌从 0 到 TOM 品类第一需要多少年?\n- 周期韧性:经济下行 20% 时,品牌溢价能否维持?(例:茅台 vs 普通白酒)\n- 隐蔽威胁:有没有新一代消费者正在用新品牌替代你?(Lululemon vs 传统运动品牌)\n\n---\n\n## 2. 框架 B:平台与网络效应护城河(互联网)\n\n> 这是**最复杂的框架**,因为互联网公司的护城河来源最多元。\n\n### 核心评估维度(Hamilton Helmer 7 Powers 中的 5 种 + 现代扩展)\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **网络经济**(核心) | 用户/节点越多,价值是否越大? | Metcalfe 定律 V = n² ;跨边网络效应强度 | Helmer(1998); Reed's Law |\n| **规模经济** | 单位成本是否随规模下降? | CAC / 营收(应随规模下降) | Helmer(1998) |\n| **转换成本** | 用户切换到竞品的成本? | 数据迁移成本、关系链重建成本、API 锁定 | Helmer(1998) |\n| **品牌**(平台品牌) | 平台品牌是否值得信任? | 用户主动搜索量、App Store 评分、用户投诉率 | Helmer(1998) |\n| **数据资产**(现代扩展) | 数据飞轮是否已经转起来? | 数据量、年增量、数据多样性、模型效果 | Thompson(2017); Agrawal et al.《Prediction Machines》(2018) |\n| **生态绑定**(现代扩展) | 第三方应用/商家是否愿意留在你的平台? | 第三方开发者数量、API 调用量、平台 GMV 增速 | Iansiti & Lakhani《Competing in the Age of AI》(2020) |\n| **聚合优势**(独家) | 平台是否已\"赢家通吃\"或\"寡头化\"? | CR3 份额(>70% 算赢家通吃) | Thompson(2014) Aggregation Theory |\n\n### 互联网护城河三轮反问(升级版)\n\n> **方法论**:Andrew Chen《The Cold Start Problem》(2015)指出,网络效应有\"启动-成熟-衰退\"三阶段,\n> 反问必须**结合阶段**才有意义。\n> 通用三轮反问(可复制性/周期韧性/隐蔽威胁)见 §8,**本节只列互联网特有内容**。\n\n**互联网特有第一轮:护城河阶段判断**\n\n```\n该护城河处于哪个阶段?\n├── 启动期(网络效应尚未形成)\n│ └── 反问:用户增长是否触发了网络效应?N 增长后 V 是否显著提升?\n├── 成熟期(护城河已建立,稳定变现)\n│ └── 反问:边际增长是否仍带来边际价值?\n└── 衰退期(新平台冲击)\n └── 反问:用户是否开始多归属/迁移?\n```\n\n**互联网隐蔽威胁特别项**(在 §8 隐蔽威胁基础上扩展):\n- **新模式替代**:Web3 替代 Web2?短视频替代图文?\n- **监管威胁**:反垄断、数据安全、未成年人保护\n- **跨平台颠覆**:Apple/Google 通过系统级能力直接绕过平台\n- **技术替代**:大模型对搜索/推荐/客服的颠覆\n\n---\n\n## 3. 框架 C:制造业护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **规模经济** | 采购/生产/销售的规模效应 | 产能利用率、单位成本随规模下降斜率 | Porter(1985) |\n| **工艺专长** | Know-how 是否需要长期积累? | 良品率、单位能耗、专利数量 | Hayes & Wheelwright《Restoring Our Competitive Edge》(1984) |\n| **客户认证壁垒** | 客户切换是否需要重新认证? | 客户认证周期(汽车 2-3 年、医疗 3-5 年)、认证产品收入占比 | Helper & Sako《Supplier Relations in Japan》(1995) |\n| **产品组合宽度** | 能否一站式满足客户? | SKU 数量、交叉销售率 | Porter(1985) 产品差异 |\n| **地理布局** | 产能是否靠近客户? | 海外基地数、运输半径 | 供应链管理经典 |\n| **供应链控制**(现代) | 原材料/关键零部件是否自主? | 垂直一体化率、关键原材料自给率 | Christopher《Logistics & Supply Chain Management》(2016) |\n| **专利组合**(现代) | 专利组合是否构成有效壁垒? | 发明专利数、核心专利被引用次数、PCT 国际专利 | Granstrand《The Economics and Management of Intellectual Property**(1999) |\n\n### 反问机制(制造业)\n\n通用三轮反问见 §8。**制造业侧重点**:\n- 可复制性:新进入者要复制规模需要多少资本?客户认证需要多少年?(汽车 2-3 年、医疗 3-5 年)\n- 周期韧性:行业下行 20% 时,公司毛利率压缩多少?(用上一轮行业下行期数据,例:周期股 20% 下行期毛利率压缩 2-3pct)\n- 隐蔽威胁:海外反倾销/关税、新材料替代、加工费持续下行压力\n\n---\n\n## 4. 框架 D:金融业护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **牌照壁垒** | 是否持有稀缺牌照? | 牌照种类(银行/保险/券商/资管/支付)、监管评级 | 中国银保监会/证监会牌照体系 |\n| **资本规模** | 资本金是否构成壁垒? | 一级资本净额、客户存款规模 | 巴菲特 1995 致股东信 |\n| **低成本负债**(Float) | 能否用低成本获取资金? | 净息差、负债成本率、保险浮存金规模 | 巴菲特 1995 致股东信:\"Float 是我们最重要的资产\" |\n| **客户基础** | 客户数量 + 黏性? | 客户数(零售/对公)、MAU、流失率 | 银行业经典 |\n| **风控能力** | 不良率是否低于行业? | 不良率、拨备覆盖率、ROE 稳定性 | 信用风险经典 |\n| **品牌信任** | 客户是否信任品牌? | 品牌搜索量、客户主动选择率 | Kotler《Marketing Management》 |\n| **科技/数据能力**(现代) | 数字化是否构成壁垒? | 数字客户占比、AI 风控准确率、专利数 | 招商银行案例 |\n\n### 反问机制(金融业)\n\n通用三轮反问见 §8。**金融业侧重点**:\n- 可复制性:牌照壁垒多久才能拿到?资本金多久能积累?\n- 周期韧性:经济下行时不良率上升多少?(优秀 < 50bps,警戒 > 100bps)\n- 隐蔽威胁:利率市场化压低净息差、互联网平台分流、金融科技颠覆\n\n---\n\n## 5. 框架 E:医药护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **专利组合** | 核心专利能否阻挡仿制? | 化合物专利数、晶型专利、用途专利、专利剩余年限 | Granstrand(1999) |\n| **管线深度** | 未来 5 年是否有重磅新药? | III 期临床数、NDA/BLA 数量、PDUFA 日期 | EvaluatePharma 行业标准 |\n| **销售网络** | 医院/药店覆盖率? | 三级医院覆盖数、销售人员数、学术推广能力 | McKinsey 医药销售经典 |\n| **生产工艺** | 复杂分子合成能力? | 高活性原料药(HPAPI)能力、连续流反应 | 医药工程经典 |\n| **品牌**(OTC/品牌药) | 终端品牌认知度? | 零售药店份额、品牌搜索量 | OTC 营销经典 |\n| **CRO/CDMO 一体化**(现代) | 能否提供端到端服务? | 一体化客户占比、漏斗转化率 | Frost & Sullivan 报告 |\n| **数据 + AI 制药**(前沿) | AI 制药是否构成壁垒? | 候选化合物数、临床前研发周期 | BCG《The AI Revolution in Drug Discovery》(2020) |\n\n### 反问机制(医药)\n\n通用三轮反问见 §8。**医药侧重点**:\n- 可复制性:化合物专利多久到期?管线是否被\"专利悬崖\"威胁?\n- 周期韧性:集采降价后毛利率是否仍健康?\n- 隐蔽威胁:生物类似药冲击、基因编辑/细胞治疗颠覆、医保谈判压价\n\n---\n\n## 6. 框架 F:地产/建筑护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **拿地能力** | 能否持续获取优质土地? | 土地储备、土储平均成本、拿地集中度 | 房地产经典 |\n| **地理布局** | 是否聚焦高线城市? | 一二线土储占比、城市能级分布 | 行业研究 |\n| **融资成本** | 融资成本是否低于行业? | 综合融资成本、债券评级 | 财务经典 |\n| **运营效率** | 周转率/IRR 是否领先? | 存货周转、去化周期、IRR | 内部管理 |\n| **品牌信任** | 客户是否信任交付能力? | 销售去化率、保交付口碑 | 品牌研究 |\n| **商业地产运营**(现代) | 商管能力是否构成壁垒? | 在管面积、出租率、单位租金 | 凯德/万达模式 |\n\n### 反问机制(地产)\n\n通用三轮反问见 §8。**地产侧重点**:\n- 可复制性:拿地能力能否在 2-3 年内被新玩家追上?\n- 周期韧性:房价下行 20% 时,公司能否保现金流?\n- 隐蔽威胁:人口拐点、租赁住房冲击、REITs 退出渠道\n\n---\n\n## 8. 护城河三轮反问(统一机制,所有框架适用)\n\n> **方法论背书**:这个反问机制融合了 Buffett 1995 致股东信\"城堡 + 护城河\"比喻、\n> Howard Marks《Mastering the Market Cycle》(2018)\"周期视角\"、\n> Helmer《7 Powers》\"Power 持久性\"概念。\n\n### 第一轮:可复制性(2-5 年)\n\n> 竞争对手要复制这个优势,需要多少资金?多少时间?目前有没有竞对正在复制?\n\n- 2 年内可复制 → 降级为**窄护城河**\n- 5 年内可复制 → 维持评级\n- 5+ 年难复制 → 维持**宽护城河**\n\n### 第二轮:周期韧性\n\n> 如果行业需求下降 20%,这个护城河还能保护公司的利润率吗?\n\n- **历史下行期测试**:用三表数据验证公司历史下行期表现\n- 例:2018 年贸易战、2020 年疫情、2022 年加息周期\n- 毛利率压缩 < 3pct → 护城河强\n- 毛利率压缩 3-10pct → 护城河中\n- 毛利率压缩 > 10pct → 护城河弱\n\n### 第三轮:隐蔽威胁(短期 3 年 + 长期 5-10 年)\n\n> 有没有当前没注意到的新技术/新模式/新政策正在侵蚀这个护城河?\n\n- **3 年内威胁**:新进入者、产能扩张、技术替代\n- **5-10 年威胁**:监管变化、技术革命、消费习惯迁移\n- `WebSearch(<公司名> 行业 变革 颠覆 政策`（附当前年份）)\n### 反问记录表(每轮)\n\n每轮记录:**反问问题 → 分析过程 → 评级是否调整 → 理由**。\n\n---\n\n## 9. 最终护城河综合评级(5 档)\n\n| 评级 | 含义 | 典型代表 |\n|------|------|---------|\n| **极宽** | 多重 Power 复合,5+ 年难撼动 | 茅台、苹果、台积电、微信 |\n| **宽** | 单一 Power 但极强,3-5 年难撼动 | 苹果(品牌+生态)、宁德时代(规模+客户认证) |\n| **中-宽** | 单一 Power 较强 + 辅助 Power 1-2 个 | {制造业细分龙头}(技术+规模)、{医疗器械龙头}(产品+销售) |\n| **中** | 1 个 Power 但被部分削弱 | 多数中型制造/消费 |\n| **窄** | 0-1 个 Power,且持续被削弱 | 多数传统零售、传统媒体 |\n| **无** | 没有可持续 Power,纯周期/纯资源 | 多数强周期股、纯 OEM |\n\n### 综合评级输出模板\n\n```\n**最终护城河综合评级**:{极宽 / 宽 / 中-宽 / 中 / 窄 / 无}\n**护城河类型**:{品牌型 / 规模型 / 网络效应型 / 转换成本型 / 牌照型 / 数据型 / 工艺型}\n**核心逻辑**:{一句话说明护城河的主要来源}\n**最大侵蚀力量**:{未来 3-5 年最可能侵蚀护城河的因素}\n**支撑依据**:{2-3 个关键数据点 + 来源}\n```\n\n---\n\n## 10. 质量门(Step3 护城河输出检查)\n\n- [ ] **已选定适配框架**(用 §0 选择器),并在报告中说明\n- [ ] 每个 Power 给出**初始评级** + **三轮反问后最终评级**\n- [ ] 每轮反问有明确结论\n- [ ] 最终护城河评级有数据支撑\n- [ ] **护城河类型**明确归类(品牌/规模/网络/转换/牌照/数据/工艺)\n- [ ] 最大侵蚀力量已识别\n- [ ] (互联网公司)LTV/CAC、MAU/DAU、留存率有数据点\n- [ ] (制造业)规模效应曲线 + 客户认证周期有数据点\n- [ ] (金融)牌照 + 资本 + Float 有数据点\n- [ ] (医药)专利剩余年限 + 管线深度有数据点\n\n---\n\n## 11. 竞争格局收尾:「为啥非它不可」3 问(Step3 §3.4 使用)\n\n> **位置**:在 §3.1 识别竞对 + §3.2 业务对比之后,§3.3 护城河分析之前——从客户视角做竞争格局收尾,作为护城河分析的过渡。\n> **3 问骨架通用**(Hamilton Helmer 7 Powers 核心三件套),**具体指标按行业适配**——下表是 6 套护城河框架对应的 Q1/Q2/Q3 指标定义。\n> **与 §8 通用反问的区分**:§8 问的是\"竞对能不能复制你的护城河\";\"为啥非它不可\"问的是\"客户为什么非选你不可\"——两个视角互补。\n\n### 11.1 3 问骨架(通用)\n\n- **Q1 不可替代性** — 客户为什么选这家公司而非竞品\n- **Q2 议价稳定性** — 客户切换会失去什么定价/费率优势\n- **Q3 客户锁定** — 客户切换的成本(数据/认证/关系/习惯)\n\n### 11.2 各护城河框架的 Q1/Q2/Q3 指标定义\n\n> 按 §3.3 选定的护城河框架(业务模式标签 → 框架 A-F)查对应行。\n\n| 框架 | 业务模式 | Q1 不可替代性 | Q2 议价稳定性 | Q3 客户锁定 |\n|------|---------|--------------|--------------|------------|\n| **A 消费品牌** | 消费品/零售 | 品牌心智 / 渠道卡位 / 品类占位(如茅台=高端白酒) | **提价权**——品牌溢价、单价稳定/提升证据 | **复购率/会员留存**——5+ 年品牌沉淀 |\n| **B 平台/网络效应** | 互联网/平台/电商/社交/内容/游戏/SaaS | 跨边网络效应 / 双边规模 / 数据飞轮 | **单价/RPM 稳定**——抽佣率稳定、RPM 不降证据 | **DAU/MAU/留存**——使用时长、转换成本 |\n| **C 制造业** | 制造/重资产/材料/能源/汽车零部件 | 工艺 know-how / 客户认证 / 规模效应 | **合同价稳定性**——订单单价年降幅度 ≤ 通胀、原材料顺价能力 | **认证锁定**——客户认证周期(汽车 2-3 年/医疗 3-5 年)+ 续约率 |\n| **D 金融业** | 金融/银行/保险/券商/资管 | 牌照 / 资本金 / 渠道 | **净息差/费率稳定**——净息差稳定或走阔、综合费率证据 | **AUM 留存**——AUM 增长率、客户数、续保率 |\n| **E 医药** | 医药/生物科技/医疗器械 | 化合物专利 / 管线深度 / 销售网络 | **专利期议价权**——创新药专利期定价权、集采压力下的差异化 | **处方/医生黏性**——医生处方习惯、医院覆盖率 |\n| **F 地产/建筑** | 地产/建筑 | 拿地能力 / 融资成本 / 土储质量 | **房价/客单价议价权**——产品溢价、去化率 | **客单价/老带新**——复购率(写字楼租赁续约)、老带新比例 |\n\n### 11.3 输出模板\n\n```\n**\"为啥非它不可\"定论**(1 句):\n{该公司的不可替代性来自...}\n\n**3 问验证**:\n- Q1 不可替代性({Q1 指标}): ...\n- Q2 议价稳定性({Q2 指标}): ...\n- Q3 客户锁定({Q3 指标}): ...\n\n**护城河初判**:{极强/强/中/弱}(取决于 3 问回答的强度)\n```\n\n### 11.4 质量门\n\n- [ ] Q1-Q3 每问有明确回答(不是\"待评估\"或\"不清楚\")\n- [ ] 1 句定论与 3 问回答方向一致\n- [ ] 护城河初判有数据支撑(不空喊\"宽护城河\"却没证据)\n- [ ] Q1/Q2/Q3 指标已对照 §11.2 选定的护城河框架行(对号入座)\n\nFile v1.0.12:references/porter-five-forces-template.md\n\n# 行业适配的产业链与竞争结构分析\n\n> 本文件在 Step2 开始时加载。提供按**行业特性**适配的竞争结构分析框架。\n> 加载后第一步:用\"五力框架选型\"确定用哪套框架,再按该框架的指标体系执行。\n> **流程**:先在 Step1 做好行业分类(打业务模式标签) → Step2 §2.0 根据标签选五力框架。\n\n---\n\n## 0. 五力框架选型(必读)\n\n> **红线规则**：业务模式标签 → 框架是**三选一互斥**关系(A 经典 / B 平台 / C 网络效应)。选了哪一框架,**全篇五力分析只用这一套**,**禁止**在主框架之外再开\"补充经典 Porter 五力\"\"平台属性速评\"\"经典五力作为参考\"等子小节。即使公司有混合业务(如腾讯有游戏+平台、美团有外卖+酒旅),也按**主业占比最高的业务模式标签**选择唯一框架,不用双框架并行。\n\nPorter 五力(1985)是**通用框架**,但对平台/生态型公司解释力不足。Step2 开始前必须判断行业类型,选择对应框架:\n\n```\n目标公司所属赛道是什么?\n│\n├── 传统制造 / 重资产 / 周期型(钢铁、化工、铝、航运、地产、银行)\n│ └── 用【框架 A:经典 Porter 五力】\n│\n├── 互联网平台 / 双边市场 / SaaS / 社交 / 内容 / 电商 / O2O\n│ └── 用【框架 B:平台/生态型五力】(本文件 §2)\n│ 权威背书:Ben Thompson《Aggregation Theory》(Stratechery, 2014-2017)\n│ Parker, Van Alstyne & Choudary《Platform Revolution》(2016)\n│ Eisenmann, Parker & Van Alstyne《Platform Envelopment》(2011, MIT Sloan)\n│\n└── 网络效应型(通讯、支付、操作系统、交易所、开发工具)\n └── 用【框架 C:网络效应五力】(本文件 §3)\n 权威背书:Hamilton Helmer《7 Powers》(1998/2016)\n Metcalfe's Law + Reed's Law(网络效应量化)\n```\n\n**判定依据**(用 f10.行业分析 + f10.公司概况 字段):\n- 行业关键词含\"互联网/平台/电商/社交/内容/游戏/SaaS/软件/信息服务\" → 框架 B\n- 行业关键词含\"通讯/支付/交易所/系统软件\" → 框架 C\n- 其他 → 框架 A\n\n**当行业无法明确归类时**:在 Step1 公司画像阶段就要把行业归属搞清楚,不允许在 Step2 出现\"无法明确归类\"的情况。如果 Step1 行业字段缺失,回到 Step1 用 WebSearch 补齐\"所属行业(申万/HSI/Wind 三选一)\"再进入 Step2。\n\n---\n\n## 1. 框架 A:经典 Porter 五力(传统/重资产/周期型)\n\n适用于:制造业、化工、有色金属、地产、银行、传统消费品、传统服务业。\n\n### 分析框架\n\n| 力量 | 对应产业链位置 | 核心问题 |\n|------|-------------|---------|\n| 供应商议价力 | 上游 | 供应商能否提高价格或降低质量? |\n| 买方议价力 | 下游 | 客户能否压价或要求更多服务? |\n| 现有竞争者威胁 | 中游(同行) | 行业内竞争有多激烈? |\n| 新进入者威胁 | 潜在竞争 | 新玩家进入的难度有多大? |\n| 替代品威胁 | 跨界竞争 | 有没有替代产品/服务正在侵蚀市场? |\n\n### 逐项分析模板\n\n#### 1. 供应商议价力(上游)\n\n**分析要点**:\n- 主要原材料/技术/服务供应方有哪些?\n- 供应商集中度:前 5 大供应商采购占比(如有数据)\n- 切换成本:更换供应商的成本和时间\n- 是否有替代供应商\n- 供应商是否有向前一体化的能力\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业描述\n- `WebSearch`（搜索供应商 / 原材料 / 采购描述）\n- `WebSearch(<行业> 产业链 上游`（行业上游供应商格局）)\n**评级标准**:\n- **强**:供应商集中度高、切换成本高、无替代 → 目标公司议价力弱\n- **中**:有一定选择空间但切换有成本\n- **弱**:供应商分散、切换成本低 → 目标公司议价力强\n\n#### 2. 买方议价力(下游)\n\n**分析要点**:\n- 主要客户群体是谁?\n- 客户集中度:前 5 大客户销售占比(如有数据)\n- 产品可替代性:客户能否轻易找到替代产品\n- 客户价格敏感度\n- 客户是否有向后一体化的能力\n\n**数据来源**:\n- `finance`(东财主要财务指标) 中的盈利能力(反映定价权)\n- `WebSearch`（客户 / 下游 / 销售描述）\n- `WebSearch(<行业> 产业链 下游`（行业下游客户格局）)\n**评级标准**:\n- **强**:客户集中度高、产品可替代、客户价格敏感 → 目标公司议价力弱\n- **中**:客户有一定分散度\n- **弱**:客户分散、产品不可替代、客户价格不敏感 → 目标公司议价力强\n\n#### 3. 现有竞争者威胁\n\n**分析要点**:\n- 同行业主要竞争对手有谁?\n- 市场份额分布(CR3/CR5 集中度)\n- 竞争手段:价格战/差异化/服务竞争\n- 行业增速:高增速行业竞争相对缓和,低增速行业竞争激烈\n- 退出壁垒:产能是否容易退出\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业地位\n- 从 `/tmp/{代码}_data.json` → `em_info` 字段读取行业分类\n- `WebSearch（行业排名）`（行业整体排名 / CR3 / 竞争格局）\n- `WebSearch（同行业可比公司）- `WebSearch`（竞品 / 竞争描述）\n\n**评级标准**:\n- **强**:竞争者多、份额分散、价格竞争激烈、行业低增长\n- **中**:有一定竞争但格局相对稳定\n- **弱**:竞争者少、份额集中、差异化竞争、行业高增长\n\n#### 4. 新进入者威胁\n\n**分析要点**:\n- 资金壁垒:初始投资规模\n- 技术壁垒:核心技术/专利保护\n- 牌照壁垒:行业准入资质\n- 品牌壁垒:品牌认知度和客户忠诚度\n- 渠道壁垒:销售网络建设难度\n- 规模壁垒:是否需要规模经济才能盈利\n- 政策壁垒:环保/安全/数据等监管要求\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业特性\n- `WebSearch`（行业准入门槛 / 牌照 / 壁垒）\n- `WebSearch(<行业> 新进入者 投资 门槛`（新进入者动态）)\n**评级标准**:\n- **强(威胁小)**:壁垒高、新进入者难以撼动\n- **中**:有一定壁垒但资本雄厚者可突破\n- **弱(威胁大)**:壁垒低、新玩家容易进入\n\n#### 5. 替代品威胁\n\n**分析要点**:\n- 有哪些替代产品/服务?\n- 替代品的性价比对比\n- 客户转换到替代品的成本\n- 替代品的发展趋势(是否在快速迭代)\n- 是否有跨界竞争者(如互联网公司颠覆传统行业)\n\n**数据来源**:\n- `WebSearch(<行业> 替代品 替代方案 颠覆`)- `WebSearch`（替代品 / 新技术 / 趋势）\n- `f10.行业分析` / `f10.公司概况` 行业趋势\n\n**评级标准**:\n- **强**:替代品性价比高、客户切换成本低、替代趋势明确\n- **中**:有替代品但尚未形成规模威胁\n- **弱**:暂无明显替代品\n\n---\n\n## 2. 框架 B:平台/生态型五力(互联网/SaaS/双边市场)\n\n> **方法论背书**:Ben Thompson 在 Stratechery 提出的 **Aggregation Theory**(2014-2017)指出,\n> 互联网平台的核心是\"聚合用户和供应商\",通过控制用户关系(而非控制供给)获得超额利润。\n> 平台竞争结构与传统制造业有根本不同——**用户获取成本(CAC)、留存率、LTV、网络效应、跨边网络效应**\n> 这五个指标比传统\"上下游议价力\"更具解释力。\n>\n> **本框架综合**:Aggregation Theory + Parker/Van Alstyne《Platform Revolution》网络效应分类\n> + 平台单位经济(unit economics)分析。\n\n### 分析框架\n\n| 力量 | 对应平台机制 | 核心问题 |\n|------|-----------|---------|\n| 用户获取成本(CAC) | 需求侧 | 平台拉新一个用户花多少钱?效率在变高还是变低? |\n| 用户留存与生命周期价值(LTV) | 需求侧 | 留存多少?单个用户生命周期贡献多少收入? |\n| 同边网络效应 | 同侧 | 用户越多,平台对同类型用户价值越大吗? |\n| 跨边网络效应 | 双边 | 一侧用户增长能否带动另一侧增长? |\n| 平台 vs 平台(替代品) | 跨平台 | 用户切换到其他平台的成本有多高? |\n\n### 逐项分析模板\n\n#### 1. 用户获取成本(CAC)— 替代\"供应商议价力\"\n\n**分析要点**:\n- 拉新成本趋势:近 3-4 期 CAC 是上升还是下降?(下降 = 平台规模效应;上升 = 流量见顶)\n- 渠道结构:自然流量占比 vs 付费流量占比(自然流量占比高 = 平台心智强)\n- 销售费用率:销售费用 / 营收(行业前 10% vs 中位数对比)\n- 头部效应:头部 1% 用户贡献多少?长尾多少?(衡量依赖度)\n\n**数据来源**:\n- 利润表销售费用、管理费用、研发费用\n- `WebSearch`（用户获取 / 拉新成本 / 留存）\n- `WebSearch(<代码> --limit 10`（MAU / DAU / 付费用户 / 财报披露）)- 招股书 / 年报\"经营情况讨论与分析\"章节\n\n**评级标准**:\n- **强(护城河深)**:CAC 持续下降 + 自然流量占比 > 60% + 销售费用率低于行业中位数\n- **中**:CAC 趋稳 + 销售费用率行业中位数附近\n- **弱(护城河浅)**:CAC 上升 + 付费流量依赖 + 销售费用率高于行业中位数\n\n#### 2. 用户留存与 LTV — 替代\"买方议价力\"\n\n**分析要点**:\n- 次日/7 日/30 日留存率(招股书或券商深度报告常披露)\n- 12 个月留存率(> 40% 算优秀,< 20% 警惕)\n- 流失率趋势(Churn Rate):LTM 流失率 vs 上年同期\n- LTV / CAC 比值:> 3 健康,1-3 警戒,< 1 不可持续\n- 付费转化率:免费用户 → 付费用户的转化漏斗\n\n**数据来源**:\n- 招股书\"业务与技术\" / \"经营情况\"章节\n- `WebSearch`（留存率 / 流失率 / LTV）\n- 财报\"用户数据\"披露(互联网公司常规披露)\n\n**评级标准**:\n- **强**:12 月留存 > 40% + LTV/CAC > 3 + 流失率下行\n- **中**:12 月留存 20%-40% + LTV/CAC 1-3\n- **弱**:12 月留存 < 20% + LTV/CAC < 1\n\n#### 3. 同边网络效应 — 替代\"现有竞争者威胁\"\n\n**分析要点**:\n- 用户规模越大,平台对同类型用户价值是否增加?\n - 例:微信用户越多 → 通信价值越大(强同边)\n - 例:LinkedIn 用户越多 → 求职价值越大(中等)\n - 例:Netflix 用户越多 → 订阅价值不变(无)\n- 头部 KOL / 商家集中度:CR10 商家占 GMV 多少?\n- 平台 MAU/DAU 比值(粘性):> 30% 高粘性,< 15% 工具型\n- 用户日均使用时长趋势(YoY)\n\n**数据来源**:\n- 招股书 / 年报\"用户数据\"章节\n- `WebSearch(<代码> --limit 10`（MAU / DAU / 黏性 / 使用时长）)\n**评级标准**:\n- **强**:同边网络效应明显 + MAU/DAU > 30% + 使用时长持续增长\n- **中**:有一定粘性但增速放缓\n- **弱**:工具型平台,使用即走\n\n#### 4. 跨边网络效应 — 替代\"新进入者威胁\"\n\n**分析要点**:\n- 需求侧用户增长是否能带动供给侧(商户/开发者/创作者)增长?\n - 例:淘宝买家越多 → 商家越多(强跨边)\n - 例:滴滴乘客越多 → 司机越多(强跨边)\n - 例:微信用户越多 → 公众号创作者越多(中等)\n- 供给侧集中度:头部供给方占比 + 议价力\n- 平台对供给侧是否补贴?(补贴退坡后是否会流失?)\n- 飞轮效应是否已经转起来?\n\n**数据来源**:\n- 招股书 / 年报\"双边市场\" / \"网络效应\"披露\n- `WebSearch`（双边市场 / 飞轮 / 网络效应）\n- `WebSearch(<行业> 多归属 跨边网络 平台经济学`（行业平台经济学）)\n**评级标准**:\n- **强(壁垒深)**:跨边网络效应已验证 + 头部供给方难离开 + 飞轮稳定\n- **中**:跨边效应存在但较弱\n- **弱**:单边平台,跨边效应不明显\n\n#### 5. 平台 vs 平台(替代品)— 替代\"替代品威胁\"\n\n**分析要点**:\n- 用户多归属(multi-homing)成本:用户在多个平台同时存在吗?\n - 社交平台:低多归属(微信一家独大)\n - 内容平台:高多归属(抖音 + B站 + 小红书并行)\n - 电商平台:中等(用户多个 App 都装)\n- 切换成本:数据迁移、关注关系重建、商家资质重新审核\n- 平台可替代性:若主要竞品是同类型平台(微信 vs QQ),还是跨类型(微信 vs 钉钉)?\n\n**数据来源**:\n- `WebSearch`（用户多归属 / 切换成本 / 平台竞争）\n- `WebSearch(<行业> 头部平台 市场份额 跨平台`（行业头部平台格局）)\n**评级标准**:\n- **强(护城河深)**:用户低多归属 + 切换成本高 + 竞品为同类型有限几家\n- **中**:多归属存在但平台差异化明显\n- **弱(护城河浅)**:用户高多归属 + 切换成本低 + 跨类型竞品多\n\n### 输出格式(框架 B 专用,合并到模板 §2.2 通用 5 行)\n\n| 力量(框架 B 视角) | 评级(强/中/弱) | 对公司影响 | 关键论据(网络效应 / 单位经济 / 平台 vs 平台) |\n|---|---|---|---|\n| 供应商议价力 → 平台供给侧 | | | KOL/商家集中度、补贴依赖度 |\n| 买方议价力 → 用户侧 | | | 用户多归属率、补贴敏感度、切换成本 |\n| 现有竞争者 → 平台 vs 平台 | | | 同类平台数、差异化程度、LTV/CAC |\n| 新进入者威胁 → 跨类型竞品 | | | 跨类型(自营/社交/工具)替代压力 |\n| 替代品威胁 → 飞轮/单边增速 | | | 同边 + 跨边网络效应强度、单位经济回收期 |\n\n**单位经济(unit economics)速判**:LTV/CAC = __,回收期 = __ 月\n\n**护城河类型**:【规模效应型 / 网络效应型 / 数据资产型 / 生态绑定型】\n```\n\n---\n\n## 3. 框架 C:网络效应五力(交易所/支付/通讯/系统软件)\n\n> **方法论背书**:Hamilton Helmer 在《7 Powers》(1998/2016)中系统化定义了 **7 种竞争优势来源**,\n> 其中与网络效应最相关的有 4 种:网络经济(Network Economy)、规模经济(Economy of Scale)、\n> 转换成本(Switching Cost)、品牌(Brand)。本框架以这 4 种 Power 为核心,辅以 Metcalfe/Reed 定律做量化。\n\n### 适用场景\n- 交易所(沪深交易所、港交所、币安)\n- 支付网络(银联、支付宝、Visa、PayPal)\n- 操作系统(Windows、iOS、Android)\n- 通讯网络(中国移动、运营商)\n- 开发工具(GitHub、AWS、VS Code)\n- 大型多人游戏(LOL、王者荣耀)\n\n### 分析框架\n\n| 维度 | 核心问题 | 量化指标 |\n|------|---------|---------|\n| **网络经济**(同边 + 跨边) | 用户/节点数翻倍,价值是否翻倍以上? | Metcalfe 定律 V = n² ;Reed 定律 V = 2ⁿ |\n| **节点分布与马太效应** | 头部节点占多少流量?是否赢家通吃? | CR10 节点流量占比、基尼系数 |\n| **多归属与切换成本** | 用户能否低成本切换到其他网络? | 多归属比例、协议标准锁定、API 锁定 |\n| **生态厚度** | 网络上跑了多少互补品/应用? | 第三方应用数、API 调用量、SDK 下载量 |\n| **技术演进威胁** | 是否有新一代协议/标准正在替代? | Web3 替代 Web2、IPv6 替代 IPv4 |\n\n### 评级标准(框架 C)\n\n- **强护城河**:网络效应已被验证 + 头部节点高度集中 + 切换成本高 + 生态厚度持续扩大\n- **中**:有网络效应但被新进入者部分削弱\n- **弱**:网络效应尚在建立中 / 面临技术替代\n\n---\n\n## 5. 搜索指引与质量门\n\n无论选哪套框架,五力搜索合并为 **2-3 次**(互相独立,可并行执行)。\n**搜索关键词、评级格式、质量门**已在 `SKILL.md` Step2 中统一定义,本文件不重复列出。\n\n每项评级:强/中/弱 + 至少 2 条数据支撑。\n\n**框架 B 专用**追加(在 2 次基础搜索之外):\n```\nWebSearch # 用户获取 / 留存 / LTV / 飞轮 / 网络效应\nWebSearch(<代码> --limit 10 # MAU / DAU / 付费用户 / 销售费用率)```\n\nFile v1.0.12:references/valuation-methods.md\n\n# 相对估值方法参考\n\n本文件在 **Step5** 开始时加载。提供 10 个相对估值变体的方法选取、公式速查、可比公司选取原则、估值区间计算和交叉验证规则。\n\n---\n\n## §1 四步法：行业 → 估值方法决策\n\n```\nStep1：现金流稳不稳？\n├─ 稳（消费/医药/公用） → PE-TTM 首选，PE-Forward 补充\n└─ 不稳（周期/初创） → 走 Step2\n\nStep2：资产重 vs 轻？\n├─ 重（银行/地产/资源） → PB-MRQ 首选，EV/EBITDA-TTM 补充\n└─ 轻（互联网/软件） → PS-TTM 首选，EV/Revenue 补充\n\nStep3：行业特殊触发？\n├─ 周期制造 → 周期中点 PE（替代 PE-TTM）\n├─ SaaS / 互联网平台 → Rule of 40（替代 EV/Revenue）\n├─ 半导体/航空/资源 → EV/EBITDA-TTM 优先\n└─ 通用 → 走完 Step1+2 即可\n\nStep4：是否盈利用 Forward？\n├─ 盈利可见 + 预测一致性好 → 加 Forward 变体\n└─ 不可见 / 一致预期分歧大 → 不用 Forward\n```\n\n**实操入口**：`scripts/valuation.py` 的 `_classify_industry(data)` 已实现上述判定逻辑，输入申万一级行业自动返回首选方法 + 交叉验证方法。\n\n---\n\n## §2 10 个相对估值变体速查\n\n| 变体 | 公式 | 适用行业 | 关键数据源 |\n|---|---|---|---|\n| **PE-TTM** | 合理股价 = TTM EPS × 可比 PE 中位数 | 消费/医药/公用 | `eps_ttm` / `quote` / peers |\n| **PE-Forward** | 合理股价 = Forward EPS × 可比 PE 中位数 | 盈利可见的高增长 | `eps_forward`（ths_forecast） |\n| **周期中点 PE** | 合理股价 = 历史 EPS 中位数 × 周期 PE 中位数 | 周期制造（钢/化/煤/航运） | `eps_history`（5-10 年） |\n| **PB-MRQ** | 合理股价 = BVPS × 可比 PB 中位数 | 银行/地产/重资产 | `bvps` / `quote` / peers |\n| **PB-Forward** | 合理 PB = (ROE - g) / (COE - g) | 银行/券商 | `bvps` + ROE 假设 |\n| **PS-TTM** | 合理股价 = TTM SPS × 可比 PS 中位数 | 高成长未盈利 | `sps_ttm` / peers |\n| **PS-Forward** | 合理股价 = Forward SPS × 可比 PS 中位数 | 增长可见的早期 | `sps_forward` |\n| **EV/EBITDA-TTM** | 合理 EV = TTM EBITDA × 可比 EV/EBITDA | 资本密集（半导体/资源/航空） | `calc_ebitda(lrb+llb)` |\n| **EV/EBITDA-Forward** | 合理 EV = Forward EBITDA × 可比 EV/EBITDA | 同上（用预测 EBITDA） | TTM EBITDA × 增长假设 |\n| **EV/Revenue-TTM** | 合理 EV = TTM 营收 × 可比 EV/Revenue | 互联网平台/SaaS | `revenue_ttm` + `net_debt` |\n| **Rule of 40** | 增速 + EBITDA 率 ≥ 40% → EV/Revenue × 1.5 | SaaS/互联网 | `revenue_growth` + `ebitda` |\n\n---\n\n## §3 行业 → 方法配对速查表\n\n| 申万一级 | 行业类 | 首选方法 | 交叉验证 |\n|---|---|---|---|\n| 食品饮料 / 美容护理 / 家用电器 / 纺织服饰 | 品牌消费 | `val_pe_ttm` | `val_pe_forward`, `val_ev_ebitda_ttm` |\n| 医药生物（成熟） | 品牌消费 | `val_pe_ttm` | `val_pe_forward` |\n| 医药生物（亏损/创新药） | 创新药 | `val_ps_ttm` | `val_ev_revenue_ttm` |\n| 银行 / 证券 / 非银金融 | 金融 | `val_pb_mrq` | `val_pb_forward`, `val_pe_ttm` |\n| 房地产 | 地产 | `val_pb_mrq` | `val_ev_ebitda_ttm` |\n| 公用事业 / 电力 / 水务 / 燃气 | 公用事业 | `val_pe_ttm` | `val_pb_mrq` |\n| 钢铁 / 化工 / 煤炭 / 石油石化 / 建材 / 航运 | 周期制造 | `val_pe_cycle` | `val_pb_mrq`, `val_ev_ebitda_ttm` |\n| 有色金属 / 采掘 / 矿业 | 资源 | `val_ev_ebitda_ttm` | `val_pb_mrq` |\n| 半导体 / 航空 / 国防军工 | 资本密集 | `val_ev_ebitda_ttm` | `val_pe_ttm` |\n| 计算机 / 传媒 / 软件 / 互联网 | 互联网/SaaS | `val_rule_of_40` | `val_ev_revenue_ttm`, `val_ps_ttm` |\n| 通用兜底 | 通用 | `val_pe_ttm` | `val_pb_mrq`, `val_ev_ebitda_ttm` |\n\n---\n\n## §4 关键数据采集位置（已采 / 需补）\n\n| 数据 | 已采？ | 位置 | 备注 |\n|---|---|---|---|\n| 当前股价 | ✅ | `data[\"price\"]` | 实时 |\n| 总股本 | ✅ | `data[\"total_shares\"]` | quote 字段 |\n| 归母净利润 | ✅ | `data[\"finance\"]` / `data[\"lrb\"]` | — |\n| 归母净资产 | ✅ | `data[\"finance\"]` | — |\n| 滚动 EPS / BVPS | ⚠️ 需算 | `eps_ttm = 归母净利润 × 4 / latest_quarter / 总股本` | 脚本自动算 |\n| Forward EPS | ✅ | `data[\"ths_forecast\"]` | 一致预期 |\n| 营收（TTM） | ✅ | `data[\"finance\"]` 营收字段 | — |\n| 营收增速 | ⚠️ 需算 | `(revenue_ttm / revenue_prev_year) - 1` | — |\n| 历史 EPS（5-10 年） | ⚠️ 缺 | 需联网搜年报 | 周期 PE 必需 |\n| 净负债（短借+长借-货币） | ⚠️ 需算 | `data[\"fzb\"]` 三个字段 | EV 必需 |\n| EBITDA | ⚠️ **本 skill 自动拆解** | `westock_data.calc_ebitda(lrb, llb)` | 见 §5 |\n| 可比公司 PE/PB/PS 中位数 | ✅ 自动获取 | `WebSearch（行业竞品）` + `finance` 循环 + `pandas.median()` | 申万行业自动拉，**无手工拍板** |\n\n---\n\n## §5 EBITDA 拆解（`calc_ebitda` 已落地）\n\n**位置**：`scripts/westock_data.py:297`\n\n**公式**：\n```\nEBITDA = 净利润 + 利息 + 税 + 折旧摊销\n = 归属于母公司股东的净利润\n + 财务费用（含利息支出 - 利息收入 + 汇兑损益）\n + 所得税费用\n + 折旧与摊销（llb 补充资料）\n```\n\n**容错机制**：\n- 净利润缺失 → 退而用 `lrb.净利润`\n- 财务费用缺失 → 退而用 `利息支出 - 利息收入`\n- 折旧/摊销缺失 → 尝试 4 个备胎字段名（\"折旧与摊销\"合并 / \"固定资产折旧\"分列 / \"无形资产摊销\" / \"长期待摊费用摊销\"）\n- **数据完全缺失时返回 `{\"error\": \"...\"}`，不硬算**\n\n**权威背书**：\n- Damodaran《Investment Valuation》Ch.11 公式\n- 国内卖方研报 EBITDA 拆解标准（中信/华泰/中金）\n\n---\n\n## §6 可比公司选取原则\n\n### 6.1 选取标准\n\n1. **同行业、同细分赛道**：申万二级行业分类相同\n2. **市值规模相近**：市值差异不超过 5 倍\n3. **增长阶段相近**：增速差异不超过 2 倍\n4. **业务模式相似**：主营产品/客户群体/商业模式可类比\n5. **数量要求**：至少 3 家，最多 5 家\n\n### 6.2 数据获取\n\n| 数据 | 来源 |\n|---|---|\n| 目标公司 PE/PB/市值 | `/tmp/{code}_data.json` 的 `quote` 字段（Step0 已采） |\n| 可比公司 PE/PB/市值 | `python3 scripts/collect_data.py --quotes 代码1,代码2,...` |\n| 机构 EPS 预测 | `data[\"reports\"]`（东财研报，已采） |\n| 一致预期 EPS | `data[\"ths_forecast\"]`（同花顺，已采） |\n\n---\n\n## §7 交叉验证\n\n### 7.1 多方法对比\n\n| 方法 | 估值中枢 | 当前市值 | 上行/下行空间 |\n|---|---|---|---|\n| 首选方法 | __亿 | __亿 | __% |\n| 交叉验证1 | __亿 | __亿 | __% |\n| 交叉验证2 | __亿 | __亿 | __% |\n| **综合估值**（中位数） | __亿 | __亿 | __% |\n\n### 7.2 偏差处理\n\n- 多方法结果偏差 **< 15%**：取均值作为综合估值\n- 偏差 **15% - 30%**：取均值但标注分歧原因\n- 偏差 **> 30%**：必须分析分歧原因（周期性/特殊项目/会计差异），取更保守的估值\n\n### 7.3 合理性检查\n\n| 检查项 | 标准 | 不通过时处理 |\n|---|---|---|\n| 估值隐含增速 | 与历史增速和行业增速比较 | 偏差过大则调整估值区间 |\n| PE 合理性 | 估值 PE 是否在行业历史区间内 | 超出历史区间需说明 |\n| 市值合理性 | 估值市值与行业地位是否匹配 | 不匹配需说明 |\n| 数据完整度 | `valuation.py` 输出的 `数据完整度` ≥ 60% | < 60% 时提示补充行业数据 |\n\n---\n\n## §8 报告输出格式（只展示数字）\n\n报告正文**不展示公式**，只展示结论：\n\n```markdown\n## 估值（相对估值）\n\n### 行业分类\n[申万一级] → [行业类]\n\n### 估值结果\n| 维度 | 数值 |\n|---|---|\n| 首选方法 | 周期中点 PE（7年） |\n| 合理股价 | 12.30 元 |\n| 当前股价 | 10.50 元 |\n| 上行空间 | +17.1% |\n| 合理市值 | 270.6 亿 |\n| 当前市值 | 231.0 亿 |\n| 数据完整度 | 67% |\n\n### 交叉验证\n- PB-MRQ：合理价 11.80 元（差异 -4.1%）\n- EV/EBITDA-TTM：合理价 12.50 元（差异 +1.6%）\n\n### 关键假设\n- 周期 PE 中位数 = 8.0x（行业 5 年平均）\n- 7 年 EPS 中位数 = 1.54 元\n- 净负债 = 0（货币资金充裕）\n\n### 局限性\n- [数据完整度提示]\n- [行业假设提示]\n```\n\n**公式 / 推导 / 行业倍数**只放在 `valuation-methods.md`（本文）和 `scripts/valuation.py`，**不进报告**。\n\nFile v1.0.12:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.0.12] - 2026-08-13\n\n### 修复\n- 修正互联网平台财务权重合计仅 80% 的错误：成长权重由 30% 调整为 50%，总计恢复为 100%\n- 修正亏损/早期企业财务权重合计仅 80% 的同类错误：成长权重由 45% 调整为 65%，总计恢复为 100%\n- 补齐通讯、支付、交易所、系统软件的护城河路由：使用平台与网络效应框架中的网络经济、转换成本和生态绑定子集\n\n## [1.0.7] - 2026-07-14\n\n### 清理\n- **`references/` 和 `templates/` 中所有 `westock-data` CLI 引用已清除**（8 个文件，40+ 处），全部替换为实际脚本调用或 WebSearch\n- 保留的 `westock_data` 引用仅限 Python 模块名（`westock_data.py` / `westock_data.calc_ebitda()`），均正确\n\n## [1.0.6] - 2026-07-14\n\n### 🐂 港股数据链路彻底修复（更可靠、更全面的方案）\n- **根因**：v1.0.5 移除 npm `westock-data-skillhub` 包后，港股财务/三表仍读取旧包 zhsy 字段（如 `NetAssetPS` / `加权净资产收益率`），而新 pure-HTTP 重写不再返回这些字段 → 港股估值整体失效\n- **修复方案（东财港股 datacenter，覆盖更全、零 npm 依赖）**：\n - 港股财务三表：直采东方财富港股 datacenter `RPT_HKF10_FN_INCOME` / `RPT_HKF10_FN_BALANCE`（利润表 + 资产负债表，按报告期聚合）\n - 港股主要财务指标：直采 `RPT_HKF10_FN_GMAININDICATOR`（EPS/BPS/ROE/毛利率/净利率/资产负债率/营收/归母净利/同比等）\n - 港股行情/市值/股本：腾讯财经 `qt.gtimg.cn/q=hk{code}`（替换原不可靠的东财 push2 `secid=116.{code}`，3/3 连接失败）\n - 港股 F10/股东/概况：东财 `PC_HSF10/CompanySurvey?code=HK.{code}` + `ShareholderResearch`\n- **优雅降级**：港股**无现金流量表**（东财无 `RPT_HKF10_FN_CASHFLOW`），`llb` 置空；`valuation.py` 自动跳过 `EV/EBITDA-TTM` / `EV/EBITDA-Forward` 两个变体并标注原因\n- **已验证**：腾讯控股 00700 实跑通过——数据完整度 100%，PE-TTM + PB-MRQ 正常，EV/EBITDA 优雅跳过；贵州茅台 600519 同期验证 A 股链路完整无回归\n- **文档同步**：SKILL.md §2 数据源表、§0.2 采集表改为市场感知（A 股/港股分列）；移除 `hk_total_shares` 死代码\n\n---\n\n## [1.0.5] - 2026-07-14\n\n### 🔄 数据源彻底替换：零外部依赖\n- **重写 `scripts/westock_data.py`**：完全移除 `westock-data-skillhub@1.0.4`（npm 包）依赖，改用公开免费 HTTP 接口直采：\n - 三表（利润表/资产负债表/现金流量表）：新浪财报 API\n - 公司概况 / F10：东财 F10 CompanySurvey\n - 十大股东：东财 F10 ShareholderResearch\n - 行情报价：腾讯 qt.gtimg.cn（A 股）/ 新浪实时行情（港股）\n - 分红送配：东财 F10 BonusFinancing\n- 脚本运行时**零 npm 包、零 npx、零 subprocess 调外部 CLI、零混淆代码**\n- SKILL.md §2 重写为「数据源一览表」（列出每个数据项的 API 端点），不再提及 westock-data CLI\n- 降级策略表简化：移除 `$WST` 变量，L1 路径即为「脚本 + 公开 API」，无需任何外部工具\n\n### ⚠️ 安全审计影响\n- 此版本应使 ClawHub 安全审计从 **Review（黄色）→ Clean（绿色）**，因为：\n - `requirements.txt` 无变化（仍只需 requests/pandas/lxml/html5lib）\n - 所有 `.py` 文件零 westock/npm/npx 运行时引用\n - SKILL.md 零第三方包声明\n\n---\n\n## [1.0.4] - 2026-07-14\n\n### Changed\n- **产物模板强制执行规则**：新增 §6.0（Step6 产物生成强制执行规则），要求 LLM 在写任何产物前**必须先用 Read 工具读取对应模板文件完整内容**，然后严格按模板结构逐项填充占位符；明确禁止\"不读模板直接写\"、\"改变章节顺序\"、\"省略标准化区块\"等行为\n- **全局执行原则强化**：执行原则第 6 条新增「产物必须基于模板生成」的硬性要求，并锚定到 §6.0 详细规则\n- **目的**：解决 Codex 等 LLM 环境中报告输出不遵循 templates/ 目录下预定义模板格式的问题（LLM 凭自由理解编写而非按模板填充）\n\n## [1.0.3] - 2026-07-14\n\n### Changed\n- **移除所有第三方包显式声明**：SKILL.md 中彻底清除 `westock-data-skillhub` / `npx` / `npm install` 等包名和安装命令引用（§2 环境准备、降级策略表、三表来源说明、Step0 执行说明共 4 处），改为「隐性探测」模式——仅检测环境中是否已有 `westock-data` 命令，不触发任何安装行为或包审核\n- **$WST 降级为纯可选增强**：从降级判定链中移除，不再参与 L1→L2→L3 回退决策；缺失时不触发任何回退，直接走标准模式\n- **目的**：解决 Codex 等严格安全环境在安装阶段因第三方包审核不通过而拒绝安装整个 skill 的问题\n\n## [1.0.2] - 2026-07-14\n\n### Changed\n- **westock-data 依赖升级**：`westock-data-skillhub` 从 `@1.0.3` 升级至 `@1.0.4`（数据源不变，均为腾讯自选股行情接口）\n- **供应链安全提示修正**：移除\"clawhub 版自带 sha512 integrity、可优先\"的不准确表述，改为中性说明两包数据源一致、仅发布渠道与信任模型不同\n- **文档修正**：移除 README 技术栈表、内部规则文档、以及 `scripts/collect_data.py` 注释中已过时的 `mootdx` 引用（实际数据采集已改用东财接口替代，mootdx 未安装亦未调用）\n- **脚本 westock 版本对齐**：`scripts/westock_data.py` 内 `WESTOCK_CMD` 及注释由 `@1.0.3` 同步升至 `@1.0.4`（此前仅 SKILL.md/README 升级，脚本漏改，实际仍拉旧版包）\n- **README python 兼容**：手动跑脚本示例由 `python3` 改为 `python`（注明 `python`/`python3` 均可），示例文件名写死日期 `20260706` 改为 `{YYYYMMDD}` 占位符\n\n## [1.0.1] - 2026-07-14\n\n### Fixed\n- **打包修复**：重新打包时纳入 `scripts/`、`templates/`、`references/` 全部文件（此前 ClawHub/Codex 安装包仅含 SKILL.md/README/requirements，导致脚本引用缺失）\n- **Python 兼容**：frontmatter 移除硬编码 `bins: [\"python3\"]`，改为 `python_bins: [\"python3\", \"python\"]`；脚本调用统一用 `$PY` 变量，自动探测 python3/python\n- **依赖精简**：`matplotlib` 从必装 `pip` 移至 `optional_pip`（脚本未实际使用该库）\n- **降级策略**：新增「环境准备与降级策略」章节，定义三级降级 L1（脚本正常）/ L2（无脚本或 westock-data 缺失，LLM 直采）/ L3（无 Python，纯 LLM 直采），含降级 JSON schema 与 westock-data-skillhub 替代方案\n- **westock-data 安装补充**：厘清 `westock-data` 实为 WorkBuddy 内置命令名，Codex/非 WB 环境需手动安装；新增 `$WST` 变量统一三种形态（内置 `westock-data` / 全局 `westock-data-skillhub` / `npx -y westock-data-skillhub@1.0.3` 回退），文档内 `westock-data` 命令执行时一律替换为 `$WST`，并附 npm 全局安装 / openclaw 安装 / npx 三种方式 + 供应链安全提示\n\n## [1.0.0] - 2026-07-08\n\n### Added\n- 公司深度分析助手首版发布\n- 6 步分析流程：数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值\n- 双产物输出：公司深度分析报告（Markdown）+ 投研简报（HTML）\n- 单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时按路由表只跑对应步骤并输出对应单文件\n- 触发词覆盖：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\n- 覆盖市场：A股 + 港股\n\nFile v1.0.12:skill-card.md\n\n## Description:\n\nAnalyzes A-share and Hong Kong-listed companies from a company name or stock code, producing company profile, industry structure, moat, financial, and relative valuation analysis.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[pm2-567](https://clawhub.ai/user/pm2-567)\n\n### License/Terms of Use:\n\nMIT No Attribution\n\n## Use Case:\n\nExternal users, analysts, investment managers, and researchers use this skill for preliminary research on A-share and Hong Kong-listed companies, including company profiling, competitive analysis, financial review, and valuation context. The generated analysis is for informational pre-screening and should not be treated as investment advice.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill runs local Python scripts, makes public web/API requests for the supplied company or stock code, and creates report files.\n\nMitigation: Run it in an isolated environment, pin dependencies where practical, and review generated files before using or sharing them.\n\nRisk: Generated investment analysis may be incomplete, stale, or misleading if source data is unavailable, delayed, or interpreted incorrectly.\n\nMitigation: Treat outputs as informational pre-screening, verify material claims against authoritative sources, and avoid using the report as standalone investment advice.\n\nRisk: Company names, stock codes, watchlists, or research prompts may reveal sensitive investment interests.\n\nMitigation: Avoid entering proprietary watchlists, confidential research context, or other sensitive business information unless the execution environment is trusted.\n\n## Reference(s):\n\n- [AI Internal Rules](references/ai-internal-rules.md)\n- [Financial Analysis Guide](references/financial-analysis-guide.md)\n- [Moat Analysis Framework](references/moat-analysis-framework.md)\n- [Porter Five Forces Template](references/porter-five-forces-template.md)\n- [Valuation Methods](references/valuation-methods.md)\n\n## Skill Output:\n\n**Output Type(s):** [Analysis, Markdown, HTML, Files, Shell commands, Guidance]\n\n**Output Format:** [Markdown reports, HTML briefing cards, and optional JSON data outputs from local scripts]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Supports full deep-analysis, financial-only, and company-profile-only modes; creates local report files and temporary market data files.]\n\n## Skill Version(s):\n\n1.0.12 (source: frontmatter and changelog, released 2026-08-13)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nFile v1.0.12:templates/company-profile-template.md\n\n# {公司名} 公司画像\n\n> 生成日期:{YYYY-MM-DD}\n> 数据质量等级:{A/B/C}\n\n---\n\n## 0. 业务模式标签判定规则(必读,先做这步再填基本信息)\n\n**核心原则**:用**公司行业归属标签**作为业务模式标签的主判定依据,**不**用公司名/简介里的关键词匹配。\n\n### 0.1 主判定:申万一级行业映射(从 f10.公司概况 读取)\n\n**数据源**:`/tmp/{代码}_data.json` → `f10.公司概况.所属行业` 字段(东财接口,已结构化)。\n\n| 申万一级行业 | 业务模式标签 | 框架适配 |\n|---|---|---|\n| **传媒 / 计算机 / 通信 / 电子** | 互联网/平台/TOC SaaS/TOC+TOB 双边(按主业占比二选) | 框架 B(平台型五力)+ 框架 B(平台型护城河) |\n| **银行 / 非银金融** | 金融 | 框架 A + 框架 D(金融护城河) |\n| **汽车 / 机械设备 / 电气设备 / 国防军工** | 工业品/制造 | 框架 A + 框架 C(制造业护城河) |\n| **食品饮料 / 纺织服饰 / 家用电器 / 轻工制造 / 美容护理 / 商贸零售 / 社会服务** | 消费品 | 框架 A + 框架 A(消费品牌护城河) |\n| **医药生物** | 医药 | 框架 A + 框架 E(医药护城河) |\n| **房地产 / 建筑装饰 / 建筑材料** | 地产/建筑 | 框架 A + 框架 F(地产护城河) |\n| **基础化工 / 钢铁 / 有色金属 / 煤炭 / 石油石化 / 公用事业** | 强周期/资源 | 框架 A + 框架 C(制造业护城河) |\n| **农林牧渔 / 交通运输 / 环保** | 其他 | 框架 A + 经典 6 类护城河 |\n\n> 注:申万一级分类每年 1 次微调,以数据采集时的最新分类为准。\n\n### 0.2 复核:主业占比判定(避免\"概念误归类\")\n\n**问题**:很多公司\"申万分类 = 计算机\"但主业 80% 是工业品销售(如某些\"工业互联网\"公司)→ 不能用框架 B。\n\n**复核规则**:\n1. 读取 `f10.主营构成` 字段,按**营收占比**排序,取第一大业务。\n2. 若第一大业务占比 > 70% → **强制用第一大业务的行业归属**覆盖 0.1 标签。\n3. 若第一大业务占比 50%-70% → **保留申万标签**,在报告中加备注\"主业分布:第一大业务 X% / 第二大 Y%\"。\n4. 若第一大业务占比 < 50% → **保留申万标签**,**强制加\"TOC+TOB 双边\"或\"混合型\"**子标签,Step2 用 A+B 双框架并行。\n\n### 0.3 兜底：券商研报佐证（只在 0.1 / 0.2 矛盾时使用）\n\n当 0.1（申万标签）与 0.2（主业归属）严重冲突（占比差距 > 30 个百分点）时：\n```\nWebSearch\n```\n取券商研报 Top 3 中\"主营业务\"描述的共识结论，作为最终标签，并在报告中标注\"标签来源：申万分类 vs 主业占比冲突，以券商研报共识为准\"。\n\n### 0.4 §五 触发条件(由 0.1/0.2 标签决定)\n\n| 业务模式标签 | §五 触发 |\n|---|---|\n| 互联网 / 平台 / 电商 / TOC SaaS / TOC+TOB 双边 / 传媒 / 计算机 / 通信 | ✅ 触发(填 §五.A 用户规模) |\n| TOB SaaS / 工业品 / 制造 / 金融 / 医药 | ✅ 触发(填 §五.B 客户与留存) |\n| 消费品 / 强周期 / 资源 / 地产 / 建筑 / 其他 | ❌ 不触发 |\n\n---\n\n**§五 触发条件**:按本文件 §0.4 表格判断,不再用关键词匹配。\n\n---\n\n## 一、基本信息\n\n| 项目 | 内容 |\n|------|------|\n| 公司全称 | |\n| 股票代码 | |\n| 上市交易所 | |\n| 上市日期 | |\n| 注册资本 | |\n| 实际控制人 | |\n| 所属行业(申万) | |\n| 业务模式标签 | 【TOC 平台 / TOB SaaS / TOC+TOB 双边 / 电商 / 内容 / 社交 / 游戏 / 工具 / 工业品 / 消费品 / 金融 / 其他】 |\n| 概念板块 | **{逗号分隔的概念标签}** |\n\n> **合并规则**:概念板块**不再单独成节**,直接作为基本信息表格的最后一行。\n> **业务模式标签**:为后续 Step2 选择五力框架、Step3 选择护城河框架提供输入(详见对应文件)。\n\n## 二、主营业务\n\n### 业务概述\n\n(100-200 字描述公司主要做什么,产品/服务是什么,面向什么客户群体)\n\n### 业务结构\n\n| 业务板块 | 营收(亿) | 营收占比 | 毛利率 |\n|---------|----------|---------|--------|\n| | | | |\n| | | | |\n| 合计 | | 100% | |\n\n> 如无法获取分业务数据,标注\"年报未披露分业务数据\"并用 `collect_data.py 脚本（财务三表）` 拉分业务营收/毛利率字段。\n\n### 近期业务动态\n\n(3-5 条近期重要业务进展,标注来源和日期)\n\n\n\n## 三、股权结构\n\n### 前十大股东(最新一期)\n\n| 排名 | 股东名称 | 持股数量(万股) | 持股比例 | 股东性质 |\n|------|---------|---------------|---------|---------|\n| 1 | | | | |\n| 2 | | | | |\n| 3 | | | | |\n| 4 | | | | |\n| 5 | | | | |\n| 6 | | | | |\n| 7 | | | | |\n| 8 | | | | |\n| 9 | | | | |\n| 10 | | | | |\n\n### 股本结构\n\n| 项目 | 数值 |\n|------|------|\n| 总股本(亿股) | |\n| 流通股本(亿股) | |\n| 限售股(亿股) | |\n\n### 实际控制人\n\n(描述实控人持股链路,如\"A→B→C→目标公司\",标注每层持股比例)\n\n---\n\n## 五、用户规模与活跃度(条件性触发)\n\n> **触发条件**:见本文件顶部\"行业适配触发器\"。\n> **数据原则**:用户/客户数据**优先采自年报/招股书/季报中的官方披露**,其次用 `WebSearch` 拉券商深度报告里的用户数据。\n> 若全部数据缺失,标注 `[数据缺失]` 并跳到\"用户数据评级\",**不要编造**。\n\n### A. TOC / 双边平台(主)\n\n#### A.1 核心用户指标(最近 4 期)\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 | 数据来源 |\n|------|---------|--------|---------|---------|------|---------|\n| MAU(月活跃用户,亿) | | | | | | |\n| DAU(日活跃用户,亿) | | | | | | |\n| DAU/MAU(粘性) | | | | | | |\n| 累计注册用户(亿) | | | | | | |\n| 付费用户(万/亿) | | | | | | |\n| 付费率(付费/MAU) | | | | | | |\n\n> 互联网公司用户单位换算:1 亿 = 10000 万,注意表格单位一致。\n\n#### A.2 变现指标(最近 4 期)\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 | 数据来源 |\n|------|---------|--------|---------|---------|------|---------|\n| ARPU(元/用户) | | | | | | |\n| 客单价(元/订单) | | | | | | |\n| GMV(亿,电商) | | | | | | |\n| 订单量(亿单) | | | | | | |\n| 收入(亿) | | | | | | |\n| 销售费用(亿) | | | | | | |\n| 销售费用率 | | | | | | |\n\n#### A.3 用户质量与留存(关键节点)\n\n| 指标 | 数值 | 行业基准 | 评级 | 数据来源 |\n|------|------|---------|------|---------|\n| 次日留存率(%) | | | | |\n| 7 日留存率(%) | | | | |\n| 30 日留存率(%) | | | | |\n| 12 月留存率(%) | | | | |\n| LTV(元/用户) | | | | |\n| CAC(元/用户) | | | | |\n| LTV/CAC | | | | |\n| 流失率/Churn(%) | | | | |\n| 日均使用时长(分钟) | | | | |\n\n**LTV/CAC 评级标准**:\n- **优秀** > 3:单位经济健康,可持续获客\n- **良好** 1-3:需优化获客效率\n- **警戒** < 1:每拉新一个用户都亏钱,不可持续\n\n#### A.4 头部 / 长尾分布(可选)\n\n| 指标 | 数值 | 含义 | 数据来源 |\n|------|------|------|---------|\n| 头部 1% 用户贡献收入占比 | | 是否依赖头部 | |\n| 头部 10% 用户贡献收入占比 | | | |\n| 长尾用户占比 | | | |\n| KOL / 头部商家 CR10 占 GMV | | 平台型参考 | |\n\n### B. TOB / SaaS / 企业服务\n\n#### B.1 客户基础\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 | 数据来源 |\n|------|---------|--------|---------|---------|------|---------|\n| 付费客户数(家) | | | | | | |\n| 头部客户数(ARR > 10 万) | | | | | | |\n| 中型客户数(ARR 1-10 万) | | | | | | |\n| 小型客户数(ARR < 1 万) | | | | | | |\n| 续约客户数 | | | | | | |\n| 新增客户数 | | | | | | |\n| 流失客户数 | | | | | | |\n\n#### B.2 关键 SaaS 指标\n\n| 指标 | 数值 | 行业基准 | 评级 | 数据来源 |\n|------|------|---------|------|---------|\n| ARR(年化经常性收入,亿) | | | | |\n| MRR(月度经常性收入) | | | | |\n| NDR(Net Dollar Retention, %) | | | | |\n| Gross Retention(%) | | | | |\n| ACV(平均合同金额,万) | | | | |\n| CAC(获客成本,万) | | | | |\n| CAC Payback(月) | | | | |\n| Magic Number | | | | |\n| Rule of 40(增速 + 利润率) | | | | |\n\n**ND 评级标准**(Net Dollar Retention):\n- **顶级** > 120%:客户扩展能力强(如 Snowflake、Datadog)\n- **优秀** 110%-120%\n- **良好** 100%-110%:基本留存\n- **警戒** < 100%:客户流失或缩减\n\n**Rule of 40 评级标准**(营收增速% + 经营利润率%):\n- **顶级** ≥ 40\n- **优秀** 20-40\n- **一般** < 20\n\n#### B.3 行业渗透与销售漏斗(可选)\n\n| 指标 | 数值 | 数据来源 |\n|------|------|---------|\n| 目标市场 TAM(亿) | | |\n| SAM(亿,可服务市场) | | |\n| SOM(亿,实际获取) | | |\n| 销售线索数 | | |\n| 转化率(%) | | |\n| 客户平均生命周期(月) | | |\n\n### C. 用户数据评级\n\n> 根据数据完整度对后续分析影响评级:\n> - **A 级**:TOC 4 期完整 + LTV/CAC + 留存 + ARPU 全部有 → 平台五力可深度分析\n> - **B 级**:核心指标 2-3 期有数据 → 五力分析可做但深度有限\n> - **C 级**:用户数据全部缺失 → 五力分析退化为定性,标注\"用户数据盲区\"\n\n## 六、公司所在行业分析\n\n> **归属**：本节**仅在 profile 单步模式**使用。full 模式下行业大盘由主报告模板 §2.1 + §2.2 输出（五力 + 护城河），不在画像层重复。\n> **数据原则**:用**结构化行业数据**(`WebSearch（行业排名）` 申万行业 + `sector constituent` 成份股 + `finance` 头部公司财务)为主;**严禁引用单一来源作总规模**。\n\n### 6.1 行业规模\n\n| 指标 | 数值 | 时间窗口 | 数据来源 |\n|------|------|---------|---------|\n| 行业总规模(亿) | | {YYYY} | |\n| 过去 5 年 CAGR(%) | | {YYYY-5} ~ {YYYY} | |\n| 未来 5 年 CAGR 预测(%) | | {YYYY} ~ {YYYY+5} | |\n| 公司营收占行业比重(%) | | {YYYY} | |\n\n> **解读要求**:\n> - CAGR > 15% → 高增长行业,公司有 beta 红利\n> - CAGR 5%-15% → 稳健增长,需看公司份额变化\n> - CAGR < 5% → 成熟/低增长,**核心看公司份额提升 + 利润率扩张**\n> - **公司占比** > 30% → 行业龙头,直接定位\"份额维稳 + 价格维稳\"\n> - **公司占比** 10%-30% → 行业前列,有提份额空间\n> - **公司占比** < 10% → 行业长尾,需识别差异化卡位\n\n### 6.2 市场份额(头部公司占比)\n\n| 排名 | 公司名称 | 市场份额(%) | 营收(亿) | 数据来源 |\n|------|---------|------------|---------|---------|\n| 1 | | | | |\n| 2 | | | | |\n| 3 | | | | |\n| 4 | | | | |\n| 5 | | | | |\n| 6-10 | (汇总) | | | |\n| **CR3** | | **__%** | | |\n| **CR5** | | **__%** | | |\n| **CR10** | | **__%** | | |\n| 其他长尾 | | __% | | |\n| **目标公司** | (本报告标的) | __% | | |\n\n> **集中度解读**(参考 Bain & Company 结构-集中度矩阵):\n> - **CR3 > 70%** → **寡占型**,头部协同定价能力强,新进入者极难\n> - **CR3 40%-70%** → **集中型**,头部有规模优势,二线仍有空间\n> - **CR3 20%-40%** → **竞争型**,格局未定,份额变化快\n> - **CR3 < 20%** → **分散型**,无明显龙头,差异化或区域龙头是出路\n\n### 6.3 行业生命周期定位\n\n| 维度 | 当前判断 | 证据 |\n|------|---------|------|\n| **所处阶段** | 【导入期 / 成长前期 / 成长后期 / 成熟期 / 衰退期】 | |\n| **核心驱动** | 【政策驱动 / 技术驱动 / 消费升级 / 人口红利 / 出口拉动】 | |\n| **技术变革** | 【5 年内有大变革 / 10 年内有 / 稳定】 | |\n| **政策友好度** | 【强政策支持 / 中性 / 强政策限制】 | |\n\n> **生命周期与投资策略对应**:\n> - **导入期**:看技术路径 + 谁能跑出来,**估值给想象空间**\n> - **成长前期**:看增速 + 渗透率,**估值给高 PE**\n> - **成长后期**:看份额提升 + 利润率扩张,**估值合理 PE**\n> - **成熟期**:看现金流 + 分红,**估值给低 PE/PB**\n> - **衰退期**:看转型 / 退出,**估值看清算价值**\n\n### 6.4 行业关键数据缺失时的兜底\n\n| 缺失情况 | 替代方案 |\n|---------|---------|\n| 行业总规模无官方数据 | 用下游客户营收 × 公司份额反推 / 用可比上市公司合计 × 1.3-1.5 倍修正 |\n| CR3/CR5 无数据 | 取头部上市公司营收合计 / 公司全行业营收估算(注:仅上市公司口径) |\n| 未来 CAGR 无预测 | 用过去 5 年 CAGR ± 2pct 区间值,标注\"基于历史外推\" |\n| 政策/技术变革信息 | `WebSearch(\"{行业} 政策 2026\"` / `news search \"{行业} 技术路线 2026\"` |)\n## 七、来源与质量门\n\n- [ ] 东财 F10 公司概况\n- [ ] 东财 F10 股东研究\n- [ ] 东财 F10 主营构成\n- [ ] 东财个股信息\n- [ ] 百度概念板块\n- [ ] > ✅ 数据已通过 collect_data.py 脚本自动校验\n- [ ] **年报/招股书 用户数据章节**(TOC/TOB 触发时)\n- [ ] **券商深度报告 用户数据引用**(触发时)\n- [ ] **§二 主营业务**(必做, 100-200 字描述)\n- [ ] **§六 公司所在行业分析 + 行业规模/市场份额/头部占比**(必做)\n- 数据质量等级:{A/B/C}\n- 缺失字段:(如有,列出未能获取的数据项)\n- **用户数据等级**:(A/B/C,触发本章节时填,否则 N/A)\n- **行业数据等级**:(A/B/C,§六数据完整度;无法获取官方规模时降为 C)\n\nFile v1.0.12:templates/deep-analysis-report-template.md\n\n# {公司名} 深度分析报告\n\n> **生成日期**：{YYYY-MM-DD}\n> **分析师**：AI 辅助生成\n> **数据质量等级**：{A/B/C}\n> **报告有效期**：数据截止后 7 个自然日内有效（超出请重新生成）\n\n---\n\n## 30 秒极简版（必读）\n\n> **核心结论**：**{买入 / 增持 / 持有 / 减持 / 卖出}**（置信度：{高 / 中 / 低}）\n> ——目标价 **{X.X-X.X 元}**，对应当前股价 **{Y.Y 元}**，{上行 / 下行} **{+N% / -N%}**，12 个月时间窗口。\n>\n> **关键理由**：{1 句话讲清为什么——核心驱动 + 关键证据。**通用占位**：{公司在 {赛道/细分领域} 的 {地位描述}，{最新一期} {关键指标} {方向性描述}，叠加 {外部催化因素}，我们认为市场尚未充分定价 {核心逻辑}}\n>\n> **关键风险**：{1 句话点出最致命风险 + 触发条件。**通用占位**：若 {外部风险变量} {方向性变化} {幅度} 且公司 {缓释手段} 滞后 {时长}，{关键指标} 可能从 {起点} {变化} 至 {终点}，目标价/评级面临 {调整方向}}\n\n---\n\n## 摘要\n\n**核心结论**：{1 句话核心判断：投资建议 + 关键理由}。\n\n- **行业地位**：{一句话描述}\n- **业务模式**：{一句话描述主营结构}\n- **短期业绩**：{最近一期关键业绩}\n- **毛利率定位**：{1-2 句与同行的对比}\n- **财务综合**：{四维评分一句话总结}\n- **估值结论**：{估值区间 + 当前位置}\n- **空间测算**：上行/下行空间\n- **投资建议**：**{买入/增持/持有/减持/卖出}**（置信度：{高/中/低}）\n- **核心风险**：{2-3 个最关键风险点}\n\n---\n\n# 一、公司画像\n\n## 1.0 基本信息\n\n| 项目 | 内容 |\n|------|------|\n| 公司全称 | |\n| 股票代码 | |\n| 上市交易所 | |\n| 上市日期 | |\n| 注册资本 | |\n| 实际控制人 | |\n| 所属行业（申万） | |\n| 业务模式标签 | |\n| 概念板块 | A 股：{逗号分隔的概念标签} / 港股：{HSI 行业，无概念板块} |\n\n## 1.1 主营业务\n\n### 业务概述\n\n（100-200 字描述公司主要做什么，产品/服务是什么，面向什么客户群体）\n\n### 业务结构\n\n| 业务板块 | 营收（亿） | 营收占比 | 毛利率 |\n|---------|----------|---------|--------|\n| | | | |\n| | | | |\n| **合计** | | 100% | |\n\n### 近期业务动态\n\n（3-5 条近期重要业务进展，标注来源和日期）\n\n\n\n## 1.2 股权结构\n\n### 前十大股东（最新一期）\n\n| 排名 | 股东名称 | 持股数量（万股） | 持股比例 | 股东性质 |\n|------|---------|---------------|---------|---------|\n| 1 | | | | |\n| 2 | | | | |\n| 3 | | | | |\n| 4 | | | | |\n| 5 | | | | |\n| 6 | | | | |\n| 7 | | | | |\n| 8 | | | | |\n| 9 | | | | |\n| 10 | | | | |\n\n### 股本结构\n\n| 项目 | 数值 |\n|------|------|\n| 总股本（亿股） | |\n| 流通股本（亿股） | |\n| 限售股（亿股） | |\n\n### 实际控制人\n\n（描述实控人持股链路，如\"A→B→C→目标公司\"，标注每层持股比例）\n\n## \n\n## 1.4 用户规模与活跃度（条件性触发）\n\n### A. TOC / 双边平台（主）\n\n#### A.1 核心用户指标（最近 4 期）\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 |\n---------|--------|---------|---------|------|---------|\n| MAU（月活跃用户，亿） | | | | | | |\n| DAU（日活跃用户，亿） | | | | | | |\n| DAU/MAU（粘性） | | | | | | |\n| 累计注册用户（亿） | | | | | | |\n| 付费用户（万/亿） | | | | | | |\n| 付费率（付费/MAU） | | | | | | |\n\n#### A.2 变现指标（最近 4 期）\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 |\n---------|--------|---------|---------|------|---------|\n| ARPU（元/用户） | | | | | | |\n| 客单价（元/订单） | | | | | | |\n| GMV（亿，电商） | | | | | | |\n| 订单量（亿单） | | | | | | |\n| 收入（亿） | | | | | | |\n| 销售费用（亿） | | | | | | |\n| 销售费用率 | | | | | | |\n\n#### A.3 用户质量与留存（关键节点）\n\n| 指标 | 数值 | 行业基准 | 评级 |\n------|---------|------|---------|\n| 次日留存率（%） | | | | |\n| 7 日留存率（%） | | | | |\n| 30 日留存率（%） | | | | |\n| 12 月留存率（%） | | | | |\n| LTV（元/用户） | | | | |\n| CAC（元/用户） | | | | |\n| LTV/CAC | | | | |\n| 流失率/Churn（%） | | | | |\n| 日均使用时长（分钟） | | | | |\n\n### B. TOB / SaaS / 企业服务\n\n#### B.1 客户基础\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 |\n---------|--------|---------|---------|------|---------|\n| 付费客户数（家） | | | | | | |\n| 头部客户数（ARR > 10 万） | | | | | | |\n| 中型客户数（ARR 1-10 万） | | | | | | |\n| 小型客户数（ARR < 1 万） | | | | | | |\n| 续约客户数 | | | | | | |\n| 新增客户数 | | | | | | |\n| 流失客户数 | | | | | | |\n\n#### B.2 关键 SaaS 指标\n\n| 指标 | 数值 | 行业基准 | 评级 |\n------|---------|------|---------|\n| ARR（年化经常性收入，亿） | | | | |\n| MRR（月度经常性收入） | | | | |\n| NDR（Net Dollar Retention, %） | | | | |\n| Gross Retention（%） | | | | |\n| ACV（平均合同金额，万） | | | | |\n| CAC（获客成本，万） | | | | |\n| CAC Payback（月） | | | | |\n| Magic Number | | | | |\n| Rule of 40（增速 + 利润率） | | | | |\n\n### C. 用户数据评级\n\n（评级见 `references/ai-internal-rules.md` §1.1：A/B/C 判定标准）\n\n\n\n---\n\n# 二、行业与竞争分析\n\n## 2.1 行业概览\n\n### 行业定位\n\n- 所属行业：\n- 产业链位置：\n- 行业增速：\n- 关键驱动：\n\n### 2.1.1 行业规模\n\n| 指标 | 数值 | 时间窗口 |\n------|---------|---------|\n| 行业总规模（亿） | | {YYYY} | |\n| 过去 5 年 CAGR（%） | | {YYYY-5} ~ {YYYY} | |\n| 未来 5 年 CAGR 预测（%） | | {YYYY} ~ {YYYY+5} | |\n| 公司营收占行业比重（%） | | {YYYY} | |\n\n### 2.1.2 市场份额\n\n| 排名 | 公司名称 | 市场份额（%） | 营收（亿） |\n---------|------------|---------|---------|\n| 1 | | | | |\n| 2 | | | | |\n| 3 | | | | |\n| 4 | | | | |\n| 5 | | | | |\n| 6-10 | （汇总） | | | |\n| **CR3** | | **__%** | | |\n| **CR5** | | **__%** | | |\n| **CR10** | | **__%** | | |\n| 其他长尾 | | __% | | |\n| **目标公司** | （本报告标的） | __% | | |\n\n### 2.1.3 行业生命周期定位\n\n| 维度 | 当前判断 | 证据 |\n|------|---------|------|\n| **所处阶段** | | |\n| **核心驱动** | | |\n| **技术变革** | | |\n| **政策友好度** | | |\n\n## 2.2 波特五力分析\n\n| 力量 | 评级（强/中/弱）| 对公司影响 | 关键论据 |\n|------|--------------|----------|---------|\n| 供应商议价力 | | | |\n| 买方议价力 | | | |\n| 现有竞争者 | | | |\n| 新进入者威胁 | | | |\n| 替代品威胁 | | | |\n\n## 2.3 可比公司竞争分析\n\n| 公司 | 代码 | {基准年} 营收（亿） | {基准年} 毛利率 | {基准年} 净利率 | **PE(TTM)** | PB | 业务定位 |\n|------|------|----------------|---------------|---------------|------------|-----|---------|\n| **{目标公司}** | | | | | | | |\n| 🟢 高可比 1 | | | | | | | |\n| 🟢 高可比 2 | | | | | | | |\n\n**关键发现**：\n- {发现 1}\n- {发现 2}\n- {发现 3}\n\n## 2.4 护城河三轮反问\n\n> **框架选择**：{业务模式} → 框架 {A/B/C/D/E/F}（{框架名}），Power 集见 `references/moat-analysis-framework.md` §{1-6}。\n> 选择器详见 `references/ai-internal-rules.md` §2.5。\n\n| 护城河类型 | 初始评级 | 反问 1（可复制性）| 反问 2（周期韧性）| 反问 3（隐蔽威胁）| **最终评级** |\n|----------|---------|----------------|------------------|------------------|------------|\n| {Power 1} | 宽 / 中 / 窄 | | | | **宽 / 中 / 窄** |\n| {Power 2} | 宽 / 中 / 窄 | | | | **宽 / 中 / 窄** |\n| {Power N} | 宽 / 中 / 窄 | | | | **宽 / 中 / 窄** |\n\n**最终护城河综合评级**：**{宽-中 / 中 / 窄-中 / 窄 / 无}**\n\n**核心逻辑**：\n\n{描述护城河核心来源 + 最大侵蚀力量}\n\n## 2.5 竞争优势\n\n> **1 句话定论**：{公司} 的护城河来源于\"{核心来源 1} × {核心来源 2} × {核心来源 3}\"三维叠加。\n>\n> **3 问验证**（每问至少 1 句证据。3 问骨架通用 = Hamilton Helmer 7 Powers 核心三件套；具体指标按 §3.3 选定的护城河框架从 `references/moat-analysis-framework.md §11` 取对应行业定义）：\n>\n> 1. **不可替代性**（{Q1 指标}）——{不可替代证据}\n> 2. **议价稳定性**（{Q2 指标}）——{议价稳定 / 议价权证据}\n> 3. **客户锁定**（{Q3 指标}）——{客户锁定证据}\n>\n> **非它不可的程度评级**：{极强 / 强 / 中 / 弱}\n\n---\n\n# 三、财务分析\n\n## 3.1 盈利能力\n\n### 指标趋势\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 | 行业中位数 |\n|------|---------|--------|---------|---------|------|----------|\n| 销售毛利率 | | | | | | |\n| 销售净利率 | | | | | | |\n| ROE | | | | | | |\n| ROA | | | | | | |\n\n### 趋势图\n\n![8 期营收归母柱状图与净利率折线](data:image/png;base64,{fig1_base64})\n\n> *数据来源：新浪财经三表 + 东财主要财务指标*\n\n### 指标分析\n\n{一句话总论：定位公司在该维度的整体水平——强/中/弱 + 关键定性特征（如\"轻资产+品牌溢价\"\"资本密集+周期回暖\"）}\n\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑（毛利率数值 / 同比变化 / 行业对比）}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n\n（写法详见 `references/ai-internal-rules.md` §3.1）\n\n---\n\n## 3.2 偿债能力\n\n### 指标趋势\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 行业中位数 |\n|------|---------|--------|---------|---------|----------|\n| 流动比率 | | | | | |\n| 速动比率 | | | | | |\n| 资产负债率 | | | | | |\n| 利息保障倍数 | | | | | |\n\n### 指标分析\n\n{一句话总论：定位公司偿债能力整体水平——强/中/弱 + 关键定性特征（如\"低杠杆+净现金\"）}\n\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑（资产负债率 / 流动比率 / 净现金）}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n\n（写法详见 `references/ai-internal-rules.md` §3.1）\n\n---\n\n## 3.3 营运能力\n\n### 指标趋势\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 行业中位数 |\n|------|---------|--------|---------|---------|----------|\n| 存货周转天数 | | | | | |\n| 应收账款周转天数 | | | | | |\n| 总资产周转率 | | | | | |\n\n### 指标分析\n\n{一句话总论：定位公司营运能力整体水平——强/中/弱 + 关键定性特征（如\"轻资产+无形资产驱动\"）}\n\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑（OCF/净利 / 周转率 / 现金转化率）}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n\n（写法详见 `references/ai-internal-rules.md` §3.1）\n\n---\n\n## 3.4 成长能力\n\n### 指标趋势\n\n| 指标 | {最新期} | {上期} | {上上期} | {三期前} | 趋势 | 行业平均 |\n|------|---------|--------|---------|---------|------|---------|\n| 营收同比增长率 | | | | | | |\n| 净利润同比增长率 | | | | | | |\n| 经营现金流增长率 | | | | | | |\n\n### 指标分析\n\n{一句话总论：定位公司成长性整体水平——高/中/低 + 关键定性特征（如\"主业稳增+第二曲线高增\"）}\n\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑（营收增速 / 净利增速 / 业务分部增速）}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n- **{结论先行（主谓宾结构）}**：{数据/事实支撑}\n\n（写法详见 `references/ai-internal-rules.md` §3.1）\n\n## 3.5 财务四维得分雷达图\n\n![财务四维得分雷达图（外层=实际得分，内层=行业中位数）](data:image/png;base64,{fig_finance_radar_base64})\n\n*数据来源：基于 §3.1-§3.4 指标计算 + 行业可比公司中位数（来自 `WebSearch（同行业可比公司）\n**雷达图解读**：\n- **盈利能力（40%）**：{1 句话定位得分和行业中位数对比}\n- **偿债能力（20%）**：{1 句话}\n- **营运能力（10%）**：{1 句话}\n- **成长能力（30%）**：{1 句话}\n- **综合判断**：{1 句话总结：四维是否均衡，是否有显著短板，是否匹配投资建议}\n\n## 3.6 可比公司财务对比\n\n（数据获取 / 列名映射 / 可比性等级详见 `references/ai-internal-rules.md` §6）\n\n| 公司 | 代码 | 可比性 | {基准年} 营收（亿） | {基准年} 毛利率 | {基准年} 净利率 | {基准年} ROE | {基准年-1} 营收（亿） | {基准年-1}→{基准年} 营收 CAGR | 业务定位 |\n|------|------|------|----------------|---------------|---------------|------------|----------------|----------------------------|--------|\n| **{目标公司}** | | — | | | | | | | |\n| 🟢 高可比 1 | | 高 | | | | | | | |\n| 🟢 高可比 2 | | 高 | | | | | | | |\n| 🟡 中可比 1 | | 中 | | | | | | | |\n| 🟡 中可比 2 | | 中 | | | | | | | |\n| 🔴 低可比 1 | | 低 | | | | | | | |\n\n- {高可比对标发现 1}\n- {高可比对标发现 2}\n- {高可比对标发现 3}\n\n\n\n## 3.7 杜邦三因子分解\n\n（杜邦公式 / 亏损公司替代公式详见 `references/ai-internal-rules.md` §3.6）\n\n```\nROE = 销售净利率 × 总资产周转率 × 权益乘数\n = {}% × {}次 × {}\n = {}%\n\n（亏损公司替代公式：ROE = 净利润 / 平均归母权益，注明亏损原因）\n```\n\n**驱动归因**：\n- {驱动 1}\n- {驱动 2}\n- {驱动 3}\n\n## 3.8 关键亮点与潜在隐患\n\n### 关键亮点\n\n1. **{亮点标题}**：{数据支撑}\n2. **{亮点标题}**：{数据支撑}\n3. **{亮点标题}**：{数据支撑}\n4. **{亮点标题}**：{数据支撑}\n5. **{亮点标题}**：{数据支撑}\n\n### 潜在隐患\n\n1. **{隐患标题}**：{数据支撑}\n2. **{隐患标题}**：{数据支撑}\n3. **{隐患标题}**：{数据支撑}\n4. **{隐患标题}**：{数据支撑}\n5. **{隐患标题}**：{数据支撑}\n\n### 数据质量声明\n\n- 数据等级：{A/B/C}\n- 缺失字段：（列出未能计算的指标及原因）\n- 置信度说明：（A 级数据支撑的结论标高，B 级标中，C 级标低）\n\n---\n\n# 四、估值结论\n\n| 项目 | 数字 |\n|------|------|\n| 实际股价 | {现价} |\n| 估值区间 | {下限} ~ {上限} |\n| 12 个月基准目标价 | {基准目标价} |\n\n## 4.1 可比公司估值\n\n| 公司 | 代码 | {基准年} 营收（亿） | {基准年} 毛利率 | {基准年} 净利率 | **PE(TTM)** | PB | 业务定位 |\n|------|------|----------------|---------------|---------------|------------|-----|---------|\n| **{目标公司}** | | | | | | | |\n| 🟢 高可比 1 | | | | | | | |\n| 🟢 高可比 2 | | | | | | | |\n\n## 4.2 估值方法选择\n\n（方法选取 / 四步法 / 行业分类详见 `references/ai-internal-rules.md` §7.1）\n\n公司**{业务特征 1} + {业务特征 2} + {业务特征 3}**三特征并存：\n- **{方法1}**：{口径说明}\n- **{方法2}**：{口径说明}\n- **{方法3 + 方法4} 组合**：{理由}\n\n**估值锚：{锚点说明}**\n\n## 4.3 估值区间\n\n| 方法 | 乐观 | 中性 | 保守 | 当前 | 数据完整度 |\n|------|------|------|------|------|------|\n| **{方法1}** | __ | __ | __ | __ | __% |\n| **{方法2}** | __ | __ | __ | __ | __% |\n| **综合市值** | **__ 亿** | **__ 亿** | **__ 亿** | __ 亿 | **__%** |\n| **综合股价** | **__ 元** | **__ 元** | **__ 元** | __ 元 | — |\n| **隐含 PE 区间** | Forward __x | Forward __x | Forward __x | Forward __x | — |\n\n> 上行/下行空间：乐观 +__% / 中性 -__% / 保守 -__%\n\n## 4.4 估值结论\n\n- **当前股价隐含**：{假设说明}\n- **当前位置**：{区间位置描述}\n- **结论**：**{低估 / 合理 / 偏高估 / 高估}**（{简要理由}）\n- **港股特殊说明**（港股必填 · A 股填\"无\"）：PE-Forward {用 / 跳过，理由}；HSI 行业归类；EBITDA {口径，含 D&A 反推说明}\n\n---\n\n# 五、操作建议\n\n| 情景 | 触发条件 | 目标价 | 操作建议 |\n|------|---------|--------|----------|\n| **乐观** | | | |\n| **基准** | | | |\n| **悲观** | | | |\n| **极悲观** | | | |\n\n**当前股价处于\"{当前情景}\"区间**——{操作建议总结}。\n\n---\n\n# 六、投资风险\n\n> **图例**：概率 = 发生概率，影响 = 对目标价/评级的潜在影响幅度\n\n| 风险名称 | 概率 | 影响 | 触发条件 | 应对/缓释 |\n|---------|------|------|---------|-----------|\n| {风险 1} | 高 | 中 | {触发} | {应对} |\n| {风险 2} | 中 | 中 | {触发} | {应对} |\n| {风险 3} | 中 | 高 | {触发} | {应对} |\n| {风险 4} | 低 | 中 | {触发} | {应对} |\n\n---\n\n# 七、数据质量与盲区\n\n| 项目 | 说明 / 对分析的影响 | 影响程度 |\n|------|----------------|---------|\n| 数据等级 | {A / B / C} | — |\n| 结构化数据获取 | 10 项中成功__个，失败__个 | — |\n| 定性数据获取 | `WebSearch` 拉取__份研报 | — |\n| 主要数据来源 | 东财 / 新浪 / 腾讯 / 百度 / 同花顺 / `WebSearch（研报/深度分析）` | — |\n| 缺失字段 1 | {具体说明 + 对哪个结论有影响} | 高 / 中 / 低 |\n| 缺失字段 2 | {具体说明 + 对哪个结论有影响} | 高 / 中 / 低 |\n| 缺失字段 3 | {具体说明 + 对哪个结论有影响} | 高 / 中 / 低 |\n| **可比公司财务数据** | 来自 `collect_data.py --finances`，**CLI 直采** | 高（无精度损失）|\n| **港股 D&A 反推**（港股必填 · A 股填\"无\"） | D&A 用 llb OCF 净额 - lrb 净利润 反推，{OCF>净利时有效 / OCF≤净利时归零}，{值} 亿港元 | 中（D&A 反推为粗估，真实值需查港股年报附注）|\n\n---\n\n# 输出前自检清单\n\n> **生成完深度报告后，必须逐条勾选**。\n\n## 渲染层\n\n- [ ] 关键走势图用 base64 内嵌（2 张以内：营收柱状图 + 财务四维雷达图）\n- [ ] 中文字体用 macOS 自带 `Heiti TC` / `Songti SC`\n- [ ] 涨红跌绿（中国习惯）\n- [ ] 表格用 markdown 原生语法（无 HTML 表格）\n- [ ] 锚点跳转用 heading 自动生成\n\n## 内容层\n\n- [ ] 30s 极简版 3 句话齐全（动作+标的+价位+空间+时间 / 驱动+证据 / 风险+触发条件）\n- [ ] 摘要用**分点列表 + 标签前缀**（9 条），**不**用 blockquote 引用\n- [ ] 投资风险用**5 列表格**（风险/概率/影响/触发/应对），**不**用 bullet 列表 + badge\n- [ ] 竞争格局（§2.3）**只列高可比 2 家**\n- [ ] 估值结论（§4.1）可比公司表**只列高可比 2 家**\n- [ ] 财务对比（§3.6）列出**所有收集到的可比公司**（高+中+低），新增\"可比性\"列\n- [ ] 公司画像**不**单独成\"概念板块\"节，**合并到基本信息表格最后一行**\n- [ ] 估值结论（§4.4）只列实做的估值方法（反虚标）\n\n## 数据层\n\n- [ ] **不**写\"完整数据：[a, b, c, ...]\"向量数组注释\n- [ ] **不**输出\"技术说明\"类附录\n- [ ] 至少使用 2 种估值方法\n- [ ] 所有财务数字标注来源\n- [ ] 推断内容标注置信度（高/中/低）\n- [ ] 数据质量与盲区表已填写（含缺失项对结论的影响传导）\n- [ ] 可比公司财务数据走 `collect_data.py --finances`\n\n---\n\n# 配套产物\n\n> 本报告为**深度分析报告**（MD 主报告，含 2 张关键走势图 base64 内嵌：营收柱状图 + 财务四维雷达图）。配套产物：\n\n| 产物 | 文件名 | 用途 | 模板 |\n|------|--------|------|------|\n| **深度分析报告** | `{公司名}_深度分析报告_{YYYYMMDD}.md` | 公司完整深度分析报告 | `templates/deep-analysis-report-template.md`（本文件）|\n| **投研简报** | `{公司名}_投研简报_{YYYYMMDD}.html` | 30s 必读卡片 | `templates/briefing-card-template.html` |\n\nArchive v1.0.11: 18 files, 85053 bytes\n\nFiles: CHANGELOG.md (6227b), LICENSE (906b), README.md (10837b), references/ai-internal-rules.md (13428b), references/financial-analysis-guide.md (12142b), references/moat-analysis-framework.md (18457b), references/porter-five-forces-template.md (15426b), references/valuation-methods.md (8565b), requirements.txt (562b), scripts/collect_data.py (43830b), scripts/valuation.py (30113b), skill-card.md (3259b), SKILL.md (8843b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13202b), templates/deep-analysis-report-template.md (20032b), templates/financial-analysis-template.md (6715b), _meta.json (141b)\n\nFile v1.0.11:SKILL.md\n\n---\nname: company-deep-analysis\nversion: 1.0.11\ndescription: |\n A股/港股公司深度分析。输入公司名称或股票代码，自动完成数据采集到估值分析的全流程：\n 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。\n 输出双产物：公司深度分析报告 + 投研简报\n 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。\n 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\nmetadata:\n market: [\"A股\", \"港股\"]\n output_format: [\"html\", \"md\"]\n display_name: \"公司深度分析助手\"\n requires:\n pip: [\"akshare\", \"requests\", \"pandas\", \"lxml\", \"html5lib\"]\n optional_pip: [\"yfinance\", \"matplotlib\"]\n python_bins: [\"python3\", \"python\"]\n---\n\n# 公司深度分析助手（A 股 / 港股）\n\n输入 A 股/港股公司名称或股票代码，**默认执行全流程分析，输出双产物**：\n- MD 深度分析报告（`{公司名}_深度分析报告_{YYYYMMDD}.md`）\n- HTML 投研简报（`{公司名}_投研简报_{YYYYMMDD}.html`）\n\n> 单步模式：用户说\"看一下 XX 的财务\" / \"XX 的公司画像\" → 只跑对应步骤，输出单文件。\n\n## 执行模式路由\n\n| 用户关键词 | 模式 | 步骤 | 输出 |\n|-----------|------|------|------|\n| **（默认）** | `full` | Step0-5 全部 | 双产物 |\n| **财务** / **财务情况** / **财务分析** | `financial` | Step0 + Step4 | `_财务分析.md` |\n| **画像** / **公司画像** / **公司基本面** | `profile` | Step0 + Step1 | `_公司画像.md` |\n\n关键词优先级：`financial` > `profile` > `full`。\n\n路由判定后在对话中展示：\n```\n🔍 识别到：{公司全称}（{代码}）· {市场} · 即将进入「{模式}」模式，输出：{文件清单}\n```\n\n---\n\n## Step0：环境准备与数据采集\n\n> 全部 AI 内部规则（基准年判定、框架选择、权重表、写作硬要求、降级策略）见 `references/ai-internal-rules.md`，跑报告前必须先读。\n\n### 0.0 安装依赖\n\n```bash\npip install -r /requirements.txt\n```\n\n核心依赖：`akshare`（A股/港股三表主力）、`requests`、`pandas`、`lxml`、`html5lib`；可选：`yfinance`（港股容错）、`matplotlib`（图表渲染）。\n\n### 0.1 公司识别\n\n**市场范围**：仅 A 股 + 港股。美股 / 未上市公司 → 直接拒绝。\n\n**代码识别**：\n\n| 输入特征 | 模式 | 市场 |\n|---------|-----|-----|\n| 5 位纯数字 | 港股 | 港股 |\n| 6 位纯数字 | A 股 | A 股 |\n| `hk00700` / `sh600519` / `sz000001` / `bj430047` | 带前缀 | 按前缀 |\n| `00700.HK` / `600519.SH` | 带后缀 | 按后缀（规整为 `hk01000` / `sh600519`） |\n| 公司名 | 搜索 | 候选判定 |\n\n代码规整：所有变体统一为 `hk{5位}` / `sh{6位}` / `sz{6位}` / `bj{6位}`。\n\n- **公司名模式**：WebSearch \"<公司名> 股票代码\"，然后 `$PY scripts/collect_data.py {CODE}` 验证。多候选列出 ①②③ 让用户选。\n- **代码模式**：`$PY scripts/collect_data.py {CODE}` 反查全称。无效则提示检查。\n- **公司名+代码模式**：同代码模式验证匹配性，匹配直接进入，不弹确认。\n\n### 0.2 数据采集\n\n```bash\n$PY /scripts/collect_data.py {CODE}\n```\n\n写入 `/tmp/{CODE}_data.json`。\n\n降级策略（`collect_data.py` 内置，每数据项独立降级，详见 `ai-internal-rules.md`）：\n\n- **A股**：AKShare → 新浪/东财/腾讯 HTTP → **WebSearch 兜底**\n- **港股**：AKShare → yfinance(容错) → 东财 emweb HTTP → **WebSearch 兜底**\n\n衍生项 ebitda（估值用，港股跳过）。每项自动在 `_数据源` 字段标注实际来源。\n\n**批量模式**：\n\n```bash\n$PY /scripts/collect_data.py --quotes {CODE},{竞对1},{竞对2} # 批量行情\n$PY /scripts/collect_data.py --finances {CODE},{竞对1},{竞对2} # 批量财务比率\n```\n\n### 0.3 定性补充\n\n```\nWebSearch \"<公司名> 研报 战略\"\nWebSearch \"<公司名> 公告 管理层 重大事项\"\n```\n\n### 0.4 数据质量评级\n\n- **A级**：AKShare 全部命中 / **B级**：1-3 项降级 / **C级**：多项 WebSearch 兜底，仅定性分析\n\n---\n\n## Step1：公司画像\n\n**输入**：`/tmp/{CODE}_data.json` 的 f10、em_info、blocks。\n\n1. **基本信息** + 业务模式标签（按 `ai-internal-rules.md §1.0`）\n2. **主营业务**与收入构成\n3. **股权结构**（前十大股东）\n4. **用户规模**（条件性触发，规则见 `ai-internal-rules.md §1.1`）\n\n输出：按 `templates/company-profile-template.md` 生成 `{公司名}_公司画像.md`。\n\n---\n\n## Step2：产业链分析\n\n**输入**：Step1 业务模式标签 + data.json 的 f10.行业分析。\n\n1. **行业大盘**：规模 / CAGR / CR5 集中度 / 生命周期\n2. **五力分析**：按 `ai-internal-rules.md §2.0` 选框架（A/B/C），加载 `references/porter-five-forces-template.md` 对应章节执行\n\n每项评级：强/中/弱 + 至少 2 条数据支撑。\n\n---\n\n## Step3：竞争与护城河\n\n**输入**：data.json 的 reports、quote。\n\n### 3.1 识别竞对（3-8 家）\n\n> **核心原则**：从\"业务模式\"和\"产业链位置\"双维度匹配。先找同行业（高可比），再找上下游/相似业务（中可比），最后是行业参考（低可比）。\n\n步骤：\n1. 按营收占比拆目标公司主业（占比最高），可比公司必须对标主业\n2. 三层选取：\n - 🟢 **高可比**：业务模式相同 + 主营行业相同\n - 🟡 **中可比**：主营行业不同但业务模式类似\n - 🔴 **低可比**：业务模式差距大，仅作行业参考\n3. 每家公司必须给可比性标注 + 理由\n4. 行业基准对比**不能替代**可比公司对比\n\n**反例警示**：\n- ❌ 把行业平均毛利率/PE 当作\"可比公司\"\n- ❌ 把业务模式差距大的公司（如 FPGA 芯片设计 vs 存储分销）放在同一张估值表比较\n\n**报告呈现**：深度报告 §2.3/§4.1 只列高可比 2 家；§3.6 财务对比列全部可比公司。投研简报不展开可比公司。\n\n### 3.2 护城河分析\n\n按 `ai-internal-rules.md §2.5` 选框架（A-F），加载 `references/moat-analysis-framework.md` 执行。三轮反问机制按数据等级执行（A 级 ≥ 3 轮，B/C 级 ≥ 2 轮）。\n\n### 3.3 竞争优势综合判断（客户视角 3 问）\n\n---\n\n## Step4：财务四维\n\n**输入**：data.json 的 lrb / fzb / llb / finance。\n\n1. 按 `ai-internal-rules.md §0.1` 判定**基准年**\n2. 按 `ai-internal-rules.md §3.0` 选**财务权重**\n3. 盈利能力 / 偿债能力 / 营运能力 / 成长能力 四维分析\n4. **杜邦分解**（必做，亏损公司用替代公式）\n5. 综合评分\n\n输出：按 `templates/financial-analysis-template.md` 生成 `{公司名}_财务分析.md`。\n\n---\n\n## Step5：相对估值\n\n按 `ai-internal-rules.md §7.1` 选 1-3 种方法。\n\n```bash\n$PY /scripts/valuation.py {CODE} peers.json\n```\n\n交叉验证（至少 2 个变体）：偏差 < 15% 取均值，15-30% 标注分歧，> 30% 取更保守估值。\n\n---\n\n## Step6：生成产物\n\n### 6.0 模板硬约束（最高优先级，生成前必读）\n\n> **模板中每一个表格、每一个小节都是必填项。** 详见 `references/ai-internal-rules.md` §8.3。\n> **例外**：标注「（条件性触发）」的小节（如 §1.4）不适用时完全跳过；模板末尾的「输出前自检清单」是内部工具，禁止输出到报告中。详见 `ai-internal-rules.md` §8.3.1 和 §8.3.2。\n\n**核心规则**：\n- 模板中的**所有表格**必须保留。数据不足时单元格填 `N/A` 或标注 `口径差异大，不采纳`，**禁止把表格变成文字、禁止删除表格行列**\n- 模板中的**小节标题不可删除**，无数据时保留标题 + `暂无数据`\n- 表格列数、列名、行标签与模板完全一致\n\n> ⚠️ **生成报告后，必须使用模板末尾的「输出前自检清单」逐条内部勾选，未通过则报告不合格。自检清单本身不输出到报告中。**\n\n### 产物映射\n\n写任何文件前，**必须先用 Read 读取对应模板完整内容**。\n\n| 模式 | 产物 | 模板 |\n|------|------|------|\n| full | `{公司名}_深度分析报告_{YYYYMMDD}.md` | `templates/deep-analysis-report-template.md` |\n| full | `{公司名}_投研简报_{YYYYMMDD}.html` | `templates/briefing-card-template.html` |\n| financial | `{公司名}_财务分析_{YYYYMMDD}.md` | `templates/financial-analysis-template.md` |\n| profile | `{公司名}_公司画像_{YYYYMMDD}.md` | `templates/company-profile-template.md` |\n\n### 清理\n\n```bash\nrm -f /tmp/{CODE}_data.json\n```\n\nFile v1.0.11:README.md\n\n# 公司深度分析助手\n\n> **一句话介绍**：你告诉它一家 A 股/港股公司的名字或股票代码，它自动完成数据采集到估值分析的全流程，给你输出**两份产物**——一份完整的公司深度分析报告，一份 30s 必读的投研简报卡片。\n\n![版本](https://img.shields.io/badge/版本-1.0.9-blue)\n![支持市场](https://img.shields.io/badge/支持市场-A股%20%2F%20港股-green)\n![输出格式](https://img.shields.io/badge/输出-HTML%20%2F%20MD-orange)\n\n---\n\n## 📌 这是什么？\n\n这是一个**投研工具**，专门帮你做 A 股 / 港股公司的\"投前初筛\"。\n\n你只需要说一句话，比如：\n\n> \"帮我分析一下贵州茅台\"\n> \"分析 600519\"\n> \"看看宁德时代这家公司\"\n\n它就会自动去拉数据、做分析、最后给你输出**两份产物**（一份公司深度分析报告 + 一份投研简报卡片）。\n\n**适合谁用？**\n- 个人投资者：想 5 分钟看清一家公司基本面\n- 投资经理：投委会前快速过一遍潜在标的\n- 行业研究员：做行业研报里的\"标的画像\"小节\n- 投资顾问：给客户做方案前的快速背调\n\n**适用平台**\n- 目前已在codex上进行验证\n- 若已安装workbuddy，则推荐在workbuddy的skillhub搜索\"公司深度分析\"并安装，数据来源为westock，输出更稳定\n\n---\n\n## 🎯 能帮你做什么？\n\n它会**自动跑完全部分析流程**，从数据采集到最后输出产物全部包圆：\n\n| 步骤 | 它做什么 | 你能看到什么 |\n|------|---------|------------|\n| ① 数据采集 | 拉行情、财务三表、研报、概念板块 | 11 项数据（含 ebitda 衍生）|\n| ② 公司画像 | 整理公司基本信息、股权结构、用户规模 | 一张公司画像表 + 行业大盘认知 |\n| ③ 产业链五力 | 用经典波特五力分析上下游和竞争 | 供应商/客户/竞对/进入者/替代品五项评级 |\n| ④ 护城河分析 | 用行业适配框架（如 Hamilton Helmer 7 Powers）判断公司护城河 | 3 轮反问机制 + 护城河评级表 |\n| ⑤ 财务四维 | 盈利能力/偿债能力/营运能力/成长能力 + 杜邦三因子分解 | 四维雷达图 + 杜邦分解表 + 综合评分 |\n| ⑥ 相对估值 | 10+ 个相对估值变体（PE-TTM / PE-Forward / 周期 PE / PB-MRQ / PB-Forward / PS-TTM / PS-Forward / EV·EBITDA / EV·Revenue / Rule of 40），按行业自动选变体 | 估值结论 + 上行/下行空间 + 风险提示 |\n\n最后输出 **两份产物**：\n\n**① 深度分析报告（`.md` 主报告）**\n\n- 公司画像\n- 行业竞争（行业分析+波特五力产业链分析）\n- 财务（四大能力+杜邦三因子）\n- 估值 （多种相对估值方法）\n- 操作建议\n- 投资风险\n- 数据质量与盲区\n\n**② 投研简报（`.html` 单页卡片）**\n\n---\n\n## 🚀 怎么用？\n\n### 方式一：在 AI 对话里直接说\n\n只要你的 AI 客户端装了这个 skill，**直接打字就行**：\n\n```\n帮我分析 600519（贵州茅台）\n分析 宁德时代\n做一份 腾讯控股 00700 的投研简报\n深度分析 比亚迪\n```\n\n**支持的输入**：\n- 股票代码：`600519` / `00700`（6 位 A 股，5 位港股）\n- 公司名：`贵州茅台` / `宁德时代` / `腾讯控股`\n- 公司名+代码：`贵州茅台 600519`（验证后直接开干）\n\n> ⚠️ **港股也支持**！代码可以是 5 位数字（如腾讯 00700）。本工具**拒绝美股 / 加密币**（如阿里 BABA、特斯拉 TSLA）。\n\n### 方式二：手动跑数据采集脚本\n\n如果你想自己跑数据采集和估值（不触发完整分析流程），先 `cd` 到 skill 根目录，再直接 `python` 跑业务脚本（`python` / `python3` 均可，取决于你的环境命令名）。\n\n#### Linux / macOS\n\n```bash\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts/collect_data.py 600519 # A 股\npython scripts/collect_data.py 00700 # 港股\n\n# 3. 跑估值\npython scripts/valuation.py 600519\npython scripts/valuation.py 600519 peers.json\n```\n\n#### Windows\n\n```powershell\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts\\collect_data.py 600519\npython scripts\\collect_data.py 00700\n\n# 3. 跑估值\npython scripts\\valuation.py 600519\npython scripts\\valuation.py 600519 peers.json\n```\n\n数据会写到系统临时目录（macOS/Linux = `/tmp/`；Windows = `%TEMP%`），文件名 `{代码}_data.json`，包含 11 项：\n\n- **finance**（财务三表 + 派生指标，A 股新浪/东财 · 港股东财港股 datacenter API 直采）\n- **f10**（公司概况 / 财务分析 / 股东研究 / 股本结构 / 行业分析，共 5 大类）\n- **lrb**（利润表）\n- **fzb**（资产负债表）\n- **llb**（现金流量表；**港股无此表**，估值自动跳过 EV/EBITDA）\n- **ebitda**（EBITDA 拆解，估值 EV/EBITDA 用）\n- **quote**（行情：现价 / 市值 / 换手率）\n- **em_info**（个股信息：东财行业 / 总股本 / 流通股本，估值必需）\n- **blocks**（概念板块：A 股百度；港股 HSI 行业）\n- **reports**（研报列表：A 股东财；港股无）\n- **ths_forecast**（同花顺一致预期，**仅 A 股**；港股无数据源）\n\n---\n\n## 💼 典型使用场景\n\n### 场景 1：5 分钟看一家公司值不值得投资\n> \"分析 国恩股份\"\n\n→ 2-3 分钟后拿到**两份产物**：MD 完整报告+ HTML 简报。先看 HTML 的 3 句话结论 + 估值结论 + 投资风险，要继续再看完整版报告。\n\n### 场景 2：做行业研报\n> \"分析 宁德时代\"\n\n→ 报告里的\"标的画像\"小节可以直接复用 MD 主报告的 `§一 公司画像` + `§二 行业与竞争` 章节。\n\n### 场景 3：只想看财务\n> \"看一下 贵州茅台 的财务情况\"\n> \"分析 比亚迪 的财务分析\"\n\n→ **只跑 30 秒**，只输出 1 个文件：\n\n```\n贵州茅台_财务分析_{YYYYMMDD}.md ← 财务四维 + 杜邦 + 综合评分（不含行业/护城河/估值）\n```\n\n**适用**：已经看过这家公司基本面，现在想盯财务变化；或者多个标的横向比财务。\n\n### 场景4：只想看公司画像\n> \"看一下 腾讯 的公司画像\"\n> \"分析 宁德时代 的公司基本面\"\n\n→ **只跑 30 秒**，只输出 1 个文件：\n\n```\n腾讯_公司画像_{YYYYMMDD}.md ← 基本信息 + 主营业务 + 股权 + 行业分析（不含财务/护城河/估值）\n```\n\n**适用**：投前 5 分钟了解一家公司\"是干什么的、谁在管、什么行业\"。\n\n> 触发词路由表（无需记，自然说就行）：\n> - 财务情况 / 财务分析 / 财务 → 财务\n> - 公司画像 / 公司基本面 / 画像 → 画像\n> - 没说 → 默认全跑\n\n---\n\n## ❓ 常见问题\n\n### Q1: 支持美股/加密币吗？\n**不支持**。本 skill 只覆盖 A 股 + 港股。美股/币圈请用对应工具。\n\n### Q2: 数据是哪里来的？\n- **行情（A 股/港股）**：腾讯财经 `qt.gtimg.cn`（主力） → AKShare（容错） → yfinance（港股容错）\n- **财务三表（A 股）**：AKShare `stock_*_by_report_em` → 新浪财报 API\n- **财务三表+主要指标（港股）**：AKShare `stock_financial_hk_report_em`（主力） → 东财港股 datacenter（兜底）\n- **F10/研报/概念板块**：东财 + 同花顺 + 百度\n- **定性信息 / 兜底**：WebSearch 实时搜索（各项数据采集失败时的最终降级）\n\n> 📌 **港股特别注意**：港股**无现金流量表**，因此 `llb` 为空、估值自动跳过 EV/EBITDA 变体（PE-TTM / PB-MRQ 仍正常）；`reports`（研报）与 `ths_forecast`（一致预期）港股无数据源，标 `⚠ 缺失`。\n\n所有数据**脚本直采优先**，失败后 WebSearch 兜底。\n\n### Q3: 报告里的估值准吗？\n**这是相对估值，不是绝对估值**。DCF / DDM / rNPV 等绝对估值方法需要行业 β、5-10 年 FCFF 等数据，本 skill 故意不做。\n\n> 投资决策请结合你自己的研究和风险偏好，本 skill 只做\"投前初筛\"，不是\"买入信号\"。\n\n### Q4: 数据采集失败了怎么办？\n- 11 项数据全部成功 → **A 级**（最优）\n- 1-3 项失败 → **B 级**（用 WebSearch 补）\n- 三表 + F10 都失败 → **C 级**（只做定性）\n\n报告里会标注数据等级，缺失项会用 `⚠ 缺失` 标出来。\n\n### Q5: 我能改模板吗？\n能。模板在 `templates/` 目录下：\n- `company-profile-template.md`（公司画像）\n- `deep-analysis-report-template.md`（完整分析报告）\n- `financial-analysis-template.md`（财务分析）\n- `briefing-card-template.html`（投研简报卡片）\n\n改完模板后，**下次生成报告时自动应用**。已生成的历史报告不会动。\n\n### Q6: 这是开源的吗？\n是的。License：MIT（**待仓库发布后正式生效**）。\n\n---\n\n## 🛠️ 技术栈\n\n| 模块 | 技术 |\n|------|------|\n| 数据采集 | Python 3.13 + AKShare（A股/港股三表主力）+ requests + pandas |\n| 行情数据 | 腾讯财经（A股/港股主） + AKShare + yfinance（港股容错） |\n| 财务三表 | AKShare（A股/港股） + 新浪财报 API（A股） + 东财 datacenter（港股兜底） |\n| 估值 | 自研 10+ 变体（`scripts/valuation.py`，按行业自动选变体） |\n| 报告渲染 | 模板直出（`.md` / `.html`），简报含 html2canvas 复制图片 |\n| 字体 | 系统中文字体，不下载外部字体 |\n| 兜底 | 各项数据采集失败时，自动降级到 WebSearch |\n\n---\n\n## 📁 文件结构\n\n```\n公司深度分析助手/\n├── SKILL.md # skill 主入口\n├── README.md # 本文件\n├── requirements.txt # Python 依赖\n├── scripts/ # 脚本\n│ ├── collect_data.py # 数据采集（11 项，A股/港股 + 多源降级链：AKShare / yfinance / emweb）\n│ └── valuation.py # 估值（10+ 变体，按行业自动选）\n├── templates/ # 报告模板\n│ ├── company-profile-template.md\n│ ├── deep-analysis-report-template.md\n│ ├── financial-analysis-template.md\n│ └── briefing-card-template.html\n└── references/ # 方法论文档\n ├── porter-five-forces-template.md # 五力分析\n ├── moat-analysis-framework.md # 护城河框架\n ├── financial-analysis-guide.md # 财务四维 + 杜邦\n ├── valuation-methods.md # 估值方法论\n └── ai-internal-rules.md # AI 内部规则\n```\n\n## 📮 反馈\n\n- GitHub Issues：仓库地址待上传后补充\n\n---\n\n_⚠️ 免责声明：本 skill 仅作投前初筛参考，不构成投资建议。投资有风险，决策需谨慎。_\n\nFile v1.0.11:_meta.json\n\n{\n \"ownerId\": \"kn72dhgwy0zzg1r1w8wgfxbnyh8a552s\",\n \"slug\": \"company-deep-analysis\",\n \"version\": \"1.0.11\",\n \"publishedAt\": 1784129628922\n}\n\nFile v1.0.11:references/ai-internal-rules.md\n\n# AI 内部工作指引（不可写入报告）\n\n> **本文件是 AI 内部工作手册，仅对 AI 可见。**\n>\n> 跑报告时，AI 必须先读完本文件 + `SKILL.md`，再按 `templates/*.md` 填值。\n>\n> 任何\"工作指引\"内容（基准年规则、框架选择、硬要求、数据获取命令、列名映射、评分规则等）**只放这里**——模板里只放\"报告结构 + 占位符\"。\n>\n> **报告自检**：最终报告写完后**必须**扫描以下关键词，发现立即删除：\n> - \"基准年规则\" / \"4 月 1 日\" / \"判定公式\"\n> - \"实现方式\" / \"用 matplotlib\" / \"中文字体用\"\n> - \"写法硬要求\" / \"结论先行\"作为元说明（\"我们认为公司 X 高于行业 Y\" 是 OK 的）\n> - \"数据获取（强制）\" / \"列名映射\" / \"可比性等级\"作为章节名\n> - \"本节是 ... 的内联版\" / \"数据来源\"作为大段块引用\n\n---\n\n## §0 元信息规则\n\n### 0.0 运行环境\n\n**Python 命令探测**：执行任何脚本前先确定 Python 命令名：\n\n```bash\nPY=$(command -v python3 || command -v python)\nif [ -z \"$PY\" ]; then echo \"⚠ 未找到 Python，请先安装 Python 再继续\"; exit 1; fi\n```\n\n- 后续所有脚本调用统一用 `$PY /scripts/xxx.py`\n- **没有 Python 就先装 Python**，不要走\"手工 WebFetch 拼接 JSON\"的降级路径\n\n**数据源三级降级**（collect_data.py 内置，每数据项独立）：\n\n| 模块 | Tier 1（AKShare） | Tier 2 | Tier 3（兜底） |\n|------|-----------------|--------|--------|\n| 三表(A) | AKShare stock_\\*_by_report_em | 新浪 HTTP | WebSearch |\n| 三表(HK) | AKShare stock_financial_hk_report_em | yfinance(容错) → 东财 emweb | WebSearch |\n| 财务(A) | AKShare stock_financial_abstract | 东财 datacenter | WebSearch |\n| 财务(HK) | AKShare hk_analysis_indicator_em | yfinance(容错) → 东财 datacenter | WebSearch |\n| 行情(A) | AKShare stock_zh_a_spot_em | 腾讯 qt.gtimg.cn | WebSearch |\n| 行情(HK) | 腾讯 qt.gtimg.cn | yfinance(容错) | WebSearch |\n| 个股信息 | AKShare stock_individual_info_em | 东财 emweb | WebSearch |\n| 研报 | AKShare stock_research_report_em | 东财 reportapi | WebSearch |\n| 一致预期 | AKShare stock_profit_forecast_em | 同花顺 | WebSearch |\n\n降级触发条件：AKShare 未安装 / 函数报错 / 返回空 DataFrame → 自动进入下一级。\n**降级时不报错，静默切换**，只在实际数据源字段 `_数据源` 中标注。\n\n**运行环境降级**（仅当脚本完全不可用时触发）：\n| L1 正常 | scripts/ 存在 + Python 可用 → 执行 collect_data.py |\n| L2 脚本异常 | collect_data.py 报错 → LLM 按同款数据源 WebFetch 直采 |\n| L3 无 Python | 探测不到 python3/python → LLM 用 WebFetch/curl 采集 |\n\n**L2/L3 降级 schema**（写入 `/tmp/{code}_data.json`）：\n\n```json\n{\"code\":\"600519\",\"market\":\"A股\",\"finance\":{\"主要财务指标\":{}},\"f10\":{\"公司概况\":{},\"股东研究\":{},\"股本结构\":{},\"行业分析\":{},\"财务分析\":{}},\"lrb\":{},\"fzb\":{},\"llb\":{},\"quote\":{\"price\":0,\"pe_ttm\":0,\"pb\":0,\"mcap_yi\":0},\"em_info\":{},\"blocks\":[],\"reports\":[],\"ths_forecast\":[]}\n```\n\n必填：`code` / `market` / `quote`，其余缺失标 `\"N/A\"`。\n\n### 0.1 基准年判定（重要，写报告必须按此判定）\n\n`{基准年}` = 当前时间最近一个已披露完整年报的年份\n\n| 当前时间 | 基准年 | 例子 |\n|---------|--------|------|\n| 4 月 1 日之前 | 前一年年报 | 2026-02 跑 → 基准年=2025 |\n| 4 月 1 日及之后（年报已披露） | 当年年报 | 2026-05 跑 → 基准年=2026 |\n\n- `{基准年-1}` = 基准年的前一年\n- `{基准年-1}→{基准年} 营收 CAGR` = 同比增速（跨度=1 年时）\n- 报告\"摘要\"必须说明选用的基准年（模板 §6 元信息表里有 `基准年` 列，照填）\n\n### 0.2 数据质量等级 A/B/C\n\n| 等级 | 判定标准 |\n|------|---------|\n| **A** | 核心指标全部有数据，CLI 直采 + 多源交叉验证 |\n| **B** | 核心指标 2-3 期有数据，1 个来源 |\n| **C** | 关键数据缺失，需 WebSearch 补充估算 |\n\n---\n\n## §1 公司画像规则\n\n### 1.0 业务模式标签\n\n按行业选唯一标签（决定五力/护城河/权重）：\n\n| 业务模式 | 五力 | 护城河 | 财务权重 |\n|---------|------|--------|---------|\n| 消费品/制造/金融/地产/医药 | 框架 A 经典 | 消费品牌/制造/金融/医药/地产 | 通用 40/20/10/30 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS | 框架 B 平台 | 平台与网络效应 | 35/10/5/30 |\n| 通讯/支付/交易所 | 框架 C 网络 | — | 30/40/10/20 |\n| 亏损/早期/AI/SaaS/生物医药 | — | — | 10/15/10/45 |\n| 强周期 | 框架 A | — | 25/25/10/40 |\n\n### 1.1 用户规模数据原则（互联网/平台/TOB SaaS 触发）\n\n- **优先**：年报/招股书/季报官方披露\n- **次选**：`collect_data.py 脚本`\n- **补充**：`WebSearch` 券商深度报告\n\n### 1.2 摘要 3 句话设计原则\n\n- **第一句**：动作 + 标的 + 价位 + 空间 + 时间（5 要素齐全）\n- **第二句**：驱动 + 证据（不重复摘要 9 条，聚焦\"市场为何不应忽视\"）\n- **第三句**：风险 + 触发条件（不只说\"风险\"而说\"什么条件下会怎样\"）\n- **三句话内不出现公式、不列数字明细**\n\n---\n\n## §2 五力分析规则\n\n### 2.0 框架选择\n\n| 业务模式 | 框架 |\n|---------|------|\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具/信息服务 | 框架 B 平台/生态型 |\n| 通讯/支付/交易所/系统软件 | 框架 C 网络效应 |\n| 其他（消费品/工业品/金融/地产/医药） | 框架 A 经典 Porter |\n\n### 2.5 护城河框架选择\n\n> §2.4 表格行**不固定**——按业务模式选对应框架的 Power 集填表。\n\n| 业务模式 | 护城河框架 | 加载文件 | Power 集（对应表行） |\n|---------|----------|---------|------------------|\n| 消费品/品牌/零售 | 框架 A 消费品牌 | `moat-analysis-framework.md` §1 | 品牌资产 / 渠道控制 / 用户心智占位 / 产品创新力 / 规模效应 / 文化护城河 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具 | 框架 B 平台与网络效应 | 同上 §2 | 网络经济 / 规模经济 / 转换成本 / 品牌 / 数据资产 / 生态绑定 / 聚合优势 |\n| 制造/重资产/材料/能源/汽车零部件 | 框架 C 制造业 | 同上 §3 | 规模经济 / 工艺专长 / 客户认证壁垒 / 产品组合宽度 / 地理布局 / 供应链控制 / 专利组合 |\n| 金融/银行/保险/券商/资管 | 框架 D 金融业 | 同上 §4 | 牌照壁垒 / 资本规模 / 低成本负债 / 客户基础 / 风控能力 / 品牌信任 / 科技数据能力 |\n| 医药/生物科技/医疗器械 | 框架 E 医药 | 同上 §5 | 专利组合 / 管线深度 / 销售网络 / 生产工艺 / 品牌 / CRO-CDMO 一体化 / 数据+AI 制药 |\n| 地产/建筑 | 框架 F 地产 | 同上 §6 | 拿地能力 / 地理布局 / 融资成本 / 运营效率 / 品牌信任 / 商业地产运营 |\n\n执行：写 §2.4 表格时**只填所选框架的 Power 集**——禁止跨框架混搭（例：互联网框架里不许加\"技术\"\"牌照\"行）。\n\n---\n\n## §3 财务分析规则\n\n### 3.0 财务权重（按业务模式选唯一一套）\n\n详见 `references/financial-analysis-guide.md` §0.1。**7 套行业调整表，6 选 1 互斥**（\"其他\"无独立类别，回 Step1 重判）。\n\n### 3.1-§3.4 指标分析写法硬要求\n\n- **每条分点必须\"结论先行\"**——先给判断（\"毛利率高于行业 10pct\"），后接数据/事实（\"55% vs 行业中位数 45%\"）\n- **主语**：公司名（{公司名} / 公司 / 业务）\n- **谓语**：具体动词（高于/低于/接近/超过/显著领先）\n- **宾语**：具体数据/对比对象\n- **结构**：① 一句话总论（强/中/弱 + 关键定性特征）→ ② 3-5 个分点（结论先行 + 数据/事实）\n\n### 3.5 雷达图\n\n- 双层雷达：外层=实际得分 0-100，内层=行业中位数\n- 实现：`matplotlib` + macOS 自带中文字体（`Heiti TC` / `Songti SC`）\n- 嵌入：保存为独立 PNG 文件（如 `chart_radar.png`），与 .md 报告放同一目录，用相对路径引用 `![描述](./chart_radar.png)`\n- **禁止 base64 内嵌**：base64 data URI 过长会导致渲染器截断，图表无法显示\n- **降级**：图表生成失败时跳过图表区域，在报告末尾标注「⚠️ 图表生成失败：{原因}」，不输出残缺 base64 或错误信息\n\n### 3.6 杜邦分解（所有行业必做）\n\n- 公式：ROE = 净利率 × 总资产周转率 × 权益乘数\n- 亏损公司用替代公式：ROA + 扣非 ROE（详见 `financial-analysis-guide.md` §1.A）\n\n---\n\n## §6 可比公司规则\n\n### 6.1 数据获取（强制 CLI 直采）\n\n```bash\npython3 scripts/collect_data.py --finances <目标公司代码>,<可比1>,<可比2>,<可比3>\n```\n\n- 一次拉全所有公司的最近一期快照（毛利率/净利率/ROE/营收/同比/资产负债率/8 期报告期列表）\n- 精度 = 东财数据中心原始数据\n- **可比公司财务比率走 CLI 直采**（WebSearch 估算精度不够）\n\n### 6.2 列名映射（`get_finance()` 返回 → 表格列）\n\n| get_finance 字段 | 表格列 |\n|-----------------|--------|\n| 营业总收入 | {基准年} 营收（亿） |\n| 销售毛利率 | {基准年} 毛利率 |\n| 销售净利率 | {基准年} 净利率 |\n| ROE加权 | {基准年} ROE |\n| `_近8期报告期` | 选最近一个已披露完整年报的报告期作为\"基准年\"那一行 |\n\n### 6.3 可比性等级\n\n- 🟢 **高可比**：业务模式最相近\n- 🟡 **中可比**：业务模式部分重叠\n- 🔴 **低可比**：仅作产业链/规模参考\n\n---\n\n## §7 估值规则\n\n### 7.1 估值方法（按行业选 1-3 种，必须如实标注）\n\n- **通用**：PE-TTM / PB-MRQ / EV/EBITDA-TTM\n- **亏损/早期**：PS-TTM / DCF（远期）\n- **金融**：PB + 股息率 + 不良率\n- **地产**：NAV 重估\n- **港股**：PE-Forward 港股无一致预期数据，**跳过**\n- **D&A 反推算法**（OCF > 净利时有效）：`D&A = OCF 净额 - 净利润`\n- **反虚标**：只列\"实做\"方法，未做不写\n\n### 7.2 估值结论\n\n- 综合得分（按权重 35/10/5/30 之类）必须列加权公式\n- 目标价给出区间 + 对应方法 + 数据来源\n\n---\n\n## §8 报告整体规则\n\n### 8.1 报告结构\n\n- 模板用主报告 `templates/deep-analysis-report-template.md`（8 个章节）\n- 简报用 `templates/briefing-card-template.html`（30 秒必读卡片）\n- 公司画像单独可走 `templates/company-profile-template.md`\n- 公司财务分析单独可走`templates/financial-analysis-template.md`\n\n### 8.2 写作风格\n\n- 结论先行，主谓宾结构，分点论据支持结论。\n- 写作风格符合金融研报\n- 表格/列表对比 + 数据附来源\n- 中文（默认）\n- 中国股票习惯：涨红跌绿\n- 货币用 ¥（CNY）/ HK$（港股）/ US$（美股）\n\n### 8.3 模板是硬约束（不可删改——最高优先级）\n\n> **模板中每一个表格、每一个小节都是必填项。** 以下规则强制执行，违规的报告视为不合格：\n\n| 规则 | 说明 |\n|------|------|\n| **表格必保留** | 模板中的**所有表格**必须保留。数据不足时单元格填 `N/A` 或标注 `口径差异大，不采纳`，但**表格行/列结构不能删除、不能被替换为纯文字段落** |\n| **小节必保留** | 模板中的小节标题**不可删除**。无数据时保留标题，正文写 `暂无数据，待后续补充` |\n| **格式不变** | 表格列数、列名、行标签与模板完全一致，不增不减 |\n| **扩展标注** | 模板以外的数据可按需增加，但需标注 `` |\n\n**常见违规（禁止，发现即不合格）**：\n- ❌ 把表格变成一段文字描述\n- ❌ 增减表格列（如模板 5 列，输出只有 3 列）\n- ❌ 用 `—` / `略` 代替整行 → 保留全部行，缺数据单元格填 `N/A`\n- ❌ 因为\"数据口径差异大\"而删除行业规模/市场份额/生命周期表格\n- ❌ 用 bullet 列表替代投资风险表、操作建议表、护城河三轮反问表\n\n**8.3.1 例外：条件性触发的小节（允许跳过）**\n\n模板中标注 **`（条件性触发）`** 的小节（如 §1.4 用户规模与活跃度），按以下规则处理：\n\n| 规则 | 说明 |\n|------|------|\n| **触发条件** | 只有互联网/平台/SaaS/消费互联网型公司才输出该小节 |\n| **不适用时** | **完全跳过**（不输出标题、不输出 `N/A` 表格、不留空白占位） |\n| **判定方法** | 看公司业务模式标签和行业分类。银行/制造/能源/传统消费等 → 跳过 |\n\n当前唯一条件性触发的小节：**§1.4 用户规模与活跃度**。\n\n**8.3.2 例外：内部工具小节（禁止输出到报告）**\n\n模板末尾的 **「输出前自检清单」** 是 AI 生成后的内部自查工具，**绝对不出现在最终报告中**：\n\n- ✅ 生成报告后，AI 内部逐条勾选自检\n- ❌ **禁止**将自检清单作为报告的一节输出\n- ❌ **禁止**以任何形式（勾选/未勾选/仅标题）出现在 `.md` 或 `.html` 中\n\n**生成后排查口诀**：逐模板对照——模板有几个表格 → 报告有几个表格 → 列数匹配 → 行数匹配 → 缺数据有 N/A 标记 → 条件性小节确认跳过的业务不匹配 → 自检清单确认未泄漏。自查不通过则必须回头补上。\n\nFile v1.0.11:references/financial-analysis-guide.md\n\n# 财务四维 + 杜邦穿透分析指南\n\n本文件在 Step4 开始时加载。提供财务四维分析(盈利/偿债/营运/成长)+ 杜邦三因子穿透分析。\n所有比率指标必须从新浪三表原始数据计算,计算过程在报告中列出。\n\n> **现金流相关指标(净现比/收现比)**:在营运能力章节作为延伸指标处理(应收/存货周转已能反映大部分现金流质量),不再单列独立维度。\n\n---\n\n## 0. 权重设计\n\n四维权重 40/20/10/30 基于\"盈利优先 / 安全垫次之 / 营运辅助 / 成长衔接\"的卖方研究多因子惯例。\n不同行业类型需调整权重(详见 §0.1),调整后**综合得分 = Σ(各维度得分 × 调整后权重)**。\n\n### 0.1 行业类型对应权重调整表\n\n| 行业类型 | 盈利 | 偿债 | 营运 | 成长 | **杜邦分解** |\n|---------|------|------|------|------|---------|\n| **一般制造/消费** | 40% | 20% | 10% | 30% | **必做** |\n| **强周期**(钢铁/化工/航运/有色) | 25% | 25% | 10% | **40%** | **必做** |\n| **强金融属性**(银行/保险/券商) | 30% | **40%** | 10% | 20% | **必做** |\n| **亏损/早期**(生物医药/SaaS/AI) | 10% | 15% | 10% | **45%** | **必做(用 ROA + 扣非 ROE 替代,见 §1.A 替代公式)** |\n| **地产/建筑** | 20% | **35%** | 20% | 25% | **必做** |\n| **互联网平台**(TOC) | 35% | 10% | 5% | 30% | **必做** |\n| **轻资产服务业**(咨询/法律) | 35% | 15% | 15% | 35% | **必做** |\n\n> **触发规则**:在 Step4 开头,根据\"业务模式标签\"(见公司画像 Step1)选定权重,并在报告\"摘要\"中说明。\n> 权重调整后,**综合得分 = Σ(各维度得分 × 调整后权重)**。\n> **杜邦三因子分解所有行业必做**,亏损公司用替代公式(详见 §1.A),不豁免。\n\n---\n\n## 一、盈利能力(权重 40% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 销售毛利率 | (营业收入 - 营业成本) / 营业收入 × 100% | 利润表 |\n| 销售净利率 | 归母净利润 / 营业收入 × 100% | 利润表 |\n| ROE | 归母净利润 / 归母股东权益 × 100% | 利润表 + 资产负债表 |\n| ROA | 净利润 / 总资产 × 100% | 利润表 + 资产负债表 |\n| ROIC | NOPAT / (总资产 - 无息流动负债) × 100% | 利润表 + 资产负债表 |\n\n说明:\n- NOPAT = 营业利润 × (1 - 实际税率),实际税率 = 所得税 / 利润总额\n- 归母股东权益 = 股东权益合计 - 少数股东权益\n- ROIC 计算较复杂,如数据不全可省略,但需标注\"数据不足\"\n\n### 评分标准\n\n| 得分 | 毛利率 | 净利率 | ROE |\n|------|--------|--------|-----|\n| 100 | 行业前 10% | 行业前 10% | > 20% |\n| 80 | 行业前 25% | 行业前 25% | 15%-20% |\n| 60 | 行业中位数 | 行业中位数 | 10%-15% |\n| 40 | 行业后 25% | 行业后 25% | 5%-10% |\n| 20 | 行业后 10% | 行业后 10% | < 5% |\n\n行业排名数据来源:脚本采集的 `f10.财务分析` 仅含本公司主要指标,**不含行业排名**。行业基准(前 10%/中位数等)须用\n`WebSearch（行业研报/竞品对比）` 算中位数；或用 Step3 竞对均值作为替代基准，并在报告中标注\"基准来源\"。\n\n### 分析要求\n\n1. 取最近 4 期数据做趋势分析,标注上升/下降趋势\n2. 与 Step3 竞对对比(至少 2 家竞对的同期数据)\n3. 毛利率持续下降 > 3 个百分点 标黄\n4. ROE 持续下降 > 3 个百分点 标红\n\n### 1.A 杜邦三因子分解(穿透分析,**所有行业必做**)\n\n> **方法论背书**:DuPont Analysis 由 Donaldson Brown(1914)提出,后经 Peter Drucker 和 Warren Buffett 推广,\n> 是穿透分析 ROE 驱动因子的标准工具。**核心思想**:同样是 ROE 18% 的公司,\n> 可能是高利润率驱动(质量型),可能是高杠杆驱动(风险型),或高周转驱动(效率型),三者估值含义完全不同。\n\n#### 三因子公式\n\n```\nROE = 销售净利率 × 总资产周转率 × 权益乘数\n\n其中:\n- 销售净利率 = 归母净利润 / 营业收入(反映定价力 + 成本控制)\n- 总资产周转率 = 营业收入 / 平均总资产(反映资产效率)\n- 权益乘数 = 平均总资产 / 归母股东权益(反映财务杠杆)\n```\n\n#### 亏损公司替代公式(净利润为负时)\n\n净利润为负时 ROE 分母失效,改用以下替代公式(保证杜邦分析**仍必做**):\n\n| 指标 | 公式 | 适用 |\n|---|---|---|\n| **ROA 替代 ROE** | 净利润 / 平均总资产 | 净利润为负但亏损可控 |\n| **扣非归母 ROE** | 扣非归母净利润 / 归母权益 | 净利润为负但扣非为正(政府补助等一次性项目) |\n| **EBIT ROIC 替代** | EBIT × (1-税率) / (有息负债 + 权益) | 早期/亏损公司 |\n| **三年平均 ROE** | 最近 3 年 ROE 算术平均 | 周期股单年亏损(用平均数平滑周期) |\n\n> **判定规则**:\n> 1. 净利润为正 → 用标准三因子公式\n> 2. 净利润为负但扣非为正 → 用扣非归母 ROE 三因子分解\n> 3. 净利润和扣非都为负 → 用 ROA + EBIT ROIC 双指标呈现\n> 4. 周期股单年亏损 → 标注\"周期低点\"并用三年平均 ROE\n> 5. **绝对不豁免**——亏损公司用替代公式,但杜邦分析必做\n\n#### 五因子扩展(异常时必做)\n\n若需进一步定位\"ROE 来自营业层面 vs 非经常性损益\",可将三因子拆为五因子:\n`ROE = 税负 × 息税前利润率 × 总资产周转率 × 权益乘数 × 营业利润率`。\n\n**触发条件(任一)**:\n- ROE > 25% 或 < 0%(异常)\n- 净利润与扣非净利润差异 > 30%(非经常损益占比大)\n- 杠杆率快速上升(权益乘数同比 +20% 以上)\n- ROE 在行业中位数偏离 > 2 倍标准差\n\n**常规分析三因子足够**,只在上述异常情况下展开五因子。\n\n#### 杜邦输出表(必做)\n\n| 报告期 | 销售净利率 | 总资产周转率 | 权益乘数 | **ROE** | 行业 ROE | 驱动因子 |\n|--------|----------|------------|---------|---------|---------|---------|\n| {最新期} | | | | | | 【净利率驱动 / 周转率驱动 / 杠杆驱动】 |\n| {上期} | | | | | | |\n| {上上期} | | | | | | |\n| {三期前} | | | | | | |\n\n#### 杜邦分析结论模板\n\n```\n**{最新期} ROE = {X}%**:\n- 净利率贡献 {Y}%(对 ROE 的边际贡献)\n- 周转率贡献 {Z}%\n- 杠杆贡献 {W}%\n\n**主导驱动**:{净利率/周转率/杠杆}\n**行业对比**:{该公司} vs {行业均值}——若 ROE 高于行业,核心来自{...}。\n**风险信号**:\n- 若杠杆贡献 > 50%:高杠杆驱动,利率上行时风险大\n- 若净利率贡献 > 50%:质量型 ROE,可持续性强\n- 若周转率贡献 > 50%:薄利多销型,需观察是否会陷入价格战\n```\n\n#### 评分标准(杜邦部分单独打分)\n\n| 得分 | 标准 |\n|------|------|\n| 100 | 净利率驱动为主 + ROE > 20% |\n| 80 | 净利率 + 周转率双驱动 |\n| 60 | 三因子均衡(健康) |\n| 40 | 杠杆驱动为主 + ROE 在行业中位数附近 |\n| 20 | 杠杆驱动 + ROE 行业后 25%,或杠杆率快速上升 |\n\n---\n\n## 二、偿债能力(权重 20% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 流动比率 | 流动资产 / 流动负债 | 资产负债表 |\n| 速动比率 | (流动资产 - 存货) / 流动负债 | 资产负债表 |\n| 资产负债率 | 总负债 / 总资产 × 100% | 资产负债表 |\n| 利息保障倍数 | 息税前利润 / 利息费用 | 利润表 |\n\n说明:\n- 息税前利润 = 利润总额 + 利息费用\n- 利息费用可能在利润表\"财务费用\"科目下,如无法拆分,用财务费用近似替代并标注\n\n### 评分标准\n\n| 得分 | 流动比率 | 速动比率 | 资产负债率 |\n|------|---------|---------|-----------|\n| 100 | > 3 | > 2 | < 30% |\n| 80 | 2-3 | 1.5-2 | 30%-45% |\n| 60 | 1.5-2 | 1-1.5 | 45%-60% |\n| 40 | 1-1.5 | 0.5-1 | 60%-75% |\n| 20 | < 1 | < 0.5 | > 75% |\n\n### 风险信号检查\n\n| 信号 | 判断标准 | 处理 |\n|------|---------|------|\n| 短期偿债压力 | 短期借款 / 货币资金 > 1 | 标红,在报告中突出提示 |\n| 有息负债率上升 | 有息负债率连续 2 期上升 | 标黄,分析原因 |\n| 利息保障倍数低 | < 3 倍 | 标红,提示偿债风险 |\n| 资产负债率异常 | 行业通常 < 50% 但该公司 > 70% | 标红,分析负债结构 |\n\n---\n\n## 三、营运能力(权重 10% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 存货周转天数 | 360 / (营业成本 / 平均存货) | 利润表 + 资产负债表 |\n| 应收账款周转天数 | 360 / (营业收入 / 平均应收账款) | 利润表 + 资产负债表 |\n| 总资产周转率 | 营业收入 / 平均总资产 | 利润表 + 资产负债表 |\n\n说明:\n- 平均存货 = (期初存货 + 期末存货) / 2\n- 平均应收账款 = (期初应收 + 期末应收) / 2\n- 平均总资产 = (期初总资产 + 期末总资产) / 2\n- 360 天为简化计算,部分行业可按 365 天\n\n### 评分标准\n\n按行业特性评分。与行业中位数对比,优于中位数 20% 以上得 80-100 分,劣于 20% 以上得 20-40 分。\n\n| 得分 | 相对行业中位数 |\n|------|-------------|\n| 100 | 优于 50% 以上 |\n| 80 | 优于 20%-50% |\n| 60 | 中位数 ±20% |\n| 40 | 劣于 20%-50% |\n| 20 | 劣于 50% 以上 |\n\n### 分析要求\n\n1. 存货周转天数上升(变慢)连续 2 期 → 标黄,分析是否库存积压\n2. 应收账款周转天数上升连续 2 期 → 标黄,分析是否回款变差\n3. 特殊行业(房地产/建筑)存货周转天数天然很长,需标注行业特性\n\n---\n\n## 四、成长能力(权重 30% 或调整后权重)\n\n### 指标定义\n\n| 指标 | 数据来源 | 说明 |\n|------|---------|------|\n| 营收同比增长率 | 新浪利润表 `营业收入_同比` 字段 | 直接读取,无需计算 |\n| 净利润同比增长率 | 新浪利润表 `归母净利润_同比` 字段 | 直接读取 |\n| 经营现金流增长率 | 新浪现金流量表 计算 | (本期 - 上期) / \\|上期\\| × 100% |\n| 扣非净利润增长率 | 新浪利润表 计算(如有扣非数据) | (本期 - 上期) / \\|上期\\| × 100% |\n\n### 评分标准\n\n| 得分 | 营收增速 | 净利润增速 | 现金流增速 |\n|------|---------|----------|----------|\n| 100 | > 30% | > 30% | > 20% 且为正 |\n| 80 | 15%-30% | 15%-30% | 10%-20% 且为正 |\n| 60 | 5%-15% | 5%-15% | 0%-10% 且为正 |\n| 40 | 0%-5% | 0%-5% | 接近 0 或轻微负 |\n| 20 | 负增长 | 负增长 | 持续负值 |\n\n### 分析要求\n\n1. 取最近 4 期做趋势分析\n2. 连续 2 期增速下降 → 标黄\n3. 营收增长但净利润下降 → 标红,分析利润率压缩原因\n4. 净利润增长但现金流下降 → 标黄,分析现金流质量\n5. 与行业平均增速对比（`WebSearch（行业研报/竞品对比）\n---\n\n## 五、综合评分计算\n\n### 加权公式\n\n```\n综合得分 = 盈利能力得分 × 盈利权重\n + 偿债能力得分 × 偿债权重\n + 营运能力得分 × 营运权重\n + 成长能力得分 × 成长权重\n```\n\n### 综合评级\n\n| 综合得分 | 评级 | 说明 |\n|---------|------|------|\n| >= 80 | 优秀 | 各维度均优于行业平均 |\n| 60-79 | 良好 | 整体处于行业中上水平 |\n| 40-59 | 一般 | 整体处于行业中游 |\n| < 40 | 较弱 | 多维落后,需重点关注 |\n\n### 注意事项\n\n1. 每个维度的得分取该维度内各指标得分的算术平均\n2. 如果某指标数据缺失,该指标不参与平均,但不降级其他指标\n3. 行业基准可能无法精确获取,此时用 Step3 竞对数据作为替代基准,并标注\"基准为竞对均值而非行业全量\"\n4. 所有评分必须列出得分依据,不能凭感觉给分\n5. **杜邦三因子分解所有行业必做**(亏损公司用替代公式),不豁免;杜邦得分**单独展示**,并补充在\"关键亮点 / 潜在隐患\"中\n\n---\n\n## 六、报告必含小节清单(Step4 输出检查)\n\n- [ ] **权重调整已说明**(报告摘要中列出选用的权重表)\n- [ ] 四维(盈利/偿债/营运/成长)每项至少 4 个指标\n- [ ] 所有比率列出公式和计算过程\n- [ ] 每个数字标注来源\n- [ ] 趋势分析(至少 4 期对比)\n- [ ] 行业对比\n- [ ] **杜邦三因子分解(必做)**\n- [ ] 综合评分已计算\n\nFile v1.0.11:references/moat-analysis-framework.md\n\n# 护城河分析:行业适配框架\n\n> 本文件在 Step3 护城河分析时加载。提供按**行业特性**适配的护城河评估框架 + 权威方法论背书 +\n> 反问机制。\n>\n> **方法论层级**:\n> - **筛选层**:与 Step1 的\"业务模式标签\"匹配,自动选择最适用的行业专用框架(选择器见 `SKILL.md` Step3.3.0)\n> - **动态层**:Teece《Dynamic Capabilities》(2018) 反问机制\n> - **权威背书**:行业专用框架各自的原始方法论(见 §0 选择器表)\n\n---\n\n## 0. 行业适配选择器(速查)\n\n> **红线规则**：业务模式标签 → 护城河框架是**六选一互斥**关系(消费品牌/平台网络/制造/金融/医药/地产)。选了哪一框架,**全篇护城河分析只用这一套**,**禁止**在主框架之外再开\"经典 6 类护城河补充\"\"现代扩展 4 类补充\"等子小节。即使公司有混合业务(如腾讯有游戏+平台、美团有外卖+酒旅),也按**主业占比最高的业务模式标签**选择唯一框架,不用双框架并行。\n\n> **完整选择器 + 触发规则**已在 `SKILL.md` Step3.3.0 给出,本节只列速查表。\n\n| 业务模式 | 选用框架 | 权威背书 |\n|----------|---------|---------|\n| 消费品 / 品牌 / 零售 | §1 消费品牌护城河 | Aaker《Building Strong Brands》+ Keller《Strategic Brand Management》 |\n| 互联网 / 平台 / 电商 / 社交 / 内容 / 游戏 / SaaS / 工具 | §2 平台与网络效应护城河 | Helmer《7 Powers》+ Thompson《Aggregation Theory》 |\n| 制造 / 重资产 / 材料 / 能源 / 汽车零部件 | §3 制造业护城河 | Porter《Competitive Advantage》+ Clark & Fujimoto《Product Development Performance》 |\n| 金融 / 银行 / 保险 / 券商 / 资管 | §4 金融业护城河 | Damodaran《Investment Valuation》+ 巴菲特 1995 致股东信 |\n| 医药 / 生物科技 / 医疗器械 | §5 医药护城河 | Christensen《The Innovator's Prescription》+ 专利组合经典 |\n| 地产 / 建筑 | §6 地产护城河 | Porter 五力 + 拿地能力 / 融资成本 |\n\n**当业务模式不在上述分类时**:在 Step1 公司画像阶段就要把业务模式标签搞清楚,不允许在 Step3 出现\"行业无法明确归类\"的情况。如果 Step1 业务模式标签缺失,回到 Step1 用 WebSearch 补齐\"主营业务 + 行业归属\"再进入 Step3。\n\n---\n\n## 1. 框架 A:消费品牌护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **品牌资产** | 品牌能否持续产生溢价? | 价格溢价幅度、毛利率 vs 同行、复购率、NPS 净推荐值 | Aaker(1996) 品牌资产 10 指标模型 |\n| **渠道控制** | 是否掌握终端渠道? | 直营门店数、加盟门店数、自有渠道占比、坪效 | Aaker(2000) 品牌组合战略 |\n| **用户心智占位** | 提到该品类消费者第一个想到谁? | 品类第一提及率(TOM)、品牌搜索指数 | Keller(2008) CBBE 模型 |\n| **产品创新力** | 能否持续推出爆款? | 新品收入占比、新品 3 年留存率 | BCG《The Innovation Game》(2007) |\n| **规模效应** | 采购 / 生产 / 广告规模摊薄成本 | 销售费用率、采购成本 vs 同行 | Porter(1985) 规模经济 |\n| **文化护城河**(新增) | 品牌是否绑定特定生活方式 / 文化? | 社交媒体话题量、跨界合作、KOL 主动推荐 | Holt《How Brands Become Icons》(2004) |\n\n### 反问机制(消费品牌)\n\n通用三轮反问见 §8。**消费品牌侧重点**:\n- 可复制性:新品牌从 0 到 TOM 品类第一需要多少年?\n- 周期韧性:经济下行 20% 时,品牌溢价能否维持?(例:茅台 vs 普通白酒)\n- 隐蔽威胁:有没有新一代消费者正在用新品牌替代你?(Lululemon vs 传统运动品牌)\n\n---\n\n## 2. 框架 B:平台与网络效应护城河(互联网)\n\n> 这是**最复杂的框架**,因为互联网公司的护城河来源最多元。\n\n### 核心评估维度(Hamilton Helmer 7 Powers 中的 5 种 + 现代扩展)\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **网络经济**(核心) | 用户/节点越多,价值是否越大? | Metcalfe 定律 V = n² ;跨边网络效应强度 | Helmer(1998); Reed's Law |\n| **规模经济** | 单位成本是否随规模下降? | CAC / 营收(应随规模下降) | Helmer(1998) |\n| **转换成本** | 用户切换到竞品的成本? | 数据迁移成本、关系链重建成本、API 锁定 | Helmer(1998) |\n| **品牌**(平台品牌) | 平台品牌是否值得信任? | 用户主动搜索量、App Store 评分、用户投诉率 | Helmer(1998) |\n| **数据资产**(现代扩展) | 数据飞轮是否已经转起来? | 数据量、年增量、数据多样性、模型效果 | Thompson(2017); Agrawal et al.《Prediction Machines》(2018) |\n| **生态绑定**(现代扩展) | 第三方应用/商家是否愿意留在你的平台? | 第三方开发者数量、API 调用量、平台 GMV 增速 | Iansiti & Lakhani《Competing in the Age of AI》(2020) |\n| **聚合优势**(独家) | 平台是否已\"赢家通吃\"或\"寡头化\"? | CR3 份额(>70% 算赢家通吃) | Thompson(2014) Aggregation Theory |\n\n### 互联网护城河三轮反问(升级版)\n\n> **方法论**:Andrew Chen《The Cold Start Problem》(2015)指出,网络效应有\"启动-成熟-衰退\"三阶段,\n> 反问必须**结合阶段**才有意义。\n> 通用三轮反问(可复制性/周期韧性/隐蔽威胁)见 §8,**本节只列互联网特有内容**。\n\n**互联网特有第一轮:护城河阶段判断**\n\n```\n该护城河处于哪个阶段?\n├── 启动期(网络效应尚未形成)\n│ └── 反问:用户增长是否触发了网络效应?N 增长后 V 是否显著提升?\n├── 成熟期(护城河已建立,稳定变现)\n│ └── 反问:边际增长是否仍带来边际价值?\n└── 衰退期(新平台冲击)\n └── 反问:用户是否开始多归属/迁移?\n```\n\n**互联网隐蔽威胁特别项**(在 §8 隐蔽威胁基础上扩展):\n- **新模式替代**:Web3 替代 Web2?短视频替代图文?\n- **监管威胁**:反垄断、数据安全、未成年人保护\n- **跨平台颠覆**:Apple/Google 通过系统级能力直接绕过平台\n- **技术替代**:大模型对搜索/推荐/客服的颠覆\n\n---\n\n## 3. 框架 C:制造业护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **规模经济** | 采购/生产/销售的规模效应 | 产能利用率、单位成本随规模下降斜率 | Porter(1985) |\n| **工艺专长** | Know-how 是否需要长期积累? | 良品率、单位能耗、专利数量 | Hayes & Wheelwright《Restoring Our Competitive Edge》(1984) |\n| **客户认证壁垒** | 客户切换是否需要重新认证? | 客户认证周期(汽车 2-3 年、医疗 3-5 年)、认证产品收入占比 | Helper & Sako《Supplier Relations in Japan》(1995) |\n| **产品组合宽度** | 能否一站式满足客户? | SKU 数量、交叉销售率 | Porter(1985) 产品差异 |\n| **地理布局** | 产能是否靠近客户? | 海外基地数、运输半径 | 供应链管理经典 |\n| **供应链控制**(现代) | 原材料/关键零部件是否自主? | 垂直一体化率、关键原材料自给率 | Christopher《Logistics & Supply Chain Management》(2016) |\n| **专利组合**(现代) | 专利组合是否构成有效壁垒? | 发明专利数、核心专利被引用次数、PCT 国际专利 | Granstrand《The Economics and Management of Intellectual Property**(1999) |\n\n### 反问机制(制造业)\n\n通用三轮反问见 §8。**制造业侧重点**:\n- 可复制性:新进入者要复制规模需要多少资本?客户认证需要多少年?(汽车 2-3 年、医疗 3-5 年)\n- 周期韧性:行业下行 20% 时,公司毛利率压缩多少?(用上一轮行业下行期数据,例:周期股 20% 下行期毛利率压缩 2-3pct)\n- 隐蔽威胁:海外反倾销/关税、新材料替代、加工费持续下行压力\n\n---\n\n## 4. 框架 D:金融业护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **牌照壁垒** | 是否持有稀缺牌照? | 牌照种类(银行/保险/券商/资管/支付)、监管评级 | 中国银保监会/证监会牌照体系 |\n| **资本规模** | 资本金是否构成壁垒? | 一级资本净额、客户存款规模 | 巴菲特 1995 致股东信 |\n| **低成本负债**(Float) | 能否用低成本获取资金? | 净息差、负债成本率、保险浮存金规模 | 巴菲特 1995 致股东信:\"Float 是我们最重要的资产\" |\n| **客户基础** | 客户数量 + 黏性? | 客户数(零售/对公)、MAU、流失率 | 银行业经典 |\n| **风控能力** | 不良率是否低于行业? | 不良率、拨备覆盖率、ROE 稳定性 | 信用风险经典 |\n| **品牌信任** | 客户是否信任品牌? | 品牌搜索量、客户主动选择率 | Kotler《Marketing Management》 |\n| **科技/数据能力**(现代) | 数字化是否构成壁垒? | 数字客户占比、AI 风控准确率、专利数 | 招商银行案例 |\n\n### 反问机制(金融业)\n\n通用三轮反问见 §8。**金融业侧重点**:\n- 可复制性:牌照壁垒多久才能拿到?资本金多久能积累?\n- 周期韧性:经济下行时不良率上升多少?(优秀 < 50bps,警戒 > 100bps)\n- 隐蔽威胁:利率市场化压低净息差、互联网平台分流、金融科技颠覆\n\n---\n\n## 5. 框架 E:医药护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **专利组合** | 核心专利能否阻挡仿制? | 化合物专利数、晶型专利、用途专利、专利剩余年限 | Granstrand(1999) |\n| **管线深度** | 未来 5 年是否有重磅新药? | III 期临床数、NDA/BLA 数量、PDUFA 日期 | EvaluatePharma 行业标准 |\n| **销售网络** | 医院/药店覆盖率? | 三级医院覆盖数、销售人员数、学术推广能力 | McKinsey 医药销售经典 |\n| **生产工艺** | 复杂分子合成能力? | 高活性原料药(HPAPI)能力、连续流反应 | 医药工程经典 |\n| **品牌**(OTC/品牌药) | 终端品牌认知度? | 零售药店份额、品牌搜索量 | OTC 营销经典 |\n| **CRO/CDMO 一体化**(现代) | 能否提供端到端服务? | 一体化客户占比、漏斗转化率 | Frost & Sullivan 报告 |\n| **数据 + AI 制药**(前沿) | AI 制药是否构成壁垒? | 候选化合物数、临床前研发周期 | BCG《The AI Revolution in Drug Discovery》(2020) |\n\n### 反问机制(医药)\n\n通用三轮反问见 §8。**医药侧重点**:\n- 可复制性:化合物专利多久到期?管线是否被\"专利悬崖\"威胁?\n- 周期韧性:集采降价后毛利率是否仍健康?\n- 隐蔽威胁:生物类似药冲击、基因编辑/细胞治疗颠覆、医保谈判压价\n\n---\n\n## 6. 框架 F:地产/建筑护城河\n\n### 核心评估维度\n\n| 护城河类型 | 关键问题 | 量化指标 | 权威背书 |\n|----------|---------|---------|---------|\n| **拿地能力** | 能否持续获取优质土地? | 土地储备、土储平均成本、拿地集中度 | 房地产经典 |\n| **地理布局** | 是否聚焦高线城市? | 一二线土储占比、城市能级分布 | 行业研究 |\n| **融资成本** | 融资成本是否低于行业? | 综合融资成本、债券评级 | 财务经典 |\n| **运营效率** | 周转率/IRR 是否领先? | 存货周转、去化周期、IRR | 内部管理 |\n| **品牌信任** | 客户是否信任交付能力? | 销售去化率、保交付口碑 | 品牌研究 |\n| **商业地产运营**(现代) | 商管能力是否构成壁垒? | 在管面积、出租率、单位租金 | 凯德/万达模式 |\n\n### 反问机制(地产)\n\n通用三轮反问见 §8。**地产侧重点**:\n- 可复制性:拿地能力能否在 2-3 年内被新玩家追上?\n- 周期韧性:房价下行 20% 时,公司能否保现金流?\n- 隐蔽威胁:人口拐点、租赁住房冲击、REITs 退出渠道\n\n---\n\n## 8. 护城河三轮反问(统一机制,所有框架适用)\n\n> **方法论背书**:这个反问机制融合了 Buffett 1995 致股东信\"城堡 + 护城河\"比喻、\n> Howard Marks《Mastering the Market Cycle》(2018)\"周期视角\"、\n> Helmer《7 Powers》\"Power 持久性\"概念。\n\n### 第一轮:可复制性(2-5 年)\n\n> 竞争对手要复制这个优势,需要多少资金?多少时间?目前有没有竞对正在复制?\n\n- 2 年内可复制 → 降级为**窄护城河**\n- 5 年内可复制 → 维持评级\n- 5+ 年难复制 → 维持**宽护城河**\n\n### 第二轮:周期韧性\n\n> 如果行业需求下降 20%,这个护城河还能保护公司的利润率吗?\n\n- **历史下行期测试**:用三表数据验证公司历史下行期表现\n- 例:2018 年贸易战、2020 年疫情、2022 年加息周期\n- 毛利率压缩 < 3pct → 护城河强\n- 毛利率压缩 3-10pct → 护城河中\n- 毛利率压缩 > 10pct → 护城河弱\n\n### 第三轮:隐蔽威胁(短期 3 年 + 长期 5-10 年)\n\n> 有没有当前没注意到的新技术/新模式/新政策正在侵蚀这个护城河?\n\n- **3 年内威胁**:新进入者、产能扩张、技术替代\n- **5-10 年威胁**:监管变化、技术革命、消费习惯迁移\n- `WebSearch(<公司名> 行业 变革 颠覆 政策`（附当前年份）)\n### 反问记录表(每轮)\n\n每轮记录:**反问问题 → 分析过程 → 评级是否调整 → 理由**。\n\n---\n\n## 9. 最终护城河综合评级(5 档)\n\n| 评级 | 含义 | 典型代表 |\n|------|------|---------|\n| **极宽** | 多重 Power 复合,5+ 年难撼动 | 茅台、苹果、台积电、微信 |\n| **宽** | 单一 Power 但极强,3-5 年难撼动 | 苹果(品牌+生态)、宁德时代(规模+客户认证) |\n| **中-宽** | 单一 Power 较强 + 辅助 Power 1-2 个 | {制造业细分龙头}(技术+规模)、{医疗器械龙头}(产品+销售) |\n| **中** | 1 个 Power 但被部分削弱 | 多数中型制造/消费 |\n| **窄** | 0-1 个 Power,且持续被削弱 | 多数传统零售、传统媒体 |\n| **无** | 没有可持续 Power,纯周期/纯资源 | 多数强周期股、纯 OEM |\n\n### 综合评级输出模板\n\n```\n**最终护城河综合评级**:{极宽 / 宽 / 中-宽 / 中 / 窄 / 无}\n**护城河类型**:{品牌型 / 规模型 / 网络效应型 / 转换成本型 / 牌照型 / 数据型 / 工艺型}\n**核心逻辑**:{一句话说明护城河的主要来源}\n**最大侵蚀力量**:{未来 3-5 年最可能侵蚀护城河的因素}\n**支撑依据**:{2-3 个关键数据点 + 来源}\n```\n\n---\n\n## 10. 质量门(Step3 护城河输出检查)\n\n- [ ] **已选定适配框架**(用 §0 选择器),并在报告中说明\n- [ ] 每个 Power 给出**初始评级** + **三轮反问后最终评级**\n- [ ] 每轮反问有明确结论\n- [ ] 最终护城河评级有数据支撑\n- [ ] **护城河类型**明确归类(品牌/规模/网络/转换/牌照/数据/工艺)\n- [ ] 最大侵蚀力量已识别\n- [ ] (互联网公司)LTV/CAC、MAU/DAU、留存率有数据点\n- [ ] (制造业)规模效应曲线 + 客户认证周期有数据点\n- [ ] (金融)牌照 + 资本 + Float 有数据点\n- [ ] (医药)专利剩余年限 + 管线深度有数据点\n\n---\n\n## 11. 竞争格局收尾:「为啥非它不可」3 问(Step3 §3.4 使用)\n\n> **位置**:在 §3.1 识别竞对 + §3.2 业务对比之后,§3.3 护城河分析之前——从客户视角做竞争格局收尾,作为护城河分析的过渡。\n> **3 问骨架通用**(Hamilton Helmer 7 Powers 核心三件套),**具体指标按行业适配**——下表是 6 套护城河框架对应的 Q1/Q2/Q3 指标定义。\n> **与 §8 通用反问的区分**:§8 问的是\"竞对能不能复制你的护城河\";\"为啥非它不可\"问的是\"客户为什么非选你不可\"——两个视角互补。\n\n### 11.1 3 问骨架(通用)\n\n- **Q1 不可替代性** — 客户为什么选这家公司而非竞品\n- **Q2 议价稳定性** — 客户切换会失去什么定价/费率优势\n- **Q3 客户锁定** — 客户切换的成本(数据/认证/关系/习惯)\n\n### 11.2 各护城河框架的 Q1/Q2/Q3 指标定义\n\n> 按 §3.3 选定的护城河框架(业务模式标签 → 框架 A-F)查对应行。\n\n| 框架 | 业务模式 | Q1 不可替代性 | Q2 议价稳定性 | Q3 客户锁定 |\n|------|---------|--------------|--------------|------------|\n| **A 消费品牌** | 消费品/零售 | 品牌心智 / 渠道卡位 / 品类占位(如茅台=高端白酒) | **提价权**——品牌溢价、单价稳定/提升证据 | **复购率/会员留存**——5+ 年品牌沉淀 |\n| **B 平台/网络效应** | 互联网/平台/电商/社交/内容/游戏/SaaS | 跨边网络效应 / 双边规模 / 数据飞轮 | **单价/RPM 稳定**——抽佣率稳定、RPM 不降证据 | **DAU/MAU/留存**——使用时长、转换成本 |\n| **C 制造业** | 制造/重资产/材料/能源/汽车零部件 | 工艺 know-how / 客户认证 / 规模效应 | **合同价稳定性**——订单单价年降幅度 ≤ 通胀、原材料顺价能力 | **认证锁定**——客户认证周期(汽车 2-3 年/医疗 3-5 年)+ 续约率 |\n| **D 金融业** | 金融/银行/保险/券商/资管 | 牌照 / 资本金 / 渠道 | **净息差/费率稳定**——净息差稳定或走阔、综合费率证据 | **AUM 留存**——AUM 增长率、客户数、续保率 |\n| **E 医药** | 医药/生物科技/医疗器械 | 化合物专利 / 管线深度 / 销售网络 | **专利期议价权**——创新药专利期定价权、集采压力下的差异化 | **处方/医生黏性**——医生处方习惯、医院覆盖率 |\n| **F 地产/建筑** | 地产/建筑 | 拿地能力 / 融资成本 / 土储质量 | **房价/客单价议价权**——产品溢价、去化率 | **客单价/老带新**——复购率(写字楼租赁续约)、老带新比例 |\n\n### 11.3 输出模板\n\n```\n**\"为啥非它不可\"定论**(1 句):\n{该公司的不可替代性来自...}\n\n**3 问验证**:\n- Q1 不可替代性({Q1 指标}): ...\n- Q2 议价稳定性({Q2 指标}): ...\n- Q3 客户锁定({Q3 指标}): ...\n\n**护城河初判**:{极强/强/中/弱}(取决于 3 问回答的强度)\n```\n\n### 11.4 质量门\n\n- [ ] Q1-Q3 每问有明确回答(不是\"待评估\"或\"不清楚\")\n- [ ] 1 句定论与 3 问回答方向一致\n- [ ] 护城河初判有数据支撑(不空喊\"宽护城河\"却没证据)\n- [ ] Q1/Q2/Q3 指标已对照 §11.2 选定的护城河框架行(对号入座)\n\nFile v1.0.11:references/porter-five-forces-template.md\n\n# 行业适配的产业链与竞争结构分析\n\n> 本文件在 Step2 开始时加载。提供按**行业特性**适配的竞争结构分析框架。\n> 加载后第一步:用\"五力框架选型\"确定用哪套框架,再按该框架的指标体系执行。\n> **流程**:先在 Step1 做好行业分类(打业务模式标签) → Step2 §2.0 根据标签选五力框架。\n\n---\n\n## 0. 五力框架选型(必读)\n\n> **红线规则**：业务模式标签 → 框架是**三选一互斥**关系(A 经典 / B 平台 / C 网络效应)。选了哪一框架,**全篇五力分析只用这一套**,**禁止**在主框架之外再开\"补充经典 Porter 五力\"\"平台属性速评\"\"经典五力作为参考\"等子小节。即使公司有混合业务(如腾讯有游戏+平台、美团有外卖+酒旅),也按**主业占比最高的业务模式标签**选择唯一框架,不用双框架并行。\n\nPorter 五力(1985)是**通用框架**,但对平台/生态型公司解释力不足。Step2 开始前必须判断行业类型,选择对应框架:\n\n```\n目标公司所属赛道是什么?\n│\n├── 传统制造 / 重资产 / 周期型(钢铁、化工、铝、航运、地产、银行)\n│ └── 用【框架 A:经典 Porter 五力】\n│\n├── 互联网平台 / 双边市场 / SaaS / 社交 / 内容 / 电商 / O2O\n│ └── 用【框架 B:平台/生态型五力】(本文件 §2)\n│ 权威背书:Ben Thompson《Aggregation Theory》(Stratechery, 2014-2017)\n│ Parker, Van Alstyne & Choudary《Platform Revolution》(2016)\n│ Eisenmann, Parker & Van Alstyne《Platform Envelopment》(2011, MIT Sloan)\n│\n└── 网络效应型(通讯、支付、操作系统、交易所、开发工具)\n └── 用【框架 C:网络效应五力】(本文件 §3)\n 权威背书:Hamilton Helmer《7 Powers》(1998/2016)\n Metcalfe's Law + Reed's Law(网络效应量化)\n```\n\n**判定依据**(用 f10.行业分析 + f10.公司概况 字段):\n- 行业关键词含\"互联网/平台/电商/社交/内容/游戏/SaaS/软件/信息服务\" → 框架 B\n- 行业关键词含\"通讯/支付/交易所/系统软件\" → 框架 C\n- 其他 → 框架 A\n\n**当行业无法明确归类时**:在 Step1 公司画像阶段就要把行业归属搞清楚,不允许在 Step2 出现\"无法明确归类\"的情况。如果 Step1 行业字段缺失,回到 Step1 用 WebSearch 补齐\"所属行业(申万/HSI/Wind 三选一)\"再进入 Step2。\n\n---\n\n## 1. 框架 A:经典 Porter 五力(传统/重资产/周期型)\n\n适用于:制造业、化工、有色金属、地产、银行、传统消费品、传统服务业。\n\n### 分析框架\n\n| 力量 | 对应产业链位置 | 核心问题 |\n|------|-------------|---------|\n| 供应商议价力 | 上游 | 供应商能否提高价格或降低质量? |\n| 买方议价力 | 下游 | 客户能否压价或要求更多服务? |\n| 现有竞争者威胁 | 中游(同行) | 行业内竞争有多激烈? |\n| 新进入者威胁 | 潜在竞争 | 新玩家进入的难度有多大? |\n| 替代品威胁 | 跨界竞争 | 有没有替代产品/服务正在侵蚀市场? |\n\n### 逐项分析模板\n\n#### 1. 供应商议价力(上游)\n\n**分析要点**:\n- 主要原材料/技术/服务供应方有哪些?\n- 供应商集中度:前 5 大供应商采购占比(如有数据)\n- 切换成本:更换供应商的成本和时间\n- 是否有替代供应商\n- 供应商是否有向前一体化的能力\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业描述\n- `WebSearch`（搜索供应商 / 原材料 / 采购描述）\n- `WebSearch(<行业> 产业链 上游`（行业上游供应商格局）)\n**评级标准**:\n- **强**:供应商集中度高、切换成本高、无替代 → 目标公司议价力弱\n- **中**:有一定选择空间但切换有成本\n- **弱**:供应商分散、切换成本低 → 目标公司议价力强\n\n#### 2. 买方议价力(下游)\n\n**分析要点**:\n- 主要客户群体是谁?\n- 客户集中度:前 5 大客户销售占比(如有数据)\n- 产品可替代性:客户能否轻易找到替代产品\n- 客户价格敏感度\n- 客户是否有向后一体化的能力\n\n**数据来源**:\n- `finance`(东财主要财务指标) 中的盈利能力(反映定价权)\n- `WebSearch`（客户 / 下游 / 销售描述）\n- `WebSearch(<行业> 产业链 下游`（行业下游客户格局）)\n**评级标准**:\n- **强**:客户集中度高、产品可替代、客户价格敏感 → 目标公司议价力弱\n- **中**:客户有一定分散度\n- **弱**:客户分散、产品不可替代、客户价格不敏感 → 目标公司议价力强\n\n#### 3. 现有竞争者威胁\n\n**分析要点**:\n- 同行业主要竞争对手有谁?\n- 市场份额分布(CR3/CR5 集中度)\n- 竞争手段:价格战/差异化/服务竞争\n- 行业增速:高增速行业竞争相对缓和,低增速行业竞争激烈\n- 退出壁垒:产能是否容易退出\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业地位\n- 从 `/tmp/{代码}_data.json` → `em_info` 字段读取行业分类\n- `WebSearch（行业排名）`（行业整体排名 / CR3 / 竞争格局）\n- `WebSearch（同行业可比公司）- `WebSearch`（竞品 / 竞争描述）\n\n**评级标准**:\n- **强**:竞争者多、份额分散、价格竞争激烈、行业低增长\n- **中**:有一定竞争但格局相对稳定\n- **弱**:竞争者少、份额集中、差异化竞争、行业高增长\n\n#### 4. 新进入者威胁\n\n**分析要点**:\n- 资金壁垒:初始投资规模\n- 技术壁垒:核心技术/专利保护\n- 牌照壁垒:行业准入资质\n- 品牌壁垒:品牌认知度和客户忠诚度\n- 渠道壁垒:销售网络建设难度\n- 规模壁垒:是否需要规模经济才能盈利\n- 政策壁垒:环保/安全/数据等监管要求\n\n**数据来源**:\n- `f10.行业分析` / `f10.公司概况` 行业特性\n- `WebSearch`（行业准入门槛 / 牌照 / 壁垒）\n- `WebSearch(<行业> 新进入者 投资 门槛`（新进入者动态）)\n**评级标准**:\n- **强(威胁小)**:壁垒高、新进入者难以撼动\n- **中**:有一定壁垒但资本雄厚者可突破\n- **弱(威胁大)**:壁垒低、新玩家容易进入\n\n#### 5. 替代品威胁\n\n**分析要点**:\n- 有哪些替代产品/服务?\n- 替代品的性价比对比\n- 客户转换到替代品的成本\n- 替代品的发展趋势(是否在快速迭代)\n- 是否有跨界竞争者(如互联网公司颠覆传统行业)\n\n**数据来源**:\n- `WebSearch(<行业> 替代品 替代方案 颠覆`)- `WebSearch`（替代品 / 新技术 / 趋势）\n- `f10.行业分析` / `f10.公司概况` 行业趋势\n\n**评级标准**:\n- **强**:替代品性价比高、客户切换成本低、替代趋势明确\n- **中**:有替代品但尚未形成规模威胁\n- **弱**:暂无明显替代品\n\n---\n\n## 2. 框架 B:平台/生态型五力(互联网/SaaS/双边市场)\n\n> **方法论背书**:Ben Thompson 在 Stratechery 提出的 **Aggregation Theory**(2014-2017)指出,\n> 互联网平台的核心是\"聚合用户和供应商\",通过控制用户关系(而非控制供给)获得超额利润。\n> 平台竞争结构与传统制造业有根本不同——**用户获取成本(CAC)、留存率、LTV、网络效应、跨边网络效应**\n> 这五个指标比传统\"上下游议价力\"更具解释力。\n>\n> **本框架综合**:Aggregation Theory + Parker/Van Alstyne《Platform Revolution》网络效应分类\n> + 平台单位经济(unit economics)分析。\n\n### 分析框架\n\n| 力量 | 对应平台机制 | 核心问题 |\n|------|-----------|---------|\n| 用户获取成本(CAC) | 需求侧 | 平台拉新一个用户花多少钱?效率在变高还是变低? |\n| 用户留存与生命周期价值(LTV) | 需求侧 | 留存多少?单个用户生命周期贡献多少收入? |\n| 同边网络效应 | 同侧 | 用户越多,平台对同类型用户价值越大吗? |\n| 跨边网络效应 | 双边 | 一侧用户增长能否带动另一侧增长? |\n| 平台 vs 平台(替代品) | 跨平台 | 用户切换到其他平台的成本有多高? |\n\n### 逐项分析模板\n\n#### 1. 用户获取成本(CAC)— 替代\"供应商议价力\"\n\n**分析要点**:\n- 拉新成本趋势:近 3-4 期 CAC 是上升还是下降?(下降 = 平台规模效应;上升 = 流量见顶)\n- 渠道结构:自然流量占比 vs 付费流量占比(自然流量占比高 = 平台心智强)\n- 销售费用率:销售费用 / 营收(行业前 10% vs 中位数对比)\n- 头部效应:头部 1% 用户贡献多少?长尾多少?(衡量依赖度)\n\n**数据来源**:\n- 利润表销售费用、管理费用、研发费用\n- `WebSearch`（用户获取 / 拉新成本 / 留存）\n- `WebSearch(<代码> --limit 10`（MAU / DAU / 付费用户 / 财报披露）)- 招股书 / 年报\"经营情况讨论与分析\"章节\n\n**评级标准**:\n- **强(护城河深)**:CAC 持续下降 + 自然流量占比 > 60% + 销售费用率低于行业中位数\n- **中**:CAC 趋稳 + 销售费用率行业中位数附近\n- **弱(护城河浅)**:CAC 上升 + 付费流量依赖 + 销售费用率高于行业中位数\n\n#### 2. 用户留存与 LTV — 替代\"买方议价力\"\n\n**分析要点**:\n- 次日/7 日/30 日留存率(招股书或券商深度报告常披露)\n- 12 个月留存率(> 40% 算优秀,< 20% 警惕)\n- 流失率趋势(Churn Rate):LTM 流失率 vs 上年同期\n- LTV / CAC 比值:> 3 健康,1-3 警戒,< 1 不可持续\n- 付费转化率:免费用户 → 付费用户的转化漏斗\n\n**数据来源**:\n- 招股书\"业务与技术\" / \"经营情况\"章节\n- `WebSearch`（留存率 / 流失率 / LTV）\n- 财报\"用户数据\"披露(互联网公司常规披露)\n\n**评级标准**:\n- **强**:12 月留存 > 40% + LTV/CAC > 3 + 流失率下行\n- **中**:12 月留存 20%-40% + LTV/CAC 1-3\n- **弱**:12 月留存 < 20% + LTV/CAC < 1\n\n#### 3. 同边网络效应 — 替代\"现有竞争者威胁\"\n\n**分析要点**:\n- 用户规模越大,平台对同类型用户价值是否增加?\n - 例:微信用户越多 → 通信价值越大(强同边)\n - 例:LinkedIn 用户越多 → 求职价值越大(中等)\n - 例:Netflix 用户越多 → 订阅价值不变(无)\n- 头部 KOL / 商家集中度:CR10 商家占 GMV 多少?\n- 平台 MAU/DAU 比值(粘性):> 30% 高粘性,< 15% 工具型\n- 用户日均使用时长趋势(YoY)\n\n**数据来源**:\n- 招股书 / 年报\"用户数据\"章节\n- `WebSearch(<代码> --limit 10`（MAU / DAU / 黏性 / 使用时长）)\n**评级标准**:\n- **强**:同边网络效应明显 + MAU/DAU > 30% + 使用时长持续增长\n- **中**:有一定粘性但增速放缓\n- **弱**:工具型平台,使用即走\n\n#### 4. 跨边网络效应 — 替代\"新进入者威胁\"\n\n**分析要点**:\n- 需求侧用户增长是否能带动供给侧(商户/开发者/创作者)增长?\n - 例:淘宝买家越多 → 商家越多(强跨边)\n - 例:滴滴乘客越多 → 司机越多(强跨边)\n - 例:微信用户越多 → 公众号创作者越多(中等)\n- 供给侧集中度:头部供给方占比 + 议价力\n- 平台对供给侧是否补贴?(补贴退坡后是否会流失?)\n- 飞轮效应是否已经转起来?\n\n**数据来源**:\n- 招股书 / 年报\"双边市场\" / \"网络效应\"披露\n- `WebSearch`（双边市场 / 飞轮 / 网络效应）\n- `WebSearch(<行业> 多归属 跨边网络 平台经济学`（行业平台经济学）)\n**评级标准**:\n- **强(壁垒深)**:跨边网络效应已验证 + 头部供给方难离开 + 飞轮稳定\n- **中**:跨边效应存在但较弱\n- **弱**:单边平台,跨边效应不明显\n\n#### 5. 平台 vs 平台(替代品)— 替代\"替代品威胁\"\n\n**分析要点**:\n- 用户多归属(multi-homing)成本:用户在多个平台同时存在吗?\n - 社交平台:低多归属(微信一家独大)\n - 内容平台:高多归属(抖音 + B站 + 小红书并行)\n - 电商平台:中等(用户多个 App 都装)\n- 切换成本:数据迁移、关注关系重建、商家资质重新审核\n- 平台可替代性:若主要竞品是同类型平台(微信 vs QQ),还是跨类型(微信 vs 钉钉)?\n\n**数据来源**:\n- `WebSearch`（用户多归属 / 切换成本 / 平台竞争）\n- `WebSearch(<行业> 头部平台 市场份额 跨平台`（行业头部平台格局）)\n**评级标准**:\n- **强(护城河深)**:用户低多归属 + 切换成本高 + 竞品为同类型有限几家\n- **中**:多归属存在但平台差异化明显\n- **弱(护城河浅)**:用户高多归属 + 切换成本低 + 跨类型竞品多\n\n### 输出格式(框架 B 专用,合并到模板 §2.2 通用 5 行)\n\n| 力量(框架 B 视角) | 评级(强/中/弱) | 对公司影响 | 关键论据(网络效应 / 单位经济 / 平台 vs 平台) |\n|---|---|---|---|\n| 供应商议价力 → 平台供给侧 | | | KOL/商家集中度、补贴依赖度 |\n| 买方议价力 → 用户侧 | | | 用户多归属率、补贴敏感度、切换成本 |\n| 现有竞争者 → 平台 vs 平台 | | | 同类平台数、差异化程度、LTV/CAC |\n| 新进入者威胁 → 跨类型竞品 | | | 跨类型(自营/社交/工具)替代压力 |\n| 替代品威胁 → 飞轮/单边增速 | | | 同边 + 跨边网络效应强度、单位经济回收期 |\n\n**单位经济(unit economics)速判**:LTV/CAC = __,回收期 = __ 月\n\n**护城河类型**:【规模效应型 / 网络效应型 / 数据资产型 / 生态绑定型】\n```\n\n---\n\n## 3. 框架 C:网络效应五力(交易所/支付/通讯/系统软件)\n\n> **方法论背书**:Hamilton Helmer 在《7 Powers》(1998/2016)中系统化定义了 **7 种竞争优势来源**,\n> 其中与网络效应最相关的有 4 种:网络经济(Network Economy)、规模经济(Economy of Scale)、\n> 转换成本(Switching Cost)、品牌(Brand)。本框架以这 4 种 Power 为核心,辅以 Metcalfe/Reed 定律做量化。\n\n### 适用场景\n- 交易所(沪深交易所、港交所、币安)\n- 支付网络(银联、支付宝、Visa、PayPal)\n- 操作系统(Windows、iOS、Android)\n- 通讯网络(中国移动、运营商)\n- 开发工具(GitHub、AWS、VS Code)\n- 大型多人游戏(LOL、王者荣耀)\n\n### 分析框架\n\n| 维度 | 核心问题 | 量化指标 |\n|------|---------|---------|\n| **网络经济**(同边 + 跨边) | 用户/节点数翻倍,价值是否翻倍以上? | Metcalfe 定律 V = n² ;Reed 定律 V = 2ⁿ |\n| **节点分布与马太效应** | 头部节点占多少流量?是否赢家通吃? | CR10 节点流量占比、基尼系数 |\n| **多归属与切换成本** | 用户能否低成本切换到其他网络? | 多归属比例、协议标准锁定、API 锁定 |\n| **生态厚度** | 网络上跑了多少互补品/应用? | 第三方应用数、API 调用量、SDK 下载量 |\n| **技术演进威胁** | 是否有新一代协议/标准正在替代? | Web3 替代 Web2、IPv6 替代 IPv4 |\n\n### 评级标准(框架 C)\n\n- **强护城河**:网络效应已被验证 + 头部节点高度集中 + 切换成本高 + 生态厚度持续扩大\n- **中**:有网络效应但被新进入者部分削弱\n- **弱**:网络效应尚在建立中 / 面临技术替代\n\n---\n\n## 5. 搜索指引与质量门\n\n无论选哪套框架,五力搜索合并为 **2-3 次**(互相独立,可并行执行)。\n**搜索关键词、评级格式、质量门**已在 `SKILL.md` Step2 中统一定义,本文件不重复列出。\n\n每项评级:强/中/弱 + 至少 2 条数据支撑。\n\n**框架 B 专用**追加(在 2 次基础搜索之外):\n```\nWebSearch # 用户获取 / 留存 / LTV / 飞轮 / 网络效应\nWebSearch(<代码> --limit 10 # MAU / DAU / 付费用户 / 销售费用率)```\n\nFile v1.0.11:references/valuation-methods.md\n\n# 相对估值方法参考\n\n本文件在 **Step5** 开始时加载。提供 10 个相对估值变体的方法选取、公式速查、可比公司选取原则、估值区间计算和交叉验证规则。\n\n---\n\n## §1 四步法：行业 → 估值方法决策\n\n```\nStep1：现金流稳不稳？\n├─ 稳（消费/医药/公用） → PE-TTM 首选，PE-Forward 补充\n└─ 不稳（周期/初创） → 走 Step2\n\nStep2：资产重 vs 轻？\n├─ 重（银行/地产/资源） → PB-MRQ 首选，EV/EBITDA-TTM 补充\n└─ 轻（互联网/软件） → PS-TTM 首选，EV/Revenue 补充\n\nStep3：行业特殊触发？\n├─ 周期制造 → 周期中点 PE（替代 PE-TTM）\n├─ SaaS / 互联网平台 → Rule of 40（替代 EV/Revenue）\n├─ 半导体/航空/资源 → EV/EBITDA-TTM 优先\n└─ 通用 → 走完 Step1+2 即可\n\nStep4：是否盈利用 Forward？\n├─ 盈利可见 + 预测一致性好 → 加 Forward 变体\n└─ 不可见 / 一致预期分歧大 → 不用 Forward\n```\n\n**实操入口**：`scripts/valuation.py` 的 `_classify_industry(data)` 已实现上述判定逻辑，输入申万一级行业自动返回首选方法 + 交叉验证方法。\n\n---\n\n## §2 10 个相对估值变体速查\n\n| 变体 | 公式 | 适用行业 | 关键数据源 |\n|---|---|---|---|\n| **PE-TTM** | 合理股价 = TTM EPS × 可比 PE 中位数 | 消费/医药/公用 | `eps_ttm` / `quote` / peers |\n| **PE-Forward** | 合理股价 = Forward EPS × 可比 PE 中位数 | 盈利可见的高增长 | `eps_forward`（ths_forecast） |\n| **周期中点 PE** | 合理股价 = 历史 EPS 中位数 × 周期 PE 中位数 | 周期制造（钢/化/煤/航运） | `eps_history`（5-10 年） |\n| **PB-MRQ** | 合理股价 = BVPS × 可比 PB 中位数 | 银行/地产/重资产 | `bvps` / `quote` / peers |\n| **PB-Forward** | 合理 PB = (ROE - g) / (COE - g) | 银行/券商 | `bvps` + ROE 假设 |\n| **PS-TTM** | 合理股价 = TTM SPS × 可比 PS 中位数 | 高成长未盈利 | `sps_ttm` / peers |\n| **PS-Forward** | 合理股价 = Forward SPS × 可比 PS 中位数 | 增长可见的早期 | `sps_forward` |\n| **EV/EBITDA-TTM** | 合理 EV = TTM EBITDA × 可比 EV/EBITDA | 资本密集（半导体/资源/航空） | `calc_ebitda(lrb+llb)` |\n| **EV/EBITDA-Forward** | 合理 EV = Forward EBITDA × 可比 EV/EBITDA | 同上（用预测 EBITDA） | TTM EBITDA × 增长假设 |\n| **EV/Revenue-TTM** | 合理 EV = TTM 营收 × 可比 EV/Revenue | 互联网平台/SaaS | `revenue_ttm` + `net_debt` |\n| **Rule of 40** | 增速 + EBITDA 率 ≥ 40% → EV/Revenue × 1.5 | SaaS/互联网 | `revenue_growth` + `ebitda` |\n\n---\n\n## §3 行业 → 方法配对速查表\n\n| 申万一级 | 行业类 | 首选方法 | 交叉验证 |\n|---|---|---|---|\n| 食品饮料 / 美容护理 / 家用电器 / 纺织服饰 | 品牌消费 | `val_pe_ttm` | `val_pe_forward`, `val_ev_ebitda_ttm` |\n| 医药生物（成熟） | 品牌消费 | `val_pe_ttm` | `val_pe_forward` |\n| 医药生物（亏损/创新药） | 创新药 | `val_ps_ttm` | `val_ev_revenue_ttm` |\n| 银行 / 证券 / 非银金融 | 金融 | `val_pb_mrq` | `val_pb_forward`, `val_pe_ttm` |\n| 房地产 | 地产 | `val_pb_mrq` | `val_ev_ebitda_ttm` |\n| 公用事业 / 电力 / 水务 / 燃气 | 公用事业 | `val_pe_ttm` | `val_pb_mrq` |\n| 钢铁 / 化工 / 煤炭 / 石油石化 / 建材 / 航运 | 周期制造 | `val_pe_cycle` | `val_pb_mrq`, `val_ev_ebitda_ttm` |\n| 有色金属 / 采掘 / 矿业 | 资源 | `val_ev_ebitda_ttm` | `val_pb_mrq` |\n| 半导体 / 航空 / 国防军工 | 资本密集 | `val_ev_ebitda_ttm` | `val_pe_ttm` |\n| 计算机 / 传媒 / 软件 / 互联网 | 互联网/SaaS | `val_rule_of_40` | `val_ev_revenue_ttm`, `val_ps_ttm` |\n| 通用兜底 | 通用 | `val_pe_ttm` | `val_pb_mrq`, `val_ev_ebitda_ttm` |\n\n---\n\n## §4 关键数据采集位置（已采 / 需补）\n\n| 数据 | 已采？ | 位置 | 备注 |\n|---|---|---|---|\n| 当前股价 | ✅ | `data[\"price\"]` | 实时 |\n| 总股本 | ✅ | `data[\"total_shares\"]` | quote 字段 |\n| 归母净利润 | ✅ | `data[\"finance\"]` / `data[\"lrb\"]` | — |\n| 归母净资产 | ✅ | `data[\"finance\"]` | — |\n| 滚动 EPS / BVPS | ⚠️ 需算 | `eps_ttm = 归母净利润 × 4 / latest_quarter / 总股本` | 脚本自动算 |\n| Forward EPS | ✅ | `data[\"ths_forecast\"]` | 一致预期 |\n| 营收（TTM） | ✅ | `data[\"finance\"]` 营收字段 | — |\n| 营收增速 | ⚠️ 需算 | `(revenue_ttm / revenue_prev_year) - 1` | — |\n| 历史 EPS（5-10 年） | ⚠️ 缺 | 需联网搜年报 | 周期 PE 必需 |\n| 净负债（短借+长借-货币） | ⚠️ 需算 | `data[\"fzb\"]` 三个字段 | EV 必需 |\n| EBITDA | ⚠️ **本 skill 自动拆解** | `valuation.py 内置 _calc_ebitda(data)` | 见 §5 |\n| 可比公司 PE/PB/PS 中位数 | ✅ 自动获取 | `WebSearch（行业竞品）` + `finance` 循环 + `pandas.median()` | 申万行业自动拉，**无手工拍板** |\n\n---\n\n## §5 EBITDA 拆解（`calc_ebitda` 已落地）\n\n**位置**：`scripts/valuation.py`（`_calc_ebitda` 函数）\n\n**公式**：\n```\nEBITDA = 净利润 + 利息 + 税 + 折旧摊销\n = 归属于母公司股东的净利润\n + 财务费用（含利息支出 - 利息收入 + 汇兑损益）\n + 所得税费用\n + 折旧与摊销（llb 补充资料）\n```\n\n**容错机制**：\n- 净利润缺失 → 退而用 `lrb.净利润`\n- 财务费用缺失 → 退而用 `利息支出 - 利息收入`\n- 折旧/摊销缺失 → 尝试 4 个备胎字段名（\"折旧与摊销\"合并 / \"固定资产折旧\"分列 / \"无形资产摊销\" / \"长期待摊费用摊销\"）\n- **数据完全缺失时返回 `{\"error\": \"...\"}`，不硬算**\n\n**权威背书**：\n- Damodaran《Investment Valuation》Ch.11 公式\n- 国内卖方研报 EBITDA 拆解标准（中信/华泰/中金）\n\n---\n\n## §6 可比公司选取原则\n\n### 6.1 选取标准\n\n1. **同行业、同细分赛道**：申万二级行业分类相同\n2. **市值规模相近**：市值差异不超过 5 倍\n3. **增长阶段相近**：增速差异不超过 2 倍\n4. **业务模式相似**：主营产品/客户群体/商业模式可类比\n5. **数量要求**：至少 3 家，最多 5 家\n\n### 6.2 数据获取\n\n| 数据 | 来源 |\n|---|---|\n| 目标公司 PE/PB/市值 | `/tmp/{code}_data.json` 的 `quote` 字段（Step0 已采） |\n| 可比公司 PE/PB/市值 | `python3 scripts/collect_data.py --quotes 代码1,代码2,...` |\n| 机构 EPS 预测 | `data[\"reports\"]`（东财研报，已采） |\n| 一致预期 EPS | `data[\"ths_forecast\"]`（同花顺，已采） |\n\n---\n\n## §7 交叉验证\n\n### 7.1 多方法对比\n\n| 方法 | 估值中枢 | 当前市值 | 上行/下行空间 |\n|---|---|---|---|\n| 首选方法 | __亿 | __亿 | __% |\n| 交叉验证1 | __亿 | __亿 | __% |\n| 交叉验证2 | __亿 | __亿 | __% |\n| **综合估值**（中位数） | __亿 | __亿 | __% |\n\n### 7.2 偏差处理\n\n- 多方法结果偏差 **< 15%**：取均值作为综合估值\n- 偏差 **15% - 30%**：取均值但标注分歧原因\n- 偏差 **> 30%**：必须分析分歧原因（周期性/特殊项目/会计差异），取更保守的估值\n\n### 7.3 合理性检查\n\n| 检查项 | 标准 | 不通过时处理 |\n|---|---|---|\n| 估值隐含增速 | 与历史增速和行业增速比较 | 偏差过大则调整估值区间 |\n| PE 合理性 | 估值 PE 是否在行业历史区间内 | 超出历史区间需说明 |\n| 市值合理性 | 估值市值与行业地位是否匹配 | 不匹配需说明 |\n| 数据完整度 | `valuation.py` 输出的 `数据完整度` ≥ 60% | < 60% 时提示补充行业数据 |\n\n---\n\n## §8 报告输出格式（只展示数字）\n\n报告正文**不展示公式**，只展示结论：\n\n```markdown\n## 估值（相对估值）\n\n### 行业分类\n[申万一级] → [行业类]\n\n### 估值结果\n| 维度 | 数值 |\n|---|---|\n| 首选方法 | 周期中点 PE（7年） |\n| 合理股价 | 12.30 元 |\n| 当前股价 | 10.50 元 |\n| 上行空间 | +17.1% |\n| 合理市值 | 270.6 亿 |\n| 当前市值 | 231.0 亿 |\n| 数据完整度 | 67% |\n\n### 交叉验证\n- PB-MRQ：合理价 11.80 元（差异 -4.1%）\n- EV/EBITDA-TTM：合理价 12.50 元（差异 +1.6%）\n\n### 关键假设\n- 周期 PE 中位数 = 8.0x（行业 5 年平均）\n- 7 年 EPS 中位数 = 1.54 元\n- 净负债 = 0（货币资金充裕）\n\n### 局限性\n- [数据完整度提示]\n- [行业假设提示]\n```\n\n**公式 / 推导 / 行业倍数**只放在 `valuation-methods.md`（本文）和 `scripts/valuation.py`，**不进报告**。\n\nFile v1.0.11:CHANGELOG.md\n\n# Changelog\n\nAll notable changes to this project will be documented in this file.\n\n## [1.0.7] - 2026-07-14\n\n### 清理\n- `references/` 和 `templates/` 中所有过时的 CLI 引用已清除（8 个文件，40+ 处），全部替换为实际脚本调用或 WebSearch\n\n## [1.0.6] - 2026-07-14\n\n### 🐂 港股数据链路彻底修复（更可靠、更全面的方案）\n- **根因**：v1.0.5 重构数据采集链路后，港股财务/三表仍读取旧字段（如 `NetAssetPS` / `加权净资产收益率`），而新 pure-HTTP 重写不再返回这些字段 → 港股估值整体失效\n- **修复方案（东财港股 datacenter，覆盖更全、零 npm 依赖）**：\n - 港股财务三表：直采东方财富港股 datacenter `RPT_HKF10_FN_INCOME` / `RPT_HKF10_FN_BALANCE`（利润表 + 资产负债表，按报告期聚合）\n - 港股主要财务指标：直采 `RPT_HKF10_FN_GMAININDICATOR`（EPS/BPS/ROE/毛利率/净利率/资产负债率/营收/归母净利/同比等）\n - 港股行情/市值/股本：腾讯财经 `qt.gtimg.cn/q=hk{code}`（替换原不可靠的东财 push2 `secid=116.{code}`，3/3 连接失败）\n - 港股 F10/股东/概况：东财 `PC_HSF10/CompanySurvey?code=HK.{code}` + `ShareholderResearch`\n- **优雅降级**：港股**无现金流量表**（东财无 `RPT_HKF10_FN_CASHFLOW`），`llb` 置空；`valuation.py` 自动跳过 `EV/EBITDA-TTM` / `EV/EBITDA-Forward` 两个变体并标注原因\n- **已验证**：腾讯控股 00700 实跑通过——数据完整度 100%，PE-TTM + PB-MRQ 正常，EV/EBITDA 优雅跳过；贵州茅台 600519 同期验证 A 股链路完整无回归\n- **文档同步**：SKILL.md §2 数据源表、§0.2 采集表改为市场感知（A 股/港股分列）；移除 `hk_total_shares` 死代码\n\n---\n\n## [1.0.5] - 2026-07-14\n\n### 🔄 数据源彻底替换：零外部依赖\n- **重写数据采集脚本**：完全移除 npm 包依赖，改用公开免费 HTTP 接口直采：\n - 三表（利润表/资产负债表/现金流量表）：新浪财报 API\n - 公司概况 / F10：东财 F10 CompanySurvey\n - 十大股东：东财 F10 ShareholderResearch\n - 行情报价：腾讯 qt.gtimg.cn（A 股）/ 新浪实时行情（港股）\n - 分红送配：东财 F10 BonusFinancing\n- 脚本运行时**零 npm 包、零 npx、零 subprocess 调外部 CLI、零混淆代码**\n- SKILL.md §2 重写为「数据源一览表」（列出每个数据项的 API 端点）\n- 降级策略表简化：移除外部工具变量，L1 路径即为「脚本 + 公开 API」，无需任何外部工具\n\n### ⚠️ 安全审计影响\n- `requirements.txt` 无变化（仍只需 requests/pandas/lxml/html5lib）\n- 所有 `.py` 文件零 npm/npx 运行时引用\n- SKILL.md 零第三方包声明\n\n---\n\n## [1.0.4] - 2026-07-14\n\n### Changed\n- **产物模板强制执行规则**：新增 §6.0（Step6 产物生成强制执行规则），要求 LLM 在写任何产物前**必须先用 Read 工具读取对应模板文件完整内容**，然后严格按模板结构逐项填充占位符；明确禁止\"不读模板直接写\"、\"改变章节顺序\"、\"省略标准化区块\"等行为\n- **全局执行原则强化**：执行原则第 6 条新增「产物必须基于模板生成」的硬性要求，并锚定到 §6.0 详细规则\n- **目的**：解决 Codex 等 LLM 环境中报告输出不遵循 templates/ 目录下预定义模板格式的问题（LLM 凭自由理解编写而非按模板填充）\n\n## [1.0.3] - 2026-07-14\n\n### Changed\n- **移除所有第三方包显式声明**：SKILL.md 中彻底清除 npm 包名和安装命令引用（§2 环境准备、降级策略表、三表来源说明、Step0 执行说明共 4 处），改为「隐性探测」模式\n- **外部工具降级为纯可选增强**：从降级判定链中移除，不参与回退决策；缺失时不触发任何回退，直接走标准模式\n- **目的**：解决 Codex 等严格安全环境在安装阶段因第三方包审核不通过而拒绝安装整个 skill 的问题\n\n## [1.0.2] - 2026-07-14\n\n### Changed\n- **数据源版本升级**：底层接口包版本升级（数据源不变，均为腾讯自选股行情接口）\n- **供应链安全提示修正**：移除不准确的安全表述，改为中性说明\n- **文档修正**：移除 README 技术栈表、内部规则文档、以及 `scripts/collect_data.py` 注释中已过时的 `mootdx` 引用（实际数据采集已改用东财接口替代，mootdx 未安装亦未调用）\n- **README python 兼容**：手动跑脚本示例由 `python3` 改为 `python`（注明 `python`/`python3` 均可），示例文件名写死日期 `20260706` 改为 `{YYYYMMDD}` 占位符\n\n## [1.0.1] - 2026-07-14\n\n### Fixed\n- **打包修复**：重新打包时纳入 `scripts/`、`templates/`、`references/` 全部文件（此前 ClawHub/Codex 安装包仅含 SKILL.md/README/requirements，导致脚本引用缺失）\n- **Python 兼容**：frontmatter 移除硬编码 `bins: [\"python3\"]`，改为 `python_bins: [\"python3\", \"python\"]`；脚本调用统一用 `$PY` 变量，自动探测 python3/python\n- **依赖精简**：`matplotlib` 从必装 `pip` 移至 `optional_pip`（脚本未实际使用该库）\n- **降级策略**：新增「环境准备与降级策略」章节，定义三级降级 L1（脚本正常）/ L2（无脚本，LLM 直采）/ L3（无 Python，纯 LLM 直采），含降级 JSON schema\n- **数据采集工具安装补充**：厘清内置命令与环境差异；新增变量统一多种安装形态，并附 npm 全局安装 / openclaw 安装 / npx 三种方式 + 供应链安全提示\n\n## [1.0.0] - 2026-07-08\n\n### Added\n- 公司深度分析助手首版发布\n- 6 步分析流程：数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值\n- 双产物输出：公司深度分析报告（Markdown）+ 投研简报（HTML）\n- 单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时按路由表只跑对应步骤并输出对应单文件\n- 触发词覆盖：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\n- 覆盖市场：A股 + 港股\n\nFile v1.0.11:skill-card.md\n\n## Description:
\nAnalyzes A-share and Hong Kong-listed companies from data collection through company profile, industry structure, moat, financial, and relative valuation work, producing a Markdown deep-analysis report and an HTML investment brief.
\n\nThis skill is ready for commercial/non-commercial use.
\n\n## Publisher:
\n[pm2-567](https://clawhub.ai/user/pm2-567)
\n\n### License/Terms of Use:
\nMIT No Attribution
\n\n\n## Use Case:
\nExternal users such as individual investors, investment managers, industry researchers, and advisors use this skill to screen A-share and Hong Kong listed companies, generate focused company or financial analyses, and prepare deep research reports and investment briefs.
\n\n### Deployment Geography for Use:
\nGlobal; analysis coverage is limited to A-share and Hong Kong listed companies.
\n\n## Known Risks and Mitigations:
\nRisk: Company names, stock codes, and research queries may be sent to public finance or search providers during data collection and fallback lookup.
\nMitigation: Use the skill for public-company research and avoid sensitive unpublished company names or confidential deal context when query disclosure matters.
\nRisk: The skill writes temporary market-data JSON and local report files during normal operation.
\nMitigation: Run it in a workspace where local file creation is expected, review generated files before sharing, and clean temporary data when reports are complete.
\nRisk: Generated valuation and investment commentary may be incomplete, stale, or unsuitable as direct investment advice.
\nMitigation: Treat outputs as research support, verify key figures against current filings or trusted data providers, and require human investment review before decisions.
\nRisk: The workflow depends on Python packages and public data endpoints that can change or fail.
\nMitigation: Keep dependencies updated and rerun or cross-check the analysis when data quality is degraded or a provider fallback is used.
\n\n\n## Reference(s):
\n- [ClawHub skill page](https://clawhub.ai/pm2-567/skills/company-deep-analysis)
\n- [AI internal rules](references/ai-internal-rules.md)
\n- [Financial analysis guide](references/financial-analysis-guide.md)
\n- [Moat analysis framework](references/moat-analysis-framework.md)
\n- [Porter five forces template](references/porter-five-forces-template.md)
\n- [Valuation methods](references/valuation-methods.md)
\n\n\n## Skill Output:
\n**Output Type(s):** [Markdown, HTML, Shell commands, Guidance]
\n**Output Format:** [Markdown reports, HTML briefs, JSON data files, and inline shell commands]
\n**Output Parameters:** [1D]
\n**Other Properties Related to Output:** [Creates local report files and temporary market-data JSON; requires Python dependencies for scripted data collection.]
\n\n## Skill Version(s):
\n1.0.11 (source: SKILL.md frontmatter and server release evidence)
\n\n## Ethical Considerations:
\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.
\n\nFile v1.0.11:templates/company-profile-template.md\n\n# {公司名} 公司画像\n\n> 生成日期:{YYYY-MM-DD}\n> 数据质量等级:{A/B/C}\n\n---\n\n## 0. 业务模式标签判定规则(必读,先做这步再填基本信息)\n\n**核心原则**:用**公司行业归属标签**作为业务模式标签的主判定依据,**不**用公司名/简介里的关键词匹配。\n\n### 0.1 主判定:申万一级行业映射(从 f10.公司概况 读取)\n\n**数据源**:`/tmp/{代码}_data.json` → `f10.公司概况.所属行业` 字段(东财接口,已结构化)。\n\n| 申万一级行业 | 业务模式标签 | 框架适配 |\n|---|---|---|\n| **传媒 / 计算机 / 通信 / 电子** | 互联网/平台/TOC SaaS/TOC+TOB 双边(按主业占比二选) | 框架 B(平台型五力)+ 框架 B(平台型护城河) |\n| **银行 / 非银金融** | 金融 | 框架 A + 框架 D(金融护城河) |\n| **汽车 / 机械设备 / 电气设备 / 国防军工** | 工业品/制造 | 框架 A + 框架 C(制造业护城河) |\n| **食品饮料 / 纺织服饰 / 家用电器 / 轻工制造 / 美容护理 / 商贸零售 / 社会服务** | 消费品 | 框架 A + 框架 A(消费品牌护城河) |\n| **医药生物** | 医药 | 框架 A + 框架 E(医药护城河) |\n| **房地产 / 建筑装饰 / 建筑材料** | 地产/建筑 | 框架 A + 框\n\nArchive v1.0.9: 18 files, 85063 bytes\n\nFiles: CHANGELOG.md (6227b), LICENSE (906b), README.md (10837b), references/ai-internal-rules.md (13428b), references/financial-analysis-guide.md (12142b), references/moat-analysis-framework.md (18457b), references/porter-five-forces-template.md (15426b), references/valuation-methods.md (8565b), requirements.txt (562b), scripts/collect_data.py (43830b), scripts/valuation.py (30113b), skill-card.md (3186b), SKILL.md (8842b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13202b), templates/deep-analysis-report-template.md (20032b), templates/financial-analysis-template.md (6715b), _meta.json (140b)\n\nArchive v1.0.8: 17 files, 84216 bytes\n\nFiles: CHANGELOG.md (6227b), README.md (10804b), references/ai-internal-rules.md (13428b), references/financial-analysis-guide.md (12142b), references/moat-analysis-framework.md (18457b), references/porter-five-forces-template.md (15426b), references/valuation-methods.md (8565b), requirements.txt (562b), scripts/collect_data.py (43830b), scripts/valuation.py (30113b), skill-card.md (2933b), SKILL.md (8818b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13202b), templates/deep-analysis-report-template.md (20032b), templates/financial-analysis-template.md (6715b), _meta.json (140b)\n\nArchive v1.0.7: 19 files, 100301 bytes\n\nFiles: CHANGELOG.md (7346b), LICENSE (906b), README.md (10367b), references/ai-internal-rules.md (8510b), references/financial-analysis-guide.md (12142b), references/moat-analysis-framework.md (18457b), references/porter-five-forces-template.md (15426b), references/valuation-methods.md (8541b), requirements.txt (409b), scripts/collect_data.py (37808b), scripts/valuation.py (28435b), scripts/westock_data.py (29906b), skill-card.md (2970b), SKILL.md (30848b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13202b), templates/deep-analysis-report-template.md (19989b), templates/financial-analysis-template.md (6715b), _meta.json (140b)\n\nArchive v1.0.6: 19 files, 100458 bytes\n\nFiles: CHANGELOG.md (7028b), LICENSE (906b), README.md (10367b), references/ai-internal-rules.md (8535b), references/financial-analysis-guide.md (12347b), references/moat-analysis-framework.md (18472b), references/porter-five-forces-template.md (15899b), references/valuation-methods.md (8545b), requirements.txt (409b), scripts/collect_data.py (37808b), scripts/valuation.py (28435b), scripts/westock_data.py (29906b), skill-card.md (3235b), SKILL.md (30848b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13275b), templates/deep-analysis-report-template.md (20021b), templates/financial-analysis-template.md (6773b), _meta.json (140b)\n\nArchive v1.0.5: 19 files, 100409 bytes\n\nFiles: CHANGELOG.md (7028b), LICENSE (906b), README.md (10367b), references/ai-internal-rules.md (8535b), references/financial-analysis-guide.md (12347b), references/moat-analysis-framework.md (18472b), references/porter-five-forces-template.md (15899b), references/valuation-methods.md (8545b), requirements.txt (409b), scripts/collect_data.py (37808b), scripts/valuation.py (28435b), scripts/westock_data.py (29906b), skill-card.md (2951b), SKILL.md (30848b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13275b), templates/deep-analysis-report-template.md (20021b), templates/financial-analysis-template.md (6773b), _meta.json (140b)\n\nArchive v1.0.4: 19 files, 96802 bytes\n\nFiles: CHANGELOG.md (3646b), LICENSE (906b), README.md (9761b), references/ai-internal-rules.md (8535b), references/financial-analysis-guide.md (12347b), references/moat-analysis-framework.md (18472b), references/porter-five-forces-template.md (15899b), references/valuation-methods.md (8545b), requirements.txt (409b), scripts/collect_data.py (40848b), scripts/valuation.py (27724b), scripts/westock_data.py (19729b), skill-card.md (3402b), SKILL.md (28158b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13275b), templates/deep-analysis-report-template.md (20021b), templates/financial-analysis-template.md (6773b), _meta.json (140b)\n\nArchive v1.0.2: 19 files, 97024 bytes\n\nFiles: CHANGELOG.md (2939b), LICENSE (906b), README.md (9761b), references/ai-internal-rules.md (8535b), references/financial-analysis-guide.md (12347b), references/moat-analysis-framework.md (18472b), references/porter-five-forces-template.md (15899b), references/valuation-methods.md (8545b), requirements.txt (409b), scripts/collect_data.py (40848b), scripts/valuation.py (27724b), scripts/westock_data.py (19729b), skill-card.md (3096b), SKILL.md (29633b), templates/briefing-card-template.html (11380b), templates/company-profile-template.md (13275b), templates/deep-analysis-report-template.md (20021b), templates/financial-analysis-template.md (6773b), _meta.json (140b)\n\nArchive v0.1.0: 3 files, 11410 bytes\n\nFiles: skill-card.md (2354b), SKILL.md (22951b), _meta.json (140b)","readmeExcerpt":"Skill: 公司深度分析助手 Owner: pm2-567 Summary: A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面 Tags: latest:1.0.12 Version history: v1.0.12 | 2026-08-13T12:00:08.474Z | user 修正互联网平台与亏损/早期企业财务权重合计不足100%的问题；补齐通讯、支付、交易所、系统软件的护城河路由。 v","codeSnippets":[],"executableExamples":[{"language":"text","snippet":"🔍 识别到：{公司全称}（{代码}）· {市场} · 即将进入「{模式}」模式（{跑哪几步}），输出 {单/双} 产物：{文件清单}"},{"language":"bash","snippet":"# 探测：优先 python3，回退 python，都没有则走 L3 降级\nif command -v python3 >/dev/null 2>&1; then PY=python3\nelif command -v python >/dev/null 2>&1; then PY=python\nelse echo \"⚠ 未找到 Python，走 L3 降级路径\"; PY=\"\"\nfi\necho \"使用 Python 命令: ${PY:-无}\""},{"language":"json","snippet":"{\n \"code\": \"600519\",\n \"market\": \"A股\",\n \"finance\": { \"主要财务指标\": {} },\n \"f10\": { \"公司概况\": {}, \"股东研究\": {}, \"股本结构\": {}, \"行业分析\": {}, \"财务分析\": {} },\n \"lrb\": {}, \"fzb\": {}, \"llb\": {},\n \"quote\": { \"price\": 0, \"pe_ttm\": 0, \"pb\": 0, \"mcap_yi\": 0 },\n \"em_info\": {}, \"blocks\": [], \"reports\": [], \"ths_forecast\": []\n}"},{"language":"bash","snippet":"# 先按「环境准备与降级策略」探测 $PY（python3/python 自动适配）\n# 获取 skill 目录路径，然后执行脚本\n$PY /scripts/collect_data.py {CODE}\n# 若 scripts/ 缺失或脚本报错 → 走 L2/L3 降级（LLM 直采写 /tmp/{code}_data.json）"},{"language":"text","snippet":"WebSearch \"<公司名> 研报 2025 2026 战略\" # 券商研报（战略方向、风险因素）\nWebSearch \"<公司名> 公告 管理层 重大事项\" # 公司公告（管理层变动、重大事项）"},{"language":"bash","snippet":"# $PY 为「环境准备与降级策略」探测到的 Python 命令（python3/python 自动适配）\n$PY /scripts/collect_data.py --quotes {目标代码},{竞对代码1},{竞对代码2},..."}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: company-deep-analysis\nversion: 1.0.12\ndescription: |\n A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程：\n 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。\n 输出双产物：公司深度分析报告 + 投研简报\n 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。\n 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面\nmetadata:\n market: [\"A股\", \"港股\"]\n output_format: [\"html\", \"md\"]\n display_name: \"公司深度分析助手\"\n requires:\n pip: [\"requests\", \"pandas\", \"lxml\", \"html5lib\"]\n optional_pip: [\"matplotlib\"]\n python_bins: [\"python3\", \"python\"]\n---\n\n# 公司深度分析助手（A 股 / 港股）\n\n输入 A 股/港股公司名称或股票代码，**默认执行 6 步分析，输出双产物**：\n- **MD 深度分析报告**（`{公司名}_深度分析报告_{YYYYMMDD}.md`）\n- **HTML 投研简报**（`{公司名}_投研简报_{YYYYMMDD}.html`）\n\n> **单步模式**：用户说\"看一下 XX 的财务情况\" / \"XX 的公司画像\" 时，按 [执行模式路由](#执行模式路由) 表只跑对应步骤，输出对应单文件（不要双产物）。\n\n## 适用场景\n\n- 个人投资者做投前初筛（5 分钟看一家公司基本面）\n- 卖方/买方研究员做行业研报的子模块\n- 投资经理在投委会前快速过一遍潜在标的\n- 跨行业比较 5-10 家可比公司的财务与护城河\n- 只想看财务 → 单步模式（输出财务分析单文件，不必出简报）\n- 只想看公司画像 → 单步模式（输出公司画像单文件）\n\n## 执行模式路由\n\n### 路由表\n\n| 用户关键词（任一命中） | 模式 | 跑的步骤 | 输出文件 |\n|-----------|------|---------|---------|\n| **（默认）/ 没有任何特殊词** | `full` | Step0 + Step1 + Step2 + Step3 + Step4 + Step5 | **双产物**：`_深度分析报告.md` + `_投研简报.html` |\n| **财务** / **财务情况** / **财务分析** / **看看财务** | `financial` | Step0（数据采集） + Step4（财务四维） | `_财务分析.md`（单文件） |\n| **画像** / **公司画像** / **公司基本面** / **看看公司** | `profile` | Step0（数据采集） + Step1（公司画像） | `_公司画像.md`（单文件） |\n\n### 关键词优先级（多关键词冲突时）\n\n**最具体的优先**：`financial` > `profile` > `full`\n\n例：\n- \"分析 XX 公司的财务情况\" → `financial`（命中\"财务情况\"）\n- \"XX 的公司画像怎么样\" → `profile`（命中\"公司画像\"）\n- \"帮我分析一下 XX\" → `full`（默认）\n- \"XX 的财务和公司画像\" → `financial`（最具体的优先，不双跑）\n\n### 单步模式必跑的前置\n\n- **Step0 数据采集必跑**：所有模式的输入都依赖 `/tmp/{code}_data.json`\n- **跳过中间步是安全的**：Step2（五力）/ Step3（护城河）/ Step5（估值）的产物**不喂给** Step1 / Step4，跳过不影响单文件质量\n- **代价**：单步模式输出文件**没有**行业竞争 / 护城河 / 估值章节，质量门只检\"该模式的章节\"\n\n### 用户提示模板\n\n路由判断完成后，在对话中展示一行：\n\n```\n🔍 识别到：{公司全称}（{代码}）· {市场} · 即将进入「{模式}」模式（{跑哪几步}），输出 {单/双} 产物：{文件清单}\n```\n\n## 执行原则\n\n1. 报告行文按 `ai-internal-rules.md §3.1-3.4` 硬要求（结论先行 + 主谓宾结构）\n2. 所有财务数字标注来源，推算指标列出公式\n3. 推断内容标注置信度（高/中/低）\n4. **full 模式**：6 步串行执行，StepN 完成后才能启动 StepN+1。**单步模式（financial/profile）**：按 [执行模式路由](#执行模式路由) 表只跑对应步骤\n5. 无法获取的信息标注为信息盲区，不编造\n6. **产物必须基于模板生成**：在 Step6 写任何文件前，必须先 `Read` 对应模板文件并严格按其结构填充。不得凭记忆自行编写报告结构。详见 [§6.0 产物生成的强制执行规则](#60-产物生成的强制执行规则必须严格遵守)\n\n---\n\n## 环境准备与降级策略（必读）\n\n本 skill 的运行依赖 2 类外部能力：**Python 解释器**、**`scripts/` 目录下的采集脚本（含纯 HTTP 数据模块 `westock_data.py`，零外部依赖）**。不同运行环境（本机 / Codex / ClawHub 沙箱）的可用性差异很大，下面给出统一的探测规则与三级降级策略，确保**任何环境都能跑通**。\n\n### 1. Python 命令探测（python3 与 python 均兼容）\n\n不同环境 Python 命令名不同（macOS/Linux 多为 `python3`，部分环境为 `python`，Codex 等容器可能两者皆有或仅有其一）。\n\n**统一探测规则**：执行任何脚本前，先运行以下探测确定命令名，后续统一用变量 `$PY` 指代：\n\n```bash\n# 探测：优先 python3，回退 python，都没有则走 L3 降级\nif command -v python3 >/dev/null 2>&1; then PY=python3\nelif command -v python >/dev/null 2>&1; then PY=python\nelse echo \"⚠ 未找到 Python，走 L3 降级路径\"; PY=\"\"\nfi\necho \"使用 Python 命令: ${PY:-无}\"\n```\n\n> 脚本 shebang 为 `#!/usr/bin/env python3`，直接用 `$PY` 显式调用可绕过 shebang 限制（如 `python scripts/collect_data.py`）。\n\n### 2. 数据采集依赖说明（零"},{"path":"README.md","content":"# 公司深度分析助手\n\n> **一句话介绍**：你告诉它一家 A 股/港股公司的名字或股票代码，它自动跑完 6 步分析，给你输出**两份产物**——一份完整的公司深度分析报告，一份 30s 必读的投研简报卡片。\n\n![版本](https://img.shields.io/badge/版本-1.0.12-blue)\n![支持市场](https://img.shields.io/badge/支持市场-A股%20%2F%20港股-green)\n![输出格式](https://img.shields.io/badge/输出-HTML%20%2F%20MD-orange)\n\n---\n\n## 📌 这是什么？\n\n这是一个**投研工具**，专门帮你做 A 股 / 港股公司的\"投前初筛\"。\n\n你只需要说一句话，比如：\n\n> \"帮我分析一下贵州茅台\"\n> \"分析 600519\"\n> \"看看宁德时代这家公司\"\n\n它就会自动去拉数据、做分析、最后给你输出**两份产物**（一份公司深度分析报告 + 一份投研简报卡片）。\n\n**适合谁用？**\n- 个人投资者：想 5 分钟看清一家公司基本面\n- 投资经理：投委会前快速过一遍潜在标的\n- 行业研究员：做行业研报里的\"标的画像\"小节\n- 投资顾问：给客户做方案前的快速背调\n\n---\n\n## 🎯 能帮你做什么？\n\n它会**自动跑完 6 步分析**，从数据采集到最后输出产物全部包圆：\n\n| 步骤 | 它做什么 | 你能看到什么 |\n|------|---------|------------|\n| ① 数据采集 | 拉行情、财务三表、研报、概念板块 | 11 项数据（含 ebitda 衍生）|\n| ② 公司画像 | 整理公司基本信息、股权结构、用户规模 | 一张公司画像表 + 行业大盘认知 |\n| ③ 产业链五力 | 用经典波特五力分析上下游和竞争 | 供应商/客户/竞对/进入者/替代品五项评级 |\n| ④ 护城河分析 | 用行业适配框架（如 Hamilton Helmer 7 Powers）判断公司护城河 | 3 轮反问机制 + 护城河评级表 |\n| ⑤ 财务四维 | 盈利能力/偿债能力/营运能力/成长能力 + 杜邦三因子分解 | 四维雷达图 + 杜邦分解表 + 综合评分 |\n| ⑥ 相对估值 | 10+ 个相对估值变体（PE-TTM / PE-Forward / 周期 PE / PB-MRQ / PB-Forward / PS-TTM / PS-Forward / EV·EBITDA / EV·Revenue / Rule of 40），按行业自动选变体 | 估值结论 + 上行/下行空间 + 风险提示 |\n\n最后输出 **两份产物**：\n\n**① 深度分析报告（`.md` 主报告）**\n\n- 公司画像\n- 行业竞争（行业分析+波特五力产业链分析）\n- 财务（四大能力+杜邦三因子）\n- 估值 （多种相对估值方法）\n- 操作建议\n- 投资风险\n- 数据质量与盲区\n\n**② 投研简报（`.html` 单页卡片）**\n\n---\n\n## 🚀 怎么用？\n\n### 方式一：在 AI 对话里直接说\n\n只要你的 AI 客户端装了这个 skill，**直接打字就行**：\n\n```\n帮我分析 600519（贵州茅台）\n分析 宁德时代\n做一份 腾讯控股 00700 的投研简报\n深度分析 比亚迪\n```\n\n**支持的输入**：\n- 股票代码：`600519` / `00700`（6 位 A 股，5 位港股）\n- 公司名：`贵州茅台` / `宁德时代` / `腾讯控股`\n- 公司名+代码：`贵州茅台 600519`（验证后直接开干）\n\n> ⚠️ **港股也支持**！代码可以是 5 位数字（如腾讯 00700）。本工具**拒绝美股 / 加密币**（如阿里 BABA、特斯拉 TSLA）。\n\n### 方式二：手动跑数据采集脚本\n\n如果你想自己跑数据采集和估值（不触发完整分析流程），先 `cd` 到 skill 根目录，再直接 `python` 跑业务脚本（`python` / `python3` 均可，取决于你的环境命令名）。\n\n#### Linux / macOS\n\n```bash\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts/collect_data.py 600519 # A 股\npython scripts/collect_data.py 00700 # 港股\n\n# 3. 跑估值\npython scripts/valuation.py 600519\npython scripts/valuation.py 600519 peers.json\n```\n\n#### Windows\n\n```powershell\n# 1. 装依赖（首次）\npip install -r requirements.txt\n\n# 2. 跑数据采集\npython scripts\\collect_data.py 600519\npython scripts\\collect_data.py 00700\n\n# 3. 跑估值\npython scripts\\valuation.py 600519\npython scripts\\valuation.py 600519 peers.json\n```\n\n数据会写到系统临时目录（macOS/Linux = `/tmp/`；Windows = `%TEMP%`），文件名 `{代码}_data.json`，包含 11 项：\n\n- **finance**（财务三表 + 派生指标，A 股新浪/东财 · 港股东财港股 datacenter API 直采）\n- **f10**（公司概况 / 财务分析 / 股东研究 / 股本结构 / 行业分析，共 5 大类）\n- **lrb**（利润表）\n- **fzb**（资产负债表）\n- **llb**（现金流量表；**港股无此表**，估值自动跳过 EV/EBITDA）\n- **ebitda**（EBITDA 拆解，估值 EV/EBITDA 用）\n- **quote**（行情：现价 / 市值 / 换手率）\n- **em_info**（个股信息：东财行业 / 总股本 / 流通股本，估值必需）\n- **blocks**（概念板块：A 股百度；港股 HSI 行业）\n- **reports**（研报列表：A 股东财；港股无）\n- **ths_forecast**（同花顺一致预期，**仅 A 股**；港股无数据源）\n\n---\n\n## 💼 典型使用场景\n\n### 场景 1：5 分钟看一家公司值不值得投资\n> \"分析 国恩股份\"\n\n→ 2-3 分钟后拿到**两份产物**：MD 完整报告+ HTML 简报。先看 HTML 的 3 句话结论 + 估值结论 + 投资风险，要继续再看完整版报告。\n\n### 场景 2：做行业研报\n> \"分析 宁德时代\"\n\n→ 报告里的\"标的画像\"小节可以直接复用 MD 主报告的 `§一 公司画像` + `§二 "},{"path":"_meta.json","content":"{\n \"ownerId\": \"kn72dhgwy0zzg1r1w8wgfxbnyh8a552s\",\n \"slug\": \"company-deep-analysis\",\n \"version\": \"1.0.12\",\n \"publishedAt\": 1786622408474\n}"},{"path":"references/ai-internal-rules.md","content":"# AI 内部工作指引（不可写入报告）\n\n> **本文件是 AI 内部工作手册，仅对 AI 可见。**\n>\n> 跑报告时，AI 必须先读完本文件 + `SKILL.md`，再按 `templates/*.md` 填值。\n>\n> 任何\"工作指引\"内容（基准年规则、框架选择、硬要求、数据获取命令、列名映射、评分规则等）**只放这里**——模板里只放\"报告结构 + 占位符\"。\n>\n> **报告自检**：最终报告写完后**必须**扫描以下关键词，发现立即删除：\n> - \"基准年规则\" / \"4 月 1 日\" / \"判定公式\"\n> - \"实现方式\" / \"用 matplotlib\" / \"中文字体用\"\n> - \"写法硬要求\" / \"结论先行\"作为元说明（\"我们认为公司 X 高于行业 Y\" 是 OK 的）\n> - \"数据获取（强制）\" / \"列名映射\" / \"可比性等级\"作为章节名\n> - \"本节是 ... 的内联版\" / \"数据来源\"作为大段块引用\n\n---\n\n## §0 元信息规则\n\n### 0.1 基准年判定（重要，写报告必须按此判定）\n\n`{基准年}` = 当前时间最近一个已披露完整年报的年份\n\n| 当前时间 | 基准年 | 例子 |\n|---------|--------|------|\n| 4 月 1 日之前 | 前一年年报 | 2026-02 跑 → 基准年=2025 |\n| 4 月 1 日及之后（年报已披露） | 当年年报 | 2026-05 跑 → 基准年=2026 |\n\n- `{基准年-1}` = 基准年的前一年\n- `{基准年-1}→{基准年} 营收 CAGR` = 同比增速（跨度=1 年时）\n- 报告\"摘要\"必须说明选用的基准年（模板 §6 元信息表里有 `基准年` 列，照填）\n\n### 0.2 数据质量等级 A/B/C\n\n| 等级 | 判定标准 |\n|------|---------|\n| **A** | 核心指标全部有数据，CLI 直采 + 多源交叉验证 |\n| **B** | 核心指标 2-3 期有数据，1 个来源 |\n| **C** | 关键数据缺失，需 WebSearch 补充估算 |\n\n---\n\n## §1 公司画像规则\n\n### 1.0 业务模式标签\n\n按行业选唯一标签（决定五力/护城河/权重）：\n\n| 业务模式 | 五力 | 护城河 | 财务权重 |\n|---------|------|--------|---------|\n| 消费品/制造/金融/地产/医药 | 框架 A 经典 | 消费品牌/制造/金融/医药/地产 | 通用 40/20/10/30 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS | 框架 B 平台 | 平台与网络效应 | 35/10/5/50 |\n| 通讯/支付/交易所/系统软件 | 框架 C 网络 | 平台与网络效应（网络经济/转换成本/生态绑定子集） | 30/40/10/20 |\n| 亏损/早期/AI/SaaS/生物医药 | — | — | 10/15/10/65 |\n| 强周期 | 框架 A | — | 25/25/10/40 |\n\n### 1.1 用户规模数据原则（互联网/平台/TOB SaaS 触发）\n\n- **优先**：年报/招股书/季报官方披露\n- **次选**：`collect_data.py 脚本`\n- **补充**：`WebSearch` 券商深度报告\n\n### 1.2 摘要 3 句话设计原则\n\n- **第一句**：动作 + 标的 + 价位 + 空间 + 时间（5 要素齐全）\n- **第二句**：驱动 + 证据（不重复摘要 9 条，聚焦\"市场为何不应忽视\"）\n- **第三句**：风险 + 触发条件（不只说\"风险\"而说\"什么条件下会怎样\"）\n- **三句话内不出现公式、不列数字明细**\n\n---\n\n## §2 五力分析规则\n\n### 2.0 框架选择\n\n| 业务模式 | 框架 |\n|---------|------|\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具/信息服务 | 框架 B 平台/生态型 |\n| 通讯/支付/交易所/系统软件 | 框架 C 网络效应 |\n| 其他（消费品/工业品/金融/地产/医药） | 框架 A 经典 Porter |\n\n### 2.5 护城河框架选择\n\n> §2.4 表格行**不固定**——按业务模式选对应框架的 Power 集填表。\n\n| 业务模式 | 护城河框架 | 加载文件 | Power 集（对应表行） |\n|---------|----------|---------|------------------|\n| 消费品/品牌/零售 | 框架 A 消费品牌 | `moat-analysis-framework.md` §1 | 品牌资产 / 渠道控制 / 用户心智占位 / 产品创新力 / 规模效应 / 文化护城河 |\n| 互联网/平台/电商/社交/内容/游戏/SaaS/工具 | 框架 B 平台与网络效应 | 同上 §2 | 网络经济 / 规模经济 / 转换成本 / 品牌 / 数据资产 / 生态绑定 / 聚合优势 |\n| 通讯/支付/交易所/系统软件 | 框架 B 平台与网络效应（子集） | 同上 §2 | 网络经济 / 转换成本 / 生态绑定 |\n| 制造/重资产/材料/能源/汽车零部件 | 框架 C 制造业 | 同上 §3 | 规模经济 / 工艺专长 / 客户认证壁垒 / 产品组合宽度 / 地理布局 / 供应链控制 / 专利组合 |\n| 金融/银行/保险/券商/资管 | 框架 D 金融业 | 同上 §4 | 牌照壁垒 / 资本规模 / 低成本负债 / 客户基础 / 风控能力 / 品牌信任 / 科技数据能力 |\n| 医药/生物科技/医疗器械 | 框架 E 医药 | 同上 §5 | 专利组合 / 管线深度 / 销售网络 / 生产工艺 / 品牌 / CRO-CDMO 一体化 / 数据+AI 制药 |\n| 地产/建筑 | 框架 F 地产 | 同上 §6 | 拿地能力 / 地理布局 / 融资成本 / 运营效率 / 品牌信任 / 商业地产运营 |\n\n执行：写 §2.4 表格时**只填所选框架的 Power 集**——禁止跨框架混搭（例：互联网框架里不许加\"技术\"\"牌照\"行）。\n\n---\n\n## §3 财务分析规则\n\n### 3.0 财务权重（按业务模式选唯一一套）\n\n详见 `references/financial-analysis-guide.md` §0.1。**7 套行业调整表，6 选 1 互斥**（\"其他\"无独立类别，回 Step1 重判）。\n\n### 3.1-§3.4 指标分析写法硬要求\n\n- **每条分点必须\"结论先行\"**——先给判断（\"毛利率高于行业 10pct\"），后接数据/事实（\"55% vs 行业中位数 45%\"）\n- **主语**：公司名（{公司名} / 公司 / 业务）\n- **谓语**：具体动词（高于/低于/接近/超过/显著领先）\n- **宾语**：具体数据/对比对象\n- **结构**：① 一句话总论（强/中/弱 + 关键定性特征）→ ② 3-5"},{"path":"references/financial-analysis-guide.md","content":"# 财务四维 + 杜邦穿透分析指南\n\n本文件在 Step4 开始时加载。提供财务四维分析(盈利/偿债/营运/成长)+ 杜邦三因子穿透分析。\n所有比率指标必须从新浪三表原始数据计算,计算过程在报告中列出。\n\n> **现金流相关指标(净现比/收现比)**:在营运能力章节作为延伸指标处理(应收/存货周转已能反映大部分现金流质量),不再单列独立维度。\n\n---\n\n## 0. 权重设计\n\n四维权重 40/20/10/30 基于\"盈利优先 / 安全垫次之 / 营运辅助 / 成长衔接\"的卖方研究多因子惯例。\n不同行业类型需调整权重(详见 §0.1),调整后**综合得分 = Σ(各维度得分 × 调整后权重)**。\n\n### 0.1 行业类型对应权重调整表\n\n| 行业类型 | 盈利 | 偿债 | 营运 | 成长 | **杜邦分解** |\n|---------|------|------|------|------|---------|\n| **一般制造/消费** | 40% | 20% | 10% | 30% | **必做** |\n| **强周期**(钢铁/化工/航运/有色) | 25% | 25% | 10% | **40%** | **必做** |\n| **强金融属性**(银行/保险/券商) | 30% | **40%** | 10% | 20% | **必做** |\n| **亏损/早期**(生物医药/SaaS/AI) | 10% | 15% | 10% | **65%** | **必做(用 ROA + 扣非 ROE 替代,见 §1.A 替代公式)** |\n| **地产/建筑** | 20% | **35%** | 20% | 25% | **必做** |\n| **互联网平台**(TOC) | 35% | 10% | 5% | 50% | **必做** |\n| **轻资产服务业**(咨询/法律) | 35% | 15% | 15% | 35% | **必做** |\n\n> **触发规则**:在 Step4 开头,根据\"业务模式标签\"(见公司画像 Step1)选定权重,并在报告\"摘要\"中说明。\n> 权重调整后,**综合得分 = Σ(各维度得分 × 调整后权重)**。\n> **杜邦三因子分解所有行业必做**,亏损公司用替代公式(详见 §1.A),不豁免。\n\n---\n\n## 一、盈利能力(权重 40% 或调整后权重)\n\n### 指标定义与公式\n\n| 指标 | 公式 | 数据来源 |\n|------|------|---------|\n| 销售毛利率 | (营业收入 - 营业成本) / 营业收入 × 100% | 利润表 |\n| 销售净利率 | 归母净利润 / 营业收入 × 100% | 利润表 |\n| ROE | 归母净利润 / 归母股东权益 × 100% | 利润表 + 资产负债表 |\n| ROA | 净利润 / 总资产 × 100% | 利润表 + 资产负债表 |\n| ROIC | NOPAT / (总资产 - 无息流动负债) × 100% | 利润表 + 资产负债表 |\n\n说明:\n- NOPAT = 营业利润 × (1 - 实际税率),实际税率 = 所得税 / 利润总额\n- 归母股东权益 = 股东权益合计 - 少数股东权益\n- ROIC 计算较复杂,如数据不全可省略,但需标注\"数据不足\"\n\n### 评分标准\n\n| 得分 | 毛利率 | 净利率 | ROE |\n|------|--------|--------|-----|\n| 100 | 行业前 10% | 行业前 10% | > 20% |\n| 80 | 行业前 25% | 行业前 25% | 15%-20% |\n| 60 | 行业中位数 | 行业中位数 | 10%-15% |\n| 40 | 行业后 25% | 行业后 25% | 5%-10% |\n| 20 | 行业后 10% | 行业后 10% | < 5% |\n\n行业排名数据来源:脚本采集的 `f10.财务分析` 仅含本公司主要指标,**不含行业排名**。行业基准(前 10%/中位数等)须用\n`WebSearch（行业研报/竞品对比）` 算中位数；或用 Step3 竞对均值作为替代基准，并在报告中标注\"基准来源\"。\n\n### 分析要求\n\n1. 取最近 4 期数据做趋势分析,标注上升/下降趋势\n2. 与 Step3 竞对对比(至少 2 家竞对的同期数据)\n3. 毛利率持续下降 > 3 个百分点 标黄\n4. ROE 持续下降 > 3 个百分点 标红\n\n### 1.A 杜邦三因子分解(穿透分析,**所有行业必做**)\n\n> **方法论背书**:DuPont Analysis 由 Donaldson Brown(1914)提出,后经 Peter Drucker 和 Warren Buffett 推广,\n> 是穿透分析 ROE 驱动因子的标准工具。**核心思想**:同样是 ROE 18% 的公司,\n> 可能是高利润率驱动(质量型),可能是高杠杆驱动(风险型),或高周转驱动(效率型),三者估值含义完全不同。\n\n#### 三因子公式\n\n```\nROE = 销售净利率 × 总资产周转率 × 权益乘数\n\n其中:\n- 销售净利率 = 归母净利润 / 营业收入(反映定价力 + 成本控制)\n- 总资产周转率 = 营业收入 / 平均总资产(反映资产效率)\n- 权益乘数 = 平均总资产 / 归母股东权益(反映财务杠杆)\n```\n\n#### 亏损公司替代公式(净利润为负时)\n\n净利润为负时 ROE 分母失效,改用以下替代公式(保证杜邦分析**仍必做**):\n\n| 指标 | 公式 | 适用 |\n|---|---|---|\n| **ROA 替代 ROE** | 净利润 / 平均总资产 | 净利润为负但亏损可控 |\n| **扣非归母 ROE** | 扣非归母净利润 / 归母权益 | 净利润为负但扣非为正(政府补助等一次性项目) |\n| **EBIT ROIC 替代** | EBIT × (1-税率) / (有息负债 + 权益) | 早期/亏损公司 |\n| **三年平均 ROE** | 最近 3 年 ROE 算术平均 | 周期股单年亏损(用平均数平滑周期) |\n\n> **判定规则**:\n> 1. 净利润为正 → 用标准三因子公式\n> 2. 净利润为负但扣非为正 → 用扣非归母 ROE 三因子分解\n> 3. 净利润和扣非都为负 → 用 ROA + EBIT ROIC 双指标呈现\n> 4. 周期股单年亏损 → 标注\"周期低点\"并用三年平均 ROE\n> 5. **绝对不豁免**——亏损公司用替代公式,但杜邦分析必做\n\n#### 五因子扩展(异常时必做)\n\n若需进一步定位\"ROE 来自营业层面 vs 非经常性损益\",可将三因子拆为五因子:\n`ROE = 税负 × 息税前利润率 × 总资产周转率 × 权益乘数 × 营业利润率`。\n\n**触发条件(任一)**:\n- ROE > 25% 或 < 0%(异常)\n- 净利润与扣非净利润差异 > 30%(非经常损益占比大)\n- 杠杆率快速上升(权益乘数同比 +20% 以上)\n- ROE 在行业中位数偏离"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面 Skill: 公司深度分析助手 Owner: pm2-567 Summary: A股/港股公司深度分析。输入公司名称或股票代码，自动完成 6 步分析流程： 数据采集 → 公司画像 → 产业链五力 → 竞争护城河 → 财务四维 → 相对估值。 输出双产物：公司深度分析报告 + 投研简报 支持单步模式：用户指定\"财务情况/财务分析/公司画像/公司基本面\"时，按路由表只跑对应步骤并输出对应单文件。 触发词：公司分析 / 深度分析 / 公司调研 / 投资初筛 / 深度调研 / 公司研究 / 行业研究 / 投研简报 / 财务情况 / 财务分析 / 公司画像 / 公司基本面 Tags: latest:1.0.12 Version history: v1.0.12 | 2026-08-13T12:00:08.474Z | user 修正互联网平台与亏损/早期企业财务权重合计不足100%的问题；补齐通讯、支付、交易所、系统软件的护城河路由。 v","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":887,"uniquenessScore":55,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T05:34:43.867Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T07:41:11.396Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}