{"id":"8ddf6091-75f0-494e-a034-e50aa79b4298","entityType":"agent","slug":"clawhub-wujiaming88-deep-investment-research","name":"Deep Investment Research","canonicalUrl":"https://www.xpersona.co/agent/clawhub-wujiaming88-deep-investment-research","canonicalPath":"/agent/clawhub-wujiaming88-deep-investment-research","generatedAt":"2026-10-11T05:32:27.270Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T03:27:37.620Z","emptyReason":null},"description":"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE... Skill: Deep Investment Research Owner: wujiaming88 Summary: 系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE... Tags: latest:1.0.8 Version history: v1.0.8 | 2026-06-10T11:16:34.006Z | user 安全审计清理(无真实漏洞,均为正常功能):清除退役交易体系死引用(/root/trading的sys.path/PYTHONPATH+event_radar死代码);TRADING_ROOT变量统一改名RESEARCH_DATA_ROOT(名实","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.2K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s171ccng28wdj2n2tdtw8q70zd83ha4q:deep-investment-research","sourceUrl":"https://clawhub.ai/wujiaming88/deep-investment-research","homepage":"https://clawhub.ai/wujiaming88/skills/deep-investment-research","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/wujiaming88/deep-investment-research","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/wujiaming88/skills/deep-investment-research","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":61,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE..."},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T03:27:37.620Z","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":"2026-10-11T03:27:37.620Z","emptyReason":null},"stars":null,"forks":null,"downloads":1173,"packageName":null,"latestVersion":"1.0.8","tractionLabel":"1.2K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T03:27:37.552Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T03:27:37.620Z","lastCrawledAt":"2026-10-11T03:27:37.552Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T03:27:37.552Z","lastVerifiedAt":null,"highlights":[{"version":"1.0.8","createdAt":"2026-06-10T11:16:34.006Z","changelog":"安全审计清理(无真实漏洞,均为正常功能):清除退役交易体系死引用(/root/trading的sys.path/PYTHONPATH+event_radar死代码);TRADING_ROOT变量统一改名RESEARCH_DATA_ROOT(名实相符);政府/官媒明文http统一升级https(仅国资委/人民网/openinsider因https不可达保留并注释);SKILL.md新增数据与隐私披露段(第三方传输/env读取/落盘/最小权限);77单测全过无回归","fileCount":43,"zipByteSize":158490},{"version":"1.0.7","createdAt":"2026-06-10T09:31:20.021Z","changelog":"六类研究框架注入专属独门分析方法层(公司/行业各5法,政策/可行性/风险/个股各4法);6个prompt模板升级为分析引导器结构(独门分析方法层+材料分析示范);补齐缺失的公司研究模板templates/06;宇树公司研究v2实战验证有效","fileCount":43,"zipByteSize":157983},{"version":"1.0.6","createdAt":"2026-06-10T05:09:17.943Z","changelog":"1.0.6：按skill规范修复review发现的问题——①frontmatter requires不合规→移入metadata.clawdbot.requires ②补 license:MIT ③新增 skill-card.md(ClawHub展示卡) ④README精简为任务参考。quick_validate 通过。","fileCount":42,"zipByteSize":139258},{"version":"1.0.5","createdAt":"2026-06-10T05:03:50.275Z","changelog":"1.0.5：新增【公司研究】框架(company-research.md)——企业基本面研究，七维结构(商业模式/护城河及方向/财务质量/竞争格局/管理层治理/成长性/风险)，定位为个股投资判断的上游(先看懂生意本身)，与stock-deep-dive分工衔接。专题框架6→7，已接入SKILL路由表。","fileCount":42,"zipByteSize":140025},{"version":"1.0.4","createdAt":"2026-06-10T04:57:31.419Z","changelog":"1.0.4：基于黄金实战检验暴露的5个方法论缺陷打磨内核——①命门'70%火力'补客观标尺+命门vs棱镜边界 ②非对称赔率概率必须给锚定理由+翻转敏感性测试(防假精确) ③反共识补'必须指出共识可证伪假设'的操作化判据 ④七棱镜略过补最低门槛(碰命门必取数) ⑤content-reading新增一手源抓取失败的降级路径+证据等级(防硬门控形同虚设)。质量门控补2条。","fileCount":41,"zipByteSize":136550},{"version":"1.0.3","createdAt":"2026-06-10T04:11:13.647Z","changelog":"1.0.3：research-core 内核升级，补齐资深投研专家方法论的两个关键缺口——①聚焦纪律(锁定2-3个命门变量、70%火力打关键)②非对称赔率(上下比+期望值，把研究从'判断方向'升级到'决策依据')。质量门控同步补两条对应检查项。","fileCount":41,"zipByteSize":135043},{"version":"1.0.2","createdAt":"2026-06-10T03:35:08.997Z","changelog":"1.0.2：source-registry 新增 AKShare 客观数据点速查（AH比价/LPR/Shibor/北向南向资金/ETF估值/新股/龙虎榜，8项全部实测调通，免费无需token，纯客观数据不做主观评分）。","fileCount":41,"zipByteSize":134432},{"version":"1.0.1","createdAt":"2026-06-10T03:04:00.216Z","changelog":"1.0.1：命名彻底统一为 deep-investment-research（SKILL.md/README.md 标题对齐）。","fileCount":41,"zipByteSize":133421}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s171ccng28wdj2n2tdtw8q70zd83ha4q:deep-investment-research","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-wujiaming88-deep-investment-research/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T05:32:27.264Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-wujiaming88-deep-investment-research/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":"2026-10-11T03:27:37.620Z","emptyReason":null},"readme":"Skill: Deep Investment Research\n\nOwner: wujiaming88\n\nSummary: 系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE...\n\nTags: latest:1.0.8\n\nVersion history:\n\nv1.0.8 | 2026-06-10T11:16:34.006Z | user\n\n安全审计清理(无真实漏洞,均为正常功能):清除退役交易体系死引用(/root/trading的sys.path/PYTHONPATH+event_radar死代码);TRADING_ROOT变量统一改名RESEARCH_DATA_ROOT(名实相符);政府/官媒明文http统一升级https(仅国资委/人民网/openinsider因https不可达保留并注释);SKILL.md新增数据与隐私披露段(第三方传输/env读取/落盘/最小权限);77单测全过无回归\n\nv1.0.7 | 2026-06-10T09:31:20.021Z | user\n\n六类研究框架注入专属独门分析方法层(公司/行业各5法,政策/可行性/风险/个股各4法);6个prompt模板升级为分析引导器结构(独门分析方法层+材料分析示范);补齐缺失的公司研究模板templates/06;宇树公司研究v2实战验证有效\n\nv1.0.6 | 2026-06-10T05:09:17.943Z | user\n\n1.0.6：按skill规范修复review发现的问题——①frontmatter requires不合规→移入metadata.clawdbot.requires ②补 license:MIT ③新增 skill-card.md(ClawHub展示卡) ④README精简为任务参考。quick_validate 通过。\n\nv1.0.5 | 2026-06-10T05:03:50.275Z | user\n\n1.0.5：新增【公司研究】框架(company-research.md)——企业基本面研究，七维结构(商业模式/护城河及方向/财务质量/竞争格局/管理层治理/成长性/风险)，定位为个股投资判断的上游(先看懂生意本身)，与stock-deep-dive分工衔接。专题框架6→7，已接入SKILL路由表。\n\nv1.0.4 | 2026-06-10T04:57:31.419Z | user\n\n1.0.4：基于黄金实战检验暴露的5个方法论缺陷打磨内核——①命门'70%火力'补客观标尺+命门vs棱镜边界 ②非对称赔率概率必须给锚定理由+翻转敏感性测试(防假精确) ③反共识补'必须指出共识可证伪假设'的操作化判据 ④七棱镜略过补最低门槛(碰命门必取数) ⑤content-reading新增一手源抓取失败的降级路径+证据等级(防硬门控形同虚设)。质量门控补2条。\n\nv1.0.3 | 2026-06-10T04:11:13.647Z | user\n\n1.0.3：research-core 内核升级，补齐资深投研专家方法论的两个关键缺口——①聚焦纪律(锁定2-3个命门变量、70%火力打关键)②非对称赔率(上下比+期望值，把研究从'判断方向'升级到'决策依据')。质量门控同步补两条对应检查项。\n\nv1.0.2 | 2026-06-10T03:35:08.997Z | user\n\n1.0.2：source-registry 新增 AKShare 客观数据点速查（AH比价/LPR/Shibor/北向南向资金/ETF估值/新股/龙虎榜，8项全部实测调通，免费无需token，纯客观数据不做主观评分）。\n\nv1.0.1 | 2026-06-10T03:04:00.216Z | user\n\n1.0.1：命名彻底统一为 deep-investment-research（SKILL.md/README.md 标题对齐）。\n\nv1.0.0 | 2026-06-10T02:56:33.962Z | user\n\n首发：系统化投研方法论中枢（7类研究+9红线+深度研究5步法+七棱镜多维扫描+6专题框架+5研究模板+8行业一手源清单）+多源一手数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户）。\n\nArchive index:\n\nArchive v1.0.8: 43 files, 158490 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/company-research.md (10043b), methodology/content-reading-protocol.md (6489b), methodology/feasibility-analysis.md (5152b), methodology/industry-research.md (7798b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (5628b), methodology/research-core.md (15506b), methodology/risk-analysis.md (4868b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (5116b), methodology/templates/01-industry-deep-dive.md (9262b), methodology/templates/02-stock-deep-dive.md (9294b), methodology/templates/03-feasibility-analysis.md (8296b), methodology/templates/04-policy-research.md (8575b), methodology/templates/05-risk-analysis.md (7688b), methodology/templates/06-company-research.md (10933b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (1424b), scripts/_base.py (4943b), scripts/analyst_consensus.py (12446b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16047b), scripts/data_daily.py (15299b), scripts/earnings_surprise.py (6743b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17363b), scripts/policy_gov_fetcher.py (39948b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3291b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2664b), SKILL.md (7864b), _meta.json (143b)\n\nFile v1.0.8:SKILL.md\n\n---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、公司研究、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nlicense: MIT\nmetadata:\n  clawdbot:\n    emoji: \"📊\"\n    requires:\n      bins:\n        - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `RESEARCH_DATA_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 数据与隐私披露（安装前知情）\n本 skill 是研究工具，会进行以下外部交互与本地写入——安装/使用即视为知情同意：\n- **第三方数据传输**：研究主题/查询词会发送给外部搜索与数据 API（Serper/Tavily/Finnhub/FRED/SEC EDGAR/HKEX/政府门户等）以获取一手资料。**不要在涉及保密持仓、未公开自营研究主题时使用，除非可接受向这些第三方披露查询内容。**\n- **读取环境变量**：仅读取数据源 API key（`FINNHUB_API_KEY`/`FRED_API_KEY` 等）用于调用对应数据源，不外传 key 本身、不读取其它环境变量。\n- **本地落盘**：研究报告写入 `RESEARCH_OUTPUT_DIR`（默认 `~/research-output`），采集数据写入 `RESEARCH_DATA_ROOT`（默认 `~/research-data`）。文件写入预测路径，使用前确认目录无敏感数据冲突。\n- **网络抓取**：方法论会对搜索发现的 URL 做全文抓取（web_fetch）。少数官方站点（国资委/人民网/openinsider）仅支持明文 http（其 https 不可达），已在代码注释标明；其余已统一走 https。\n- **最小权限**：脚本以列表参数调用子进程（无 shell=True、无 eval/exec/动态 import），不执行任意命令。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 公司研究（看懂生意本身） | methodology/company-research.md | templates/06 |\n| 个股深度研究（投资判断） | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集\n```\n数据落盘 `${RESEARCH_DATA_ROOT:-~/research-data}/data/daily/{date}/`（由 RESEARCH_DATA_ROOT 环境变量控制）。\n\n### 搜索（找线索，不出结论）\n**优先用专用搜索 skill（Serper/Tavily，覆盖好、可控）；未安装时降级用内置 `web_search` 工具兜底。** 结论靠 web_fetch/pdf 读全文，搜索只找线索。\n```bash\n# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具\n```\n\n## 认知连续性（用研究产物，不用静态档案）\n不预存任何静态行业档案——静态认知必然过时且锚定共识，违背找预期差的本质。认知连续性靠研究产物库实现（见上）。\n连续性靠**研究产物库**实现：做某行业/标的研究前，先看 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇研究（带日期、带一手数据、带来源），站在上次真实研究的肩上，而非模型存量记忆。\n注意时效：产物只作背景与线索，\"当前景气/估值/最新动态\"一律用本次一手数据现取覆盖；过时结论只当\"曾经的判断\"参考，不当事实。\n\n## 研究产物入库\n报告写入 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`。如需远程备份，由调用方的备份任务自行处理。\n\n## 红线·边界\n纯研究助理：不盯盘、不发买卖/止损信号、不做交易执行、不维护持仓。提供判断+依据+风险+可选路径，用户是最终决策者。\n\nFile v1.0.8:README.md\n\n# deep-investment-research\n\n系统化投研能力中枢 —— 可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n完整能力与用法见 [SKILL.md](./SKILL.md)；方法论框架在 `methodology/`，数据采集脚本在 `scripts/`。\n\n**定位**：纯研究 —— 产出判断、依据、风险、赔率结构与可选路径；不做盯盘/交易信号/交易执行。\n\n## 7 类研究框架\n宏观 · 行业 · 公司研究（看懂生意）· 个股深度研究（投资判断）· 政策 · 投资可行性 · 风险 · 投资规划\n\n## 研究内核\n9 红线 · 命门变量聚焦（2-3个+70%火力）· 5步法(A→B→C→D) · 七棱镜多维扫描 · 反共识引擎 · 非对称赔率(上下比+期望值+敏感性测试) · 反证5问 · 质量门控\n\n## 依赖\n- 必需：`python3`\n- 数据脚本（可选）：yfinance / akshare / fredapi 等；API key 读环境变量（FINNHUB_API_KEY / FRED_API_KEY），未设置则跳过该源\n- 联网搜索（可选软依赖）：优先 web-search-plus / tavily skill，未装则降级用内置 web_search\n\n## 可配置环境变量（均带默认值）\n| 变量 | 默认值 |\n|------|--------|\n| `RESEARCH_OUTPUT_DIR` | `~/research-output` |\n| `RESEARCH_DATA_ROOT` | `~/research-data` |\n| `SEARCH_SKILL_PATH` | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 许可\nMIT，见 [LICENSE](./LICENSE)。\n\nFile v1.0.8:_meta.json\n\n{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.8\",\n  \"publishedAt\": 1781090194006\n}\n\nFile v1.0.8:methodology/china-macro.md\n\n# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有为\"=政策温度计）\n- 会议频率：紧急会议/提前召开=重大决策\n\n### 3. 军事/安全信号\n\n- 演习规模/位置/参与兵种 → 判断是常规训练还是信号释放\n- 国防采购/预算变化 → 军工产业链\n- 台海态势 → VIX/避险资产联动\n\n### 4. 国际关系矩阵\n\n| 关系 | 监控指标 |\n|------|----------|\n| 中美 | 关税/制裁/高层通话/贸易数据 |\n| 中欧 | 汽车关税/投资审查/外交访问 |\n| 中日 | 稀土/半导体/外交温度 |\n| 中俄 | 能源协议/军事合作/金融结算 |\n| 南海 | 舰艇活动/声索/ASEAN态度 |\n\n---\n\n## 搜索命令参考\n\n```bash\n# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5\n```\n\n---\n\n## 质量标准\n\n1. **每条解读必须有\"意味着什么\"**——纯转述=废话\n2. **政策措辞对比是核心技能**——\"适度宽松\"→\"更加积极\"=信号\n3. **时间轴思维**——这个政策什么时候影响到市场？下周？下月？下季？\n4. **反共识观点标注**——如果你的判断和主流不同，说清楚为什么\n5. **不确定性诚实标注**——信息不足时说\"数据不够，暂时判断是X，等Y数据验证\"\n\nFile v1.0.8:methodology/company-research.md\n\n# company-research.md — 公司研究框架（理解\"这是门什么生意\"）\n\n> 引用 research-core.md（命门变量+赔率+反证+质量门控）+ source-registry.md + content-reading-protocol.md。\n> **定位与边界**：本框架做**企业基本面研究**——把一家公司当\"一门生意\"研究透：它靠什么赚钱、护城河多深、生意质量多好、能长多大。\n> **与 stock-deep-dive 的分工**：公司研究是上游（理解生意本身，不谈买卖时机/估值高低）；个股深度研究是下游（在理解生意基础上判断\"当前价位值不值得投\"，谈预期差/估值/催化剂/赔率）。**先做公司研究看懂生意，再用 stock-deep-dive 做投资判断。** 做投资可行性时两者衔接。\n\n## 何时用本框架\n- 用户要\"研究/看懂某公司\"（而非直接问\"能不能买\"）\n- 投资判断前的基础功课：先把生意搞懂\n- 对比同行业几家公司的生意质量\n- 一级/拟上市/未覆盖公司的从0认知\n\n## 研究目标定义（紧扣 research-core 一、）\n一句话写清：要回答这家公司的什么核心问题（如\"宁德时代的护城河是否在被价格战侵蚀\"），以及它服务什么决策。\n\n## 命门变量前置（research-core 一半-A·先锁定再研究）\n先诊断：**决定这家公司价值/生死的 2-3 个命门变量是什么**？（如：某SaaS=净留存率NRR；某药企=核心管线；某制造=产能利用率+单位成本曲线）70% 火力打这几个，其余维度扫到即可，不面面俱到。\n\n## 🔑 公司研究独门分析方法（核心·从财报/招股书里挖出别人看不到的东西）\n\n> 七维结构只解决\"看哪些维度\"，下面五个分析法解决\"怎么从原始数字里推出洞察\"。这是公司研究区别于\"读财报摘要复述\"的关键。**研究时不是填章节，而是用这些方法主动审讯数据。**\n\n### 方法A · 商业模式解构三问（价值创造→传递→捕获）\n不要停在\"卖什么\"，要拆三层并各自量化：\n- **创造**：为客户解决什么问题、创造多少价值？（客户因此省了多少钱/多赚多少/避免多大损失）\n- **传递**：怎么把产品送到客户手里？渠道成本占比多少、谁掌握渠道议价权？\n- **捕获**：创造的价值里公司captures了多少？（定价 vs 客户感知价值的gap=提价空间；毛利率=价值捕获效率）\n> 洞察来源：**创造强但捕获弱=有提价空间未释放（潜在预期差）；捕获强但创造在被侵蚀=毛利将下行**。\n\n### 方法B · 单位经济推演（从财报倒推一单生意的赚钱真相）\n把整体财务数字**除到\"单个客户/单件产品\"**，看一单生意的本质：\n- 制造业：单位售价ASP / 单位成本 / 单位毛利的**时间序列**——成本曲线在下行还是上行？ASP在涨还是被价格战压？\n- 订阅/平台：LTV（生命周期价值）÷ CAC（获客成本）>3 才健康；NRR（净留存率）>100% 才有存量自然增长\n- 关键追问：**规模扩大后，单位经济是改善（规模效应真）还是恶化（伪规模）？** 用不同收入规模年份的单位数据对比验证\n> 示范：宇树四足单位成本2.23万→1.21万、人形ASP 59.3万→16.6万——单位成本在降（规模效应真）但ASP暴跌（价格战吞噬）=单位毛利是被两股力量拉扯，必须拆开看哪股占上风。\n\n### 方法C · 护城河压力测试（5种护城河逐项\"证伪\"，不是\"证有\"）\n对每种可能的护城河，不问\"有没有\"，问\"什么情况会让它塌\"：\n- 网络效应→ 若出现并行网络/多归属，效应是否瓦解？\n- 规模成本→ 若对手达到同等规模，成本优势还剩多少？（是结构性优势还是暂时领先）\n- 转换成本→ 客户迁移到对手要付出什么？流失率数据印证了吗？\n- 无形资产（品牌/专利）→ 专利数量/质量经得起诉讼吗？品牌溢价在财报上体现为多少超额毛利？\n- 特许/牌照→ 政策会不会放开？\n> **方向判定（最关键）**：护城河在变宽还是变窄，必须用\"市占率趋势+毛利率趋势+定价权（提价是否掉客）+流失率\"四个数据印证，不是叙事。叙事说\"护城河深\"，数据可能说它正在变窄。\n\n### 方法D · 财报异常信号探测（数字之间的矛盾=线索）\n不孤立看单个指标，看**指标之间该匹配却不匹配的地方**：\n- 应收增速 >> 收入增速 → 可能放宽信用催收入（收入质量存疑）\n- 存货增速 >> 收入增速 → 可能积压/需求转弱\n- 经营现金流 << 净利润 → 利润含金量差（纸面利润）\n- 资本化研发占比异常高 → 可能粉饰当期利润\n- 关联交易占比上升 → 收入真实性存疑\n- 毛利率逆行业趋势 → 要么有真本事，要么有问题，必须查清原因\n> 洞察来源：**每一处\"本该同步却背离\"的地方，都是要追问到底的线索。** 正常时一句话带过，背离时深挖。\n\n### 方法E · 管理层言行一致性审计（用历史数据，不用印象）\n- 拉出管理层过去2-3年的**公开指引/承诺**（业绩指引、产能规划、战略目标），逐条对照**实际兑现情况**——说到做到吗？\n- 资本配置track record：赚来的钱怎么花的（再投资回报率/并购成败/分红回购），看出管理层是\"价值创造者\"还是\"价值毁灭者\"\n- 激励是否与股东一致：持股比例、减持记录、关联交易\n> 洞察来源：**爱画饼但不兑现的管理层，其未来指引要打折；历史兑现率高的，其指引可信度高**——这直接影响你对成长预测的取信程度。\n\n---\n\n## 七维企业研究结构（读财报/招股书/电话会全文，非摘要）\n\n围绕命门变量裁剪笔墨——下面七维都要想到，命门所在维度深挖，其余扫到即可。**每一维都用上面的分析法去审讯数据，不是描述数据。**\n\n### 1. 商业模式：靠什么赚钱\n- 卖什么给谁、怎么收钱（一次性/订阅/抽成/广告）、收入结构与各占比\n- 价值链位置：上游议价/下游粘性、是卖方还是买方市场\n- 单位经济（unit economics）：单客户/单件的赚钱逻辑——获客成本、客单、复购、生命周期价值；规模化后边际成本怎么走\n\n### 2. 护城河：凭什么持续赚钱、别人抢不走\n- 护城河类型：网络效应/规模成本/转换成本/无形资产(品牌专利)/特许经营。逐项判断有没有、有多深\n- **护城河方向（关键）**：在变宽还是变窄？用证据说（市占率趋势、毛利率趋势、定价权、客户流失率）——护城河叙事很多，要用数据验证真伪\n\n### 3. 财务质量：生意的成色（读财报全文）\n- 盈利质量：毛利率/净利率趋势、ROE/ROIC（是否持续>资本成本）、经营现金流 vs 净利润（利润含金量）\n- 资产负债：杠杆、有息负债、商誉减值风险、应收/存货周转\n- 资本配置：赚来的钱怎么花（再投资/分红/回购/并购），管理层资本配置能力\n\n### 4. 竞争格局：这门生意里的相对位置\n- 行业格局：集中度、玩家梯队、本公司份额与趋势\n- 同业对比：与主要对手在毛利率/份额/成长/估值上横向比较（用具体数字）\n- 竞争烈度：价格战？份额争夺？新进入者/替代品威胁\n\n### 5. 管理层与治理\n- 创始人/管理层背景、过往承诺兑现度（说到做到吗）、激励是否与股东一致\n- 股权结构、关联交易、治理红旗（频繁换审计/CFO、激进会计）\n- 资本市场诚信：历史指引准不准、是否画饼\n\n### 6. 成长性：能长多大、靠什么长\n- 成长驱动：量增/价增/新品/新市场/份额提升，逐个拆\n- 天花板（TAM）：长期空间多大，当前渗透率\n- 成长的可持续性与再投资回报（增长是烧钱买的还是内生的）\n\n### 7. 风险与脆弱性（接 research-core 反证5问）\n- 商业模式最脆弱的一环、单一客户/供应商/产品依赖、监管/政策敞口\n- kill condition：看到什么信号说明这门生意的逻辑变坏了\n\n## 估值衔接（本框架不做估值结论，交给 stock-deep-dive）\n公司研究产出\"这是门什么生意、生意质量如何、能长多大\"的判断；**是否值得投、估值贵不贵、有无预期差 → 转 stock-deep-dive 框架**。结尾给一句\"进入投资判断时该重点验证的预期差线索是什么\"作为衔接。\n\n## 产出\n- 结论：**这是门什么生意 + 生意质量评级（好/中/差及理由）+ 护城河方向（变宽/变窄）+ 成长可持续性** + 确信度\n- 命门变量及其当前状态\n- 七维中围绕命门的关键发现\n- 风险与脆弱性 + kill condition\n- 信息盲区\n- 衔接：进入投资判断要验证的预期差线索（不替用户下单）\n\n## 多源验证（每条≥具体数值，红线2）\n财报/招股书全文 · 电话会纪要 · 同业财报横比 · 行业数据 · 管理层历史指引兑现记录——每维有数字和事实，不写\"龙头/稳健/优秀\"空话。\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅**：\"行业龙头，商业模式清晰，护城河深厚，管理层优秀，长期成长空间大。\"\n—— 全是无证据的形容词，没说清靠什么赚钱、护城河凭什么、数据趋势如何，等于没研究。\n\n**✅ 深刻**：\"靠 X 模式赚钱（订阅占收入70%、NRR 118%=存量自然增长）；护城河是转换成本（客户迁移需重构数据管线，流失率仅5%）且在变宽（毛利率3年75%→82%、提价未掉客）；但命门 NRR 近两季 125%→118% 走弱，跌破110%则'存量驱动'逻辑受损（kill condition）。生意质量：高（ROIC 25%>资本成本，现金流/净利1.1）。进入投资判断需验证的预期差：市场是否已把 NRR 放缓 price in。\"\n—— 有模式拆解、护城河方向+数据、命门状态、kill condition、生意质量判断、衔接线索。\n\nFile v1.0.8:methodology/content-reading-protocol.md\n\n# 内容读取协议（所有研究任务共享）\n\n## 最终输出硬规则（所有任务通用·最高优先级）\n你的最终回复**必须以报告内容的第一个实义字符开始**（如 emoji 标题、结论句、或 HEARTBEAT_OK）。\n回复开头**禁止**出现任何：\n- 思考/过程旁白（如 \"I now have...\"、\"Let me compose...\"、\"Now let me...\"、\"我现在来...\"、\"让我...\"、\"首先我...\"）\n- 动作/投递说明（如 \"explicit target failed\"、\"final reply\"、\"报告已推送\"、\"已发送\"）\n- 读取量/工作量自述（如 \"I've deep-read 5 articles\"、\"我读了X篇\"）\n\n所有思考放在工具调用阶段（运行命令/搜索/读取时），final reply **只放成品**。\n投递由系统（cron announce）自动完成，**不要调用 message 工具主动发送**。\n\n## 核心工作流\n\n```\n搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）\n```\n\n---\n\n## 数据文件读取标准\n\n读取 JSON/API 数据后，输出必须包含三层：\n\n1. **具体数值**：原始数字（如 \"南向净买入5.27亿港元\"、\"PMI 49.8\"）\n2. **对比维度**：环比/同比/vs预期/vs均值（如 \"前值50.1，环比-0.3\"、\"较20日均值+2σ\"）\n3. **投资含义**：这个数值对决策意味着什么（如 \"连续3月萎缩区间，制造业收缩趋势确认\"）\n\n---\n\n## 文章/公告读取标准\n\n对每篇 web_fetch 读取的内容，提取三类信息：\n\n1. **关键原文引用**：原话/条款（如 \"文件第三条明确提出'2026年底前完成整改'\"）\n2. **具体数据点**：文中提到的数字（如 \"净投放1000亿，超出市场预期的500亿\"）\n3. **措辞/信号变化**：与之前表述的对比（如 \"从'适度宽松'改为'更加积极'，政策温度上升\"）\n\n---\n\n## 全文阅读硬门控（红线3·最高优先级）\n\n**只读标题/摘要/搜索片段 = 没读。** 任何进入结论的判断，必须基于已 web_fetch / pdf 工具读到的**正文段落**。\n\n硬规则：\n1. 搜索结果（标题+snippet）只用来**选择要读什么**，绝不直接作为结论依据。\n2. 每个关键判断背后，至少有一篇被**全文读取**的原文（财报/政策原文/研报/权威报道正文）。\n3. 长文档（财报、招股书、政策全文、长研报）→ 用 pdf 工具或分段 web_fetch **读完相关章节**，不止读开头。摘要式略读不算数。\n4. 读不到全文的源（付费墙/JS渲染）→ **诚实标注为信息盲区**，不靠标题脑补内容。\n5. 一手 > 二手：能读财报原文就不引用新闻转述；能读政策原文就不引用解读稿。\n\n### 一手源抓取失败的降级路径（防\"硬门控形同虚设\"）\n当目标一手源拿不到正文（付费墙/JS渲染/反爬/只返回免责声明），按以下阶梯降级，并**显式标注本条数据的证据等级**：\n1. **换入口取同一手数据**：官方 API/数据下载页/PDF 年报/官方转载/镜像（如 WGC 正文抓不到 → 试其 Excel 数据下载、IMF 储备数据、AKShare 对应接口）。\n2. **退到权威二手，但必须可交叉**：≥2 家独立权威媒体引用了**同一组具体数字**且数字一致 → 可用，标注\"二手交叉（证据等级B）\"。\n3. **仍拿不到** → 标注\"该数据点存在信息盲区（证据等级C）\"。\n**下结论的红线**：命门变量的关键数据若只到证据等级 C（盲区），**不得就该命门下确定性结论**，必须说\"此命门数据不足、判断确信度降级或暂缓\"。即抓取失败不是\"照常下结论+脚注一句盲区\"，而是**直接影响该判断能否成立**。\n\n## 读取量要求\n\n| 任务类型 | 最低全文读取量 | 每条结论支撑 |\n|----------|-----------|-------------|\n| 宏观研究 | 8-12 篇正文 | ≥1 篇原文 |\n| 政策研究/部委扫描 | 政策原文全文 + 5-8 篇解读 | 受益/受损判断 ≥1 手原文 |\n| 行业深度研究 | 关键公司财报/招股书相关章节 + 行业报告 + 8-15 篇正文 | 每个分环节 ≥2 独立源 |\n| 个股深度研究 | 最近财报全文 + 5-8 篇正文 | ≥2 篇/关键判断 |\n| 投资可行性/风险分析 | 视主题，覆盖正反双方各 ≥3 独立源 | 每个情景 ≥1 数据支撑 |\n\n读取量不是凑数指标——是\"研究是否做透\"的下限。不够就继续读，不靠减量换速度（用户明确：效果优先于速度）。\n\n---\n\n## 质量自检方法\n\n推送前逐条检查你的输出：\n\n1. 每个判断旁标注来源：`[来源: 财联社5/25 - \"央行超预期净投放\"]`\n2. 标注不出来的判断 = 没有依据 → 删除或补充读取\n3. 多源验证表格每个格子是否有具体数值？只写\"确认\"无数字 = 不合格\n\n---\n\n## 示例对照\n\n### 宏观研究——合格输出\n```\n央行操作：今日开展7天逆回购2580亿元（中标利率1.4%），对冲到期10亿后净投放2570亿元，\n连续4日净投放。[来源: RTHK 5/25 - \"规模创近两个月单日新高\"]\n判断：跨月流动性呵护明确，\"收短放长\"格局下短端利率有下行空间。\n```\n\n### 宏观研究——不合格输出\n```\n央行进行了逆回购操作，市场关注流动性。\n```\n↑ 无具体金额、无期限、无来源引用、无对比、无判断依据\n\n---\n\n### 标的研究——合格的多源验证\n```\n- southbound: 确认 | 净买5.27亿港元，Top1，连续3日加仓，占日均成交15.3%\n- analyst: 确认 | 高盛上调目标价至45.0（+12%），理由\"28nm产能利用率达92%超预期\"\n- short_interest: 否认 | 沽空比例8.2%较上周+0.5%，空头小幅加仓\n- announcements: 确认 | 5/20公告Q1收入同比+23%，毛利率38.2%（去年同期35.1%）\n```\n\n### 标的研究——不合格的多源验证\n```\n- southbound: 确认 | 南向有流入\n- analyst: 确认 | 分析师看好\n- short_interest: 无数据\n```\n↑ 无具体金额、无排名、无变化幅度、无分析师名称/理由\n\n---\n\n## 来源筛选（仅限可免费全文访问）\n\n### 中文源\n华尔街见闻、第一财经、财联社、证券时报、新华社、澎湃新闻、央行/部委官网\n\n### 英文源\nReuters、Bloomberg（部分免费）、CNBC、FT（部分免费）、SEC EDGAR、公司IR页面\n\n### 跳过（不尝试不标注）\n财新（付费墙）、其他明确付费源\n\nFile v1.0.8:methodology/feasibility-analysis.md\n\n# feasibility-analysis.md — 投资可行性分析框架\n\n> 引用 research-core.md。用途：判断一个方向/主题/标的值不值得投，逻辑链是否成立。\n> 这是\"该不该参与\"的把关，不是\"怎么买\"。\n\n## 研究目标定义\n明确要评估的对象：一个主题（如\"2万亿AI基建该不该参与\"）/ 一个方向（如\"创新药出海\"）/ 一个标的。\n\n## 🔑 投资可行性独门分析方法（核心·拦住伪机会，找出风险收益比真划算的环节）\n\n> 评估结构解决\"看哪几方面\"，下面四个分析法解决\"怎么判断逻辑链真伪、是否已被定价、最优环节在哪\"。**主动用方法质询，不是罗列利弊。**\n\n### 方法A · 逻辑链强度评分（把\"为什么能赚钱\"拆环节打分，找最弱环节）\n把投资逻辑拆成完整链条 A→B→C→D，每环节按证据强度打分：\n- 事实(有一手数据/已发生)=5分 | 强假设(高概率,有佐证)=3分 | 弱假设(待验证/存疑)=1分\n- 链条强度 = 最弱环节的分数（木桶效应——一环断=整条逻辑崩，不是取平均）\n> 洞察来源：**多数\"大逻辑\"败在某个被默认成立的弱环节。找出那个1分环节，就知道整个机会的真实确定性。**\n\n### 方法B · 定价穿透（对每个环节反推隐含预期，判断已透支多少）\n对逻辑链每个环节做定价检查：\n- 该环节相关标的近期涨了多少？当前估值反推隐含了什么预期（多少增速/渗透率/份额）？\n- 这个隐含预期 vs 逻辑兑现后的真实情况——已透支(一阶,接盘)还是未充分定价(二阶,机会)？\n> 洞察来源：**同一主题里，一阶环节(人人能看到)往往已抢跑透支，二阶/三阶环节(需推理才能看到)才有预期差。穿透定价是区分\"机会\"和\"接盘\"的关键。**\n\n### 方法C · 时间成本折算（量化\"等太久不划算\"）\n- 逻辑兑现需要等多久（有无明确催化触发，还是无限期等待）？\n- 机会成本 = 等待月数 × 其他替代标的的预期回报——等待期的钱本可以赚别的\n- 若兑现时点不确定且无催化，时间成本可能吃掉大部分预期收益\n> 洞察来源：**\"逻辑对但要等3年且无催化\"≈\"逻辑错\"——时间成本是隐性杀手，必须折算进风险收益比。**\n\n### 方法D · 最优环节筛选矩阵（同一主题不同环节，三维打分定位最优）\n同一方向下多个可参与环节，用三维打分选最优 risk:reward：\n- 弹性（逻辑兑现时该环节涨幅潜力）× 确定性（该环节受益的确定程度）× 是否已price in（越没被定价越好）\n- 三维综合最高 = 最优参与环节（不是龙头环节，是性价比最高环节）\n> 洞察来源：**\"看好某方向\"没用，钱要下在弹性大+确定性够+还没被定价的那个环节。三维错配的环节（如弹性大但已透支）要避开。**\n\n---\n\n## 可行性评估结构\n\n### 1. 投资逻辑链是否成立\n- 把\"为什么能赚钱\"拆成完整链条，逐环节质询\n- 哪个环节是假设、哪个是事实？最弱的环节在哪？\n- 链条断在哪里 → 整个逻辑不成立\n\n### 2. 是真机会还是已被定价（红线核心）\n- 这件事市场知道吗？已经涨了多少/price in 多少？\n- 区分：**利好兑现前**（机会）vs **利好已抢跑**（接盘）\n- 一阶逻辑（人人能看到，已定价）vs 二阶/三阶（还没被充分认知）\n\n### 3. 空间与弹性\n- 假如逻辑成立，能赚多少？（上行空间量化）\n- 对哪个环节弹性最大？（同一主题不同环节弹性差异巨大）\n\n### 4. 确定性与时间成本\n- 逻辑兑现的确定性多高？\n- 需要等多久？时间成本（机会成本）是否划算\n- 有没有明确的催化剂触发兑现\n\n### 5. 风险收益比\n- 下行风险 vs 上行空间，比值是否有吸引力\n- 最坏情况能承受吗\n\n## 三种结论（必须明确，红线4）\n- **值得投**：逻辑成立 + 未充分定价 + 风险收益比好 + 有催化 → 说明最优参与环节、关键假设、跟踪信号\n- **不值得投**：给出具体一句话原因（逻辑断在哪/已抢跑/弹性不足/风险不可控/时间成本太高）\n- **有条件值得**：当前不行，但若出现 X 条件则成立 → 列出触发条件，进观察清单\n\n## 红线\n- 写不出\"为什么不是已被定价\" → 倾向不值得投\n- 不因\"题材大/故事好\"就给值得投——故事≠预期差\n- 紧扣\"值不值得投\"这个问题，不发散成泛行业综述\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"这是万亿级大赛道，空间巨大，值得投。\" —— 题材当结论，没回答\"是否已被定价\"\"哪个环节\"。\n**✅ 深刻**：\"逻辑链：A政策→B需求→C标的，最弱环节是B（需求兑现依赖补贴落地，存疑）；一阶受益股（服务器）1个月+102%已抢跑，二阶环节（电力/IDC）估值仍低未price in；最优risk:reward在二阶；确定性中、需等细则、时间窗口1-3月。结论：有条件值得，触发条件=招标落地。\" —— 拆链条、查定价、定环节、给条件。\n\nFile v1.0.8:methodology/industry-research.md\n\n# industry-research.md — 行业研究框架\n\n> 引用 research-core.md（5步法+反证+质量门控）+ source-registry.md（一手源）+ content-reading-protocol.md（全文阅读）。\n> 用途：对一个行业做透——它现在处于什么位置、未来往哪走、机会与风险在哪。\n\n## 研究目标定义\n先写清楚这次行业研究要回答什么（如\"半导体当前景气位置+未来12个月方向+最具预期差的环节\"）。\n\n## 🔑 行业研究独门分析方法（核心·从散落数据拼出景气拐点与利润迁移）\n\n> 六维结构只解决\"看哪些维度\"，下面五个分析法解决\"怎么从一堆数据点里拼出别人看不到的拐点和预期差\"。**研究时主动用这些方法审讯数据，不是描述数据。**\n\n### 方法A · 景气周期四象限定位（用领先指标矩阵拼象限，不靠感觉）\n不靠单一指标，用 库存×价格×capex×订单 四个领先指标交叉定位行业在周期的哪个象限：\n- 库存↓ + 价格↑ + 订单↑ = 主动补库存（复苏早中段，最佳进攻位）\n- 库存↑ + 价格↑ + capex↑ = 过热（接近顶部，警惕）\n- 库存↑ + 价格↓ + 订单↓ = 主动去库存（衰退，回避）\n- 库存↓ + 价格↓ + capex↓ = 被动去库存（萧条末期，左侧布局位）\n> 关键：用**领先指标**（订单/库存/capex）定位，不用**滞后指标**（营收/股价）——后者反映的是已发生的，前者预示将发生的。拐点信号=领先指标的方向变化。\n\n### 方法B · 价值链利润池分析（找\"利润正在迁移\"的方向，不只是描述分工）\n对产业链每个环节算两个数：**利润绝对额** + **利润率**，画出\"利润池\"地图，然后看动态：\n- 钱主要被哪个环节赚走？为什么（壁垒/稀缺/议价权）？\n- **利润池在迁移吗？** 哪个环节利润占比在上升、哪个在下降？迁移的驱动是什么（技术变迁/供需变化/政策）？\n> 洞察来源：**静态利润分布人人知道（已price in），利润池的\"迁移方向\"才是预期差。** 如新能源车利润从整车→电池→上游锂→设备的迁移，每次迁移都是一波机会。\n\n### 方法C · 渗透率S曲线定位（不同阶段对应完全不同的投资策略）\n测算当前渗透率，定位在S曲线哪一段——每段的赢家逻辑不同：\n- <10% 导入期：主题驱动，看技术路线卡位，业绩兑现远，波动大\n- 10-40% 加速期：渗透率提升最快，量增逻辑最强，戴维斯双击高发段（最佳段）\n- 40-70% 成熟早期：增速放缓，从\"谁都涨\"转向\"份额集中\"，看龙头\n- >70% 成熟期：存量博弈，看格局/分红/成本\n> 关键追问：渗透率从X%到Y%需要什么条件触发（成本下降到某阈值/政策/技术成熟）？这些条件成立吗？**渗透率位置决定了你该用成长逻辑还是格局逻辑看这个行业。**\n\n### 方法D · 供需缺口量化（涨价弹性=供给刚性×需求弹性）\n不停留在\"供需紧张\"，量化两侧：\n- 供给侧：扩产周期多长（capex到投产的时滞）？产能刚性多强（重资产/牌照/技术壁垒越高越刚性）？\n- 需求侧：需求是刚性还是可选？价格敏感度？\n- **缺口持续性**：供给刚性越强（短期补不上）+ 需求越刚性 = 涨价持续越久、弹性越大\n> 洞察来源：**市场常只定价\"涨价\"这个事实，不定价\"涨价的持续性\"。** 供给刚性决定的持续性，才是预期差所在（如存储涨价能持续到H2，因原厂capex纪律+扩产时滞）。\n\n### 方法E · 技术路线替代判断（找性能/成本交叉点=切换拐点）\n当行业存在新旧技术路线竞争时，找两条曲线的交叉点：\n- 新路线的性能/成本曲线 vs 旧路线——什么时候新路线在\"性价比\"上反超？\n- 反超后切换速度多快（取决于转换成本/产业链配套/客户惯性）？\n- 当前领先者押注的是哪条路线？押错了，3年后还是领先者吗？\n> 洞察来源：**技术替代的拐点常被低估或高估时点。** 提前于交叉点布局新路线、或识别旧路线龙头的\"价值陷阱\"，都是预期差。\n\n---\n\n## 六维行业分析框架\n\n### 1. 行业结构与产业链\n- 拆产业链：上游→中游→下游，每个环节做什么、谁主导、利润分布在哪\n- 价值量分布：钱主要被哪个环节赚走？为什么？\n\n### 2. 核心驱动力\n- 需求侧：什么在拉动需求？长期趋势 vs 周期波动\n- 供给侧：产能、技术、成本曲线\n- 政策/监管：是顺风还是逆风\n- 区分**结构性成长**（长期渗透率提升）vs **周期性波动**（库存/价格周期）\n\n### 3. 景气位置（关键·前瞻）\n- 现在处于周期哪个阶段？（复苏/过热/衰退/萧条 或 渗透率早/中/晚期）\n- 用什么指标判断？（库存、产能利用率、价格、订单、capex）\n- **拐点信号**：什么数据出现会标志景气向上/向下转折\n\n### 4. 竞争格局\n- 集中度（CR5/CR10）、格局演变方向\n- 谁有定价权/护城河？壁垒是什么（技术/规模/牌照/生态）\n- 国产替代/国产化率（中国相关行业必看）\n\n### 5. 长期空间\n- TAM 测算（自下而上：量×价 或 渗透率×总盘）\n- 当前渗透率 vs 天花板\n- 增速可持续性\n\n### 6. 市场定价 vs 真实情况（预期差）\n- 市场当前怎么定价这个行业？（板块估值分位、资金流向、情绪）\n- 真实基本面 vs 市场预期差在哪？\n- 哪些环节已被充分定价（拥挤），哪些还没（机会）\n\n## 产出\n- 行业景气判断（位置+方向+确信度）\n- 产业链中最具预期差的环节 + 理由\n- 该环节的代表标的（不替用户决策，列出供进一步研究）\n- 关键跟踪指标（未来盯什么数据验证/证伪判断）\n- 风险与信息盲区\n\n## 输出后\n把研究报告归档到 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`（如需远程备份由调用方备份任务自行处理）。下次同行业研究先读最近几篇产物作背景——认知连续性靠**带日期的真实研究产物**，不靠预存的静态档案。\n\n---\n\n## 深度追问清单（每个维度问到底，逆出深度）\n\n做完六维不够，要对每个维度追问“为什么”直到触及本质：\n- **驱动**：这个需求是真实的还是补贴/囤货拉出来的？需求增速是加速还是减速？驱动能持续几年？\n- **景气**：现在是周期底/顶，还是中段？识别拐点的领先指标是什么（不是滞后的价格/营收，是领先的订单/库存/capex）？\n- **格局**：现有赢家的护城河会被什么打破（技术路线变迁/新进入者/政策）？当前领先者 3 年后还是领先者吗？\n- **空间**：TAM 是用倒推还是拍脑袋？渗透率从 X% 到 Y% 需要什么条件触发，这些条件成立吗？\n- **定价**：市场现在的价格隐含了什么预期（反推：现价对应多少增速/渗透率）？我的判断 vs 这个隐含预期差在哪？\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅的行业研究**：“半导体是 AI 的基石，需求旺盛，国产替代空间大，看好。”\n—— 全是人人知道的一阶信息，无数据、无景气位置、无预期差、无拐点信号。\n\n**✅ 深刻的行业研究**：“存储现货价 DDR5 近 3 个月从 $X 涨到 $Y（+Z%），原因是原厂 capex 纪律+HBM 挤压标准品产能；市场仅定价了周期复苏，未定价涨价的持续性（供给刚性可能持续到 H2）。拐点信号：原厂投片量、HBM 产能占比。”\n—— 有具体数据、有景气拐点判断、有“市场定价 vs 真实”的预期差、有可跟踪的领先指标。\n\nFile v1.0.8:methodology/investment-planning.md\n\n# investment-planning.md — 投资规划框架\n\n> 引用 research-core.md + risk-analysis.md。用途：目标导向的配置思路、节奏、优先级、跟踪计划。\n> 提供规划与路径，不替用户下单、不维护持仓纪律。\n\n## 规划起点：以终为始\n- 先明确用户的目标/约束（收益预期、时间、风险承受、资金量、流动性需求）——不清楚就先问，不臆设\n- 规划是为目标服务的，先有目标再有路径\n\n## 规划结构\n\n### 1. 配置思路（自顶向下）\n- 大类资产/主题间的逻辑分配（基于宏观判断+各方向研究结论）\n- 为什么是这个结构？对应什么判断？\n- 进攻仓 vs 防守仓的角色分工\n\n### 2. 优先级排序\n- 把已研究的机会按\"预期差强度 × 确定性 × 风险收益比\"排序\n- 哪些是核心仓（高确信）、哪些是卫星仓（高弹性高风险）、哪些是观察（条件未成熟）\n\n### 3. 节奏（前瞻）\n- 什么时候介入？等什么催化剂/估值/信号\n- 分批 vs 一次；左侧 vs 右侧的权衡\n- 各机会的时间窗口\n\n### 4. 跟踪计划\n- 每个核心判断对应的跟踪指标（盯什么验证/证伪）\n- 复盘节点：什么时候回看判断是否还成立\n\n## 产出\n- 配置框架（结构+理由）\n- 优先级清单（机会排序+角色）\n- 介入节奏与触发条件\n- 跟踪与复盘计划\n- 关键风险与盲区\n- **明确：这是规划思路与可选路径，最终决策与执行由用户做**\n\n## 红线\n- 不替用户决定具体买卖股数/价格/时点（除非用户当次明确要求做仓位测算，作一次性工具）\n- 规划基于研究结论，不脱离已验证的判断空谈配置\n- 诚实标注假设依赖（这套规划在什么前提下成立）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"建议均衡配置，分散风险，长期持有。\" —— 无目标锚定、无优先级、无节奏、无跟踪。\n**✅ 深刻**：\"以终为始：目标=X。核心仓（高确信，已验证预期差的方向）vs 卫星仓（高弹性高风险）角色分工；优先级按 预期差强度×确定性×风险收益比 排序；节奏=等Y催化剂右侧介入/分批；每个判断对应跟踪指标Z，复盘节点。明确这是规划思路，执行由用户决定。\" —— 锚目标、分角色、定节奏、可跟踪。\n\nFile v1.0.8:methodology/ministry-scan.md\n\n# 部委政策扫描 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n每日系统性扫描全部中国部委当日发文，确保不遗漏任何重要政策信号。\n是\"中国宏观研究\"的数据层补充——宏观研究做解读，这个任务做覆盖。\n\n---\n\n## 输出模板\n\n```\n# 🏛️ 部委政策扫描 [日期]\n\n## 📌 今日重点（≤5条，按投资影响排序）\n1. [部委名] 政策标题 → 核心内容（50字内）→ 影响判断\n\n## 📋 各部委逐条分析\n\n### [部委名]（X条）\n#### 1. [标题]\n- **来源**：[URL]\n- **核心内容**：[基于全文提炼的关键信息，不是标题复述]\n- **政策意图**：[为什么出这个政策]\n- **影响领域**：[哪些行业/公司受影响]\n- **时间窗口**：[何时生效/影响何时显现]\n\n（按此格式逐条）\n\n## 🔗 投资关联（深度研究，硬性要求）\n\n每条重要政策必须完成以下分析：\n\n### 传导链条（必须写清楚）\n```\n政策 → 受益行业 → 受益环节（上游/中游/下游） → 具体标的（A股+港股）\n```\n\n### 每个标的必须回答：\n1. **为什么是它**（市占率/技术壁垒/政策绑定度）\n2. **受益程度**（占营收比例/弹性大小）\n3. **时间窗口**（政策何时影响到报表）\n4. **当前估值**（PE/PB 是否已 price in）\n5. **风险**（政策不及预期/执行不到位/竞争格局）\n\n### 输出格式\n```\n| 政策 | 传导链 | 标的 | 受益逻辑 | 弹性 | 估值 | 风险 | 结论 |\n|------|--------|------|----------|------|------|------|------|\n| X部委Y政策 | 行业→环节 | 代码+名称 | 为什么受益 | 占营收X% | PEx/已涨X% | 具体风险 | 值得跟踪/已price in/PASS |\n```\n\n### 与当前持仓的关联（必须回答）\n- 今日政策对现有持仓是利好/利空/无关？\n- 是否需要调整仓位/止损？\n\n### 新机会筛选（满足任二才列入）\n- 政策确定性高（已发文/有时间表/有资金安排）\n- 市场未充分 price in（股价未反映/分析师未覆盖）\n- 弹性足够（占营收>15%）\n- 有明确催化剂时间节点\n\n## 📊 今日部委活跃度\n| 部委 | 发文数 | 重要度 |\n|------|--------|--------|\n\n## ⚠️ 信息盲区\n- 未获取到内容的部委/文章：\n```\n\n---\n\n## 覆盖范围（19个部委）\n\n### 直接爬取（官网可访问）\n- 财政部、外交部、农业农村部、国资委、科技部、税务总局、能源局\n\n### 搜索采集（官网JS渲染）\n- 商务部、住建部、交通运输部、人社部、教育部、卫健委\n- 生态环境部、自然资源部、市场监管总局、金融监管总局、外汇管理局、工信部\n\n---\n\n## 内容深度读取原则（硬性约束，违反=任务失败）\n\n**ministry_scan.json 只提供标题和URL。标题≠内容。必须读正文。**\n\n### 绝对禁止\n- ❌ 只看标题就判断政策内容/影响\n- ❌ 用\"根据标题判断...\"/\"从标题推测...\"这类表述\n- ❌ 未读原文就分析投资影响\n- ❌ 输出中找不到来自原文的具体信息\n\n工作流：\n1. 读取 `ministry_scan.json` → 获取今日各部委发文列表（这一步只是线索）\n2. **对每条有投资价值的政策，必须 web_fetch 读取原文全文**\n3. 基于原文中的**具体条款、具体数据、具体措辞**进行分析\n4. 输出时引用原文具体内容（\"第X条规定...\"/\"文件明确提出...\"）\n\n```bash\n# 读取文章原文的标准方式\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\s+', ' ', html).strip()\nprint(html[:4000])\n\"\n```\n\n**筛选标准：哪些需要深读？**\n- 含\"政策/办法/意见/通知/规划/方案\"字眼 → 必读\n- 涉及金融/房地产/科技/能源/贸易 → 必读\n- 部长/副部长级讲话 → 必读\n- 常规人事/党建/慰问 → 跳过\n- 地方分支机构日常 → 跳过\n\n每次扫描至少深读 8-12 篇原文。\n\n---\n\n## 政策分析框架\n\n对每条重要政策：\n1. **谁发的**（部委级别决定权重）\n2. **核心内容**（不是标题，是原文提炼）\n3. **政策意图**（解决什么问题？回应什么压力？）\n4. **与已知政策的关系**（新政策？还是已知政策的实施细则？）\n5. **影响链**（政策 → 行业 → 公司 → 股价，几步传导？）\n6. **时间窗口**（立即生效？征求意见？Q3实施？）\n\n---\n\n## 质量标准\n\n1. 每条分析必须基于原文内容，能指出\"这个结论来自哪篇文件的哪段内容\"\n2. \"投资关联\"必须具体到板块/标的\n3. 没有重要政策时也要明确说\"扫描完毕，今日无重大政策\"\n4. 周末/节假日部委不发文属正常，标注即可\n\nFile v1.0.8:methodology/policy-research.md\n\n# policy-research.md — 政策研究与追踪框架\n\n> 引用 research-core.md + content-reading-protocol.md（政策必读原文全文，红线3）。\n> 用途：解读政策原文，判断意图、落地路径、受益与受损环节。\n\n## 🔑 政策研究独门分析方法（核心·把政策原文转化为可量化的传导判断）\n\n> 六步法解决\"按什么步骤读\"，下面四个分析法解决\"怎么从政策文本里量化出力度、弹性、落地概率\"。**主动用方法审讯文本，不是复述条款。**\n\n### 方法A · 政策力度五维评级（把\"力度大\"量化成可比分数，防主观）\n对五个维度各打分（高/中/低），合成判断真实推动力——避免\"政策大力支持\"这类空话：\n- 发文层级：中央/国务院 > 多部委联合 > 单部委 > 地方（层级越高力度越大）\n- 措辞刚性：硬约束(\"必须/不得/到X年完成X%\") > 中性(\"推进/落实\") > 软鼓励(\"支持/鼓励/探索\")\n- 资金配套：明确金额+来源(财政/专项债/大基金) > 提及资金 > 无\n- 时间表明确度：有明确节点+考核 > 有方向无节点 > 无\n- 考核问责：有问责/督查机制 > 无\n> 洞察来源：**五维都强=真利好可能被低估；只有层级高但措辞软/无资金无时间表=\"定调式\"政策，市场易过度反应（预期差在\"市场高估了力度\"那侧）。**\n\n### 方法B · 传导链弹性量化（不只说受益方向，算各环节弹性差异）\n政策→需求变化→各环节，对每个环节量化\"政策变量变动X，该环节受益变动多少\"：\n- 找弹性最大的环节：同一政策下，越靠近政策直接作用点、营收占比越集中于受影响业务、产能越能快速响应的环节，弹性越大\n- 区分\"直接受益\"（政策直接补贴/采购的环节）vs\"间接受益\"（下游需求拉动的环节），弹性和确定性都不同\n> 洞察来源：**市场常买\"政策受益\"这个方向，但不区分弹性——找出弹性最大且未被充分定价的环节，才是预期差。**\n\n### 方法C · 落地概率矩阵（判断这次政策能否真兑现）\n落地概率 = 历史同类政策兑现率 × 本次资金确定性 × 执行主体能力/动力：\n- 历史参照：同类政策过去的落地兑现情况（说了多少、做到多少）\n- 资金确定性：钱从哪来、到位了没（无资金的政策落地率低）\n- 执行主体：谁执行、有无动力和能力（地方财政紧张时执行打折）\n> 洞察来源：**无明确时间表/资金的政策是慢变量，不构成可交易预期差——把\"定调\"误当\"可执行利好\"是政策研究最大的坑。**\n\n### 方法D · DELTA解读法（逐字对比新旧文本，量化措辞温度变化）\n政策的信息量常在\"和上一版比变了什么\"：\n- 逐句对比本次政策与上一版/上次表述：哪些词升级了（\"稳步推进\"→\"加快建设\"=温度升）、哪些限制松了/紧了、哪些新增了\n- 措辞温度变化往往领先于实质政策落地，是早期信号\n> 洞察来源：**单看一份政策看不出方向，看\"措辞的边际变化\"才能捕捉政策风向的拐点（如从控制转向鼓励的第一个信号）。**\n\n---\n\n## 政策分析六步法\n\n### 1. 谁发的、发了什么\n- 发文主体（层级：国务院/部委/地方，层级决定力度）\n- 文件类型（规划/意见/通知/管理办法/征求意见稿——征求意见≠落地）\n- **读原文全文**，不靠二手解读\n\n### 2. 核心内容\n- 关键条款原文引用 + 具体数字（金额/时间表/比例/范围）\n- 提取硬约束（\"必须/不得/到X年完成\"）vs 软鼓励（\"支持/鼓励\"）\n\n### 3. 政策意图（为什么现在发）\n- 解决什么问题？背景是什么？\n- 与更高层定调的关系（是否落实某个中央精神）\n\n### 4. 与已知政策的关系（DELTA思维）\n- 比之前的表述变了什么？措辞温度升高还是降低？\n- 是新方向还是延续/加码？\n\n### 5. 影响链（传导，红线6 落到标的）\n- 政策 → 受益行业 → 受益环节 → 具体标的（A股+港股代码）\n- 同时分析**受损环节**（政策有人受益必有人承压）\n- 每个标的：为什么是它？弹性多大？估值是否已 price in？\n\n### 6. 时间窗口\n- 落地节奏：短期催化（吹风会/细则/招标）vs 长期慢变量\n- 关键时间节点\n\n## 落地路径判断（政策最易踩的坑）\n- 区分\"定调\" vs \"可执行细则\"——很多政策利好是慢变量，无明确时间点的不构成可交易预期差\n- 资金从哪来？（财政/专项债/社会资本）落地确定性如何\n- 历史同类政策的落地兑现率参考\n\n## 产出\n- 政策核心（一句话）+ 投资级别评估\n- 受益/受损环节 + 具体标的 + 弹性/估值/风险\n- 落地路径与时间窗口\n- 与持续追踪的政策主线的关系（研究产物归档到 ${RESEARCH_OUTPUT_DIR:-~/research-output}/macro-policy/）\n- 信息盲区（哪些原文没读到/付费墙）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"国家出台政策支持半导体，利好板块。\" —— 无原文条款、无受益环节、无落地路径、无时间窗口。\n**✅ 深刻**：\"文件第X条提出'2027年前国产化率达Y%'（硬约束含时间表），传导：政策→设备/材料环节（受益最确定，因国产化率最低）→具体标的（代码）；但属慢变量，无近期招标细则前不构成可交易预期差；落地资金来自大基金三期。受损：依赖进口的环节。\" —— 有原文、有受益受损、有落地确定性、有时间窗口。\n\nFile v1.0.8:methodology/research-core.md\n\n# research-core.md — 深度研究内核（所有研究课题通用）\n\n> 这是任何研究都要遵循的内核。六个专题框架（行业/个股/政策/可行性/风险/规划）都在此之上展开。\n> 九条红线是地基：①有深度有前瞻 ②数据真实不杜撰 ③全文阅读不停留表面 ④结论质量门控不说空话 ⑤第一性原理广收集深研究 ⑥紧扣研究目标不偏离 ⑦prompt 最佳实践榨干模型 ⑧客观准确不主观 ⑨未充分调研不下结论。\n\n---\n\n## 一、研究启动：先定义问题（红线6 紧扣目标）\n\n任何研究开始前，先用一句话写清楚：\n- **研究目标**：要回答的核心问题是什么？（如\"半导体行业现在处于景气周期哪个位置，未来12个月向上还是向下\"）\n- **决策关联**：这个答案会影响什么投资判断？\n- **成功标准**：什么样的产出算\"回答了\"这个问题？\n\n研究过程中每隔一段回看这句话——产出是否还在回答它，还是跑偏了。**偏离即停，拉回主线。**\n\n---\n\n## 一半、研究设计 + 多维扫描（红线1/5/6 · 所有研究强制前置，反\"千篇一律\"+反\"单维度\"）\n\n> 这一步是高质量研究区别于\"套模板\"的关键。动笔取数前，先做两件事：① 诊断对象、设计本次研究的重心（贴合实际，不千篇一律）；② 过一遍七棱镜，确保多维数据都扫到（不漏维度，不闭门造车）。\n\n### A. 研究设计（先诊断，再决定怎么研究）\n\n任何研究对象（个股/行业/主题/政策/宏观）都先问三句，写下来：\n\n1. **核心矛盾是什么？锁定 2-3 个关键变量（命门）。** 这个对象当下最关键的、决定其价值/走向的那 **2-3 个变量** 是什么？（如：某药企=核心管线 III 期能否读出正面；某周期股=景气位置在顶还是底；黄金=实际利率方向 vs 央行购金；某主题=政策落地节奏 vs 市场抢跑程度）\n   > **聚焦纪律（资深专家的效率密码）**：资深投研专家 80% 精力只盯这 2-3 个命门变量，其余都是噪音。**找对变量 > 收集更多数据。** 本次研究 70% 火力打这几个变量——它们错了结论就错。不要面面俱到而失焦。\n   > **火力达标的客观标尺（防\"口号\"）**：命门变量必须满足——①每个命门变量都独立取了硬数据/读了正文（不是一句话）②围绕命门的分析篇幅 ≥ 全文 60%③结论的赔率与立场直接由命门变量推出。**命门（决定价值的因，2-3个）≠ 七棱镜主战场（要扫的维度，可3-4个）**：命门是\"答案的来源\"，棱镜是\"检查的清单\"；一个棱镜可能承载某个命门（如黄金的\"宏观\"棱镜承载\"实际利率\"命门），但不要把\"扫了4个维度\"误当成\"4个命门\"。命门数量硬上限 3 个。\n2. **驱动类型是什么？** 它主要被什么驱动——业绩周期 / 政策 / 技术突破 / 地缘 / 估值修复 / 资金面 / 事件催化？驱动类型决定哪些维度是主战场。\n3. **据此裁剪：哪些维度重笔墨、哪些一句话带过？** 把下面七棱镜按本对象的相关性排序，**主战场维度深挖（占报告 60-70% 笔墨），约束/背景维度扫到即可。**\n\n> 原则：**研究结构服从研究对象，不是对象去填模板的固定章节。** 模板给的是\"必须想到的维度全集 + 方法\"，不是\"必须照填的格子\"。一个政策驱动主题和一个业绩 beat 个股，重心天差地别——设计这一步就是让结构贴合实际。\n\n### B. 七棱镜多维扫描（每个研究都过一遍，不漏维度）\n\n无论研究什么，下面七个棱镜**逐个过一遍**，判断与本对象的相关性：相关的纳入取数与分析，**不相关的也要一句话写明\"为何判定可忽略\"**（强制过一遍，防止漏掉真正重要的外部变量）。\n> **略过维度的最低判据（防\"合理化偷懒\"）**：判一个棱镜\"低相关可一句话带过\"，这句话必须说清**\"该维度对本对象无显著传导路径\"的具体理由**（如\"该公司无海外营收，汇率维度可略\"），而非\"看起来不重要\"。**只要该维度可能影响命门变量，就必须取数，不得略过**——略过的前提是\"已判断它碰不到命门\"，不是\"懒得查\"。\n\n| 棱镜 | 看什么 | 典型一手源 |\n|------|--------|-----------|\n| ① 宏观 | 利率/汇率/流动性/通胀/景气周期位置，对该对象的传导 | FRED、统计局、AKShare、央行操作、china-macro/us-macro.md |\n| ② 政策/监管 | 产业政策、监管变化、补贴/限制、医保/关税，原文意图与落地 | 政府网/部委原文、policy_gov_fetcher、ministry_scanner |\n| ③ 地缘政治 | 大国博弈/制裁/出口管制/冲突/选举/同盟，对供应链与资产的传导 | 权威报道正文、BIS/实体清单原文、官方声明 |\n| ④ 产业链上下游 | 上游成本/供给、下游需求/景气、竞争格局、替代关系 | 上下游公司财报、行业协会数据、价格数据 |\n| ⑤ 资金面/投资者行为 | 南向/北向、机构持仓与变动、沽空、ETF 流、一致预期修正、超级投资者动向 | southbound/short_interest/analyst_revision/sec_13f/superinvestor_moves |\n| ⑥ 新闻/事件/情绪 | 近期催化事件、市场叙事、情绪过热/过冷、预期差线索 | Serper news、Tavily、公司公告 |\n| ⑦ 标的/对象自身 | 基本面（财报/管线/产能/估值）、技术/竞争壁垒、管理层 | 财报全文、招股书、IR、电话会、yfinance |\n\n> 多维的意义不是\"七个维度都写一段\"凑长度，而是**用多棱镜交叉验证一个判断、并捕捉单一维度看不到的预期差**（如：基本面平淡但地缘催化被低估；景气向上但政策风险被忽视）。交叉点常常就是预期差所在。\n> 红线：相关维度若没去取数就下结论 = 闭门造车（红线5/9），不合格。\n\n---\n\n## 二、深度研究 5 步法\n\n### Step 1 — 识别异常 / 界定问题\n- 要研究什么？**什么变了？变了多少？**（量化）\n- 市场现在怎么看这件事？（共识基线 = 后面找预期差的参照系）\n\n### Step 2 — 形成假设（A → B → C → D）\n- **A（事实）**：可验证的客观事实是什么\n- **B（推断）**：由 A 推出什么\n- **C（市场定价检查）**：当前价格/估值/情绪已经price in了什么？市场是否已经知道 B？\n- **D（含义）**：如果 B 正确而市场没充分定价，意味着什么机会/风险\n\n> 没有 C（定价检查）的研究是半成品——\"好公司\"不等于\"好投资\"，关键是\"比市场认为的好/差\"。\n\n### Step 3 — 验证 / 证伪（红线2/5 真实·广收集）\n- **充分搜索优先（红线5/9硬性）**：任何研究都必须先广撦网搜够资料再下判断——绝不凭记忆/单一来源闭门造车。模型记忆必有时效滞后与盲区，\"井底之蛙自以为是\"是研究大忌。多源、多角度、正反都搜，宁多勿少。\n- 每个关键判断 **≥2 个独立证据** 支持或反对\n- **一手优先**：财报原文 > 政策原文 > 行业协会/官方数据 > 权威研报 > 新闻转述\n- 主动找**反方证据**，不只找支持自己假设的（确认偏误是研究第一杀手）\n\n### Step 4 — 量化与情景 + 非对称赔率（红线1 深度·前瞻）\n- 尽量量化:市场空间(TAM)、增速、弹性、估值区间、概率\n- 列 **Bull / Base / Bear 三情景**，各自的假设、概率、对应结果\n- 估值自己算（新EPS×合理PE / DCF / SOTP / 重置成本），**不直接抄分析师目标价**（滞后指标）\n- **算非对称赔率（投研的终极产物——不是\"会涨吗\"而是\"赔率值得下注吗\"）**:\n  - 下行空间（Bear 情景跌到哪）vs 上行空间（Bull 情景涨到哪），算 **上下比**（如 Bull +60% / Bear -15% = 4:1）\n  - 用情景概率算 **期望值**（E[V] = P_bull×Bull% + P_base×Base% + P_bear×Bear%）\n  - **概率不许拍脑袋（否则期望值是假精确）**：每个情景概率必须给锚定理由（基于命门变量的状态/历史频率/隐含概率，而非主观感觉）；并做 **翻转敏感性测试**——问\"概率要变到多少，结论才反转？\"若小幅调整概率（如 ±10pct）就让立场从\"值得\"翻到\"不值得\"，说明结论脆弱，必须明确标注\"结论对概率高度敏感、确信度低\"\n  - 明确表态:在当前价格，**这个赔率是否非对称地有利**？非对称（如 4:1 且期望值为正）= 值得严肃考虑；对称（1:1）或期望值为负 = 不下注更好\n  > 投研的本质是用认知差换非对称赔率。Bull/Base/Bear 不是用来\"覆盖三种可能性\"凑全面，而是为了得出\"这个下注的期望值与赔率结构\"。没有这一步，研究只到\"判断方向\"，没到\"决策依据\"。\n\n### Step 5 — 结论（红线4 质量门控）\n清晰立场 + 确信度 + 关键假设 + 风险 + 信息盲区 + 可选路径。\n**不替用户下交易决策**，给判断和依据。\n\n---\n\n## 二半、反共识引擎（深度与预期差的核心发动机）\n\n预期差只存在于“共识错的地方”。所以每次研究必须主动做三件事，否则必然滑向复述共识（= 无价值）：\n\n1. **先明确写出市场共识**：这件事/这个标的，卖方和市场主流观点是什么？（写不出共识 = 还没调研够，不能下结论）\n2. **质疑共识哪里可能错**：共识建立在什么隐含假设上？哪个假设最脆弱/最可能被现实推翻？有没有被忽略的事实或新变化？\n3. **表态是跟随还是偏离**：我的判断是和共识一致（那就没预期差，明说）还是偏离（偏离在哪、为什么、市场为何还没看到）？\n\n> 原则：不为了反而反（为偏离而偏离是另一种偏见）。与共识一致时就老实说“无明显预期差”，不碌造。但每次都要检查过。\n> **偏离共识的操作化判据（防\"为显得有洞见而刻意偏离\"）**：每次声称\"偏离共识\"，必须指出共识依赖的某个**具体、可证伪**的假设，并给出\"该假设为何可能错\"的证据或逻辑（如\"共识隐含下半年降息2次→但最新就业/通胀数据指向不降反加\"）。说不出共识的具体可证伪假设 = 这不是真偏离，是为反而反，回去重做。\n> 警惕：模型自身的存量认知就是“过去的互联网共识”，有时效滞后和叙事锚定。一手数据 + 独立推理 > 依赖记忆。\n\n---\n\n## 三、反证（任何重要判断成形前必做）\n\n问自己 5 个问题：\n1. **空头/反方会怎么说？** 最有力的反驳是什么？\n2. **市场可能是对的吗？** 我看到的\"预期差\"会不会其实已被定价、或我理解错了？\n3. **最脆弱的一环在哪？** 整条逻辑链哪个环节断了判断就崩？\n4. **什么证据会推翻我？** 明确写出\"如果看到 X，我就错了\"（kill condition）。\n5. **风险能否定价/对冲？** 不可定价的尾部风险 vs 可管理的已知风险。\n\n---\n\n## 四、结论质量门控（红线4 · 推送前逐条过）\n\n不满足任一条 → 不是合格研究，回去补：\n\n- [ ] **有立场**：给了明确判断（看多/看空/中性/值得投/不值得投），不是\"有待观察\"\"值得关注\"这类滑头话\n- [ ] **有依据**：每条判断可回溯到具体来源 + 具体内容（数值是具体数字，不是\"较多/不少/有所\"）\n- [ ] **有定价检查**：明确说了市场现在定价了什么，我的判断 vs 市场差在哪\n- [ ] **有反方**：写了空头逻辑/最大风险，不是只说好话\n- [ ] **有量化**：空间/弹性/估值/概率至少量化了关键变量\n- [ ] **有命门变量**（聚焦纪律）：开头明确写出本对象的 2-3 个关键变量（命门），且 70% 笔墨打在这几个变量上，没有面面俱到而失焦\n- [ ] **有非对称赔率**（投研终极产物）：算了上下比（Bull% / Bear%）和期望值，明确表态\"在当前价格赔率是否非对称地有利\"，不是只给\"会涨/会跌\"的方向判断\n- [ ] **赔率概率有锚定+做了敏感性测试**：情景概率给了锚定理由（非拍脑袋），并测了\"概率变多少结论反转\"；对概率高度敏感的结论已标注低确信度\n- [ ] **一手源失败有交代**：关键数据若一手源抓取失败，按 content-reading-protocol 的降级路径处理，并明确标注证据等级与该情况下能否下结论\n- [ ] **有前瞻**：指出了未来的催化剂/拐点信号/时间窗口，不只是复述已发生的\n- [ ] **有确信度与盲区**：标注了这个判断有多确信、哪些没查到/查不准\n- [ ] **客观准确**（红线8）：结论基于事实与数据，不是主观感受/拍脑袋；区分\"事实\"与\"我的推断\"，后者明确标注为判断；数据准确无误（单位/时间/口径核对）\n- [ ] **充分调研**（红线9）：达到该类研究的最低全文读取量与多源验证；调研不足时说\"调研不足、暂不下结论\"，不拼凑\n- [ ] **反共识检查**（预期差发动机）：明确写了市场共识是什么 + 质疑了共识哪里可能错 + 表态我是跟随还是偏离（一致则明说无预期差，不碌造）\n- [ ] **多维扫描**（一半B）：七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）都过了一遍；相关维度取了数、不相关的明说了为何忽略；不是只看单一维度就下结论\n- [ ] **贴合实际（非套模板）**（一半A）：开头写了本对象的核心矛盾与驱动类型，报告结构围绕核心矛盾设计（主战场重笔墨），而非机械套用固定章节\n- [ ] **紧扣目标**：通篇在回答开头定义的研究问题，没跑偏\n\n---\n\n## 五、诚实原则（红线2）\n\n- 证据不足 → 说\"证据不足，无法下结论\"，**绝不编造数据/事实/引用来源**\n- 数据查不到 → 标注信息盲区，不用\"估计/大概/应该是\"凑数字\n- 矛盾证据 → 如实呈现矛盾，给出在矛盾下的概率判断，不掩盖\n- 引用必须真实：写\"某文件第X条提出Y\"时，Y 必须是真的读到的原文，不是合理推测的内容\n\n---\n\n## 六、客观准确（红线8）\n\n- **事实与观点分开**：写清哪些是可验证事实（带源）、哪些是我的推断。推断明确标为判断，不伪装成事实。\n- **不预设立场**：不为证明一个预设结论而选择性取证（确认偏误）；正反证据都摆，让证据决定结论，不是结论决定取哪些证据。\n- **数据准确**：每个数字核对单位、时间、口径（如同比/环比、亿/万、人民币/美元）；不确定的数据标为存疑，不四舍五入造精度。\n- **情绪免疫**：不受市场情绪、标题党、有倾向性表述带节奏；看原始事实不看叙事。\n- **不多不少**：不夸大利好也不渲染利空；有几分证据说几分话。\n\n## 七、充分调研才下结论（红线9）\n\n- 下任何结论前，先问：我调研够了吗？达到该类研究的最低全文读取量了吗（见 content-reading-protocol）？关键判断多源验证了吗？\n- 证据不足→ 明说\"调研不足、暂不下结论\"，并列出还需调研什么才能下结论；绝不拿单一来源/表面信息就下断言。\n- 区分\"初步印象\"与\"研究结论\"：初步印象可以说，但必须明标为初步、未充分验证。\n\nArchive v1.0.7: 43 files, 157983 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/company-research.md (10043b), methodology/content-reading-protocol.md (6489b), methodology/feasibility-analysis.md (5152b), methodology/industry-research.md (7798b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (5628b), methodology/research-core.md (15506b), methodology/risk-analysis.md (4868b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (5116b), methodology/templates/01-industry-deep-dive.md (9262b), methodology/templates/02-stock-deep-dive.md (9294b), methodology/templates/03-feasibility-analysis.md (8296b), methodology/templates/04-policy-research.md (8575b), methodology/templates/05-risk-analysis.md (7688b), methodology/templates/06-company-research.md (10933b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (1418b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2647b), SKILL.md (6579b), _meta.json (143b)\n\nFile v1.0.7:SKILL.md\n\n---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、公司研究、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nlicense: MIT\nmetadata:\n  clawdbot:\n    emoji: \"📊\"\n    requires:\n      bins:\n        - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `TRADING_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 公司研究（看懂生意本身） | methodology/company-research.md | templates/06 |\n| 个股深度研究（投资判断） | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集\n```\n数据落盘 `${TRADING_ROOT:-~/research-data}/data/daily/{date}/`（由 TRADING_ROOT 环境变量控制）。\n\n### 搜索（找线索，不出结论）\n**优先用专用搜索 skill（Serper/Tavily，覆盖好、可控）；未安装时降级用内置 `web_search` 工具兜底。** 结论靠 web_fetch/pdf 读全文，搜索只找线索。\n```bash\n# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具\n```\n\n## 认知连续性（用研究产物，不用静态档案）\n不预存任何静态行业档案——静态认知必然过时且锚定共识，违背找预期差的本质。认知连续性靠研究产物库实现（见上）。\n连续性靠**研究产物库**实现：做某行业/标的研究前，先看 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇研究（带日期、带一手数据、带来源），站在上次真实研究的肩上，而非模型存量记忆。\n注意时效：产物只作背景与线索，\"当前景气/估值/最新动态\"一律用本次一手数据现取覆盖；过时结论只当\"曾经的判断\"参考，不当事实。\n\n## 研究产物入库\n报告写入 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`。如需远程备份，由调用方的备份任务自行处理。\n\n## 红线·边界\n纯研究助理：不盯盘、不发买卖/止损信号、不做交易执行、不维护持仓。提供判断+依据+风险+可选路径，用户是最终决策者。\n\nFile v1.0.7:README.md\n\n# deep-investment-research\n\n系统化投研能力中枢 —— 可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n完整能力与用法见 [SKILL.md](./SKILL.md)；方法论框架在 `methodology/`，数据采集脚本在 `scripts/`。\n\n**定位**：纯研究 —— 产出判断、依据、风险、赔率结构与可选路径；不做盯盘/交易信号/交易执行。\n\n## 7 类研究框架\n宏观 · 行业 · 公司研究（看懂生意）· 个股深度研究（投资判断）· 政策 · 投资可行性 · 风险 · 投资规划\n\n## 研究内核\n9 红线 · 命门变量聚焦（2-3个+70%火力）· 5步法(A→B→C→D) · 七棱镜多维扫描 · 反共识引擎 · 非对称赔率(上下比+期望值+敏感性测试) · 反证5问 · 质量门控\n\n## 依赖\n- 必需：`python3`\n- 数据脚本（可选）：yfinance / akshare / fredapi 等；API key 读环境变量（FINNHUB_API_KEY / FRED_API_KEY），未设置则跳过该源\n- 联网搜索（可选软依赖）：优先 web-search-plus / tavily skill，未装则降级用内置 web_search\n\n## 可配置环境变量（均带默认值）\n| 变量 | 默认值 |\n|------|--------|\n| `RESEARCH_OUTPUT_DIR` | `~/research-output` |\n| `TRADING_ROOT` | `~/research-data` |\n| `SEARCH_SKILL_PATH` | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 许可\nMIT，见 [LICENSE](./LICENSE)。\n\nFile v1.0.7:_meta.json\n\n{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.7\",\n  \"publishedAt\": 1781083880021\n}\n\nFile v1.0.7:methodology/china-macro.md\n\n# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有为\"=政策温度计）\n- 会议频率：紧急会议/提前召开=重大决策\n\n### 3. 军事/安全信号\n\n- 演习规模/位置/参与兵种 → 判断是常规训练还是信号释放\n- 国防采购/预算变化 → 军工产业链\n- 台海态势 → VIX/避险资产联动\n\n### 4. 国际关系矩阵\n\n| 关系 | 监控指标 |\n|------|----------|\n| 中美 | 关税/制裁/高层通话/贸易数据 |\n| 中欧 | 汽车关税/投资审查/外交访问 |\n| 中日 | 稀土/半导体/外交温度 |\n| 中俄 | 能源协议/军事合作/金融结算 |\n| 南海 | 舰艇活动/声索/ASEAN态度 |\n\n---\n\n## 搜索命令参考\n\n```bash\n# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5\n```\n\n---\n\n## 质量标准\n\n1. **每条解读必须有\"意味着什么\"**——纯转述=废话\n2. **政策措辞对比是核心技能**——\"适度宽松\"→\"更加积极\"=信号\n3. **时间轴思维**——这个政策什么时候影响到市场？下周？下月？下季？\n4. **反共识观点标注**——如果你的判断和主流不同，说清楚为什么\n5. **不确定性诚实标注**——信息不足时说\"数据不够，暂时判断是X，等Y数据验证\"\n\nFile v1.0.7:methodology/company-research.md\n\n# company-research.md — 公司研究框架（理解\"这是门什么生意\"）\n\n> 引用 research-core.md（命门变量+赔率+反证+质量门控）+ source-registry.md + content-reading-protocol.md。\n> **定位与边界**：本框架做**企业基本面研究**——把一家公司当\"一门生意\"研究透：它靠什么赚钱、护城河多深、生意质量多好、能长多大。\n> **与 stock-deep-dive 的分工**：公司研究是上游（理解生意本身，不谈买卖时机/估值高低）；个股深度研究是下游（在理解生意基础上判断\"当前价位值不值得投\"，谈预期差/估值/催化剂/赔率）。**先做公司研究看懂生意，再用 stock-deep-dive 做投资判断。** 做投资可行性时两者衔接。\n\n## 何时用本框架\n- 用户要\"研究/看懂某公司\"（而非直接问\"能不能买\"）\n- 投资判断前的基础功课：先把生意搞懂\n- 对比同行业几家公司的生意质量\n- 一级/拟上市/未覆盖公司的从0认知\n\n## 研究目标定义（紧扣 research-core 一、）\n一句话写清：要回答这家公司的什么核心问题（如\"宁德时代的护城河是否在被价格战侵蚀\"），以及它服务什么决策。\n\n## 命门变量前置（research-core 一半-A·先锁定再研究）\n先诊断：**决定这家公司价值/生死的 2-3 个命门变量是什么**？（如：某SaaS=净留存率NRR；某药企=核心管线；某制造=产能利用率+单位成本曲线）70% 火力打这几个，其余维度扫到即可，不面面俱到。\n\n## 🔑 公司研究独门分析方法（核心·从财报/招股书里挖出别人看不到的东西）\n\n> 七维结构只解决\"看哪些维度\"，下面五个分析法解决\"怎么从原始数字里推出洞察\"。这是公司研究区别于\"读财报摘要复述\"的关键。**研究时不是填章节，而是用这些方法主动审讯数据。**\n\n### 方法A · 商业模式解构三问（价值创造→传递→捕获）\n不要停在\"卖什么\"，要拆三层并各自量化：\n- **创造**：为客户解决什么问题、创造多少价值？（客户因此省了多少钱/多赚多少/避免多大损失）\n- **传递**：怎么把产品送到客户手里？渠道成本占比多少、谁掌握渠道议价权？\n- **捕获**：创造的价值里公司captures了多少？（定价 vs 客户感知价值的gap=提价空间；毛利率=价值捕获效率）\n> 洞察来源：**创造强但捕获弱=有提价空间未释放（潜在预期差）；捕获强但创造在被侵蚀=毛利将下行**。\n\n### 方法B · 单位经济推演（从财报倒推一单生意的赚钱真相）\n把整体财务数字**除到\"单个客户/单件产品\"**，看一单生意的本质：\n- 制造业：单位售价ASP / 单位成本 / 单位毛利的**时间序列**——成本曲线在下行还是上行？ASP在涨还是被价格战压？\n- 订阅/平台：LTV（生命周期价值）÷ CAC（获客成本）>3 才健康；NRR（净留存率）>100% 才有存量自然增长\n- 关键追问：**规模扩大后，单位经济是改善（规模效应真）还是恶化（伪规模）？** 用不同收入规模年份的单位数据对比验证\n> 示范：宇树四足单位成本2.23万→1.21万、人形ASP 59.3万→16.6万——单位成本在降（规模效应真）但ASP暴跌（价格战吞噬）=单位毛利是被两股力量拉扯，必须拆开看哪股占上风。\n\n### 方法C · 护城河压力测试（5种护城河逐项\"证伪\"，不是\"证有\"）\n对每种可能的护城河，不问\"有没有\"，问\"什么情况会让它塌\"：\n- 网络效应→ 若出现并行网络/多归属，效应是否瓦解？\n- 规模成本→ 若对手达到同等规模，成本优势还剩多少？（是结构性优势还是暂时领先）\n- 转换成本→ 客户迁移到对手要付出什么？流失率数据印证了吗？\n- 无形资产（品牌/专利）→ 专利数量/质量经得起诉讼吗？品牌溢价在财报上体现为多少超额毛利？\n- 特许/牌照→ 政策会不会放开？\n> **方向判定（最关键）**：护城河在变宽还是变窄，必须用\"市占率趋势+毛利率趋势+定价权（提价是否掉客）+流失率\"四个数据印证，不是叙事。叙事说\"护城河深\"，数据可能说它正在变窄。\n\n### 方法D · 财报异常信号探测（数字之间的矛盾=线索）\n不孤立看单个指标，看**指标之间该匹配却不匹配的地方**：\n- 应收增速 >> 收入增速 → 可能放宽信用催收入（收入质量存疑）\n- 存货增速 >> 收入增速 → 可能积压/需求转弱\n- 经营现金流 << 净利润 → 利润含金量差（纸面利润）\n- 资本化研发占比异常高 → 可能粉饰当期利润\n- 关联交易占比上升 → 收入真实性存疑\n- 毛利率逆行业趋势 → 要么有真本事，要么有问题，必须查清原因\n> 洞察来源：**每一处\"本该同步却背离\"的地方，都是要追问到底的线索。** 正常时一句话带过，背离时深挖。\n\n### 方法E · 管理层言行一致性审计（用历史数据，不用印象）\n- 拉出管理层过去2-3年的**公开指引/承诺**（业绩指引、产能规划、战略目标），逐条对照**实际兑现情况**——说到做到吗？\n- 资本配置track record：赚来的钱怎么花的（再投资回报率/并购成败/分红回购），看出管理层是\"价值创造者\"还是\"价值毁灭者\"\n- 激励是否与股东一致：持股比例、减持记录、关联交易\n> 洞察来源：**爱画饼但不兑现的管理层，其未来指引要打折；历史兑现率高的，其指引可信度高**——这直接影响你对成长预测的取信程度。\n\n---\n\n## 七维企业研究结构（读财报/招股书/电话会全文，非摘要）\n\n围绕命门变量裁剪笔墨——下面七维都要想到，命门所在维度深挖，其余扫到即可。**每一维都用上面的分析法去审讯数据，不是描述数据。**\n\n### 1. 商业模式：靠什么赚钱\n- 卖什么给谁、怎么收钱（一次性/订阅/抽成/广告）、收入结构与各占比\n- 价值链位置：上游议价/下游粘性、是卖方还是买方市场\n- 单位经济（unit economics）：单客户/单件的赚钱逻辑——获客成本、客单、复购、生命周期价值；规模化后边际成本怎么走\n\n### 2. 护城河：凭什么持续赚钱、别人抢不走\n- 护城河类型：网络效应/规模成本/转换成本/无形资产(品牌专利)/特许经营。逐项判断有没有、有多深\n- **护城河方向（关键）**：在变宽还是变窄？用证据说（市占率趋势、毛利率趋势、定价权、客户流失率）——护城河叙事很多，要用数据验证真伪\n\n### 3. 财务质量：生意的成色（读财报全文）\n- 盈利质量：毛利率/净利率趋势、ROE/ROIC（是否持续>资本成本）、经营现金流 vs 净利润（利润含金量）\n- 资产负债：杠杆、有息负债、商誉减值风险、应收/存货周转\n- 资本配置：赚来的钱怎么花（再投资/分红/回购/并购），管理层资本配置能力\n\n### 4. 竞争格局：这门生意里的相对位置\n- 行业格局：集中度、玩家梯队、本公司份额与趋势\n- 同业对比：与主要对手在毛利率/份额/成长/估值上横向比较（用具体数字）\n- 竞争烈度：价格战？份额争夺？新进入者/替代品威胁\n\n### 5. 管理层与治理\n- 创始人/管理层背景、过往承诺兑现度（说到做到吗）、激励是否与股东一致\n- 股权结构、关联交易、治理红旗（频繁换审计/CFO、激进会计）\n- 资本市场诚信：历史指引准不准、是否画饼\n\n### 6. 成长性：能长多大、靠什么长\n- 成长驱动：量增/价增/新品/新市场/份额提升，逐个拆\n- 天花板（TAM）：长期空间多大，当前渗透率\n- 成长的可持续性与再投资回报（增长是烧钱买的还是内生的）\n\n### 7. 风险与脆弱性（接 research-core 反证5问）\n- 商业模式最脆弱的一环、单一客户/供应商/产品依赖、监管/政策敞口\n- kill condition：看到什么信号说明这门生意的逻辑变坏了\n\n## 估值衔接（本框架不做估值结论，交给 stock-deep-dive）\n公司研究产出\"这是门什么生意、生意质量如何、能长多大\"的判断；**是否值得投、估值贵不贵、有无预期差 → 转 stock-deep-dive 框架**。结尾给一句\"进入投资判断时该重点验证的预期差线索是什么\"作为衔接。\n\n## 产出\n- 结论：**这是门什么生意 + 生意质量评级（好/中/差及理由）+ 护城河方向（变宽/变窄）+ 成长可持续性** + 确信度\n- 命门变量及其当前状态\n- 七维中围绕命门的关键发现\n- 风险与脆弱性 + kill condition\n- 信息盲区\n- 衔接：进入投资判断要验证的预期差线索（不替用户下单）\n\n## 多源验证（每条≥具体数值，红线2）\n财报/招股书全文 · 电话会纪要 · 同业财报横比 · 行业数据 · 管理层历史指引兑现记录——每维有数字和事实，不写\"龙头/稳健/优秀\"空话。\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅**：\"行业龙头，商业模式清晰，护城河深厚，管理层优秀，长期成长空间大。\"\n—— 全是无证据的形容词，没说清靠什么赚钱、护城河凭什么、数据趋势如何，等于没研究。\n\n**✅ 深刻**：\"靠 X 模式赚钱（订阅占收入70%、NRR 118%=存量自然增长）；护城河是转换成本（客户迁移需重构数据管线，流失率仅5%）且在变宽（毛利率3年75%→82%、提价未掉客）；但命门 NRR 近两季 125%→118% 走弱，跌破110%则'存量驱动'逻辑受损（kill condition）。生意质量：高（ROIC 25%>资本成本，现金流/净利1.1）。进入投资判断需验证的预期差：市场是否已把 NRR 放缓 price in。\"\n—— 有模式拆解、护城河方向+数据、命门状态、kill condition、生意质量判断、衔接线索。\n\nFile v1.0.7:methodology/content-reading-protocol.md\n\n# 内容读取协议（所有研究任务共享）\n\n## 最终输出硬规则（所有任务通用·最高优先级）\n你的最终回复**必须以报告内容的第一个实义字符开始**（如 emoji 标题、结论句、或 HEARTBEAT_OK）。\n回复开头**禁止**出现任何：\n- 思考/过程旁白（如 \"I now have...\"、\"Let me compose...\"、\"Now let me...\"、\"我现在来...\"、\"让我...\"、\"首先我...\"）\n- 动作/投递说明（如 \"explicit target failed\"、\"final reply\"、\"报告已推送\"、\"已发送\"）\n- 读取量/工作量自述（如 \"I've deep-read 5 articles\"、\"我读了X篇\"）\n\n所有思考放在工具调用阶段（运行命令/搜索/读取时），final reply **只放成品**。\n投递由系统（cron announce）自动完成，**不要调用 message 工具主动发送**。\n\n## 核心工作流\n\n```\n搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）\n```\n\n---\n\n## 数据文件读取标准\n\n读取 JSON/API 数据后，输出必须包含三层：\n\n1. **具体数值**：原始数字（如 \"南向净买入5.27亿港元\"、\"PMI 49.8\"）\n2. **对比维度**：环比/同比/vs预期/vs均值（如 \"前值50.1，环比-0.3\"、\"较20日均值+2σ\"）\n3. **投资含义**：这个数值对决策意味着什么（如 \"连续3月萎缩区间，制造业收缩趋势确认\"）\n\n---\n\n## 文章/公告读取标准\n\n对每篇 web_fetch 读取的内容，提取三类信息：\n\n1. **关键原文引用**：原话/条款（如 \"文件第三条明确提出'2026年底前完成整改'\"）\n2. **具体数据点**：文中提到的数字（如 \"净投放1000亿，超出市场预期的500亿\"）\n3. **措辞/信号变化**：与之前表述的对比（如 \"从'适度宽松'改为'更加积极'，政策温度上升\"）\n\n---\n\n## 全文阅读硬门控（红线3·最高优先级）\n\n**只读标题/摘要/搜索片段 = 没读。** 任何进入结论的判断，必须基于已 web_fetch / pdf 工具读到的**正文段落**。\n\n硬规则：\n1. 搜索结果（标题+snippet）只用来**选择要读什么**，绝不直接作为结论依据。\n2. 每个关键判断背后，至少有一篇被**全文读取**的原文（财报/政策原文/研报/权威报道正文）。\n3. 长文档（财报、招股书、政策全文、长研报）→ 用 pdf 工具或分段 web_fetch **读完相关章节**，不止读开头。摘要式略读不算数。\n4. 读不到全文的源（付费墙/JS渲染）→ **诚实标注为信息盲区**，不靠标题脑补内容。\n5. 一手 > 二手：能读财报原文就不引用新闻转述；能读政策原文就不引用解读稿。\n\n### 一手源抓取失败的降级路径（防\"硬门控形同虚设\"）\n当目标一手源拿不到正文（付费墙/JS渲染/反爬/只返回免责声明），按以下阶梯降级，并**显式标注本条数据的证据等级**：\n1. **换入口取同一手数据**：官方 API/数据下载页/PDF 年报/官方转载/镜像（如 WGC 正文抓不到 → 试其 Excel 数据下载、IMF 储备数据、AKShare 对应接口）。\n2. **退到权威二手，但必须可交叉**：≥2 家独立权威媒体引用了**同一组具体数字**且数字一致 → 可用，标注\"二手交叉（证据等级B）\"。\n3. **仍拿不到** → 标注\"该数据点存在信息盲区（证据等级C）\"。\n**下结论的红线**：命门变量的关键数据若只到证据等级 C（盲区），**不得就该命门下确定性结论**，必须说\"此命门数据不足、判断确信度降级或暂缓\"。即抓取失败不是\"照常下结论+脚注一句盲区\"，而是**直接影响该判断能否成立**。\n\n## 读取量要求\n\n| 任务类型 | 最低全文读取量 | 每条结论支撑 |\n|----------|-----------|-------------|\n| 宏观研究 | 8-12 篇正文 | ≥1 篇原文 |\n| 政策研究/部委扫描 | 政策原文全文 + 5-8 篇解读 | 受益/受损判断 ≥1 手原文 |\n| 行业深度研究 | 关键公司财报/招股书相关章节 + 行业报告 + 8-15 篇正文 | 每个分环节 ≥2 独立源 |\n| 个股深度研究 | 最近财报全文 + 5-8 篇正文 | ≥2 篇/关键判断 |\n| 投资可行性/风险分析 | 视主题，覆盖正反双方各 ≥3 独立源 | 每个情景 ≥1 数据支撑 |\n\n读取量不是凑数指标——是\"研究是否做透\"的下限。不够就继续读，不靠减量换速度（用户明确：效果优先于速度）。\n\n---\n\n## 质量自检方法\n\n推送前逐条检查你的输出：\n\n1. 每个判断旁标注来源：`[来源: 财联社5/25 - \"央行超预期净投放\"]`\n2. 标注不出来的判断 = 没有依据 → 删除或补充读取\n3. 多源验证表格每个格子是否有具体数值？只写\"确认\"无数字 = 不合格\n\n---\n\n## 示例对照\n\n### 宏观研究——合格输出\n```\n央行操作：今日开展7天逆回购2580亿元（中标利率1.4%），对冲到期10亿后净投放2570亿元，\n连续4日净投放。[来源: RTHK 5/25 - \"规模创近两个月单日新高\"]\n判断：跨月流动性呵护明确，\"收短放长\"格局下短端利率有下行空间。\n```\n\n### 宏观研究——不合格输出\n```\n央行进行了逆回购操作，市场关注流动性。\n```\n↑ 无具体金额、无期限、无来源引用、无对比、无判断依据\n\n---\n\n### 标的研究——合格的多源验证\n```\n- southbound: 确认 | 净买5.27亿港元，Top1，连续3日加仓，占日均成交15.3%\n- analyst: 确认 | 高盛上调目标价至45.0（+12%），理由\"28nm产能利用率达92%超预期\"\n- short_interest: 否认 | 沽空比例8.2%较上周+0.5%，空头小幅加仓\n- announcements: 确认 | 5/20公告Q1收入同比+23%，毛利率38.2%（去年同期35.1%）\n```\n\n### 标的研究——不合格的多源验证\n```\n- southbound: 确认 | 南向有流入\n- analyst: 确认 | 分析师看好\n- short_interest: 无数据\n```\n↑ 无具体金额、无排名、无变化幅度、无分析师名称/理由\n\n---\n\n## 来源筛选（仅限可免费全文访问）\n\n### 中文源\n华尔街见闻、第一财经、财联社、证券时报、新华社、澎湃新闻、央行/部委官网\n\n### 英文源\nReuters、Bloomberg（部分免费）、CNBC、FT（部分免费）、SEC EDGAR、公司IR页面\n\n### 跳过（不尝试不标注）\n财新（付费墙）、其他明确付费源\n\nFile v1.0.7:methodology/feasibility-analysis.md\n\n# feasibility-analysis.md — 投资可行性分析框架\n\n> 引用 research-core.md。用途：判断一个方向/主题/标的值不值得投，逻辑链是否成立。\n> 这是\"该不该参与\"的把关，不是\"怎么买\"。\n\n## 研究目标定义\n明确要评估的对象：一个主题（如\"2万亿AI基建该不该参与\"）/ 一个方向（如\"创新药出海\"）/ 一个标的。\n\n## 🔑 投资可行性独门分析方法（核心·拦住伪机会，找出风险收益比真划算的环节）\n\n> 评估结构解决\"看哪几方面\"，下面四个分析法解决\"怎么判断逻辑链真伪、是否已被定价、最优环节在哪\"。**主动用方法质询，不是罗列利弊。**\n\n### 方法A · 逻辑链强度评分（把\"为什么能赚钱\"拆环节打分，找最弱环节）\n把投资逻辑拆成完整链条 A→B→C→D，每环节按证据强度打分：\n- 事实(有一手数据/已发生)=5分 | 强假设(高概率,有佐证)=3分 | 弱假设(待验证/存疑)=1分\n- 链条强度 = 最弱环节的分数（木桶效应——一环断=整条逻辑崩，不是取平均）\n> 洞察来源：**多数\"大逻辑\"败在某个被默认成立的弱环节。找出那个1分环节，就知道整个机会的真实确定性。**\n\n### 方法B · 定价穿透（对每个环节反推隐含预期，判断已透支多少）\n对逻辑链每个环节做定价检查：\n- 该环节相关标的近期涨了多少？当前估值反推隐含了什么预期（多少增速/渗透率/份额）？\n- 这个隐含预期 vs 逻辑兑现后的真实情况——已透支(一阶,接盘)还是未充分定价(二阶,机会)？\n> 洞察来源：**同一主题里，一阶环节(人人能看到)往往已抢跑透支，二阶/三阶环节(需推理才能看到)才有预期差。穿透定价是区分\"机会\"和\"接盘\"的关键。**\n\n### 方法C · 时间成本折算（量化\"等太久不划算\"）\n- 逻辑兑现需要等多久（有无明确催化触发，还是无限期等待）？\n- 机会成本 = 等待月数 × 其他替代标的的预期回报——等待期的钱本可以赚别的\n- 若兑现时点不确定且无催化，时间成本可能吃掉大部分预期收益\n> 洞察来源：**\"逻辑对但要等3年且无催化\"≈\"逻辑错\"——时间成本是隐性杀手，必须折算进风险收益比。**\n\n### 方法D · 最优环节筛选矩阵（同一主题不同环节，三维打分定位最优）\n同一方向下多个可参与环节，用三维打分选最优 risk:reward：\n- 弹性（逻辑兑现时该环节涨幅潜力）× 确定性（该环节受益的确定程度）× 是否已price in（越没被定价越好）\n- 三维综合最高 = 最优参与环节（不是龙头环节，是性价比最高环节）\n> 洞察来源：**\"看好某方向\"没用，钱要下在弹性大+确定性够+还没被定价的那个环节。三维错配的环节（如弹性大但已透支）要避开。**\n\n---\n\n## 可行性评估结构\n\n### 1. 投资逻辑链是否成立\n- 把\"为什么能赚钱\"拆成完整链条，逐环节质询\n- 哪个环节是假设、哪个是事实？最弱的环节在哪？\n- 链条断在哪里 → 整个逻辑不成立\n\n### 2. 是真机会还是已被定价（红线核心）\n- 这件事市场知道吗？已经涨了多少/price in 多少？\n- 区分：**利好兑现前**（机会）vs **利好已抢跑**（接盘）\n- 一阶逻辑（人人能看到，已定价）vs 二阶/三阶（还没被充分认知）\n\n### 3. 空间与弹性\n- 假如逻辑成立，能赚多少？（上行空间量化）\n- 对哪个环节弹性最大？（同一主题不同环节弹性差异巨大）\n\n### 4. 确定性与时间成本\n- 逻辑兑现的确定性多高？\n- 需要等多久？时间成本（机会成本）是否划算\n- 有没有明确的催化剂触发兑现\n\n### 5. 风险收益比\n- 下行风险 vs 上行空间，比值是否有吸引力\n- 最坏情况能承受吗\n\n## 三种结论（必须明确，红线4）\n- **值得投**：逻辑成立 + 未充分定价 + 风险收益比好 + 有催化 → 说明最优参与环节、关键假设、跟踪信号\n- **不值得投**：给出具体一句话原因（逻辑断在哪/已抢跑/弹性不足/风险不可控/时间成本太高）\n- **有条件值得**：当前不行，但若出现 X 条件则成立 → 列出触发条件，进观察清单\n\n## 红线\n- 写不出\"为什么不是已被定价\" → 倾向不值得投\n- 不因\"题材大/故事好\"就给值得投——故事≠预期差\n- 紧扣\"值不值得投\"这个问题，不发散成泛行业综述\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"这是万亿级大赛道，空间巨大，值得投。\" —— 题材当结论，没回答\"是否已被定价\"\"哪个环节\"。\n**✅ 深刻**：\"逻辑链：A政策→B需求→C标的，最弱环节是B（需求兑现依赖补贴落地，存疑）；一阶受益股（服务器）1个月+102%已抢跑，二阶环节（电力/IDC）估值仍低未price in；最优risk:reward在二阶；确定性中、需等细则、时间窗口1-3月。结论：有条件值得，触发条件=招标落地。\" —— 拆链条、查定价、定环节、给条件。\n\nFile v1.0.7:methodology/industry-research.md\n\n# industry-research.md — 行业研究框架\n\n> 引用 research-core.md（5步法+反证+质量门控）+ source-registry.md（一手源）+ content-reading-protocol.md（全文阅读）。\n> 用途：对一个行业做透——它现在处于什么位置、未来往哪走、机会与风险在哪。\n\n## 研究目标定义\n先写清楚这次行业研究要回答什么（如\"半导体当前景气位置+未来12个月方向+最具预期差的环节\"）。\n\n## 🔑 行业研究独门分析方法（核心·从散落数据拼出景气拐点与利润迁移）\n\n> 六维结构只解决\"看哪些维度\"，下面五个分析法解决\"怎么从一堆数据点里拼出别人看不到的拐点和预期差\"。**研究时主动用这些方法审讯数据，不是描述数据。**\n\n### 方法A · 景气周期四象限定位（用领先指标矩阵拼象限，不靠感觉）\n不靠单一指标，用 库存×价格×capex×订单 四个领先指标交叉定位行业在周期的哪个象限：\n- 库存↓ + 价格↑ + 订单↑ = 主动补库存（复苏早中段，最佳进攻位）\n- 库存↑ + 价格↑ + capex↑ = 过热（接近顶部，警惕）\n- 库存↑ + 价格↓ + 订单↓ = 主动去库存（衰退，回避）\n- 库存↓ + 价格↓ + capex↓ = 被动去库存（萧条末期，左侧布局位）\n> 关键：用**领先指标**（订单/库存/capex）定位，不用**滞后指标**（营收/股价）——后者反映的是已发生的，前者预示将发生的。拐点信号=领先指标的方向变化。\n\n### 方法B · 价值链利润池分析（找\"利润正在迁移\"的方向，不只是描述分工）\n对产业链每个环节算两个数：**利润绝对额** + **利润率**，画出\"利润池\"地图，然后看动态：\n- 钱主要被哪个环节赚走？为什么（壁垒/稀缺/议价权）？\n- **利润池在迁移吗？** 哪个环节利润占比在上升、哪个在下降？迁移的驱动是什么（技术变迁/供需变化/政策）？\n> 洞察来源：**静态利润分布人人知道（已price in），利润池的\"迁移方向\"才是预期差。** 如新能源车利润从整车→电池→上游锂→设备的迁移，每次迁移都是一波机会。\n\n### 方法C · 渗透率S曲线定位（不同阶段对应完全不同的投资策略）\n测算当前渗透率，定位在S曲线哪一段——每段的赢家逻辑不同：\n- <10% 导入期：主题驱动，看技术路线卡位，业绩兑现远，波动大\n- 10-40% 加速期：渗透率提升最快，量增逻辑最强，戴维斯双击高发段（最佳段）\n- 40-70% 成熟早期：增速放缓，从\"谁都涨\"转向\"份额集中\"，看龙头\n- >70% 成熟期：存量博弈，看格局/分红/成本\n> 关键追问：渗透率从X%到Y%需要什么条件触发（成本下降到某阈值/政策/技术成熟）？这些条件成立吗？**渗透率位置决定了你该用成长逻辑还是格局逻辑看这个行业。**\n\n### 方法D · 供需缺口量化（涨价弹性=供给刚性×需求弹性）\n不停留在\"供需紧张\"，量化两侧：\n- 供给侧：扩产周期多长（capex到投产的时滞）？产能刚性多强（重资产/牌照/技术壁垒越高越刚性）？\n- 需求侧：需求是刚性还是可选？价格敏感度？\n- **缺口持续性**：供给刚性越强（短期补不上）+ 需求越刚性 = 涨价持续越久、弹性越大\n> 洞察来源：**市场常只定价\"涨价\"这个事实，不定价\"涨价的持续性\"。** 供给刚性决定的持续性，才是预期差所在（如存储涨价能持续到H2，因原厂capex纪律+扩产时滞）。\n\n### 方法E · 技术路线替代判断（找性能/成本交叉点=切换拐点）\n当行业存在新旧技术路线竞争时，找两条曲线的交叉点：\n- 新路线的性能/成本曲线 vs 旧路线——什么时候新路线在\"性价比\"上反超？\n- 反超后切换速度多快（取决于转换成本/产业链配套/客户惯性）？\n- 当前领先者押注的是哪条路线？押错了，3年后还是领先者吗？\n> 洞察来源：**技术替代的拐点常被低估或高估时点。** 提前于交叉点布局新路线、或识别旧路线龙头的\"价值陷阱\"，都是预期差。\n\n---\n\n## 六维行业分析框架\n\n### 1. 行业结构与产业链\n- 拆产业链：上游→中游→下游，每个环节做什么、谁主导、利润分布在哪\n- 价值量分布：钱主要被哪个环节赚走？为什么？\n\n### 2. 核心驱动力\n- 需求侧：什么在拉动需求？长期趋势 vs 周期波动\n- 供给侧：产能、技术、成本曲线\n- 政策/监管：是顺风还是逆风\n- 区分**结构性成长**（长期渗透率提升）vs **周期性波动**（库存/价格周期）\n\n### 3. 景气位置（关键·前瞻）\n- 现在处于周期哪个阶段？（复苏/过热/衰退/萧条 或 渗透率早/中/晚期）\n- 用什么指标判断？（库存、产能利用率、价格、订单、capex）\n- **拐点信号**：什么数据出现会标志景气向上/向下转折\n\n### 4. 竞争格局\n- 集中度（CR5/CR10）、格局演变方向\n- 谁有定价权/护城河？壁垒是什么（技术/规模/牌照/生态）\n- 国产替代/国产化率（中国相关行业必看）\n\n### 5. 长期空间\n- TAM 测算（自下而上：量×价 或 渗透率×总盘）\n- 当前渗透率 vs 天花板\n- 增速可持续性\n\n### 6. 市场定价 vs 真实情况（预期差）\n- 市场当前怎么定价这个行业？（板块估值分位、资金流向、情绪）\n- 真实基本面 vs 市场预期差在哪？\n- 哪些环节已被充分定价（拥挤），哪些还没（机会）\n\n## 产出\n- 行业景气判断（位置+方向+确信度）\n- 产业链中最具预期差的环节 + 理由\n- 该环节的代表标的（不替用户决策，列出供进一步研究）\n- 关键跟踪指标（未来盯什么数据验证/证伪判断）\n- 风险与信息盲区\n\n## 输出后\n把研究报告归档到 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`（如需远程备份由调用方备份任务自行处理）。下次同行业研究先读最近几篇产物作背景——认知连续性靠**带日期的真实研究产物**，不靠预存的静态档案。\n\n---\n\n## 深度追问清单（每个维度问到底，逆出深度）\n\n做完六维不够，要对每个维度追问“为什么”直到触及本质：\n- **驱动**：这个需求是真实的还是补贴/囤货拉出来的？需求增速是加速还是减速？驱动能持续几年？\n- **景气**：现在是周期底/顶，还是中段？识别拐点的领先指标是什么（不是滞后的价格/营收，是领先的订单/库存/capex）？\n- **格局**：现有赢家的护城河会被什么打破（技术路线变迁/新进入者/政策）？当前领先者 3 年后还是领先者吗？\n- **空间**：TAM 是用倒推还是拍脑袋？渗透率从 X% 到 Y% 需要什么条件触发，这些条件成立吗？\n- **定价**：市场现在的价格隐含了什么预期（反推：现价对应多少增速/渗透率）？我的判断 vs 这个隐含预期差在哪？\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅的行业研究**：“半导体是 AI 的基石，需求旺盛，国产替代空间大，看好。”\n—— 全是人人知道的一阶信息，无数据、无景气位置、无预期差、无拐点信号。\n\n**✅ 深刻的行业研究**：“存储现货价 DDR5 近 3 个月从 $X 涨到 $Y（+Z%），原因是原厂 capex 纪律+HBM 挤压标准品产能；市场仅定价了周期复苏，未定价涨价的持续性（供给刚性可能持续到 H2）。拐点信号：原厂投片量、HBM 产能占比。”\n—— 有具体数据、有景气拐点判断、有“市场定价 vs 真实”的预期差、有可跟踪的领先指标。\n\nFile v1.0.7:methodology/investment-planning.md\n\n# investment-planning.md — 投资规划框架\n\n> 引用 research-core.md + risk-analysis.md。用途：目标导向的配置思路、节奏、优先级、跟踪计划。\n> 提供规划与路径，不替用户下单、不维护持仓纪律。\n\n## 规划起点：以终为始\n- 先明确用户的目标/约束（收益预期、时间、风险承受、资金量、流动性需求）——不清楚就先问，不臆设\n- 规划是为目标服务的，先有目标再有路径\n\n## 规划结构\n\n### 1. 配置思路（自顶向下）\n- 大类资产/主题间的逻辑分配（基于宏观判断+各方向研究结论）\n- 为什么是这个结构？对应什么判断？\n- 进攻仓 vs 防守仓的角色分工\n\n### 2. 优先级排序\n- 把已研究的机会按\"预期差强度 × 确定性 × 风险收益比\"排序\n- 哪些是核心仓（高确信）、哪些是卫星仓（高弹性高风险）、哪些是观察（条件未成熟）\n\n### 3. 节奏（前瞻）\n- 什么时候介入？等什么催化剂/估值/信号\n- 分批 vs 一次；左侧 vs 右侧的权衡\n- 各机会的时间窗口\n\n### 4. 跟踪计划\n- 每个核心判断对应的跟踪指标（盯什么验证/证伪）\n- 复盘节点：什么时候回看判断是否还成立\n\n## 产出\n- 配置框架（结构+理由）\n- 优先级清单（机会排序+角色）\n- 介入节奏与触发条件\n- 跟踪与复盘计划\n- 关键风险与盲区\n- **明确：这是规划思路与可选路径，最终决策与执行由用户做**\n\n## 红线\n- 不替用户决定具体买卖股数/价格/时点（除非用户当次明确要求做仓位测算，作一次性工具）\n- 规划基于研究结论，不脱离已验证的判断空谈配置\n- 诚实标注假设依赖（这套规划在什么前提下成立）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"建议均衡配置，分散风险，长期持有。\" —— 无目标锚定、无优先级、无节奏、无跟踪。\n**✅ 深刻**：\"以终为始：目标=X。核心仓（高确信，已验证预期差的方向）vs 卫星仓（高弹性高风险）角色分工；优先级按 预期差强度×确定性×风险收益比 排序；节奏=等Y催化剂右侧介入/分批；每个判断对应跟踪指标Z，复盘节点。明确这是规划思路，执行由用户决定。\" —— 锚目标、分角色、定节奏、可跟踪。\n\nFile v1.0.7:methodology/ministry-scan.md\n\n# 部委政策扫描 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n每日系统性扫描全部中国部委当日发文，确保不遗漏任何重要政策信号。\n是\"中国宏观研究\"的数据层补充——宏观研究做解读，这个任务做覆盖。\n\n---\n\n## 输出模板\n\n```\n# 🏛️ 部委政策扫描 [日期]\n\n## 📌 今日重点（≤5条，按投资影响排序）\n1. [部委名] 政策标题 → 核心内容（50字内）→ 影响判断\n\n## 📋 各部委逐条分析\n\n### [部委名]（X条）\n#### 1. [标题]\n- **来源**：[URL]\n- **核心内容**：[基于全文提炼的关键信息，不是标题复述]\n- **政策意图**：[为什么出这个政策]\n- **影响领域**：[哪些行业/公司受影响]\n- **时间窗口**：[何时生效/影响何时显现]\n\n（按此格式逐条）\n\n## 🔗 投资关联（深度研究，硬性要求）\n\n每条重要政策必须完成以下分析：\n\n### 传导链条（必须写清楚）\n```\n政策 → 受益行业 → 受益环节（上游/中游/下游） → 具体标的（A股+港股）\n```\n\n### 每个标的必须回答：\n1. **为什么是它**（市占率/技术壁垒/政策绑定度）\n2. **受益程度**（占营收比例/弹性大小）\n3. **时间窗口**（政策何时影响到报表）\n4. **当前估值**（PE/PB 是否已 price in）\n5. **风险**（政策不及预期/执行不到位/竞争格局）\n\n### 输出格式\n```\n| 政策 | 传导链 | 标的 | 受益逻辑 | 弹性 | 估值 | 风险 | 结论 |\n|------|--------|------|----------|------|------|------|------|\n| X部委Y政策 | 行业→环节 | 代码+名称 | 为什么受益 | 占营收X% | PEx/已涨X% | 具体风险 | 值得跟踪/已price in/PASS |\n```\n\n### 与当前持仓的关联（必须回答）\n- 今日政策对现有持仓是利好/利空/无关？\n- 是否需要调整仓位/止损？\n\n### 新机会筛选（满足任二才列入）\n- 政策确定性高（已发文/有时间表/有资金安排）\n- 市场未充分 price in（股价未反映/分析师未覆盖）\n- 弹性足够（占营收>15%）\n- 有明确催化剂时间节点\n\n## 📊 今日部委活跃度\n| 部委 | 发文数 | 重要度 |\n|------|--------|--------|\n\n## ⚠️ 信息盲区\n- 未获取到内容的部委/文章：\n```\n\n---\n\n## 覆盖范围（19个部委）\n\n### 直接爬取（官网可访问）\n- 财政部、外交部、农业农村部、国资委、科技部、税务总局、能源局\n\n### 搜索采集（官网JS渲染）\n- 商务部、住建部、交通运输部、人社部、教育部、卫健委\n- 生态环境部、自然资源部、市场监管总局、金融监管总局、外汇管理局、工信部\n\n---\n\n## 内容深度读取原则（硬性约束，违反=任务失败）\n\n**ministry_scan.json 只提供标题和URL。标题≠内容。必须读正文。**\n\n### 绝对禁止\n- ❌ 只看标题就判断政策内容/影响\n- ❌ 用\"根据标题判断...\"/\"从标题推测...\"这类表述\n- ❌ 未读原文就分析投资影响\n- ❌ 输出中找不到来自原文的具体信息\n\n工作流：\n1. 读取 `ministry_scan.json` → 获取今日各部委发文列表（这一步只是线索）\n2. **对每条有投资价值的政策，必须 web_fetch 读取原文全文**\n3. 基于原文中的**具体条款、具体数据、具体措辞**进行分析\n4. 输出时引用原文具体内容（\"第X条规定...\"/\"文件明确提出...\"）\n\n```bash\n# 读取文章原文的标准方式\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\s+', ' ', html).strip()\nprint(html[:4000])\n\"\n```\n\n**筛选标准：哪些需要深读？**\n- 含\"政策/办法/意见/通知/规划/方案\"字眼 → 必读\n- 涉及金融/房地产/科技/能源/贸易 → 必读\n- 部长/副部长级讲话 → 必读\n- 常规人事/党建/慰问 → 跳过\n- 地方分支机构日常 → 跳过\n\n每次扫描至少深读 8-12 篇原文。\n\n---\n\n## 政策分析框架\n\n对每条重要政策：\n1. **谁发的**（部委级别决定权重）\n2. **核心内容**（不是标题，是原文提炼）\n3. **政策意图**（解决什么问题？回应什么压力？）\n4. **与已知政策的关系**（新政策？还是已知政策的实施细则？）\n5. **影响链**（政策 → 行业 → 公司 → 股价，几步传导？）\n6. **时间窗口**（立即生效？征求意见？Q3实施？）\n\n---\n\n## 质量标准\n\n1. 每条分析必须基于原文内容，能指出\"这个结论来自哪篇文件的哪段内容\"\n2. \"投资关联\"必须具体到板块/标的\n3. 没有重要政策时也要明确说\"扫描完毕，今日无重大政策\"\n4. 周末/节假日部委不发文属正常，标注即可\n\nFile v1.0.7:methodology/policy-research.md\n\n# policy-research.md — 政策研究与追踪框架\n\n> 引用 research-core.md + content-reading-protocol.md（政策必读原文全文，红线3）。\n> 用途：解读政策原文，判断意图、落地路径、受益与受损环节。\n\n## 🔑 政策研究独门分析方法（核心·把政策原文转化为可量化的传导判断）\n\n> 六步法解决\"按什么步骤读\"，下面四个分析法解决\"怎么从政策文本里量化出力度、弹性、落地概率\"。**主动用方法审讯文本，不是复述条款。**\n\n### 方法A · 政策力度五维评级（把\"力度大\"量化成可比分数，防主观）\n对五个维度各打分（高/中/低），合成判断真实推动力——避免\"政策大力支持\"这类空话：\n- 发文层级：中央/国务院 > 多部委联合 > 单部委 > 地方（层级越高力度越大）\n- 措辞刚性：硬约束(\"必须/不得/到X年完成X%\") > 中性(\"推进/落实\") > 软鼓励(\"支持/鼓励/探索\")\n- 资金配套：明确金额+来源(财政/专项债/大基金) > 提及资金 > 无\n- 时间表明确度：有明确节点+考核 > 有方向无节点 > 无\n- 考核问责：有问责/督查机制 > 无\n> 洞察来源：**五维都强=真利好可能被低估；只有层级高但措辞软/无资金无时间表=\"定调式\"政策，市场易过度反应（预期差在\"市场高估了力度\"那侧）。**\n\n### 方法B · 传导链弹性量化（不只说受益方向，算各环节弹性差异）\n政策→需求变化→各环节，对每个环节量化\"政策变量变动X，该环节受益变动多少\"：\n- 找弹性最大的环节：同一政策下，越靠近政策直接作用点、营收占比越集中于受影响业务、产能越能快速响应的环节，弹性越大\n- 区分\"直接受益\"（政策直接补贴/采购的环节）vs\"间接受益\"（下游需求拉动的环节），弹性和确定性都不同\n> 洞察来源：**市场常买\"政策受益\"这个方向，但不区分弹性——找出弹性最大且未被充分定价的环节，才是预期差。**\n\n### 方法C · 落地概率矩阵（判断这次政策能否真兑现）\n落地概率 = 历史同类政策兑现率 × 本次资金确定性 × 执行主体能力/动力：\n- 历史参照：同类政策过去的落地兑现情况（说了多少、做到多少）\n- 资金确定性：钱从哪来、到位了没（无资金的政策落地率低）\n- 执行主体：谁执行、有无动力和能力（地方财政紧张时执行打折）\n> 洞察来源：**无明确时间表/资金的政策是慢变量，不构成可交易预期差——把\"定调\"误当\"可执行利好\"是政策研究最大的坑。**\n\n### 方法D · DELTA解读法（逐字对比新旧文本，量化措辞温度变化）\n政策的信息量常在\"和上一版比变了什么\"：\n- 逐句对比本次政策与上一版/上次表述：哪些词升级了（\"稳步推进\"→\"加快建设\"=温度升）、哪些限制松了/紧了、哪些新增了\n- 措辞温度变化往往领先于实质政策落地，是早期信号\n> 洞察来源：**单看一份政策看不出方向，看\"措辞的边际变化\"才能捕捉政策风向的拐点（如从控制转向鼓励的第一个信号）。**\n\n---\n\n## 政策分析六步法\n\n### 1. 谁发的、发了什么\n- 发文主体（层级：国务院/部委/地方，层级决定力度）\n- 文件类型（规划/意见/通知/管理办法/征求意见稿——征求意见≠落地）\n- **读原文全文**，不靠二手解读\n\n### 2. 核心内容\n- 关键条款原文引用 + 具体数字（金额/时间表/比例/范围）\n- 提取硬约束（\"必须/不得/到X年完成\"）vs 软鼓励（\"支持/鼓励\"）\n\n### 3. 政策意图（为什么现在发）\n- 解决什么问题？背景是什么？\n- 与更高层定调的关系（是否落实某个中央精神）\n\n### 4. 与已知政策的关系（DELTA思维）\n- 比之前的表述变了什么？措辞温度升高还是降低？\n- 是新方向还是延续/加码？\n\n### 5. 影响链（传导，红线6 落到标的）\n- 政策 → 受益行业 → 受益环节 → 具体标的（A股+港股代码）\n- 同时分析**受损环节**（政策有人受益必有人承压）\n- 每个标的：为什么是它？弹性多大？估值是否已 price in？\n\n### 6. 时间窗口\n- 落地节奏：短期催化（吹风会/细则/招标）vs 长期慢变量\n- 关键时间节点\n\n## 落地路径判断（政策最易踩的坑）\n- 区分\"定调\" vs \"可执行细则\"——很多政策利好是慢变量，无明确时间点的不构成可交易预期差\n- 资金从哪来？（财政/专项债/社会资本）落地确定性如何\n- 历史同类政策的落地兑现率参考\n\n## 产出\n- 政策核心（一句话）+ 投资级别评估\n- 受益/受损环节 + 具体标的 + 弹性/估值/风险\n- 落地路径与时间窗口\n- 与持续追踪的政策主线的关系（研究产物归档到 ${RESEARCH_OUTPUT_DIR:-~/research-output}/macro-policy/）\n- 信息盲区（哪些原文没读到/付费墙）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"国家出台政策支持半导体，利好板块。\" —— 无原文条款、无受益环节、无落地路径、无时间窗口。\n**✅ 深刻**：\"文件第X条提出'2027年前国产化率达Y%'（硬约束含时间表），传导：政策→设备/材料环节（受益最确定，因国产化率最低）→具体标的（代码）；但属慢变量，无近期招标细则前不构成可交易预期差；落地资金来自大基金三期。受损：依赖进口的环节。\" —— 有原文、有受益受损、有落地确定性、有时间窗口。\n\nFile v1.0.7:methodology/research-core.md\n\n# research-core.md — 深度研究内核（所有研究课题通用）\n\n> 这是任何研究都要遵循的内核。六个专题框架（行业/个股/政策/可行性/风险/规划）都在此之上展开。\n> 九条红线是地基：①有深度有前瞻 ②数据真实不杜撰 ③全文阅读不停留表面 ④结论质量门控不说空话 ⑤第一性原理广收集深研究 ⑥紧扣研究目标不偏离 ⑦prompt 最佳实践榨干模型 ⑧客观准确不主观 ⑨未充分调研不下结论。\n\n---\n\n## 一、研究启动：先定义问题（红线6 紧扣目标）\n\n任何研究开始前，先用一句话写清楚：\n- **研究目标**：要回答的核心问题是什么？（如\"半导体行业现在处于景气周期哪个位置，未来12个月向上还是向下\"）\n- **决策关联**：这个答案会影响什么投资判断？\n- **成功标准**：什么样的产出算\"回答了\"这个问题？\n\n研究过程中每隔一段回看这句话——产出是否还在回答它，还是跑偏了。**偏离即停，拉回主线。**\n\n---\n\n## 一半、研究设计 + 多维扫描（红线1/5/6 · 所有研究强制前置，反\"千篇一律\"+反\"单维度\"）\n\n> 这一步是高质量研究区别于\"套模板\"的关键。动笔取数前，先做两件事：① 诊断对象、设计本次研究的重心（贴合实际，不千篇一律）；② 过一遍七棱镜，确保多维数据都扫到（不漏维度，不闭门造车）。\n\n### A. 研究设计（先诊断，再决定怎么研究）\n\n任何研究对象（个股/行业/主题/政策/宏观）都先问三句，写下来：\n\n1. **核心矛盾是什么？锁定 2-3 个关键变量（命门）。** 这个对象当下最关键的、决定其价值/走向的那 **2-3 个变量** 是什么？（如：某药企=核心管线 III 期能否读出正面；某周期股=景气位置在顶还是底；黄金=实际利率方向 vs 央行购金；某主题=政策落地节奏 vs 市场抢跑程度）\n   > **聚焦纪律（资深专家的效率密码）**：资深投研专家 80% 精力只盯这 2-3 个命门变量，其余都是噪音。**找对变量 > 收集更多数据。** 本次研究 70% 火力打这几个变量——它们错了结论就错。不要面面俱到而失焦。\n   > **火力达标的客观标尺（防\"口号\"）**：命门变量必须满足——①每个命门变量都独立取了硬数据/读了正文（不是一句话）②围绕命门的分析篇幅 ≥ 全文 60%③结论的赔率与立场直接由命门变量推出。**命门（决定价值的因，2-3个）≠ 七棱镜主战场（要扫的维度，可3-4个）**：命门是\"答案的来源\"，棱镜是\"检查的清单\"；一个棱镜可能承载某个命门（如黄金的\"宏观\"棱镜承载\"实际利率\"命门），但不要把\"扫了4个维度\"误当成\"4个命门\"。命门数量硬上限 3 个。\n2. **驱动类型是什么？** 它主要被什么驱动——业绩周期 / 政策 / 技术突破 / 地缘 / 估值修复 / 资金面 / 事件催化？驱动类型决定哪些维度是主战场。\n3. **据此裁剪：哪些维度重笔墨、哪些一句话带过？** 把下面七棱镜按本对象的相关性排序，**主战场维度深挖（占报告 60-70% 笔墨），约束/背景维度扫到即可。**\n\n> 原则：**研究结构服从研究对象，不是对象去填模板的固定章节。** 模板给的是\"必须想到的维度全集 + 方法\"，不是\"必须照填的格子\"。一个政策驱动主题和一个业绩 beat 个股，重心天差地别——设计这一步就是让结构贴合实际。\n\n### B. 七棱镜多维扫描（每个研究都过一遍，不漏维度）\n\n无论研究什么，下面七个棱镜**逐个过一遍**，判断与本对象的相关性：相关的纳入取数与分析，**不相关的也要一句话写明\"为何判定可忽略\"**（强制过一遍，防止漏掉真正重要的外部变量）。\n> **略过维度的最低判据（防\"合理化偷懒\"）**：判一个棱镜\"低相关可一句话带过\"，这句话必须说清**\"该维度对本对象无显著传导路径\"的具体理由**（如\"该公司无海外营收，汇率维度可略\"），而非\"看起来不重要\"。**只要该维度可能影响命门变量，就必须取数，不得略过**——略过的前提是\"已判断它碰不到命门\"，不是\"懒得查\"。\n\n| 棱镜 | 看什么 | 典型一手源 |\n|------|--------|-----------|\n| ① 宏观 | 利率/汇率/流动性/通胀/景气周期位置，对该对象的传导 | FRED、统计局、AKShare、央行操作、china-macro/us-macro.md |\n| ② 政策/监管 | 产业政策、监管变化、补贴/限制、医保/关税，原文意图与落地 | 政府网/部委原文、policy_gov_fetcher、ministry_scanner |\n| ③ 地缘政治 | 大国博弈/制裁/出口管制/冲突/选举/同盟，对供应链与资产的传导 | 权威报道正文、BIS/实体清单原文、官方声明 |\n| ④ 产业链上下游 | 上游成本/供给、下游需求/景气、竞争格局、替代关系 | 上下游公司财报、行业协会数据、价格数据 |\n| ⑤ 资金面/投资者行为 | 南向/北向、机构持仓与变动、沽空、ETF 流、一致预期修正、超级投资者动向 | southbound/short_interest/analyst_revision/sec_13f/superinvestor_moves |\n| ⑥ 新闻/事件/情绪 | 近期催化事件、市场叙事、情绪过热/过冷、预期差线索 | Serper news、Tavily、公司公告 |\n| ⑦ 标的/对象自身 | 基本面（财报/管线/产能/估值）、技术/竞争壁垒、管理层 | 财报全文、招股书、IR、电话会、yfinance |\n\n> 多维的意义不是\"七个维度都写一段\"凑长度，而是**用多棱镜交叉验证一个判断、并捕捉单一维度看不到的预期差**（如：基本面平淡但地缘催化被低估；景气向上但政策风险被忽视）。交叉点常常就是预期差所在。\n> 红线：相关维度若没去取数就下结论 = 闭门造车（红线5/9），不合格。\n\n---\n\n## 二、深度研究 5 步法\n\n### Step 1 — 识别异常 / 界定问题\n- 要研究什么？**什么变了？变了多少？**（量化）\n- 市场现在怎么看这件事？（共识基线 = 后面找预期差的参照系）\n\n### Step 2 — 形成假设（A → B → C → D）\n- **A（事实）**：可验证的客观事实是什么\n- **B（推断）**：由 A 推出什么\n- **C（市场定价检查）**：当前价格/估值/情绪已经price in了什么？市场是否已经知道 B？\n- **D（含义）**：如果 B 正确而市场没充分定价，意味着什么机会/风险\n\n> 没有 C（定价检查）的研究是半成品——\"好公司\"不等于\"好投资\"，关键是\"比市场认为的好/差\"。\n\n### Step 3 — 验证 / 证伪（红线2/5 真实·广收集）\n- **充分搜索优先（红线5/9硬性）**：任何研究都必须先广撦网搜够资料再下判断——绝不凭记忆/单一来源闭门造车。模型记忆必有时效滞后与盲区，\"井底之蛙自以为是\"是研究大忌。多源、多角度、正反都搜，宁多勿少。\n- 每个关键判断 **≥2 个独立证据** 支持或反对\n- **一手优先**：财报原文 > 政策原文 > 行业协会/官方数据 > 权威研报 > 新闻转述\n- 主动找**反方证据**，不只找支持自己假设的（确认偏误是研究第一杀手）\n\n### Step 4 — 量化与情景 + 非对称赔率（红线1 深度·前瞻）\n- 尽量量化:市场空间(TAM)、增速、弹性、估值区间、概率\n- 列 **Bull / Base / Bear 三情景**，各自的假设、概率、对应结果\n- 估值自己算（新EPS×合理PE / DCF / SOTP / 重置成本），**不直接抄分析师目标价**（滞后指标）\n- **算非对称赔率（投研的终极产物——不是\"会涨吗\"而是\"赔率值得下注吗\"）**:\n  - 下行空间（Bear 情景跌到哪）vs 上行空间（Bull 情景涨到哪），算 **上下比**（如 Bull +60% / Bear -15% = 4:1）\n  - 用情景概率算 **期望值**（E[V] = P_bull×Bull% + P_base×Base% + P_bear×Bear%）\n  - **概率不许拍脑袋（否则期望值是假精确）**：每个情景概率必须给锚定理由（基于命门变量的状态/历史频率/隐含概率，而非主观感觉）；并做 **翻转敏感性测试**——问\"概率要变到多少，结论才反转？\"若小幅调整概率（如 ±10pct）就让立场从\"值得\"翻到\"不值得\"，说明结论脆弱，必须明确标注\"结论对概率高度敏感、确信度低\"\n  - 明确表态:在当前价格，**这个赔率是否非对称地有利**？非对称（如 4:1 且期望值为正）= 值得严肃考虑；对称（1:1）或期望值为负 = 不下注更好\n  > 投研的本质是用认知差换非对称赔率。Bull/Base/Bear 不是用来\"覆盖三种可能性\"凑全面，而是为了得出\"这个下注的期望值与赔率结构\"。没有这一步，研究只到\"判断方向\"，没到\"决策依据\"。\n\n### Step 5 — 结论（红线4 质量门控）\n清晰立场 + 确信度 + 关键假设 + 风险 + 信息盲区 + 可选路径。\n**不替用户下交易决策**，给判断和依据。\n\n---\n\n## 二半、反共识引擎（深度与预期差的核心发动机）\n\n预期差只存在于“共识错的地方”。所以每次研究必须主动做三件事，否则必然滑向复述共识（= 无价值）：\n\n1. **先明确写出市场共识**：这件事/这个标的，卖方和市场主流观点是什么？（写不出共识 = 还没调研够，不能下结论）\n2. **质疑共识哪里可能错**：共识建立在什么隐含假设上？哪个假设最脆弱/最可能被现实推翻？有没有被忽略的事实或新变化？\n3. **表态是跟随还是偏离**：我的判断是和共识一致（那就没预期差，明说）还是偏离（偏离在哪、为什么、市场为何还没看到）？\n\n> 原则：不为了反而反（为偏离而偏离是另一种偏见）。与共识一致时就老实说“无明显预期差”，不碌造。但每次都要检查过。\n> **偏离共识的操作化判据（防\"为显得有洞见而刻意偏离\"）**：每次声称\"偏离共识\"，必须指出共识依赖的某个**具体、可证伪**的假设，并给出\"该假设为何可能错\"的证据或逻辑（如\"共识隐含下半年降息2次→但最新就业/通胀数据指向不降反加\"）。说不出共识的具体可证伪假设 = 这不是真偏离，是为反而反，回去重做。\n> 警惕：模型自身的存量认知就是“过去的互联网共识”，有时效滞后和叙事锚定。一手数据 + 独立推理 > 依赖记忆。\n\n---\n\n## 三、反证（任何重要判断成形前必做）\n\n问自己 5 个问题：\n1. **空头/反方会怎么说？** 最有力的反驳是什么？\n2. **市场可能是对的吗？** 我看到的\"预期差\"会不会其实已被定价、或我理解错了？\n3. **最脆弱的一环在哪？** 整条逻辑链哪个环节断了判断就崩？\n4. **什么证据会推翻我？** 明确写出\"如果看到 X，我就错了\"（kill condition）。\n5. **风险能否定价/对冲？** 不可定价的尾部风险 vs 可管理的已知风险。\n\n---\n\n## 四、结论质量门控（红线4 · 推送前逐条过）\n\n不满足任一条 → 不是合格研究，回去补：\n\n- [ ] **有立场**：给了明确判断（看多/看空/中性/值得投/不值得投），不是\"有待观察\"\"值得关注\"这类滑头话\n- [ ] **有依据**：每条判断可回溯到具体来源 + 具体内容（数值是具体数字，不是\"较多/不少/有所\"）\n- [ ] **有定价检查**：明确说了市场现在定价了什么，我的判断 vs 市场差在哪\n- [ ] **有反方**：写了空头逻辑/最大风险，不是只说好话\n- [ ] **有量化**：空间/弹性/估值/概率至少量化了关键变量\n- [ ] **有命门变量**（聚焦纪律）：开头明确写出本对象的 2-3 个关键变量（命门），且 70% 笔墨打在这几个变量上，没有面面俱到而失焦\n- [ ] **有非对称赔率**（投研终极产物）：算了上下比（Bull% / Bear%）和期望值，明确表态\"在当前价格赔率是否非对称地有利\"，不是只给\"会涨/会跌\"的方向判断\n- [ ] **赔率概率有锚定+做了敏感性测试**：情景概率给了锚定理由（非拍脑袋），并测了\"概率变多少结论反转\"；对概率高度敏感的结论已标注低确信度\n- [ ] **一手源失败有交代**：关键数据若一手源抓取失败，按 content-reading-protocol 的降级路径处理，并明确标注证据等级与该情况下能否下结论\n- [ ] **有前瞻**：指出了未来的催化剂/拐点信号/时间窗口，不只是复述已发生的\n- [ ] **有确信度与盲区**：标注了这个判断有多确信、哪些没查到/查不准\n- [ ] **客观准确**（红线8）：结论基于事实与数据，不是主观感受/拍脑袋；区分\"事实\"与\"我的推断\"，后者明确标注为判断；数据准确无误（单位/时间/口径核对）\n- [ ] **充分调研**（红线9）：达到该类研究的最低全文读取量与多源验证；调研不足时说\"调研不足、暂不下结论\"，不拼凑\n- [ ] **反共识检查**（预期差发动机）：明确写了市场共识是什么 + 质疑了共识哪里可能错 + 表态我是跟随还是偏离（一致则明说无预期差，不碌造）\n- [ ] **多维扫描**（一半B）：七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）都过了一遍；相关维度取了数、不相关的明说了为何忽略；不是只看单一维度就下结论\n- [ ] **贴合实际（非套模板）**（一半A）：开头写了本对象的核心矛盾与驱动类型，报告结构围绕核心矛盾设计（主战场重笔墨），而非机械套用固定章节\n- [ ] **紧扣目标**：通篇在回答开头定义的研究问题，没跑偏\n\n---\n\n## 五、诚实原则（红线2）\n\n- 证据不足 → 说\"证据不足，无法下结论\"，**绝不编造数据/事实/引用来源**\n- 数据查不到 → 标注信息盲区，不用\"估计/大概/应该是\"凑数字\n- 矛盾证据 → 如实呈现矛盾，给出在矛盾下的概率判断，不掩盖\n- 引用必须真实：写\"某文件第X条提出Y\"时，Y 必须是真的读到的原文，不是合理推测的内容\n\n---\n\n## 六、客观准确（红线8）\n\n- **事实与观点分开**：写清哪些是可验证事实（带源）、哪些是我的推断。推断明确标为判断，不伪装成事实。\n- **不预设立场**：不为证明一个预设结论而选择性取证（确认偏误）；正反证据都摆，让证据决定结论，不是结论决定取哪些证据。\n- **数据准确**：每个数字核对单位、时间、口径（如同比/环比、亿/万、人民币/美元）；不确定的数据标为存疑，不四舍五入造精度。\n- **情绪免疫**：不受市场情绪、标题党、有倾向性表述带节奏；看原始事实不看叙事。\n- **不多不少**：不夸大利好也不渲染利空；有几分证据说几分话。\n\n## 七、充分调研才下结论（红线9）\n\n- 下任何结论前，先问：我调研够了吗？达到该类研究的最低全文读取量了吗（见 content-reading-protocol）？关键判断多源验证了吗？\n- 证据不足→ 明说\"调研不足、暂不下结论\"，并列出还需调研什么才能下结论；绝不拿单一来源/表面信息就下断言。\n- 区分\"初步印象\"与\"研究结论\"：初步印象可以说，但必须明标为初步、未充分验证。\n\nArchive v1.0.6: 42 files, 139258 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/company-research.md (5811b), methodology/content-reading-protocol.md (6489b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (15506b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (1418b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (3096b), SKILL.md (6458b), _meta.json (143b)\n\nFile v1.0.6:SKILL.md\n\n---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架、5研究模板、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、公司研究、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nlicense: MIT\nmetadata:\n  clawdbot:\n    emoji: \"📊\"\n    requires:\n      bins:\n        - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `TRADING_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 公司研究（看懂生意本身） | methodology/company-research.md | — |\n| 个股深度研究（投资判断） | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集\n```\n数据落盘 `${TRADING_ROOT:-~/research-data}/data/daily/{date}/`（由 TRADING_ROOT 环境变量控制）。\n\n### 搜索（找线索，不出结论）\n**优先用专用搜索 skill（Serper/Tavily，覆盖好、可控）；未安装时降级用内置 `web_search` 工具兜底。** 结论靠 web_fetch/pdf 读全文，搜索只找线索。\n```bash\n# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具\n```\n\n## 认知连续性（用研究产物，不用静态档案）\n不预存任何静态行业档案——静态认知必然过时且锚定共识，违背找预期差的本质。认知连续性靠研究产物库实现（见上）。\n连续性靠**研究产物库**实现：做某行业/标的研究前，先看 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇研究（带日期、带一手数据、带来源），站在上次真实研究的肩上，而非模型存量记忆。\n注意时效：产物只作背景与线索，\"当前景气/估值/最新动态\"一律用本次一手数据现取覆盖；过时结论只当\"曾经的判断\"参考，不当事实。\n\n## 研究产物入库\n报告写入 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`。如需远程备份，由调用方的备份任务自行处理。\n\n## 红线·边界\n纯研究助理：不盯盘、不发买卖/止损信号、不做交易执行、不维护持仓。提供判断+依据+风险+可选路径，用户是最终决策者。\n\nFile v1.0.6:README.md\n\n# deep-investment-research\n\n系统化投研能力中枢 —— 可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n完整能力与用法见 [SKILL.md](./SKILL.md)；方法论框架在 `methodology/`，数据采集脚本在 `scripts/`。\n\n**定位**：纯研究 —— 产出判断、依据、风险、赔率结构与可选路径；不做盯盘/交易信号/交易执行。\n\n## 7 类研究框架\n宏观 · 行业 · 公司研究（看懂生意）· 个股深度研究（投资判断）· 政策 · 投资可行性 · 风险 · 投资规划\n\n## 研究内核\n9 红线 · 命门变量聚焦（2-3个+70%火力）· 5步法(A→B→C→D) · 七棱镜多维扫描 · 反共识引擎 · 非对称赔率(上下比+期望值+敏感性测试) · 反证5问 · 质量门控\n\n## 依赖\n- 必需：`python3`\n- 数据脚本（可选）：yfinance / akshare / fredapi 等；API key 读环境变量（FINNHUB_API_KEY / FRED_API_KEY），未设置则跳过该源\n- 联网搜索（可选软依赖）：优先 web-search-plus / tavily skill，未装则降级用内置 web_search\n\n## 可配置环境变量（均带默认值）\n| 变量 | 默认值 |\n|------|--------|\n| `RESEARCH_OUTPUT_DIR` | `~/research-output` |\n| `TRADING_ROOT` | `~/research-data` |\n| `SEARCH_SKILL_PATH` | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 许可\nMIT，见 [LICENSE](./LICENSE)。\n\nFile v1.0.6:_meta.json\n\n{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.6\",\n  \"publishedAt\": 1781068157943\n}\n\nFile v1.0.6:methodology/china-macro.md\n\n# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有为\"=政策温度计）\n- 会议频率：紧急会议/提前召开=重大决策\n\n### 3. 军事/安全信号\n\n- 演习规模/位置/参与兵种 → 判断是常规训练还是信号释放\n- 国防采购/预算变化 → 军工产业链\n- 台海态势 → VIX/避险资产联动\n\n### 4. 国际关系矩阵\n\n| 关系 | 监控指标 |\n|------|----------|\n| 中美 | 关税/制裁/高层通话/贸易数据 |\n| 中欧 | 汽车关税/投资审查/外交访问 |\n| 中日 | 稀土/半导体/外交温度 |\n| 中俄 | 能源协议/军事合作/金融结算 |\n| 南海 | 舰艇活动/声索/ASEAN态度 |\n\n---\n\n## 搜索命令参考\n\n```bash\n# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5\n```\n\n---\n\n## 质量标准\n\n1. **每条解读必须有\"意味着什么\"**——纯转述=废话\n2. **政策措辞对比是核心技能**——\"适度宽松\"→\"更加积极\"=信号\n3. **时间轴思维**——这个政策什么时候影响到市场？下周？下月？下季？\n4. **反共识观点标注**——如果你的判断和主流不同，说清楚为什么\n5. **不确定性诚实标注**——信息不足时说\"数据不够，暂时判断是X，等Y数据验证\"\n\nFile v1.0.6:methodology/company-research.md\n\n# company-research.md — 公司研究框架（理解\"这是门什么生意\"）\n\n> 引用 research-core.md（命门变量+赔率+反证+质量门控）+ source-registry.md + content-reading-protocol.md。\n> **定位与边界**：本框架做**企业基本面研究**——把一家公司当\"一门生意\"研究透：它靠什么赚钱、护城河多深、生意质量多好、能长多大。\n> **与 stock-deep-dive 的分工**：公司研究是上游（理解生意本身，不谈买卖时机/估值高低）；个股深度研究是下游（在理解生意基础上判断\"当前价位值不值得投\"，谈预期差/估值/催化剂/赔率）。**先做公司研究看懂生意，再用 stock-deep-dive 做投资判断。** 做投资可行性时两者衔接。\n\n## 何时用本框架\n- 用户要\"研究/看懂某公司\"（而非直接问\"能不能买\"）\n- 投资判断前的基础功课：先把生意搞懂\n- 对比同行业几家公司的生意质量\n- 一级/拟上市/未覆盖公司的从0认知\n\n## 研究目标定义（紧扣 research-core 一、）\n一句话写清：要回答这家公司的什么核心问题（如\"宁德时代的护城河是否在被价格战侵蚀\"），以及它服务什么决策。\n\n## 命门变量前置（research-core 一半-A·先锁定再研究）\n先诊断：**决定这家公司价值/生死的 2-3 个命门变量是什么**？（如：某SaaS=净留存率NRR；某药企=核心管线；某制造=产能利用率+单位成本曲线）70% 火力打这几个，其余维度扫到即可，不面面俱到。\n\n## 七维企业研究结构（读财报/招股书/电话会全文，非摘要）\n\n围绕命门变量裁剪笔墨——下面七维都要想到，命门所在维度深挖，其余扫到即可。\n\n### 1. 商业模式：靠什么赚钱\n- 卖什么给谁、怎么收钱（一次性/订阅/抽成/广告）、收入结构与各占比\n- 价值链位置：上游议价/下游粘性、是卖方还是买方市场\n- 单位经济（unit economics）：单客户/单件的赚钱逻辑——获客成本、客单、复购、生命周期价值；规模化后边际成本怎么走\n\n### 2. 护城河：凭什么持续赚钱、别人抢不走\n- 护城河类型：网络效应/规模成本/转换成本/无形资产(品牌专利)/特许经营。逐项判断有没有、有多深\n- **护城河方向（关键）**：在变宽还是变窄？用证据说（市占率趋势、毛利率趋势、定价权、客户流失率）——护城河叙事很多，要用数据验证真伪\n\n### 3. 财务质量：生意的成色（读财报全文）\n- 盈利质量：毛利率/净利率趋势、ROE/ROIC（是否持续>资本成本）、经营现金流 vs 净利润（利润含金量）\n- 资产负债：杠杆、有息负债、商誉减值风险、应收/存货周转\n- 资本配置：赚来的钱怎么花（再投资/分红/回购/并购），管理层资本配置能力\n\n### 4. 竞争格局：这门生意里的相对位置\n- 行业格局：集中度、玩家梯队、本公司份额与趋势\n- 同业对比：与主要对手在毛利率/份额/成长/估值上横向比较（用具体数字）\n- 竞争烈度：价格战？份额争夺？新进入者/替代品威胁\n\n### 5. 管理层与治理\n- 创始人/管理层背景、过往承诺兑现度（说到做到吗）、激励是否与股东一致\n- 股权结构、关联交易、治理红旗（频繁换审计/CFO、激进会计）\n- 资本市场诚信：历史指引准不准、是否画饼\n\n### 6. 成长性：能长多大、靠什么长\n- 成长驱动：量增/价增/新品/新市场/份额提升，逐个拆\n- 天花板（TAM）：长期空间多大，当前渗透率\n- 成长的可持续性与再投资回报（增长是烧钱买的还是内生的）\n\n### 7. 风险与脆弱性（接 research-core 反证5问）\n- 商业模式最脆弱的一环、单一客户/供应商/产品依赖、监管/政策敞口\n- kill condition：看到什么信号说明这门生意的逻辑变坏了\n\n## 估值衔接（本框架不做估值结论，交给 stock-deep-dive）\n公司研究产出\"这是门什么生意、生意质量如何、能长多大\"的判断；**是否值得投、估值贵不贵、有无预期差 → 转 stock-deep-dive 框架**。结尾给一句\"进入投资判断时该重点验证的预期差线索是什么\"作为衔接。\n\n## 产出\n- 结论：**这是门什么生意 + 生意质量评级（好/中/差及理由）+ 护城河方向（变宽/变窄）+ 成长可持续性** + 确信度\n- 命门变量及其当前状态\n- 七维中围绕命门的关键发现\n- 风险与脆弱性 + kill condition\n- 信息盲区\n- 衔接：进入投资判断要验证的预期差线索（不替用户下单）\n\n## 多源验证（每条≥具体数值，红线2）\n财报/招股书全文 · 电话会纪要 · 同业财报横比 · 行业数据 · 管理层历史指引兑现记录——每维有数字和事实，不写\"龙头/稳健/优秀\"空话。\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅**：\"行业龙头，商业模式清晰，护城河深厚，管理层优秀，长期成长空间大。\"\n—— 全是无证据的形容词，没说清靠什么赚钱、护城河凭什么、数据趋势如何，等于没研究。\n\n**✅ 深刻**：\"靠 X 模式赚钱（订阅占收入70%、NRR 118%=存量自然增长）；护城河是转换成本（客户迁移需重构数据管线，流失率仅5%）且在变宽（毛利率3年75%→82%、提价未掉客）；但命门 NRR 近两季 125%→118% 走弱，跌破110%则'存量驱动'逻辑受损（kill condition）。生意质量：高（ROIC 25%>资本成本，现金流/净利1.1）。进入投资判断需验证的预期差：市场是否已把 NRR 放缓 price in。\"\n—— 有模式拆解、护城河方向+数据、命门状态、kill condition、生意质量判断、衔接线索。\n\nFile v1.0.6:methodology/content-reading-protocol.md\n\n# 内容读取协议（所有研究任务共享）\n\n## 最终输出硬规则（所有任务通用·最高优先级）\n你的最终回复**必须以报告内容的第一个实义字符开始**（如 emoji 标题、结论句、或 HEARTBEAT_OK）。\n回复开头**禁止**出现任何：\n- 思考/过程旁白（如 \"I now have...\"、\"Let me compose...\"、\"Now let me...\"、\"我现在来...\"、\"让我...\"、\"首先我...\"）\n- 动作/投递说明（如 \"explicit target failed\"、\"final reply\"、\"报告已推送\"、\"已发送\"）\n- 读取量/工作量自述（如 \"I've deep-read 5 articles\"、\"我读了X篇\"）\n\n所有思考放在工具调用阶段（运行命令/搜索/读取时），final reply **只放成品**。\n投递由系统（cron announce）自动完成，**不要调用 message 工具主动发送**。\n\n## 核心工作流\n\n```\n搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）\n```\n\n---\n\n## 数据文件读取标准\n\n读取 JSON/API 数据后，输出必须包含三层：\n\n1. **具体数值**：原始数字（如 \"南向净买入5.27亿港元\"、\"PMI 49.8\"）\n2. **对比维度**：环比/同比/vs预期/vs均值（如 \"前值50.1，环比-0.3\"、\"较20日均值+2σ\"）\n3. **投资含义**：这个数值对决策意味着什么（如 \"连续3月萎缩区间，制造业收缩趋势确认\"）\n\n---\n\n## 文章/公告读取标准\n\n对每篇 web_fetch 读取的内容，提取三类信息：\n\n1. **关键原文引用**：原话/条款（如 \"文件第三条明确提出'2026年底前完成整改'\"）\n2. **具体数据点**：文中提到的数字（如 \"净投放1000亿，超出市场预期的500亿\"）\n3. **措辞/信号变化**：与之前表述的对比（如 \"从'适度宽松'改为'更加积极'，政策温度上升\"）\n\n---\n\n## 全文阅读硬门控（红线3·最高优先级）\n\n**只读标题/摘要/搜索片段 = 没读。** 任何进入结论的判断，必须基于已 web_fetch / pdf 工具读到的**正文段落**。\n\n硬规则：\n1. 搜索结果（标题+snippet）只用来**选择要读什么**，绝不直接作为结论依据。\n2. 每个关键判断背后，至少有一篇被**全文读取**的原文（财报/政策原文/研报/权威报道正文）。\n3. 长文档（财报、招股书、政策全文、长研报）→ 用 pdf 工具或分段 web_fetch **读完相关章节**，不止读开头。摘要式略读不算数。\n4. 读不到全文的源（付费墙/JS渲染）→ **诚实标注为信息盲区**，不靠标题脑补内容。\n5. 一手 > 二手：能读财报原文就不引用新闻转述；能读政策原文就不引用解读稿。\n\n### 一手源抓取失败的降级路径（防\"硬门控形同虚设\"）\n当目标一手源拿不到正文（付费墙/JS渲染/反爬/只返回免责声明），按以下阶梯降级，并**显式标注本条数据的证据等级**：\n1. **换入口取同一手数据**：官方 API/数据下载页/PDF 年报/官方转载/镜像（如 WGC 正文抓不到 → 试其 Excel 数据下载、IMF 储备数据、AKShare 对应接口）。\n2. **退到权威二手，但必须可交叉**：≥2 家独立权威媒体引用了**同一组具体数字**且数字一致 → 可用，标注\"二手交叉（证据等级B）\"。\n3. **仍拿不到** → 标注\"该数据点存在信息盲区（证据等级C）\"。\n**下结论的红线**：命门变量的关键数据若只到证据等级 C（盲区），**不得就该命门下确定性结论**，必须说\"此命门数据不足、判断确信度降级或暂缓\"。即抓取失败不是\"照常下结论+脚注一句盲区\"，而是**直接影响该判断能否成立**。\n\n## 读取量要求\n\n| 任务类型 | 最低全文读取量 | 每条结论支撑 |\n|----------|-----------|-------------|\n| 宏观研究 | 8-12 篇正文 | ≥1 篇原文 |\n| 政策研究/部委扫描 | 政策原文全文 + 5-8 篇解读 | 受益/受损判断 ≥1 手原文 |\n| 行业深度研究 | 关键公司财报/招股书相关章节 + 行业报告 + 8-15 篇正文 | 每个分环节 ≥2 独立源 |\n| 个股深度研究 | 最近财报全文 + 5-8 篇正文 | ≥2 篇/关键判断 |\n| 投资可行性/风险分析 | 视主题，覆盖正反双方各 ≥3 独立源 | 每个情景 ≥1 数据支撑 |\n\n读取量不是凑数指标——是\"研究是否做透\"的下限。不够就继续读，不靠减量换速度（用户明确：效果优先于速度）。\n\n---\n\n## 质量自检方法\n\n推送前逐条检查你的输出：\n\n1. 每个判断旁标注来源：`[来源: 财联社5/25 - \"央行超预期净投放\"]`\n2. 标注不出来的判断 = 没有依据 → 删除或补充读取\n3. 多源验证表格每个格子是否有具体数值？只写\"确认\"无数字 = 不合格\n\n---\n\n## 示例对照\n\n### 宏观研究——合格输出\n```\n央行操作：今日开展7天逆回购2580亿元（中标利率1.4%），对冲到期10亿后净投放2570亿元，\n连续4日净投放。[来源: RTHK 5/25 - \"规模创近两个月单日新高\"]\n判断：跨月流动性呵护明确，\"收短放长\"格局下短端利率有下行空间。\n```\n\n### 宏观研究——不合格输出\n```\n央行进行了逆回购操作，市场关注流动性。\n```\n↑ 无具体金额、无期限、无来源引用、无对比、无判断依据\n\n---\n\n### 标的研究——合格的多源验证\n```\n- southbound: 确认 | 净买5.27亿港元，Top1，连续3日加仓，占日均成交15.3%\n- analyst: 确认 | 高盛上调目标价至45.0（+12%），理由\"28nm产能利用率达92%超预期\"\n- short_interest: 否认 | 沽空比例8.2%较上周+0.5%，空头小幅加仓\n- announcements: 确认 | 5/20公告Q1收入同比+23%，毛利率38.2%（去年同期35.1%）\n```\n\n### 标的研究——不合格的多源验证\n```\n- southbound: 确认 | 南向有流入\n- analyst: 确认 | 分析师看好\n- short_interest: 无数据\n```\n↑ 无具体金额、无排名、无变化幅度、无分析师名称/理由\n\n---\n\n## 来源筛选（仅限可免费全文访问）\n\n### 中文源\n华尔街见闻、第一财经、财联社、证券时报、新华社、澎湃新闻、央行/部委官网\n\n### 英文源\nReuters、Bloomberg（部分免费）、CNBC、FT（部分免费）、SEC EDGAR、公司IR页面\n\n### 跳过（不尝试不标注）\n财新（付费墙）、其他明确付费源\n\nFile v1.0.6:methodology/feasibility-analysis.md\n\n# feasibility-analysis.md — 投资可行性分析框架\n\n> 引用 research-core.md。用途：判断一个方向/主题/标的值不值得投，逻辑链是否成立。\n> 这是\"该不该参与\"的把关，不是\"怎么买\"。\n\n## 研究目标定义\n明确要评估的对象：一个主题（如\"2万亿AI基建该不该参与\"）/ 一个方向（如\"创新药出海\"）/ 一个标的。\n\n## 可行性评估结构\n\n### 1. 投资逻辑链是否成立\n- 把\"为什么能赚钱\"拆成完整链条，逐环节质询\n- 哪个环节是假设、哪个是事实？最弱的环节在哪？\n- 链条断在哪里 → 整个逻辑不成立\n\n### 2. 是真机会还是已被定价（红线核心）\n- 这件事市场知道吗？已经涨了多少/price in 多少？\n- 区分：**利好兑现前**（机会）vs **利好已抢跑**（接盘）\n- 一阶逻辑（人人能看到，已定价）vs 二阶/三阶（还没被充分认知）\n\n### 3. 空间与弹性\n- 假如逻辑成立，能赚多少？（上行空间量化）\n- 对哪个环节弹性最大？（同一主题不同环节弹性差异巨大）\n\n### 4. 确定性与时间成本\n- 逻辑兑现的确定性多高？\n- 需要等多久？时间成本（机会成本）是否划算\n- 有没有明确的催化剂触发兑现\n\n### 5. 风险收益比\n- 下行风险 vs 上行空间，比值是否有吸引力\n- 最坏情况能承受吗\n\n## 三种结论（必须明确，红线4）\n- **值得投**：逻辑成立 + 未充分定价 + 风险收益比好 + 有催化 → 说明最优参与环节、关键假设、跟踪信号\n- **不值得投**：给出具体一句话原因（逻辑断在哪/已抢跑/弹性不足/风险不可控/时间成本太高）\n- **有条件值得**：当前不行，但若出现 X 条件则成立 → 列出触发条件，进观察清单\n\n## 红线\n- 写不出\"为什么不是已被定价\" → 倾向不值得投\n- 不因\"题材大/故事好\"就给值得投——故事≠预期差\n- 紧扣\"值不值得投\"这个问题，不发散成泛行业综述\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"这是万亿级大赛道，空间巨大，值得投。\" —— 题材当结论，没回答\"是否已被定价\"\"哪个环节\"。\n**✅ 深刻**：\"逻辑链：A政策→B需求→C标的，最弱环节是B（需求兑现依赖补贴落地，存疑）；一阶受益股（服务器）1个月+102%已抢跑，二阶环节（电力/IDC）估值仍低未price in；最优risk:reward在二阶；确定性中、需等细则、时间窗口1-3月。结论：有条件值得，触发条件=招标落地。\" —— 拆链条、查定价、定环节、给条件。\n\nFile v1.0.6:methodology/industry-research.md\n\n# industry-research.md — 行业研究框架\n\n> 引用 research-core.md（5步法+反证+质量门控）+ source-registry.md（一手源）+ content-reading-protocol.md（全文阅读）。\n> 用途：对一个行业做透——它现在处于什么位置、未来往哪走、机会与风险在哪。\n\n## 研究目标定义\n先写清楚这次行业研究要回答什么（如\"半导体当前景气位置+未来12个月方向+最具预期差的环节\"）。\n\n## 六维行业分析框架\n\n### 1. 行业结构与产业链\n- 拆产业链：上游→中游→下游，每个环节做什么、谁主导、利润分布在哪\n- 价值量分布：钱主要被哪个环节赚走？为什么？\n\n### 2. 核心驱动力\n- 需求侧：什么在拉动需求？长期趋势 vs 周期波动\n- 供给侧：产能、技术、成本曲线\n- 政策/监管：是顺风还是逆风\n- 区分**结构性成长**（长期渗透率提升）vs **周期性波动**（库存/价格周期）\n\n### 3. 景气位置（关键·前瞻）\n- 现在处于周期哪个阶段？（复苏/过热/衰退/萧条 或 渗透率早/中/晚期）\n- 用什么指标判断？（库存、产能利用率、价格、订单、capex）\n- **拐点信号**：什么数据出现会标志景气向上/向下转折\n\n### 4. 竞争格局\n- 集中度（CR5/CR10）、格局演变方向\n- 谁有定价权/护城河？壁垒是什么（技术/规模/牌照/生态）\n- 国产替代/国产化率（中国相关行业必看）\n\n### 5. 长期空间\n- TAM 测算（自下而上：量×价 或 渗透率×总盘）\n- 当前渗透率 vs 天花板\n- 增速可持续性\n\n### 6. 市场定价 vs 真实情况（预期差）\n- 市场当前怎么定价这个行业？（板块估值分位、资金流向、情绪）\n- 真实基本面 vs 市场预期差在哪？\n- 哪些环节已被充分定价（拥挤），哪些还没（机会）\n\n## 产出\n- 行业景气判断（位置+方向+确信度）\n- 产业链中最具预期差的环节 + 理由\n- 该环节的代表标的（不替用户决策，列出供进一步研究）\n- 关键跟踪指标（未来盯什么数据验证/证伪判断）\n- 风险与信息盲区\n\n## 输出后\n把研究报告归档到 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`（如需远程备份由调用方备份任务自行处理）。下次同行业研究先读最近几篇产物作背景——认知连续性靠**带日期的真实研究产物**，不靠预存的静态档案。\n\n---\n\n## 深度追问清单（每个维度问到底，逆出深度）\n\n做完六维不够，要对每个维度追问“为什么”直到触及本质：\n- **驱动**：这个需求是真实的还是补贴/囤货拉出来的？需求增速是加速还是减速？驱动能持续几年？\n- **景气**：现在是周期底/顶，还是中段？识别拐点的领先指标是什么（不是滞后的价格/营收，是领先的订单/库存/capex）？\n- **格局**：现有赢家的护城河会被什么打破（技术路线变迁/新进入者/政策）？当前领先者 3 年后还是领先者吗？\n- **空间**：TAM 是用倒推还是拍脑袋？渗透率从 X% 到 Y% 需要什么条件触发，这些条件成立吗？\n- **定价**：市场现在的价格隐含了什么预期（反推：现价对应多少增速/渗透率）？我的判断 vs 这个隐含预期差在哪？\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅的行业研究**：“半导体是 AI 的基石，需求旺盛，国产替代空间大，看好。”\n—— 全是人人知道的一阶信息，无数据、无景气位置、无预期差、无拐点信号。\n\n**✅ 深刻的行业研究**：“存储现货价 DDR5 近 3 个月从 $X 涨到 $Y（+Z%），原因是原厂 capex 纪律+HBM 挤压标准品产能；市场仅定价了周期复苏，未定价涨价的持续性（供给刚性可能持续到 H2）。拐点信号：原厂投片量、HBM 产能占比。”\n—— 有具体数据、有景气拐点判断、有“市场定价 vs 真实”的预期差、有可跟踪的领先指标。\n\nFile v1.0.6:methodology/investment-planning.md\n\n# investment-planning.md — 投资规划框架\n\n> 引用 research-core.md + risk-analysis.md。用途：目标导向的配置思路、节奏、优先级、跟踪计划。\n> 提供规划与路径，不替用户下单、不维护持仓纪律。\n\n## 规划起点：以终为始\n- 先明确用户的目标/约束（收益预期、时间、风险承受、资金量、流动性需求）——不清楚就先问，不臆设\n- 规划是为目标服务的，先有目标再有路径\n\n## 规划结构\n\n### 1. 配置思路（自顶向下）\n- 大类资产/主题间的逻辑分配（基于宏观判断+各方向研究结论）\n- 为什么是这个结构？对应什么判断？\n- 进攻仓 vs 防守仓的角色分工\n\n### 2. 优先级排序\n- 把已研究的机会按\"预期差强度 × 确定性 × 风险收益比\"排序\n- 哪些是核心仓（高确信）、哪些是卫星仓（高弹性高风险）、哪些是观察（条件未成熟）\n\n### 3. 节奏（前瞻）\n- 什么时候介入？等什么催化剂/估值/信号\n- 分批 vs 一次；左侧 vs 右侧的权衡\n- 各机会的时间窗口\n\n### 4. 跟踪计划\n- 每个核心判断对应的跟踪指标（盯什么验证/证伪）\n- 复盘节点：什么时候回看判断是否还成立\n\n## 产出\n- 配置框架（结构+理由）\n- 优先级清单（机会排序+角色）\n- 介入节奏与触发条件\n- 跟踪与复盘计划\n- 关键风险与盲区\n- **明确：这是规划思路与可选路径，最终决策与执行由用户做**\n\n## 红线\n- 不替用户决定具体买卖股数/价格/时点（除非用户当次明确要求做仓位测算，作一次性工具）\n- 规划基于研究结论，不脱离已验证的判断空谈配置\n- 诚实标注假设依赖（这套规划在什么前提下成立）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"建议均衡配置，分散风险，长期持有。\" —— 无目标锚定、无优先级、无节奏、无跟踪。\n**✅ 深刻**：\"以终为始：目标=X。核心仓（高确信，已验证预期差的方向）vs 卫星仓（高弹性高风险）角色分工；优先级按 预期差强度×确定性×风险收益比 排序；节奏=等Y催化剂右侧介入/分批；每个判断对应跟踪指标Z，复盘节点。明确这是规划思路，执行由用户决定。\" —— 锚目标、分角色、定节奏、可跟踪。\n\nFile v1.0.6:methodology/ministry-scan.md\n\n# 部委政策扫描 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n每日系统性扫描全部中国部委当日发文，确保不遗漏任何重要政策信号。\n是\"中国宏观研究\"的数据层补充——宏观研究做解读，这个任务做覆盖。\n\n---\n\n## 输出模板\n\n```\n# 🏛️ 部委政策扫描 [日期]\n\n## 📌 今日重点（≤5条，按投资影响排序）\n1. [部委名] 政策标题 → 核心内容（50字内）→ 影响判断\n\n## 📋 各部委逐条分析\n\n### [部委名]（X条）\n#### 1. [标题]\n- **来源**：[URL]\n- **核心内容**：[基于全文提炼的关键信息，不是标题复述]\n- **政策意图**：[为什么出这个政策]\n- **影响领域**：[哪些行业/公司受影响]\n- **时间窗口**：[何时生效/影响何时显现]\n\n（按此格式逐条）\n\n## 🔗 投资关联（深度研究，硬性要求）\n\n每条重要政策必须完成以下分析：\n\n### 传导链条（必须写清楚）\n```\n政策 → 受益行业 → 受益环节（上游/中游/下游） → 具体标的（A股+港股）\n```\n\n### 每个标的必须回答：\n1. **为什么是它**（市占率/技术壁垒/政策绑定度）\n2. **受益程度**（占营收比例/弹性大小）\n3. **时间窗口**（政策何时影响到报表）\n4. **当前估值**（PE/PB 是否已 price in）\n5. **风险**（政策不及预期/执行不到位/竞争格局）\n\n### 输出格式\n```\n| 政策 | 传导链 | 标的 | 受益逻辑 | 弹性 | 估值 | 风险 | 结论 |\n|------|--------|------|----------|------|------|------|------|\n| X部委Y政策 | 行业→环节 | 代码+名称 | 为什么受益 | 占营收X% | PEx/已涨X% | 具体风险 | 值得跟踪/已price in/PASS |\n```\n\n### 与当前持仓的关联（必须回答）\n- 今日政策对现有持仓是利好/利空/无关？\n- 是否需要调整仓位/止损？\n\n### 新机会筛选（满足任二才列入）\n- 政策确定性高（已发文/有时间表/有资金安排）\n- 市场未充分 price in（股价未反映/分析师未覆盖）\n- 弹性足够（占营收>15%）\n- 有明确催化剂时间节点\n\n## 📊 今日部委活跃度\n| 部委 | 发文数 | 重要度 |\n|------|--------|--------|\n\n## ⚠️ 信息盲区\n- 未获取到内容的部委/文章：\n```\n\n---\n\n## 覆盖范围（19个部委）\n\n### 直接爬取（官网可访问）\n- 财政部、外交部、农业农村部、国资委、科技部、税务总局、能源局\n\n### 搜索采集（官网JS渲染）\n- 商务部、住建部、交通运输部、人社部、教育部、卫健委\n- 生态环境部、自然资源部、市场监管总局、金融监管总局、外汇管理局、工信部\n\n---\n\n## 内容深度读取原则（硬性约束，违反=任务失败）\n\n**ministry_scan.json 只提供标题和URL。标题≠内容。必须读正文。**\n\n### 绝对禁止\n- ❌ 只看标题就判断政策内容/影响\n- ❌ 用\"根据标题判断...\"/\"从标题推测...\"这类表述\n- ❌ 未读原文就分析投资影响\n- ❌ 输出中找不到来自原文的具体信息\n\n工作流：\n1. 读取 `ministry_scan.json` → 获取今日各部委发文列表（这一步只是线索）\n2. **对每条有投资价值的政策，必须 web_fetch 读取原文全文**\n3. 基于原文中的**具体条款、具体数据、具体措辞**进行分析\n4. 输出时引用原文具体内容（\"第X条规定...\"/\"文件明确提出...\"）\n\n```bash\n# 读取文章原文的标准方式\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\s+', ' ', html).strip()\nprint(html[:4000])\n\"\n```\n\n**筛选标准：哪些需要深读？**\n- 含\"政策/办法/意见/通知/规划/方案\"字眼 → 必读\n- 涉及金融/房地产/科技/能源/贸易 → 必读\n- 部长/副部长级讲话 → 必读\n- 常规人事/党建/慰问 → 跳过\n- 地方分支机构日常 → 跳过\n\n每次扫描至少深读 8-12 篇原文。\n\n---\n\n## 政策分析框架\n\n对每条重要政策：\n1. **谁发的**（部委级别决定权重）\n2. **核心内容**（不是标题，是原文提炼）\n3. **政策意图**（解决什么问题？回应什么压力？）\n4. **与已知政策的关系**（新政策？还是已知政策的实施细则？）\n5. **影响链**（政策 → 行业 → 公司 → 股价，几步传导？）\n6. **时间窗口**（立即生效？征求意见？Q3实施？）\n\n---\n\n## 质量标准\n\n1. 每条分析必须基于原文内容，能指出\"这个结论来自哪篇文件的哪段内容\"\n2. \"投资关联\"必须具体到板块/标的\n3. 没有重要政策时也要明确说\"扫描完毕，今日无重大政策\"\n4. 周末/节假日部委不发文属正常，标注即可\n\nFile v1.0.6:methodology/policy-research.md\n\n# policy-research.md — 政策研究与追踪框架\n\n> 引用 research-core.md + content-reading-protocol.md（政策必读原文全文，红线3）。\n> 用途：解读政策原文，判断意图、落地路径、受益与受损环节。\n\n## 政策分析六步法\n\n### 1. 谁发的、发了什么\n- 发文主体（层级：国务院/部委/地方，层级决定力度）\n- 文件类型（规划/意见/通知/管理办法/征求意见稿——征求意见≠落地）\n- **读原文全文**，不靠二手解读\n\n### 2. 核心内容\n- 关键条款原文引用 + 具体数字（金额/时间表/比例/范围）\n- 提取硬约束（\"必须/不得/到X年完成\"）vs 软鼓励（\"支持/鼓励\"）\n\n### 3. 政策意图（为什么现在发）\n- 解决什么问题？背景是什么？\n- 与更高层定调的关系（是否落实某个中央精神）\n\n### 4. 与已知政策的关系（DELTA思维）\n- 比之前的表述变了什么？措辞温度升高还是降低？\n- 是新方向还是延续/加码？\n\n### 5. 影响链（传导，红线6 落到标的）\n- 政策 → 受益行业 → 受益环节 → 具体标的（A股+港股代码）\n- 同时分析**受损环节**（政策有人受益必有人承压）\n- 每个标的：为什么是它？弹性多大？估值是否已 price in？\n\n### 6. 时间窗口\n- 落地节奏：短期催化（吹风会/细则/招标）vs 长期慢变量\n- 关键时间节点\n\n## 落地路径判断（政策最易踩的坑）\n- 区分\"定调\" vs \"可执行细则\"——很多政策利好是慢变量，无明确时间点的不构成可交易预期差\n- 资金从哪来？（财政/专项债/社会资本）落地确定性如何\n- 历史同类政策的落地兑现率参考\n\n## 产出\n- 政策核心（一句话）+ 投资级别评估\n- 受益/受损环节 + 具体标的 + 弹性/估值/风险\n- 落地路径与时间窗口\n- 与持续追踪的政策主线的关系（研究产物归档到 ${RESEARCH_OUTPUT_DIR:-~/research-output}/macro-policy/）\n- 信息盲区（哪些原文没读到/付费墙）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"国家出台政策支持半导体，利好板块。\" —— 无原文条款、无受益环节、无落地路径、无时间窗口。\n**✅ 深刻**：\"文件第X条提出'2027年前国产化率达Y%'（硬约束含时间表），传导：政策→设备/材料环节（受益最确定，因国产化率最低）→具体标的（代码）；但属慢变量，无近期招标细则前不构成可交易预期差；落地资金来自大基金三期。受损：依赖进口的环节。\" —— 有原文、有受益受损、有落地确定性、有时间窗口。\n\nFile v1.0.6:methodology/research-core.md\n\n# research-core.md — 深度研究内核（所有研究课题通用）\n\n> 这是任何研究都要遵循的内核。六个专题框架（行业/个股/政策/可行性/风险/规划）都在此之上展开。\n> 九条红线是地基：①有深度有前瞻 ②数据真实不杜撰 ③全文阅读不停留表面 ④结论质量门控不说空话 ⑤第一性原理广收集深研究 ⑥紧扣研究目标不偏离 ⑦prompt 最佳实践榨干模型 ⑧客观准确不主观 ⑨未充分调研不下结论。\n\n---\n\n## 一、研究启动：先定义问题（红线6 紧扣目标）\n\n任何研究开始前，先用一句话写清楚：\n- **研究目标**：要回答的核心问题是什么？（如\"半导体行业现在处于景气周期哪个位置，未来12个月向上还是向下\"）\n- **决策关联**：这个答案会影响什么投资判断？\n- **成功标准**：什么样的产出算\"回答了\"这个问题？\n\n研究过程中每隔一段回看这句话——产出是否还在回答它，还是跑偏了。**偏离即停，拉回主线。**\n\n---\n\n## 一半、研究设计 + 多维扫描（红线1/5/6 · 所有研究强制前置，反\"千篇一律\"+反\"单维度\"）\n\n> 这一步是高质量研究区别于\"套模板\"的关键。动笔取数前，先做两件事：① 诊断对象、设计本次研究的重心（贴合实际，不千篇一律）；② 过一遍七棱镜，确保多维数据都扫到（不漏维度，不闭门造车）。\n\n### A. 研究设计（先诊断，再决定怎么研究）\n\n任何研究对象（个股/行业/主题/政策/宏观）都先问三句，写下来：\n\n1. **核心矛盾是什么？锁定 2-3 个关键变量（命门）。** 这个对象当下最关键的、决定其价值/走向的那 **2-3 个变量** 是什么？（如：某药企=核心管线 III 期能否读出正面；某周期股=景气位置在顶还是底；黄金=实际利率方向 vs 央行购金；某主题=政策落地节奏 vs 市场抢跑程度）\n   > **聚焦纪律（资深专家的效率密码）**：资深投研专家 80% 精力只盯这 2-3 个命门变量，其余都是噪音。**找对变量 > 收集更多数据。** 本次研究 70% 火力打这几个变量——它们错了结论就错。不要面面俱到而失焦。\n   > **火力达标的客观标尺（防\"口号\"）**：命门变量必须满足——①每个命门变量都独立取了硬数据/读了正文（不是一句话）②围绕命门的分析篇幅 ≥ 全文 60%③结论的赔率与立场直接由命门变量推出。**命门（决定价值的因，2-3个）≠ 七棱镜主战场（要扫的维度，可3-4个）**：命门是\"答案的来源\"，棱镜是\"检查的清单\"；一个棱镜可能承载某个命门（如黄金的\"宏观\"棱镜承载\"实际利率\"命门），但不要把\"扫了4个维度\"误当成\"4个命门\"。命门数量硬上限 3 个。\n2. **驱动类型是什么？** 它主要被什么驱动——业绩周期 / 政策 / 技术突破 / 地缘 / 估值修复 / 资金面 / 事件催化？驱动类型决定哪些维度是主战场。\n3. **据此裁剪：哪些维度重笔墨、哪些一句话带过？** 把下面七棱镜按本对象的相关性排序，**主战场维度深挖（占报告 60-70% 笔墨），约束/背景维度扫到即可。**\n\n> 原则：**研究结构服从研究对象，不是对象去填模板的固定章节。** 模板给的是\"必须想到的维度全集 + 方法\"，不是\"必须照填的格子\"。一个政策驱动主题和一个业绩 beat 个股，重心天差地别——设计这一步就是让结构贴合实际。\n\n### B. 七棱镜多维扫描（每个研究都过一遍，不漏维度）\n\n无论研究什么，下面七个棱镜**逐个过一遍**，判断与本对象的相关性：相关的纳入取数与分析，**不相关的也要一句话写明\"为何判定可忽略\"**（强制过一遍，防止漏掉真正重要的外部变量）。\n> **略过维度的最低判据（防\"合理化偷懒\"）**：判一个棱镜\"低相关可一句话带过\"，这句话必须说清**\"该维度对本对象无显著传导路径\"的具体理由**（如\"该公司无海外营收，汇率维度可略\"），而非\"看起来不重要\"。**只要该维度可能影响命门变量，就必须取数，不得略过**——略过的前提是\"已判断它碰不到命门\"，不是\"懒得查\"。\n\n| 棱镜 | 看什么 | 典型一手源 |\n|------|--------|-----------|\n| ① 宏观 | 利率/汇率/流动性/通胀/景气周期位置，对该对象的传导 | FRED、统计局、AKShare、央行操作、china-macro/us-macro.md |\n| ② 政策/监管 | 产业政策、监管变化、补贴/限制、医保/关税，原文意图与落地 | 政府网/部委原文、policy_gov_fetcher、ministry_scanner |\n| ③ 地缘政治 | 大国博弈/制裁/出口管制/冲突/选举/同盟，对供应链与资产的传导 | 权威报道正文、BIS/实体清单原文、官方声明 |\n| ④ 产业链上下游 | 上游成本/供给、下游需求/景气、竞争格局、替代关系 | 上下游公司财报、行业协会数据、价格数据 |\n| ⑤ 资金面/投资者行为 | 南向/北向、机构持仓与变动、沽空、ETF 流、一致预期修正、超级投资者动向 | southbound/short_interest/analyst_revision/sec_13f/superinvestor_moves |\n| ⑥ 新闻/事件/情绪 | 近期催化事件、市场叙事、情绪过热/过冷、预期差线索 | Serper news、Tavily、公司公告 |\n| ⑦ 标的/对象自身 | 基本面（财报/管线/产能/估值）、技术/竞争壁垒、管理层 | 财报全文、招股书、IR、电话会、yfinance |\n\n> 多维的意义不是\"七个维度都写一段\"凑长度，而是**用多棱镜交叉验证一个判断、并捕捉单一维度看不到的预期差**（如：基本面平淡但地缘催化被低估；景气向上但政策风险被忽视）。交叉点常常就是预期差所在。\n> 红线：相关维度若没去取数就下结论 = 闭门造车（红线5/9），不合格。\n\n---\n\n## 二、深度研究 5 步法\n\n### Step 1 — 识别异常 / 界定问题\n- 要研究什么？**什么变了？变了多少？**（量化）\n- 市场现在怎么看这件事？（共识基线 = 后面找预期差的参照系）\n\n### Step 2 — 形成假设（A → B → C → D）\n- **A（事实）**：可验证的客观事实是什么\n- **B（推断）**：由 A 推出什么\n- **C（市场定价检查）**：当前价格/估值/情绪已经price in了什么？市场是否已经知道 B？\n- **D（含义）**：如果 B 正确而市场没充分定价，意味着什么机会/风险\n\n> 没有 C（定价检查）的研究是半成品——\"好公司\"不等于\"好投资\"，关键是\"比市场认为的好/差\"。\n\n### Step 3 — 验证 / 证伪（红线2/5 真实·广收集）\n- **充分搜索优先（红线5/9硬性）**：任何研究都必须先广撦网搜够资料再下判断——绝不凭记忆/单一来源闭门造车。模型记忆必有时效滞后与盲区，\"井底之蛙自以为是\"是研究大忌。多源、多角度、正反都搜，宁多勿少。\n- 每个关键判断 **≥2 个独立证据** 支持或反对\n- **一手优先**：财报原文 > 政策原文 > 行业协会/官方数据 > 权威研报 > 新闻转述\n- 主动找**反方证据**，不只找支持自己假设的（确认偏误是研究第一杀手）\n\n### Step 4 — 量化与情景 + 非对称赔率（红线1 深度·前瞻）\n- 尽量量化:市场空间(TAM)、增速、弹性、估值区间、概率\n- 列 **Bull / Base / Bear 三情景**，各自的假设、概率、对应结果\n- 估值自己算（新EPS×合理PE / DCF / SOTP / 重置成本），**不直接抄分析师目标价**（滞后指标）\n- **算非对称赔率（投研的终极产物——不是\"会涨吗\"而是\"赔率值得下注吗\"）**:\n  - 下行空间（Bear 情景跌到哪）vs 上行空间（Bull 情景涨到哪），算 **上下比**（如 Bull +60% / Bear -15% = 4:1）\n  - 用情景概率算 **期望值**（E[V] = P_bull×Bull% + P_base×Base% + P_bear×Bear%）\n  - **概率不许拍脑袋（否则期望值是假精确）**：每个情景概率必须给锚定理由（基于命门变量的状态/历史频率/隐含概率，而非主观感觉）；并做 **翻转敏感性测试**——问\"概率要变到多少，结论才反转？\"若小幅调整概率（如 ±10pct）就让立场从\"值得\"翻到\"不值得\"，说明结论脆弱，必须明确标注\"结论对概率高度敏感、确信度低\"\n  - 明确表态:在当前价格，**这个赔率是否非对称地有利**？非对称（如 4:1 且期望值为正）= 值得严肃考虑；对称（1:1）或期望值为负 = 不下注更好\n  > 投研的本质是用认知差换非对称赔率。Bull/Base/Bear 不是用来\"覆盖三种可能性\"凑全面，而是为了得出\"这个下注的期望值与赔率结构\"。没有这一步，研究只到\"判断方向\"，没到\"决策依据\"。\n\n### Step 5 — 结论（红线4 质量门控）\n清晰立场 + 确信度 + 关键假设 + 风险 + 信息盲区 + 可选路径。\n**不替用户下交易决策**，给判断和依据。\n\n---\n\n## 二半、反共识引擎（深度与预期差的核心发动机）\n\n预期差只存在于“共识错的地方”。所以每次研究必须主动做三件事，否则必然滑向复述共识（= 无价值）：\n\n1. **先明确写出市场共识**：这件事/这个标的，卖方和市场主流观点是什么？（写不出共识 = 还没调研够，不能下结论）\n2. **质疑共识哪里可能错**：共识建立在什么隐含假设上？哪个假设最脆弱/最可能被现实推翻？有没有被忽略的事实或新变化？\n3. **表态是跟随还是偏离**：我的判断是和共识一致（那就没预期差，明说）还是偏离（偏离在哪、为什么、市场为何还没看到）？\n\n> 原则：不为了反而反（为偏离而偏离是另一种偏见）。与共识一致时就老实说“无明显预期差”，不碌造。但每次都要检查过。\n> **偏离共识的操作化判据（防\"为显得有洞见而刻意偏离\"）**：每次声称\"偏离共识\"，必须指出共识依赖的某个**具体、可证伪**的假设，并给出\"该假设为何可能错\"的证据或逻辑（如\"共识隐含下半年降息2次→但最新就业/通胀数据指向不降反加\"）。说不出共识的具体可证伪假设 = 这不是真偏离，是为反而反，回去重做。\n> 警惕：模型自身的存量认知就是“过去的互联网共识”，有时效滞后和叙事锚定。一手数据 + 独立推理 > 依赖记忆。\n\n---\n\n## 三、反证（任何重要判断成形前必做）\n\n问自己 5 个问题：\n1. **空头/反方会怎么说？** 最有力的反驳是什么？\n2. **市场可能是对的吗？** 我看到的\"预期差\"会不会其实已被定价、或我理解错了？\n3. **最脆弱的一环在哪？** 整条逻辑链哪个环节断了判断就崩？\n4. **什么证据会推翻我？** 明确写出\"如果看到 X，我就错了\"（kill condition）。\n5. **风险能否定价/对冲？** 不可定价的尾部风险 vs 可管理的已知风险。\n\n---\n\n## 四、结论质量门控（红线4 · 推送前逐条过）\n\n不满足任一条 → 不是合格研究，回去补：\n\n- [ ] **有立场**：给了明确判断（看多/看空/中性/值得投/不值得投），不是\"有待观察\"\"值得关注\"这类滑头话\n- [ ] **有依据**：每条判断可回溯到具体来源 + 具体内容（数值是具体数字，不是\"较多/不少/有所\"）\n- [ ] **有定价检查**：明确说了市场现在定价了什么，我的判断 vs 市场差在哪\n- [ ] **有反方**：写了空头逻辑/最大风险，不是只说好话\n- [ ] **有量化**：空间/弹性/估值/概率至少量化了关键变量\n- [ ] **有命门变量**（聚焦纪律）：开头明确写出本对象的 2-3 个关键变量（命门），且 70% 笔墨打在这几个变量上，没有面面俱到而失焦\n- [ ] **有非对称赔率**（投研终极产物）：算了上下比（Bull% / Bear%）和期望值，明确表态\"在当前价格赔率是否非对称地有利\"，不是只给\"会涨/会跌\"的方向判断\n- [ ] **赔率概率有锚定+做了敏感性测试**：情景概率给了锚定理由（非拍脑袋），并测了\"概率变多少结论反转\"；对概率高度敏感的结论已标注低确信度\n- [ ] **一手源失败有交代**：关键数据若一手源抓取失败，按 content-reading-protocol 的降级路径处理，并明确标注证据等级与该情况下能否下结论\n- [ ] **有前瞻**：指出了未来的催化剂/拐点信号/时间窗口，不只是复述已发生的\n- [ ] **有确信度与盲区**：标注了这个判断有多确信、哪些没查到/查不准\n- [ ] **客观准确**（红线8）：结论基于事实与数据，不是主观感受/拍脑袋；区分\"事实\"与\"我的推断\"，后者明确标注为判断；数据准确无误（单位/时间/口径核对）\n- [ ] **充分调研**（红线9）：达到该类研究的最低全文读取量与多源验证；调研不足时说\"调研不足、暂不下结论\"，不拼凑\n- [ ] **反共识检查**（预期差发动机）：明确写了市场共识是什么 + 质疑了共识哪里可能错 + 表态我是跟随还是偏离（一致则明说无预期差，不碌造）\n- [ ] **多维扫描**（一半B）：七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）都过了一遍；相关维度取了数、不相关的明说了为何忽略；不是只看单一维度就下结论\n- [ ] **贴合实际（非套模板）**（一半A）：开头写了本对象的核心矛盾与驱动类型，报告结构围绕核心矛盾设计（主战场重笔墨），而非机械套用固定章节\n- [ ] **紧扣目标**：通篇在回答开头定义的研究问题，没跑偏\n\n---\n\n## 五、诚实原则（红线2）\n\n- 证据不足 → 说\"证据不足，无法下结论\"，**绝不编造数据/事实/引用来源**\n- 数据查不到 → 标注信息盲区，不用\"估计/大概/应该是\"凑数字\n- 矛盾证据 → 如实呈现矛盾，给出在矛盾下的概率判断，不掩盖\n- 引用必须真实：写\"某文件第X条提出Y\"时，Y 必须是真的读到的原文，不是合理推测的内容\n\n---\n\n## 六、客观准确（红线8）\n\n- **事实与观点分开**：写清哪些是可验证事实（带源）、哪些是我的推断。推断明确标为判断，不伪装成事实。\n- **不预设立场**：不为证明一个预设结论而选择性取证（确认偏误）；正反证据都摆，让证据决定结论，不是结论决定取哪些证据。\n- **数据准确**：每个数字核对单位、时间、口径（如同比/环比、亿/万、人民币/美元）；不确定的数据标为存疑，不四舍五入造精度。\n- **情绪免疫**：不受市场情绪、标题党、有倾向性表述带节奏；看原始事实不看叙事。\n- **不多不少**：不夸大利好也不渲染利空；有几分证据说几分话。\n\n## 七、充分调研才下结论（红线9）\n\n- 下任何结论前，先问：我调研够了吗？达到该类研究的最低全文读取量了吗（见 content-reading-protocol）？关键判断多源验证了吗？\n- 证据不足→ 明说\"调研不足、暂不下结论\"，并列出还需调研什么才能下结论；绝不拿单一来源/表面信息就下断言。\n- 区分\"初步印象\"与\"研究结论\"：初步印象可以说，但必须明标为初步、未充分验证。\n\nArchive v1.0.5: 42 files, 140025 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/company-research.md (5811b), methodology/content-reading-protocol.md (6489b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (15506b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3084b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (3118b), SKILL.md (6393b), _meta.json (143b)\n\nFile v1.0.5:SKILL.md\n\n---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架、5研究模板、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、公司研究、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nrequires:\n  bins:\n    - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `TRADING_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 公司研究（看懂生意本身） | methodology/company-research.md | — |\n| 个股深度研究（投资判断） | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集\n```\n数据落盘 `${TRADING_ROOT:-~/research-data}/data/daily/{date}/`（由 TRADING_ROOT 环境变量控制）。\n\n### 搜索（找线索，不出结论）\n**优先用专用搜索 skill（Serper/Tavily，覆盖好、可控）；未安装时降级用内置 `web_search` 工具兜底。** 结论靠 web_fetch/pdf 读全文，搜索只找线索。\n```bash\n# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具\n```\n\n## 认知连续性（用研究产物，不用静态档案）\n不预存任何静态行业档案——静态认知必然过时且锚定共识，违背找预期差的本质。认知连续性靠研究产物库实现（见上）。\n连续性靠**研究产物库**实现：做某行业/标的研究前，先看 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇研究（带日期、带一手数据、带来源），站在上次真实研究的肩上，而非模型存量记忆。\n注意时效：产物只作背景与线索，\"当前景气/估值/最新动态\"一律用本次一手数据现取覆盖；过时结论只当\"曾经的判断\"参考，不当事实。\n\n## 研究产物入库\n报告写入 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`。如需远程备份，由调用方的备份任务自行处理。\n\n## 红线·边界\n纯研究助理：不盯盘、不发买卖/止损信号、不做交易执行、不维护持仓。提供判断+依据+风险+可选路径，用户是最终决策者。\n\nFile v1.0.5:README.md\n\n# deep-investment-research\n\n系统化投研能力中枢 —— 一套可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n## 这个 skill 是什么\n\n把\"做一份高质量投资研究\"沉淀成可复用的方法论与工具，覆盖七类研究：\n\n- 宏观研究（中国 / 美国）\n- 行业深度研究\n- 个股深度研究\n- 投资可行性分析\n- 政策研究与追踪\n- 风险分析\n- 投资规划\n\n内置：**9 条研究红线**、**深度研究 5 步法**（A 事实 → B 推断 → C 市场定价检查 → D 含义）、**七棱镜多维扫描**（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）、**6 个专题框架** + **5 个研究模板**、**8 个重点行业的一手源清单**，以及一组数据采集脚本（SEC EDGAR / HKEX / AKShare / FRED / 政策门户等）。\n\n> 定位：**纯研究**。产出判断、依据、风险与可选路径，支持决策；不做盯盘 / 交易信号 / 交易执行。\n\n## 怎么用\n\n触发任意投资研究请求后，先读 `SKILL.md`，它会引导：\n\n1. 读内核 `methodology/research-core.md`（红线 + 研究设计 + 七棱镜 + 5 步法 + 反证 + 质量门控）\n2. 按课题类型读对应框架 + 模板（见 `SKILL.md` 表格）\n3. 用 `methodology/source-registry.md` 定位行业一手源，取真实数据\n4. 按 `methodology/content-reading-protocol.md` 全文阅读、来源回溯，再下结论\n\n## 依赖\n\n**必需**\n- `python3`\n\n**数据采集脚本（可选，按需）**\n- Python 包：`yfinance`、`akshare`、`fredapi`、`requests`、`beautifulsoup4` 等（按所用脚本安装）\n- API key（按需，未设置则自动跳过该数据源）：`FINNHUB_API_KEY`、`FRED_API_KEY`\n\n**联网搜索（可选，软依赖）**\n- 优先使用 [web-search-plus](https://clawhub.ai) / [tavily-search](https://clawhub.ai) skill（覆盖好、可控）\n- 未安装时自动降级用 OpenClaw 内置 `web_search` 工具\n\n## 可配置环境变量（均带默认值，不设也能用）\n\n| 变量 | 作用 | 默认值 |\n|------|------|--------|\n| `RESEARCH_OUTPUT_DIR` | 研究报告归档目录 | `~/research-output` |\n| `TRADING_ROOT` | 数据采集落盘目录 | `~/research-data` |\n| `SEARCH_SKILL_PATH` | 联网搜索脚本路径 | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 目录结构\n\n```\ndeep-investment-research/\n├── SKILL.md                      # 入口：触发条件 + 9 红线 + 用法\n├── methodology/                  # 方法论\n│   ├── research-core.md          # 内核（所有研究通用）\n│   ├── source-registry.md        # 8 行业一手源清单 + 搜索优先级\n│   ├── content-reading-protocol.md\n│   ├── {industry,stock-deep-dive,feasibility-analysis,policy-research,risk-analysis,investment-planning}.md\n│   ├── {china-macro,us-macro}.md\n│   └── templates/01-05*.md       # 5 个研究模板\n└── scripts/                      # 多源一手数据采集（可选）\n```\n\n## 许可\n\nMIT，见 [LICENSE](./LICENSE)。\n\nFile v1.0.5:_meta.json\n\n{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.5\",\n  \"publishedAt\": 1781067830275\n}\n\nFile v1.0.5:methodology/china-macro.md\n\n# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有为\"=政策温度计）\n- 会议频率：紧急会议/提前召开=重大决策\n\n### 3. 军事/安全信号\n\n- 演习规模/位置/参与兵种 → 判断是常规训练还是信号释放\n- 国防采购/预算变化 → 军工产业链\n- 台海态势 → VIX/避险资产联动\n\n### 4. 国际关系矩阵\n\n| 关系 | 监控指标 |\n|------|----------|\n| 中美 | 关税/制裁/高层通话/贸易数据 |\n| 中欧 | 汽车关税/投资审查/外交访问 |\n| 中日 | 稀土/半导体/外交温度 |\n| 中俄 | 能源协议/军事合作/金融结算 |\n| 南海 | 舰艇活动/声索/ASEAN态度 |\n\n---\n\n## 搜索命令参考\n\n```bash\n# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5\n```\n\n---\n\n## 质量标准\n\n1. **每条解读必须有\"意味着什么\"**——纯转述=废话\n2. **政策措辞对比是核心技能**——\"适度宽松\"→\"更加积极\"=信号\n3. **时间轴思维**——这个政策什么时候影响到市场？下周？下月？下季？\n4. **反共识观点标注**——如果你的判断和主流不同，说清楚为什么\n5. **不确定性诚实标注**——信息不足时说\"数据不够，暂时判断是X，等Y数据验证\"\n\nFile v1.0.5:methodology/company-research.md\n\n# company-research.md — 公司研究框架（理解\"这是门什么生意\"）\n\n> 引用 research-core.md（命门变量+赔率+反证+质量门控）+ source-registry.md + content-reading-protocol.md。\n> **定位与边界**：本框架做**企业基本面研究**——把一家公司当\"一门生意\"研究透：它靠什么赚钱、护城河多深、生意质量多好、能长多大。\n> **与 stock-deep-dive 的分工**：公司研究是上游（理解生意本身，不谈买卖时机/估值高低）；个股深度研究是下游（在理解生意基础上判断\"当前价位值不值得投\"，谈预期差/估值/催化剂/赔率）。**先做公司研究看懂生意，再用 stock-deep-dive 做投资判断。** 做投资可行性时两者衔接。\n\n## 何时用本框架\n- 用户要\"研究/看懂某公司\"（而非直接问\"能不能买\"）\n- 投资判断前的基础功课：先把生意搞懂\n- 对比同行业几家公司的生意质量\n- 一级/拟上市/未覆盖公司的从0认知\n\n## 研究目标定义（紧扣 research-core 一、）\n一句话写清：要回答这家公司的什么核心问题（如\"宁德时代的护城河是否在被价格战侵蚀\"），以及它服务什么决策。\n\n## 命门变量前置（research-core 一半-A·先锁定再研究）\n先诊断：**决定这家公司价值/生死的 2-3 个命门变量是什么**？（如：某SaaS=净留存率NRR；某药企=核心管线；某制造=产能利用率+单位成本曲线）70% 火力打这几个，其余维度扫到即可，不面面俱到。\n\n## 七维企业研究结构（读财报/招股书/电话会全文，非摘要）\n\n围绕命门变量裁剪笔墨——下面七维都要想到，命门所在维度深挖，其余扫到即可。\n\n### 1. 商业模式：靠什么赚钱\n- 卖什么给谁、怎么收钱（一次性/订阅/抽成/广告）、收入结构与各占比\n- 价值链位置：上游议价/下游粘性、是卖方还是买方市场\n- 单位经济（unit economics）：单客户/单件的赚钱逻辑——获客成本、客单、复购、生命周期价值；规模化后边际成本怎么走\n\n### 2. 护城河：凭什么持续赚钱、别人抢不走\n- 护城河类型：网络效应/规模成本/转换成本/无形资产(品牌专利)/特许经营。逐项判断有没有、有多深\n- **护城河方向（关键）**：在变宽还是变窄？用证据说（市占率趋势、毛利率趋势、定价权、客户流失率）——护城河叙事很多，要用数据验证真伪\n\n### 3. 财务质量：生意的成色（读财报全文）\n- 盈利质量：毛利率/净利率趋势、ROE/ROIC（是否持续>资本成本）、经营现金流 vs 净利润（利润含金量）\n- 资产负债：杠杆、有息负债、商誉减值风险、应收/存货周转\n- 资本配置：赚来的钱怎么花（再投资/分红/回购/并购），管理层资本配置能力\n\n### 4. 竞争格局：这门生意里的相对位置\n- 行业格局：集中度、玩家梯队、本公司份额与趋势\n- 同业对比：与主要对手在毛利率/份额/成长/估值上横向比较（用具体数字）\n- 竞争烈度：价格战？份额争夺？新进入者/替代品威胁\n\n### 5. 管理层与治理\n- 创始人/管理层背景、过往承诺兑现度（说到做到吗）、激励是否与股东一致\n- 股权结构、关联交易、治理红旗（频繁换审计/CFO、激进会计）\n- 资本市场诚信：历史指引准不准、是否画饼\n\n### 6. 成长性：能长多大、靠什么长\n- 成长驱动：量增/价增/新品/新市场/份额提升，逐个拆\n- 天花板（TAM）：长期空间多大，当前渗透率\n- 成长的可持续性与再投资回报（增长是烧钱买的还是内生的）\n\n### 7. 风险与脆弱性（接 research-core 反证5问）\n- 商业模式最脆弱的一环、单一客户/供应商/产品依赖、监管/政策敞口\n- kill condition：看到什么信号说明这门生意的逻辑变坏了\n\n## 估值衔接（本框架不做估值结论，交给 stock-deep-dive）\n公司研究产出\"这是门什么生意、生意质量如何、能长多大\"的判断；**是否值得投、估值贵不贵、有无预期差 → 转 stock-deep-dive 框架**。结尾给一句\"进入投资判断时该重点验证的预期差线索是什么\"作为衔接。\n\n## 产出\n- 结论：**这是门什么生意 + 生意质量评级（好/中/差及理由）+ 护城河方向（变宽/变窄）+ 成长可持续性** + 确信度\n- 命门变量及其当前状态\n- 七维中围绕命门的关键发现\n- 风险与脆弱性 + kill condition\n- 信息盲区\n- 衔接：进入投资判断要验证的预期差线索（不替用户下单）\n\n## 多源验证（每条≥具体数值，红线2）\n财报/招股书全文 · 电话会纪要 · 同业财报横比 · 行业数据 · 管理层历史指引兑现记录——每维有数字和事实，不写\"龙头/稳健/优秀\"空话。\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅**：\"行业龙头，商业模式清晰，护城河深厚，管理层优秀，长期成长空间大。\"\n—— 全是无证据的形容词，没说清靠什么赚钱、护城河凭什么、数据趋势如何，等于没研究。\n\n**✅ 深刻**：\"靠 X 模式赚钱（订阅占收入70%、NRR 118%=存量自然增长）；护城河是转换成本（客户迁移需重构数据管线，流失率仅5%）且在变宽（毛利率3年75%→82%、提价未掉客）；但命门 NRR 近两季 125%→118% 走弱，跌破110%则'存量驱动'逻辑受损（kill condition）。生意质量：高（ROIC 25%>资本成本，现金流/净利1.1）。进入投资判断需验证的预期差：市场是否已把 NRR 放缓 price in。\"\n—— 有模式拆解、护城河方向+数据、命门状态、kill condition、生意质量判断、衔接线索。\n\nFile v1.0.5:methodology/content-reading-protocol.md\n\n# 内容读取协议（所有研究任务共享）\n\n## 最终输出硬规则（所有任务通用·最高优先级）\n你的最终回复**必须以报告内容的第一个实义字符开始**（如 emoji 标题、结论句、或 HEARTBEAT_OK）。\n回复开头**禁止**出现任何：\n- 思考/过程旁白（如 \"I now have...\"、\"Let me compose...\"、\"Now let me...\"、\"我现在来...\"、\"让我...\"、\"首先我...\"）\n- 动作/投递说明（如 \"explicit target failed\"、\"final reply\"、\"报告已推送\"、\"已发送\"）\n- 读取量/工作量自述（如 \"I've deep-read 5 articles\"、\"我读了X篇\"）\n\n所有思考放在工具调用阶段（运行命令/搜索/读取时），final reply **只放成品**。\n投递由系统（cron announce）自动完成，**不要调用 message 工具主动发送**。\n\n## 核心工作流\n\n```\n搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）\n```\n\n---\n\n## 数据文件读取标准\n\n读取 JSON/API 数据后，输出必须包含三层：\n\n1. **具体数值**：原始数字（如 \"南向净买入5.27亿港元\"、\"PMI 49.8\"）\n2. **对比维度**：环比/同比/vs预期/vs均值（如 \"前值50.1，环比-0.3\"、\"较20日均值+2σ\"）\n3. **投资含义**：这个数值对决策意味着什么（如 \"连续3月萎缩区间，制造业收缩趋势确认\"）\n\n---\n\n## 文章/公告读取标准\n\n对每篇 web_fetch 读取的内容，提取三类信息：\n\n1. **关键原文引用**：原话/条款（如 \"文件第三条明确提出'2026年底前完成整改'\"）\n2. **具体数据点**：文中提到的数字（如 \"净投放1000亿，超出市场预期的500亿\"）\n3. **措辞/信号变化**：与之前表述的对比（如 \"从'适度宽松'改为'更加积极'，政策温度上升\"）\n\n---\n\n## 全文阅读硬门控（红线3·最高优先级）\n\n**只读标题/摘要/搜索片段 = 没读。** 任何进入结论的判断，必须基于已 web_fetch / pdf 工具读到的**正文段落**。\n\n硬规则：\n1. 搜索结果（标题+snippet）只用来**选择要读什么**，绝不直接作为结论依据。\n2. 每个关键判断背后，至少有一篇被**全文读取**的原文（财报/政策原文/研报/权威报道正文）。\n3. 长文档（财报、招股书、政策全文、长研报）→ 用 pdf 工具或分段 web_fetch **读完相关章节**，不止读开头。摘要式略读不算数。\n4. 读不到全文的源（付费墙/JS渲染）→ **诚实标注为信息盲区**，不靠标题脑补内容。\n5. 一手 > 二手：能读财报原文就不引用新闻转述；能读政策原文就不引用解读稿。\n\n### 一手源抓取失败的降级路径（防\"硬门控形同虚设\"）\n当目标一手源拿不到正文（付费墙/JS渲染/反爬/只返回免责声明），按以下阶梯降级，并**显式标注本条数据的证据等级**：\n1. **换入口取同一手数据**：官方 API/数据下载页/PDF 年报/官方转载/镜像（如 WGC 正文抓不到 → 试其 Excel 数据下载、IMF 储备数据、AKShare 对应接口）。\n2. **退到权威二手，但必须可交叉**：≥2 家独立权威媒体引用了**同一组具体数字**且数字一致 → 可用，标注\"二手交叉（证据等级B）\"。\n3. **仍拿不到** → 标注\"该数据点存在信息盲区（证据等级C）\"。\n**下结论的红线**：命门变量的关键数据若只到证据等级 C（盲区），**不得就该命门下确定性结论**，必须说\"此命门数据不足、判断确信度降级或暂缓\"。即抓取失败不是\"照常下结论+脚注一句盲区\"，而是**直接影响该判断能否成立**。\n\n## 读取量要求\n\n| 任务类型 | 最低全文读取量 | 每条结论支撑 |\n|----------|-----------|-------------|\n| 宏观研究 | 8-12 篇正文 | ≥1 篇原文 |\n| 政策研究/部委扫描 | 政策原文全文 + 5-8 篇解读 | 受益/受损判断 ≥1 手原文 |\n| 行业深度研究 | 关键公司财报/招股书相关章节 + 行业报告 + 8-15 篇正文 | 每个分环节 ≥2 独立源 |\n| 个股深度研究 | 最近财报全文 + 5-8 篇正文 | ≥2 篇/关键判断 |\n| 投资可行性/风险分析 | 视主题，覆盖正反双方各 ≥3 独立源 | 每个情景 ≥1 数据支撑 |\n\n读取量不是凑数指标——是\"研究是否做透\"的下限。不够就继续读，不靠减量换速度（用户明确：效果优先于速度）。\n\n---\n\n## 质量自检方法\n\n推送前逐条检查你的输出：\n\n1. 每个判断旁标注来源：`[来源: 财联社5/25 - \"央行超预期净投放\"]`\n2. 标注不出来的判断 = 没有依据 → 删除或补充读取\n3. 多源验证表格每个格子是否有具体数值？只写\"确认\"无数字 = 不合格\n\n---\n\n## 示例对照\n\n### 宏观研究——合格输出\n```\n央行操作：今日开展7天逆回购2580亿元（中标利率1.4%），对冲到期10亿后净投放2570亿元，\n连续4日净投放。[来源: RTHK 5/25 - \"规模创近两个月单日新高\"]\n判断：跨月流动性呵护明确，\"收短放长\"格局下短端利率有下行空间。\n```\n\n### 宏观研究——不合格输出\n```\n央行进行了逆回购操作，市场关注流动性。\n```\n↑ 无具体金额、无期限、无来源引用、无对比、无判断依据\n\n---\n\n### 标的研究——合格的多源验证\n```\n- southbound: 确认 | 净买5.27亿港元，Top1，连续3日加仓，占日均成交15.3%\n- analyst: 确认 | 高盛上调目标价至45.0（+12%），理由\"28nm产能利用率达92%超预期\"\n- short_interest: 否认 | 沽空比例8.2%较上周+0.5%，空头小幅加仓\n- announcements: 确认 | 5/20公告Q1收入同比+23%，毛利率38.2%（去年同期35.1%）\n```\n\n### 标的研究——不合格的多源验证\n```\n- southbound: 确认 | 南向有流入\n- analyst: 确认 | 分析师看好\n- short_interest: 无数据\n```\n↑ 无具体金额、无排名、无变化幅度、无分析师名称/理由\n\n---\n\n## 来源筛选（仅限可免费全文访问）\n\n### 中文源\n华尔街见闻、第一财经、财联社、证券时报、新华社、澎湃新闻、央行/部委官网\n\n### 英文源\nReuters、Bloomberg（部分免费）、CNBC、FT（部分免费）、SEC EDGAR、公司IR页面\n\n### 跳过（不尝试不标注）\n财新（付费墙）、其他明确付费源\n\nFile v1.0.5:methodology/feasibility-analysis.md\n\n# feasibility-analysis.md — 投资可行性分析框架\n\n> 引用 research-core.md。用途：判断一个方向/主题/标的值不值得投，逻辑链是否成立。\n> 这是\"该不该参与\"的把关，不是\"怎么买\"。\n\n## 研究目标定义\n明确要评估的对象：一个主题（如\"2万亿AI基建该不该参与\"）/ 一个方向（如\"创新药出海\"）/ 一个标的。\n\n## 可行性评估结构\n\n### 1. 投资逻辑链是否成立\n- 把\"为什么能赚钱\"拆成完整链条，逐环节质询\n- 哪个环节是假设、哪个是事实？最弱的环节在哪？\n- 链条断在哪里 → 整个逻辑不成立\n\n### 2. 是真机会还是已被定价（红线核心）\n- 这件事市场知道吗？已经涨了多少/price in 多少？\n- 区分：**利好兑现前**（机会）vs **利好已抢跑**（接盘）\n- 一阶逻辑（人人能看到，已定价）vs 二阶/三阶（还没被充分认知）\n\n### 3. 空间与弹性\n- 假如逻辑成立，能赚多少？（上行空间量化）\n- 对哪个环节弹性最大？（同一主题不同环节弹性差异巨大）\n\n### 4. 确定性与时间成本\n- 逻辑兑现的确定性多高？\n- 需要等多久？时间成本（机会成本）是否划算\n- 有没有明确的催化剂触发兑现\n\n### 5. 风险收益比\n- 下行风险 vs 上行空间，比值是否有吸引力\n- 最坏情况能承受吗\n\n## 三种结论（必须明确，红线4）\n- **值得投**：逻辑成立 + 未充分定价 + 风险收益比好 + 有催化 → 说明最优参与环节、关键假设、跟踪信号\n- **不值得投**：给出具体一句话原因（逻辑断在哪/已抢跑/弹性不足/风险不可控/时间成本太高）\n- **有条件值得**：当前不行，但若出现 X 条件则成立 → 列出触发条件，进观察清单\n\n## 红线\n- 写不出\"为什么不是已被定价\" → 倾向不值得投\n- 不因\"题材大/故事好\"就给值得投——故事≠预期差\n- 紧扣\"值不值得投\"这个问题，不发散成泛行业综述\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"这是万亿级大赛道，空间巨大，值得投。\" —— 题材当结论，没回答\"是否已被定价\"\"哪个环节\"。\n**✅ 深刻**：\"逻辑链：A政策→B需求→C标的，最弱环节是B（需求兑现依赖补贴落地，存疑）；一阶受益股（服务器）1个月+102%已抢跑，二阶环节（电力/IDC）估值仍低未price in；最优risk:reward在二阶；确定性中、需等细则、时间窗口1-3月。结论：有条件值得，触发条件=招标落地。\" —— 拆链条、查定价、定环节、给条件。\n\nFile v1.0.5:methodology/industry-research.md\n\n# industry-research.md — 行业研究框架\n\n> 引用 research-core.md（5步法+反证+质量门控）+ source-registry.md（一手源）+ content-reading-protocol.md（全文阅读）。\n> 用途：对一个行业做透——它现在处于什么位置、未来往哪走、机会与风险在哪。\n\n## 研究目标定义\n先写清楚这次行业研究要回答什么（如\"半导体当前景气位置+未来12个月方向+最具预期差的环节\"）。\n\n## 六维行业分析框架\n\n### 1. 行业结构与产业链\n- 拆产业链：上游→中游→下游，每个环节做什么、谁主导、利润分布在哪\n- 价值量分布：钱主要被哪个环节赚走？为什么？\n\n### 2. 核心驱动力\n- 需求侧：什么在拉动需求？长期趋势 vs 周期波动\n- 供给侧：产能、技术、成本曲线\n- 政策/监管：是顺风还是逆风\n- 区分**结构性成长**（长期渗透率提升）vs **周期性波动**（库存/价格周期）\n\n### 3. 景气位置（关键·前瞻）\n- 现在处于周期哪个阶段？（复苏/过热/衰退/萧条 或 渗透率早/中/晚期）\n- 用什么指标判断？（库存、产能利用率、价格、订单、capex）\n- **拐点信号**：什么数据出现会标志景气向上/向下转折\n\n### 4. 竞争格局\n- 集中度（CR5/CR10）、格局演变方向\n- 谁有定价权/护城河？壁垒是什么（技术/规模/牌照/生态）\n- 国产替代/国产化率（中国相关行业必看）\n\n### 5. 长期空间\n- TAM 测算（自下而上：量×价 或 渗透率×总盘）\n- 当前渗透率 vs 天花板\n- 增速可持续性\n\n### 6. 市场定价 vs 真实情况（预期差）\n- 市场当前怎么定价这个行业？（板块估值分位、资金流向、情绪）\n- 真实基本面 vs 市场预期差在哪？\n- 哪些环节已被充分定价（拥挤），哪些还没（机会）\n\n## 产出\n- 行业景气判断（位置+方向+确信度）\n- 产业链中最具预期差的环节 + 理由\n- 该环节的代表标的（不替用户决策，列出供进一步研究）\n- 关键跟踪指标（未来盯什么数据验证/证伪判断）\n- 风险与信息盲区\n\n## 输出后\n把研究报告归档到 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`（如需远程备份由调用方备份任务自行处理）。下次同行业研究先读最近几篇产物作背景——认知连续性靠**带日期的真实研究产物**，不靠预存的静态档案。\n\n---\n\n## 深度追问清单（每个维度问到底，逆出深度）\n\n做完六维不够，要对每个维度追问“为什么”直到触及本质：\n- **驱动**：这个需求是真实的还是补贴/囤货拉出来的？需求增速是加速还是减速？驱动能持续几年？\n- **景气**：现在是周期底/顶，还是中段？识别拐点的领先指标是什么（不是滞后的价格/营收，是领先的订单/库存/capex）？\n- **格局**：现有赢家的护城河会被什么打破（技术路线变迁/新进入者/政策）？当前领先者 3 年后还是领先者吗？\n- **空间**：TAM 是用倒推还是拍脑袋？渗透率从 X% 到 Y% 需要什么条件触发，这些条件成立吗？\n- **定价**：市场现在的价格隐含了什么预期（反推：现价对应多少增速/渗透率）？我的判断 vs 这个隐含预期差在哪？\n\n## 质量对照（肤浅 vs 深刻）\n\n**❌ 肤浅的行业研究**：“半导体是 AI 的基石，需求旺盛，国产替代空间大，看好。”\n—— 全是人人知道的一阶信息，无数据、无景气位置、无预期差、无拐点信号。\n\n**✅ 深刻的行业研究**：“存储现货价 DDR5 近 3 个月从 $X 涨到 $Y（+Z%），原因是原厂 capex 纪律+HBM 挤压标准品产能；市场仅定价了周期复苏，未定价涨价的持续性（供给刚性可能持续到 H2）。拐点信号：原厂投片量、HBM 产能占比。”\n—— 有具体数据、有景气拐点判断、有“市场定价 vs 真实”的预期差、有可跟踪的领先指标。\n\nFile v1.0.5:methodology/investment-planning.md\n\n# investment-planning.md — 投资规划框架\n\n> 引用 research-core.md + risk-analysis.md。用途：目标导向的配置思路、节奏、优先级、跟踪计划。\n> 提供规划与路径，不替用户下单、不维护持仓纪律。\n\n## 规划起点：以终为始\n- 先明确用户的目标/约束（收益预期、时间、风险承受、资金量、流动性需求）——不清楚就先问，不臆设\n- 规划是为目标服务的，先有目标再有路径\n\n## 规划结构\n\n### 1. 配置思路（自顶向下）\n- 大类资产/主题间的逻辑分配（基于宏观判断+各方向研究结论）\n- 为什么是这个结构？对应什么判断？\n- 进攻仓 vs 防守仓的角色分工\n\n### 2. 优先级排序\n- 把已研究的机会按\"预期差强度 × 确定性 × 风险收益比\"排序\n- 哪些是核心仓（高确信）、哪些是卫星仓（高弹性高风险）、哪些是观察（条件未成熟）\n\n### 3. 节奏（前瞻）\n- 什么时候介入？等什么催化剂/估值/信号\n- 分批 vs 一次；左侧 vs 右侧的权衡\n- 各机会的时间窗口\n\n### 4. 跟踪计划\n- 每个核心判断对应的跟踪指标（盯什么验证/证伪）\n- 复盘节点：什么时候回看判断是否还成立\n\n## 产出\n- 配置框架（结构+理由）\n- 优先级清单（机会排序+角色）\n- 介入节奏与触发条件\n- 跟踪与复盘计划\n- 关键风险与盲区\n- **明确：这是规划思路与可选路径，最终决策与执行由用户做**\n\n## 红线\n- 不替用户决定具体买卖股数/价格/时点（除非用户当次明确要求做仓位测算，作一次性工具）\n- 规划基于研究结论，不脱离已验证的判断空谈配置\n- 诚实标注假设依赖（这套规划在什么前提下成立）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"建议均衡配置，分散风险，长期持有。\" —— 无目标锚定、无优先级、无节奏、无跟踪。\n**✅ 深刻**：\"以终为始：目标=X。核心仓（高确信，已验证预期差的方向）vs 卫星仓（高弹性高风险）角色分工；优先级按 预期差强度×确定性×风险收益比 排序；节奏=等Y催化剂右侧介入/分批；每个判断对应跟踪指标Z，复盘节点。明确这是规划思路，执行由用户决定。\" —— 锚目标、分角色、定节奏、可跟踪。\n\nFile v1.0.5:methodology/ministry-scan.md\n\n# 部委政策扫描 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n每日系统性扫描全部中国部委当日发文，确保不遗漏任何重要政策信号。\n是\"中国宏观研究\"的数据层补充——宏观研究做解读，这个任务做覆盖。\n\n---\n\n## 输出模板\n\n```\n# 🏛️ 部委政策扫描 [日期]\n\n## 📌 今日重点（≤5条，按投资影响排序）\n1. [部委名] 政策标题 → 核心内容（50字内）→ 影响判断\n\n## 📋 各部委逐条分析\n\n### [部委名]（X条）\n#### 1. [标题]\n- **来源**：[URL]\n- **核心内容**：[基于全文提炼的关键信息，不是标题复述]\n- **政策意图**：[为什么出这个政策]\n- **影响领域**：[哪些行业/公司受影响]\n- **时间窗口**：[何时生效/影响何时显现]\n\n（按此格式逐条）\n\n## 🔗 投资关联（深度研究，硬性要求）\n\n每条重要政策必须完成以下分析：\n\n### 传导链条（必须写清楚）\n```\n政策 → 受益行业 → 受益环节（上游/中游/下游） → 具体标的（A股+港股）\n```\n\n### 每个标的必须回答：\n1. **为什么是它**（市占率/技术壁垒/政策绑定度）\n2. **受益程度**（占营收比例/弹性大小）\n3. **时间窗口**（政策何时影响到报表）\n4. **当前估值**（PE/PB 是否已 price in）\n5. **风险**（政策不及预期/执行不到位/竞争格局）\n\n### 输出格式\n```\n| 政策 | 传导链 | 标的 | 受益逻辑 | 弹性 | 估值 | 风险 | 结论 |\n|------|--------|------|----------|------|------|------|------|\n| X部委Y政策 | 行业→环节 | 代码+名称 | 为什么受益 | 占营收X% | PEx/已涨X% | 具体风险 | 值得跟踪/已price in/PASS |\n```\n\n### 与当前持仓的关联（必须回答）\n- 今日政策对现有持仓是利好/利空/无关？\n- 是否需要调整仓位/止损？\n\n### 新机会筛选（满足任二才列入）\n- 政策确定性高（已发文/有时间表/有资金安排）\n- 市场未充分 price in（股价未反映/分析师未覆盖）\n- 弹性足够（占营收>15%）\n- 有明确催化剂时间节点\n\n## 📊 今日部委活跃度\n| 部委 | 发文数 | 重要度 |\n|------|--------|--------|\n\n## ⚠️ 信息盲区\n- 未获取到内容的部委/文章：\n```\n\n---\n\n## 覆盖范围（19个部委）\n\n### 直接爬取（官网可访问）\n- 财政部、外交部、农业农村部、国资委、科技部、税务总局、能源局\n\n### 搜索采集（官网JS渲染）\n- 商务部、住建部、交通运输部、人社部、教育部、卫健委\n- 生态环境部、自然资源部、市场监管总局、金融监管总局、外汇管理局、工信部\n\n---\n\n## 内容深度读取原则（硬性约束，违反=任务失败）\n\n**ministry_scan.json 只提供标题和URL。标题≠内容。必须读正文。**\n\n### 绝对禁止\n- ❌ 只看标题就判断政策内容/影响\n- ❌ 用\"根据标题判断...\"/\"从标题推测...\"这类表述\n- ❌ 未读原文就分析投资影响\n- ❌ 输出中找不到来自原文的具体信息\n\n工作流：\n1. 读取 `ministry_scan.json` → 获取今日各部委发文列表（这一步只是线索）\n2. **对每条有投资价值的政策，必须 web_fetch 读取原文全文**\n3. 基于原文中的**具体条款、具体数据、具体措辞**进行分析\n4. 输出时引用原文具体内容（\"第X条规定...\"/\"文件明确提出...\"）\n\n```bash\n# 读取文章原文的标准方式\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\s+', ' ', html).strip()\nprint(html[:4000])\n\"\n```\n\n**筛选标准：哪些需要深读？**\n- 含\"政策/办法/意见/通知/规划/方案\"字眼 → 必读\n- 涉及金融/房地产/科技/能源/贸易 → 必读\n- 部长/副部长级讲话 → 必读\n- 常规人事/党建/慰问 → 跳过\n- 地方分支机构日常 → 跳过\n\n每次扫描至少深读 8-12 篇原文。\n\n---\n\n## 政策分析框架\n\n对每条重要政策：\n1. **谁发的**（部委级别决定权重）\n2. **核心内容**（不是标题，是原文提炼）\n3. **政策意图**（解决什么问题？回应什么压力？）\n4. **与已知政策的关系**（新政策？还是已知政策的实施细则？）\n5. **影响链**（政策 → 行业 → 公司 → 股价，几步传导？）\n6. **时间窗口**（立即生效？征求意见？Q3实施？）\n\n---\n\n## 质量标准\n\n1. 每条分析必须基于原文内容，能指出\"这个结论来自哪篇文件的哪段内容\"\n2. \"投资关联\"必须具体到板块/标的\n3. 没有重要政策时也要明确说\"扫描完毕，今日无重大政策\"\n4. 周末/节假日部委不发文属正常，标注即可\n\nFile v1.0.5:methodology/policy-research.md\n\n# policy-research.md — 政策研究与追踪框架\n\n> 引用 research-core.md + content-reading-protocol.md（政策必读原文全文，红线3）。\n> 用途：解读政策原文，判断意图、落地路径、受益与受损环节。\n\n## 政策分析六步法\n\n### 1. 谁发的、发了什么\n- 发文主体（层级：国务院/部委/地方，层级决定力度）\n- 文件类型（规划/意见/通知/管理办法/征求意见稿——征求意见≠落地）\n- **读原文全文**，不靠二手解读\n\n### 2. 核心内容\n- 关键条款原文引用 + 具体数字（金额/时间表/比例/范围）\n- 提取硬约束（\"必须/不得/到X年完成\"）vs 软鼓励（\"支持/鼓励\"）\n\n### 3. 政策意图（为什么现在发）\n- 解决什么问题？背景是什么？\n- 与更高层定调的关系（是否落实某个中央精神）\n\n### 4. 与已知政策的关系（DELTA思维）\n- 比之前的表述变了什么？措辞温度升高还是降低？\n- 是新方向还是延续/加码？\n\n### 5. 影响链（传导，红线6 落到标的）\n- 政策 → 受益行业 → 受益环节 → 具体标的（A股+港股代码）\n- 同时分析**受损环节**（政策有人受益必有人承压）\n- 每个标的：为什么是它？弹性多大？估值是否已 price in？\n\n### 6. 时间窗口\n- 落地节奏：短期催化（吹风会/细则/招标）vs 长期慢变量\n- 关键时间节点\n\n## 落地路径判断（政策最易踩的坑）\n- 区分\"定调\" vs \"可执行细则\"——很多政策利好是慢变量，无明确时间点的不构成可交易预期差\n- 资金从哪来？（财政/专项债/社会资本）落地确定性如何\n- 历史同类政策的落地兑现率参考\n\n## 产出\n- 政策核心（一句话）+ 投资级别评估\n- 受益/受损环节 + 具体标的 + 弹性/估值/风险\n- 落地路径与时间窗口\n- 与持续追踪的政策主线的关系（研究产物归档到 ${RESEARCH_OUTPUT_DIR:-~/research-output}/macro-policy/）\n- 信息盲区（哪些原文没读到/付费墙）\n\n## 质量对照（肤浅 vs 深刻）\n**❌ 肤浅**：\"国家出台政策支持半导体，利好板块。\" —— 无原文条款、无受益环节、无落地路径、无时间窗口。\n**✅ 深刻**：\"文件第X条提出'2027年前国产化率达Y%'（硬约束含时间表），传导：政策→设备/材料环节（受益最确定，因国产化率最低）→具体标的（代码）；但属慢变量，无近期招标细则前不构成可交易预期差；落地资金来自大基金三期。受损：依赖进口的环节。\" —— 有原文、有受益受损、有落地确定性、有时间窗口。\n\nFile v1.0.5:methodology/research-core.md\n\n# research-core.md — 深度研究内核（所有研究课题通用）\n\n> 这是任何研究都要遵循的内核。六个专题框架（行业/个股/政策/可行性/风险/规划）都在此之上展开。\n> 九条红线是地基：①有深度有前瞻 ②数据真实不杜撰 ③全文阅读不停留表面 ④结论质量门控不说空话 ⑤第一性原理广收集深研究 ⑥紧扣研究目标不偏离 ⑦prompt 最佳实践榨干模型 ⑧客观准确不主观 ⑨未充分调研不下结论。\n\n---\n\n## 一、研究启动：先定义问题（红线6 紧扣目标）\n\n任何研究开始前，先用一句话写清楚：\n- **研究目标**：要回答的核心问题是什么？（如\"半导体行业现在处于景气周期哪个位置，未来12个月向上还是向下\"）\n- **决策关联**：这个答案会影响什么投资判断？\n- **成功标准**：什么样的产出算\"回答了\"这个问题？\n\n研究过程中每隔一段回看这句话——产出是否还在回答它，还是跑偏了。**偏离即停，拉回主线。**\n\n---\n\n## 一半、研究设计 + 多维扫描（红线1/5/6 · 所有研究强制前置，反\"千篇一律\"+反\"单维度\"）\n\n> 这一步是高质量研究区别于\"套模板\"的关键。动笔取数前，先做两件事：① 诊断对象、设计本次研究的重心（贴合实际，不千篇一律）；② 过一遍七棱镜，确保多维数据都扫到（不漏维度，不闭门造车）。\n\n### A. 研究设计（先诊断，再决定怎么研究）\n\n任何研究对象（个股/行业/主题/政策/宏观）都先问三句，写下来：\n\n1. **核心矛盾是什么？锁定 2-3 个关键变量（命门）。** 这个对象当下最关键的、决定其价值/走向的那 **2-3 个变量** 是什么？（如：某药企=核心管线 III 期能否读出正面；某周期股=景气位置在顶还是底；黄金=实际利率方向 vs 央行购金；某主题=政策落地节奏 vs 市场抢跑程度）\n   > **聚焦纪律（资深专家的效率密码）**：资深投研专家 80% 精力只盯这 2-3 个命门变量，其余都是噪音。**找对变量 > 收集更多数据。** 本次研究 70% 火力打这几个变量——它们错了结论就错。不要面面俱到而失焦。\n   > **火力达标的客观标尺（防\"口号\"）**：命门变量必须满足——①每个命门变量都独立取了硬数据/读了正文（不是一句话）②围绕命门的分析篇幅 ≥ 全文 60%③结论的赔率与立场直接由命门变量推出。**命门（决定价值的因，2-3个）≠ 七棱镜主战场（要扫的维度，可3-4个）**：命门是\"答案的来源\"，棱镜是\"检查的清单\"；一个棱镜可能承载某个命门（如黄金的\"宏观\"棱镜承载\"实际利率\"命门），但不要把\"扫了4个维度\"误当成\"4个命门\"。命门数量硬上限 3 个。\n2. **驱动类型是什么？** 它主要被什么驱动——业绩周期 / 政策 / 技术突破 / 地缘 / 估值修复 / 资金面 / 事件催化？驱动类型决定哪些维度是主战场。\n3. **据此裁剪：哪些维度重笔墨、哪些一句话带过？** 把下面七棱镜按本对象的相关性排序，**主战场维度深挖（占报告 60-70% 笔墨），约束/背景维度扫到即可。**\n\n> 原则：**研究结构服从研究对象，不是对象去填模板的固定章节。** 模板给的是\"必须想到的维度全集 + 方法\"，不是\"必须照填的格子\"。一个政策驱动主题和一个业绩 beat 个股，重心天差地别——设计这一步就是让结构贴合实际。\n\n### B. 七棱镜多维扫描（每个研究都过一遍，不漏维度）\n\n无论研究什么，下面七个棱镜**逐个过一遍**，判断与本对象的相关性：相关的纳入取数与分析，**不相关的也要一句话写明\"为何判定可忽略\"**（强制过一遍，防止漏掉真正重要的外部变量）。\n> **略过维度的最低判据（防\"合理化偷懒\"）**：判一个棱镜\"低相关可一句话带过\"，这句话必须说清**\"该维度对本对象无显著传导路径\"的具体理由**（如\"该公司无海外营收，汇率维度可略\"），而非\"看起来不重要\"。**只要该维度可能影响命门变量，就必须取数，不得略过**——略过的前提是\"已判断它碰不到命门\"，不是\"懒得查\"。\n\n| 棱镜 | 看什么 | 典型一手源 |\n|------|--------|-----------|\n| ① 宏观 | 利率/汇率/流动性/通胀/景气周期位置，对该对象的传导 | FRED、统计局、AKShare、央行操作、china-macro/us-macro.md |\n| ② 政策/监管 | 产业政策、监管变化、补贴/限制、医保/关税，原文意图与落地 | 政府网/部委原文、policy_gov_fetcher、ministry_scanner |\n| ③ 地缘政治 | 大国博弈/制裁/出口管制/冲突/选举/同盟，对供应链与资产的传导 | 权威报道正文、BIS/实体清单原文、官方声明 |\n| ④ 产业链上下游 | 上游成本/供给、下游需求/景气、竞争格局、替代关系 | 上下游公司财报、行业协会数据、价格数据 |\n| ⑤ 资金面/投资者行为 | 南向/北向、机构持仓与变动、沽空、ETF 流、一致预期修正、超级投资者动向 | southbound/short_interest/analyst_revision/sec_13f/superinvestor_moves |\n| ⑥ 新闻/事件/情绪 | 近期催化事件、市场叙事、情绪过热/过冷、预期差线索 | Serper news、Tavily、公司公告 |\n| ⑦ 标的/对象自身 | 基本面（财报/管线/产能/估值）、技术/竞争壁垒、管理层 | 财报全文、招股书、IR、电话会、yfinance |\n\n> 多维的意义不是\"七个维度都写一段\"凑长度，而是**用多棱镜交叉验证一个判断、并捕捉单一维度看不到的预期差**（如：基本面平淡但地缘催化被低估；景气向上但政策风险被忽视）。交叉点常常就是预期差所在。\n> 红线：相关维度若没去取数就下结论 = 闭门造车（红线5/9），不合格。\n\n---\n\n## 二、深度研究 5 步法\n\n### Step 1 — 识别异常 / 界定问题\n- 要研究什么？**什么变了？变了多少？**（量化）\n- 市场现在怎么看这件事？（共识基线 = 后面找预期差的参照系）\n\n### Step 2 — 形成假设（A → B → C → D）\n- **A（事实）**：可验证的客观事实是什么\n- **B（推断）**：由 A 推出什么\n- **C（市场定价检查）**：当前价格/估值/情绪已经price in了什么？市场是否已经知道 B？\n- **D（含义）**：如果 B 正确而市场没充分定价，意味着什么机会/风险\n\n> 没有 C（定价检查）的研究是半成品——\"好公司\"不等于\"好投资\"，关键是\"比市场认为的好/差\"。\n\n### Step 3 — 验证 / 证伪（红线2/5 真实·广收集）\n- **充分搜索优先（红线5/9硬性）**：任何研究都必须先广撦网搜够资料再下判断——绝不凭记忆/单一来源闭门造车。模型记忆必有时效滞后与盲区，\"井底之蛙自以为是\"是研究大忌。多源、多角度、正反都搜，宁多勿少。\n- 每个关键判断 **≥2 个独立证据** 支持或反对\n- **一手优先**：财报原文 > 政策原文 > 行业协会/官方数据 > 权威研报 > 新闻转述\n- 主动找**反方证据**，不只找支持自己假设的（确认偏误是研究第一杀手）\n\n### Step 4 — 量化与情景 + 非对称赔率（红线1 深度·前瞻）\n- 尽量量化:市场空间(TAM)、增速、弹性、估值区间、概率\n- 列 **Bull / Base / Bear 三情景**，各自的假设、概率、对应结果\n- 估值自己算（新EPS×合理PE / DCF / SOTP / 重置成本），**不直接抄分析师目标价**（滞后指标）\n- **算非对称赔率（投研的终极产物——不是\"会涨吗\"而是\"赔率值得下注吗\"）**:\n  - 下行空间（Bear 情景跌到哪）vs 上行空间（Bull 情景涨到哪），算 **上下比**（如 Bull +60% / Bear -15% = 4:1）\n  - 用情景概率算 **期望值**（E[V] = P_bull×Bull% + P_base×Base% + P_bear×Bear%）\n  - **概率不许拍脑袋（否则期望值是假精确）**：每个情景概率必须给锚定理由（基于命门变量的状态/历史频率/隐含概率，而非主观感觉）；并做 **翻转敏感性测试**——问\"概率要变到多少，结论才反转？\"若小幅调整概率（如 ±10pct）就让立场从\"值得\"翻到\"不值得\"，说明结论脆弱，必须明确标注\"结论对概率高度敏感、确信度低\"\n  - 明确表态:在当前价格，**这个赔率是否非对称地有利**？非对称（如 4:1 且期望值为正）= 值得严肃考虑；对称（1:1）或期望值为负 = 不下注更好\n  > 投研的本质是用认知差换非对称赔率。Bull/Base/Bear 不是用来\"覆盖三种可能性\"凑全面，而是为了得出\"这个下注的期望值与赔率结构\"。没有这一步，研究只到\"判断方向\"，没到\"决策依据\"。\n\n### Step 5 — 结论（红线4 质量门控）\n清晰立场 + 确信度 + 关键假设 + 风险 + 信息盲区 + 可选路径。\n**不替用户下交易决策**，给判断和依据。\n\n---\n\n## 二半、反共识引擎（深度与预期差的核心发动机）\n\n预期差只存在于“共识错的地方”。所以每次研究必须主动做三件事，否则必然滑向复述共识（= 无价值）：\n\n1. **先明确写出市场共识**：这件事/这个标的，卖方和市场主流观点是什么？（写不出共识 = 还没调研够，不能下结论）\n2. **质疑共识哪里可能错**：共识建立在什么隐含假设上？哪个假设最脆弱/最可能被现实推翻？有没有被忽略的事实或新变化？\n3. **表态是跟随还是偏离**：我的判断是和共识一致（那就没预期差，明说）还是偏离（偏离在哪、为什么、市场为何还没看到）？\n\n> 原则：不为了反而反（为偏离而偏离是另一种偏见）。与共识一致时就老实说“无明显预期差”，不碌造。但每次都要检查过。\n> **偏离共识的操作化判据（防\"为显得有洞见而刻意偏离\"）**：每次声称\"偏离共识\"，必须指出共识依赖的某个**具体、可证伪**的假设，并给出\"该假设为何可能错\"的证据或逻辑（如\"共识隐含下半年降息2次→但最新就业/通胀数据指向不降反加\"）。说不出共识的具体可证伪假设 = 这不是真偏离，是为反而反，回去重做。\n> 警惕：模型自身的存量认知就是“过去的互联网共识”，有时效滞后和叙事锚定。一手数据 + 独立推理 > 依赖记忆。\n\n---\n\n## 三、反证（任何重要判断成形前必做）\n\n问自己 5 个问题：\n1. **空头/反方会怎么说？** 最有力的反驳是什么？\n2. **市场可能是对的吗？** 我看到的\"预期差\"会不会其实已被定价、或我理解错了？\n3. **最脆弱的一环在哪？** 整条逻辑链哪个环节断了判断就崩？\n4. **什么证据会推翻我？** 明确写出\"如果看到 X，我就错了\"（kill condition）。\n5. **风险能否定价/对冲？** 不可定价的尾部风险 vs 可管理的已知风险。\n\n---\n\n## 四、结论质量门控（红线4 · 推送前逐条过）\n\n不满足任一条 → 不是合格研究，回去补：\n\n- [ ] **有立场**：给了明确判断（看多/看空/中性/值得投/不值得投），不是\"有待观察\"\"值得关注\"这类滑头话\n- [ ] **有依据**：每条判断可回溯到具体来源 + 具体内容（数值是具体数字，不是\"较多/不少/有所\"）\n- [ ] **有定价检查**：明确说了市场现在定价了什么，我的判断 vs 市场差在哪\n- [ ] **有反方**：写了空头逻辑/最大风险，不是只说好话\n- [ ] **有量化**：空间/弹性/估值/概率至少量化了关键变量\n- [ ] **有命门变量**（聚焦纪律）：开头明确写出本对象的 2-3 个关键变量（命门），且 70% 笔墨打在这几个变量上，没有面面俱到而失焦\n- [ ] **有非对称赔率**（投研终极产物）：算了上下比（Bull% / Bear%）和期望值，明确表态\"在当前价格赔率是否非对称地有利\"，不是只给\"会涨/会跌\"的方向判断\n- [ ] **赔率概率有锚定+做了敏感性测试**：情景概率给了锚定理由（非拍脑袋），并测了\"概率变多少结论反转\"；对概率高度敏感的结论已标注低确信度\n- [ ] **一手源失败有交代**：关键数据若一手源抓取失败，按 content-reading-protocol 的降级路径处理，并明确标注证据等级与该情况下能否下结论\n- [ ] **有前瞻**：指出了未来的催化剂/拐点信号/时间窗口，不只是复述已发生的\n- [ ] **有确信度与盲区**：标注了这个判断有多确信、哪些没查到/查不准\n- [ ] **客观准确**（红线8）：结论基于事实与数据，不是主观感受/拍脑袋；区分\"事实\"与\"我的推断\"，后者明确标注为判断；数据准确无误（单位/时间/口径核对）\n- [ ] **充分调研**（红线9）：达到该类研究的最低全文读取量与多源验证；调研不足时说\"调研不足、暂不下结论\"，不拼凑\n- [ ] **反共识检查**（预期差发动机）：明确写了市场共识是什么 + 质疑了共识哪里可能错 + 表态我是跟随还是偏离（一致则明说无预期差，不碌造）\n- [ ] **多维扫描**（一半B）：七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）都过了一遍；相关维度取了数、不相关的明说了为何忽略；不是只看单一维度就下结论\n- [ ] **贴合实际（非套模板）**（一半A）：开头写了本对象的核心矛盾与驱动类型，报告结构围绕核心矛盾设计（主战场重笔墨），而非机械套用固定章节\n- [ ] **紧扣目标**：通篇在回答开头定义的研究问题，没跑偏\n\n---\n\n## 五、诚实原则（红线2）\n\n- 证据不足 → 说\"证据不足，无法下结论\"，**绝不编造数据/事实/引用来源**\n- 数据查不到 → 标注信息盲区，不用\"估计/大概/应该是\"凑数字\n- 矛盾证据 → 如实呈现矛盾，给出在矛盾下的概率判断，不掩盖\n- 引用必须真实：写\"某文件第X条提出Y\"时，Y 必须是真的读到的原文，不是合理推测的内容\n\n---\n\n## 六、客观准确（红线8）\n\n- **事实与观点分开**：写清哪些是可验证事实（带源）、哪些是我的推断。推断明确标为判断，不伪装成事实。\n- **不预设立场**：不为证明一个预设结论而选择性取证（确认偏误）；正反证据都摆，让证据决定结论，不是结论决定取哪些证据。\n- **数据准确**：每个数字核对单位、时间、口径（如同比/环比、亿/万、人民币/美元）；不确定的数据标为存疑，不四舍五入造精度。\n- **情绪免疫**：不受市场情绪、标题党、有倾向性表述带节奏；看原始事实不看叙事。\n- **不多不少**：不夸大利好也不渲染利空；有几分证据说几分话。\n\n## 七、充分调研才下结论（红线9）\n\n- 下任何结论前，先问：我调研够了吗？达到该类研究的最低全文读取量了吗（见 content-reading-protocol）？关键判断多源验证了吗？\n- 证据不足→ 明说\"调研不足、暂不下结论\"，并列出还需调研什么才能下结论；绝不拿单一来源/表面信息就下断言。\n- 区分\"初步印象\"与\"研究结论\"：初步印象可以说，但必须明标为初步、未充分验证。\n\nArchive v1.0.4: 41 files, 136550 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/content-reading-protocol.md (6489b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (15506b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3084b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2839b), SKILL.md (6279b), _meta.json (143b)\n\nFile v1.0.4:SKILL.md\n\n---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、6专题框架、5研究模板、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nrequires:\n  bins:\n    - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `TRADING_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 个股深度研究 | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集\n```\n数据落盘 `${TRADING_ROOT:-~/research-data}/data/daily/{date}/`（由 TRADING_ROOT 环境变量控制）。\n\n### 搜索（找线索，不出结论）\n**优先用专用搜索 skill（Serper/Tavily，覆盖好、可控）；未安装时降级用内置 `web_search` 工具兜底。** 结论靠 web_fetch/pdf 读全文，搜索只找线索。\n```bash\n# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具\n```\n\n## 认知连续性（用研究产物，不用静态档案）\n不预存任何静态行业档案——静态认知必然过时且锚定共识，违背找预期差的本质。认知连续性靠研究产物库实现（见上）。\n连续性靠**研究产物库**实现：做某行业/标的研究前，先看 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇研究（带日期、带一手数据、带来源），站在上次真实研究的肩上，而非模型存量记忆。\n注意时效：产物只作背景与线索，\"当前景气/估值/最新动态\"一律用本次一手数据现取覆盖；过时结论只当\"曾经的判断\"参考，不当事实。\n\n## 研究产物入库\n报告写入 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/YYYY-MM-DD-课题.md`。如需远程备份，由调用方的备份任务自行处理。\n\n## 红线·边界\n纯研究助理：不盯盘、不发买卖/止损信号、不做交易执行、不维护持仓。提供判断+依据+风险+可选路径，用户是最终决策者。\n\nFile v1.0.4:README.md\n\n# deep-investment-research\n\n系统化投研能力中枢 —— 一套可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n## 这个 skill 是什么\n\n把\"做一份高质量投资研究\"沉淀成可复用的方法论与工具，覆盖七类研究：\n\n- 宏观研究（中国 / 美国）\n- 行业深度研究\n- 个股深度研究\n- 投资可行性分析\n- 政策研究与追踪\n- 风险分析\n- 投资规划\n\n内置：**9 条研究红线**、**深度研究 5 步法**（A 事实 → B 推断 → C 市场定价检查 → D 含义）、**七棱镜多维扫描**（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身）、**6 个专题框架** + **5 个研究模板**、**8 个重点行业的一手源清单**，以及一组数据采集脚本（SEC EDGAR / HKEX / AKShare / FRED / 政策门户等）。\n\n> 定位：**纯研究**。产出判断、依据、风险与可选路径，支持决策；不做盯盘 / 交易信号 / 交易执行。\n\n## 怎么用\n\n触发任意投资研究请求后，先读 `SKILL.md`，它会引导：\n\n1. 读内核 `methodology/research-core.md`（红线 + 研究设计 + 七棱镜 + 5 步法 + 反证 + 质量门控）\n2. 按课题类型读对应框架 + 模板（见 `SKILL.md` 表格）\n3. 用 `methodology/source-registry.md` 定位行业一手源，取真实数据\n4. 按 `methodology/content-reading-protocol.md` 全文阅读、来源回溯，再下结论\n\n## 依赖\n\n**必需**\n- `python3`\n\n**数据采集脚本（可选，按需）**\n- Python 包：`yfinance`、`akshare`、`fredapi`、`requests`、`beautifulsoup4` 等（按所用脚本安装）\n- API key（按需，未设置则自动跳过该数据源）：`FINNHUB_API_KEY`、`FRED_API_KEY`\n\n**联网搜索（可选，软依赖）**\n- 优先使用 [web-search-plus](https://clawhub.ai) / [tavily-search](https://clawhub.ai) skill（覆盖好、可控）\n- 未安装时自动降级用 OpenClaw 内置 `web_search` 工具\n\n## 可配置环境变量（均带默认值，不设也能用）\n\n| 变量 | 作用 | 默认值 |\n|------|------|--------|\n| `RESEARCH_OUTPUT_DIR` | 研究报告归档目录 | `~/research-output` |\n| `TRADING_ROOT` | 数据采集落盘目录 | `~/research-data` |\n| `SEARCH_SKILL_PATH` | 联网搜索脚本路径 | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 目录结构\n\n```\ndeep-investment-research/\n├── SKILL.md                      # 入口：触发条件 + 9 红线 + 用法\n├── methodology/                  # 方法论\n│   ├── research-core.md          # 内核（所有研究通用）\n│   ├── source-registry.md        # 8 行业一手源清单 + 搜索优先级\n│   ├── content-reading-protocol.md\n│   ├── {industry,stock-deep-dive,feasibility-analysis,policy-research,risk-analysis,investment-planning}.md\n│   ├── {china-macro,us-macro}.md\n│   └── templates/01-05*.md       # 5 个研究模板\n└── scripts/                      # 多源一手数据采集（可选）\n```\n\n## 许可\n\nMIT，见 [LICENSE](./LICENSE)。\n\nFile v1.0.4:_meta.json\n\n{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.4\",\n  \"publishedAt\": 1781067451419\n}\n\nFile v1.0.4:methodology/china-macro.md\n\n# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有为\"=政策温度计）\n- 会议频率：紧急会议/提前召开=重大决策\n\n### 3. 军事/安全信号\n\n- 演习规模/位置/参与兵种 → 判断是常规训练还是信号释放\n- 国防采购/预算变化 → 军工产业链\n- 台海态势 → VIX/避险资产联动\n\n### 4. 国际关系矩阵\n\n| 关系 | 监控指标 |\n|------|----------|\n| 中美 | 关税/制裁/高层通话/贸易数据 |\n| 中欧 | 汽车关税/投资审查/外交访问 |\n| 中日 | 稀土/半导体/外交温度 |\n| 中俄 | 能源协议/军事合作/金融结算 |\n| 南海 | 舰艇活动/声索/ASEAN态度 |\n\n---\n\n## 搜索命令参考\n\n```bash\n# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5\n```\n\n---\n\n## 质量标准\n\n1. **每条解读必须有\"意味着什么\"**——纯转述=废话\n2. **政策措辞对比是核心技能**——\"适度宽松\"→\"更加积极\"=信号\n3. **时间轴思维**——这个政策什么时候影响到市场？下周？下月？下季？\n4. **反共识观点标注**——如果你的判断和主流不同，说清楚为什么\n5. **不确定性诚实标注**——信息不足时说\"数据不够，暂时判断是X，等Y数据验证\"\n\nFile v1.0.4:methodology/content-reading-protocol.md\n\n# 内容读取协议（所有研究任务共享）\n\n## 最终输出硬规则（所有任务通用·最高优先级）\n你的最终回复**必须以报告内容的第一个实义字符开始**（如 emoji 标题、结论句、或 HEARTBEAT_OK）。\n回复开头**禁止**出现任何：\n- 思考/过程旁白（如 \"I now have...\"、\"Let me compose...\"、\"Now let me...\"、\"我现在来...\"、\"让我...\"、\"首先我...\"）\n- 动作/投递说明（如 \"explicit target failed\"、\"final reply\"、\"报告已推送\"、\"已发送\"）\n- 读取量/工作量自述（如 \"I've deep-read 5 articles\"、\"我读了X篇\"）\n\n所有思考放在工具调用阶段（运行命令/搜索/读取时），final reply **只放成品**。\n投递由系统（cron announce）自动完成，**不要调用 message 工具主动发送**。\n\n## 核心工作流\n\n```\n搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）\n```\n\n---\n\n## 数据文件读取标准\n\n读取 JSON/API 数据后，输出必须包含三层：\n\n1. **具体数值**：原始数字（如 \"南向净买入5.27亿港元\"、\"PMI 49.8\"）\n2. **对比维度**：环比/同比/vs预期/vs均值（如 \"前值50.1，环比-0.3\"、\"较20日均值+2σ\"）\n3. **投资含义**：这个数值对决策意味着什么（如 \"连续3月萎缩区间，制造业收缩趋势确认\"）\n\n---\n\n## 文章/公告读取标准\n\n对每篇 web_fetch 读取的内容，提取三类信息：\n\n1. **关键原文引用**：原话/条款（如 \"文件第三条明确提出'2026年底前完成整改'\"）\n2. **具体数据点**：文中提到的数字（如 \"净投放1000亿，超出市场预期的500亿\"）\n3. **措辞/信号变化**：与之前表述的对比（如 \"从'适度宽松'改为'更加积极'，政策温度上升\"）\n\n---\n\n## 全文阅读硬门控（红线3·最高优先级）\n\n**只读标题/摘要/搜索片段 = 没读。** 任何进入结论的判断，必须基于已 web_fetch / pdf 工具读到的**正文段落**。\n\n硬规则：\n1. 搜索结果（标题+snippet）只用来**选择要读什么**，绝不直接作为结论依据。\n2. 每个关键判断背后，至少有一篇被**全文读取**的原文（财报/政策原文/研报/权威报道正文）。\n3. 长文档（财报、招股书、政策全文、长研报）→ 用 pdf 工具或分段 web_fetch **读完相关章节**，不止读开头。摘要式略读不算数。\n4. 读不到全文的源（付费墙/JS渲染）→ **诚实标注为信息盲区**，不靠标题脑补内容。\n5. 一手 > 二手：能读财报原文就不引用新闻转述；能读政策原文就不引用解读稿。\n\n### 一手源抓取失败的降级路径（防\"硬门控形同虚设\"）\n当目标一手源拿不到正文（付费墙/JS渲染/反爬/只返回免责声明），按以下阶梯降级，并**显式标注本条数据的证据等级**：\n1. **换入口取同一手数据**：官方 API/数据下载页/PDF 年报/官方转载/镜像（如 WGC 正文抓不到 → 试其 Excel 数据下载、IMF 储备数据、AKShare 对应接口）。\n2. **退到权威二手，但必须可交叉**：≥2 家独立权威媒体引用了**同一组具体数字**且数字一致 → 可用，标注\"二手交叉（证据等级B）\"。\n3. **仍拿不到** → 标注\"该数据点存在信息盲区（证据等级C）\"。\n**下结论的红线**：命门变量的关键数据若只到证据等级 C（盲区），**不得就该命门下确定性结论**，必须说\"此命门数据不足、判断确信度降级或暂缓\"。即抓取失败不是\"照常下结论+脚注一句盲区\"，而是**直接影响该判断能否成立**。\n\n## 读取量要求\n\n| 任务类型 | 最低全文读取量 | 每条结论支撑 |\n|----------|-----------|-------------|\n| 宏观研究 | 8-12 篇正文 | ≥1 篇原文 |\n| 政策研究/部委扫描 | 政策原文全文 + 5-8 篇解读 | 受益/受损判断 ≥1 手原文 |\n| 行业深度研究 | 关键公司财报/招股书相关章节 + 行业报告 + 8-15 篇正文 | 每个分环节 ≥2 独立源 |\n| 个股深度研究 | 最近财报全文 + 5-8 篇正文 | ≥2 篇/关键判断 |\n| 投资可行性/风险分析 | 视主题，覆盖正反双方各 ≥3 独立源 | 每个情景 ≥1 数据支撑 |\n\n读取量不是凑数指标——是\"研究是否做透\"的下限。不够就继续读，不靠减量换速度（用户明确：效果优先于速度）。\n\n---\n\n## 质量自检方法\n\n推送前逐条检查你的输出：\n\n1. 每个判断旁标注来源：`[来源: 财联社5/25 - \"央行超预期净投放\"]`\n2. 标注不出来的判断 = 没有依据 → 删除或补充读取\n3. 多源验证表格每个格子是否有具体数值？只写\"确认\"无数字 = 不合格\n\n---\n\n## 示例对照\n\n### 宏观研究——合格输出\n```\n央行操作：今日开展7天逆回购2580亿元（中标利率1.4%），对冲到期10亿后净投放2570亿元，\n连续4日净投放。[来源: RTHK 5/25 - \"规模创近两个月单日新高\"]\n判断：跨月流动性呵护明确，\"收短放长\"格局下短端利率有下行空间。\n```\n\n### 宏观研究——不合格输出\n```\n央行进行了逆回购操作，市场关注流动性。\n```\n↑ 无具体金额、无期限、无来源引用、无对比、无判断依据\n\n---\n\n### 标的研究——合格的多源验证\n```\n- southbound: 确认 | 净买5.27亿港元，Top1，连续3日加仓，占日均成交15.3%\n- analyst: 确认 | 高盛上调目标价至45.0（+12%），理由\"28nm产能利用率达92%超预期\"\n- short_interest: 否认 | 沽空比例8.2%较上周+0.5%，空头小幅加仓\n- announcements: 确认 | 5/20公告Q1收入同比+23%，毛利率38.2%（去年同期35.1%）\n```\n\n### 标的研究——不合格的多源验证\n```\n- southbound: 确认 | 南向有流入\n- analyst: 确认 | 分析师看好\n- short_interest: 无数据\n```\n↑ 无具体金额、无排名、无变化幅度、无分析师名称/理由\n\n---\n\n## 来源筛选（仅限可免费全文访问）\n\n### 中文源\n华尔街见闻、第一财经、财联社、证券时报、新华社、澎湃新闻、央行/部委官网\n\n### 英文源\nReuters、Bloomberg（部分免费）、CNBC、FT（部分免费）、SEC EDGAR、公司IR页面\n\n### 跳过（不尝试不标注）\n财新（付费墙）、其他明确付费源\n\nFile v1.0.4:methodology/feasibility-analysis.md\n\n# feasibility-analysis.md — 投资可行性分析框架\n\n> 引用 rese\n\nArchive v1.0.3: 41 files, 135043 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/content-reading-protocol.md (5479b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (13217b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3084b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2927b), SKILL.md (6279b), _meta.json (143b)\n\nArchive v1.0.2: 41 files, 134432 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/content-reading-protocol.md (5479b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (11653b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (10384b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3084b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (3210b), SKILL.md (6279b), _meta.json (143b)\n\nArchive v1.0.1: 41 files, 133421 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/content-reading-protocol.md (5479b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (11653b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (8741b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3084b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2978b), SKILL.md (6279b), _meta.json (143b)\n\nArchive v1.0.0: 41 files, 133399 bytes\n\nFiles: LICENSE (1067b), methodology/china-macro.md (7723b), methodology/content-reading-protocol.md (5479b), methodology/feasibility-analysis.md (2620b), methodology/industry-research.md (4036b), methodology/investment-planning.md (2354b), methodology/ministry-scan.md (5118b), methodology/policy-research.md (2653b), methodology/research-core.md (11653b), methodology/risk-analysis.md (2568b), methodology/source-registry.md (8741b), methodology/stock-deep-dive.md (2746b), methodology/templates/01-industry-deep-dive.md (6901b), methodology/templates/02-stock-deep-dive.md (7187b), methodology/templates/03-feasibility-analysis.md (6252b), methodology/templates/04-policy-research.md (6163b), methodology/templates/05-risk-analysis.md (5651b), methodology/us-macro.md (7617b), methodology/weekly-industry-scan.md (6450b), README.md (3074b), scripts/_base.py (4925b), scripts/analyst_consensus.py (12482b), scripts/analyst_revision.py (8093b), scripts/china_macro.py (16029b), scripts/data_daily.py (15886b), scripts/earnings_surprise.py (6770b), scripts/edgar_filings.py (6296b), scripts/hkex_announcements.py (7657b), scripts/insider_transactions.py (8368b), scripts/macro_snapshot.py (3628b), scripts/ministry_scanner.py (17349b), scripts/policy_gov_fetcher.py (39889b), scripts/sec_13f.py (14284b), scripts/short_interest.py (4825b), scripts/southbound_top10.py (3289b), scripts/superinvestor_moves.py (4172b), scripts/test_data_daily.py (31949b), scripts/transcripts.py (6480b), skill-card.md (2792b), SKILL.md (6269b), _meta.json (143b)","readmeExcerpt":"Skill: Deep Investment Research Owner: wujiaming88 Summary: 系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE... Tags: latest:1.0.8 Version history: v1.0.8 | 2026-06-10T11:16:34.006Z | user 安全审计清理(无真实漏洞,均为正常功能):清除退役交易体系死引用(/root/trading的sys.path/PYTHONPATH+event_radar死代码);TRADING_ROOT变量统一改名RESEARCH_DATA_ROOT(名实","codeSnippets":[],"executableExamples":[{"language":"bash","snippet":"SK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py             # 美股财报/8-K/13F\npython3 $SK/hkex_announcements.py        # 港股公告\npython3 $SK/china_macro.py               # 中国宏观(AKShare)\npython3 $SK/macro_snapshot.py            # 市场宏观快照\npython3 $SK/analyst_consensus.py         # 一致性预期\npython3 $SK/analyst_revision.py          # 预期修正\npython3 $SK/earnings_surprise.py         # 业绩beat/miss\npython3 $SK/superinvestor_moves.py       # 机构大师持仓\npython3 $SK/sec_13f.py / insider_transactions.py / short_interest.py / southbound_top10.py / transcripts.py\npython3 $SK/data_daily.py --tags morning # 批量采集"},{"language":"bash","snippet":"# 若已安装 web-search-plus（路径可用 SEARCH_SKILL_PATH 覆盖）：\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"查询\" --provider serper --max-results 5\n# 若已安装 tavily-search：\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"查询\" --topic news\n# 均未安装：直接用 OpenClaw 内置 web_search 工具"},{"language":"text","snippet":"# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源："},{"language":"bash","snippet":"# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\""},{"language":"bash","snippet":"# AKShare 经济数据（直接API调用，不依赖预处理文件）\npython3 -c \"import akshare as ak; df = ak.macro_china_pmi(); print(df.tail(3))\"\n\n# 政策/政治新闻\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国 政策 [关键词]\" --provider serper --type news --max-results 5\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"China policy [keyword]\" --provider serper --type news --max-results 5\n\n# 军事动态\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"中国军事 演习 部署\" --provider serper --type news --max-results 5\n\n# 深度分析\nnode ~/.openclaw/skills/tavily-search/scripts/search.mjs \"China macro policy [topic]\" --deep   # 未安装则用 web_search 工具兜底\n\n# X/Twitter 舆情\npython3 \"${SEARCH_SKILL_PATH:-~/.openclaw/skills/web-search-plus/scripts/search.py}\" --query \"[关键词] site:x.com\" --provider serper --max-results 5"},{"language":"text","snippet":"搜索/数据文件 → 线索（标题、URL、字段名）\n        ↓ 这一步不产生结论\nweb_fetch / 数值解读 → 内容（正文段落、具体数值）\n        ↓ 这一步才是研究\n基于内容写分析 → 产出（每条判断可回溯到具体来源）"}],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"---\nname: deep-investment-research\ndescription: \"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRED/政策门户等）。Use for: 任何投资研究、行业分析、公司研究、个股深度研究、政策解读、可行性评估、风险分析、投资规划，以及研究所需的真实一手数据采集。纯研究，不做盯盘/交易信号/交易执行。\"\nlicense: MIT\nmetadata:\n  clawdbot:\n    emoji: \"📊\"\n    requires:\n      bins:\n        - python3\n---\n\n# deep-investment-research — 系统化投研能力中枢\n\n> 一套可复用的投研方法论 + 多源一手数据采集工具。OpenClaw 提供运行时（gateway/cron/工具），本 skill 提供投研方法论+数据采集能力。\n> 本 skill 只承载「研究能力」；调用方的身份/人格/记忆由各自 workspace 提供，不在本 skill 内。\n\n## 环境约定（可选，均带默认值）\n- `RESEARCH_OUTPUT_DIR`：研究报告归档目录，默认 `~/research-output`\n- `RESEARCH_DATA_ROOT`：数据采集落盘目录，默认 `~/research-data`\n- `SEARCH_SKILL_PATH`：联网搜索脚本路径，默认指向 web-search-plus（未安装则降级用内置 web_search 工具）\n- 脚本内 API key 一律读环境变量（如 `FINNHUB_API_KEY`/`FRED_API_KEY`），未设置则跳过该数据源。\n\n## 数据与隐私披露（安装前知情）\n本 skill 是研究工具，会进行以下外部交互与本地写入——安装/使用即视为知情同意：\n- **第三方数据传输**：研究主题/查询词会发送给外部搜索与数据 API（Serper/Tavily/Finnhub/FRED/SEC EDGAR/HKEX/政府门户等）以获取一手资料。**不要在涉及保密持仓、未公开自营研究主题时使用，除非可接受向这些第三方披露查询内容。**\n- **读取环境变量**：仅读取数据源 API key（`FINNHUB_API_KEY`/`FRED_API_KEY` 等）用于调用对应数据源，不外传 key 本身、不读取其它环境变量。\n- **本地落盘**：研究报告写入 `RESEARCH_OUTPUT_DIR`（默认 `~/research-output`），采集数据写入 `RESEARCH_DATA_ROOT`（默认 `~/research-data`）。文件写入预测路径，使用前确认目录无敏感数据冲突。\n- **网络抓取**：方法论会对搜索发现的 URL 做全文抓取（web_fetch）。少数官方站点（国资委/人民网/openinsider）仅支持明文 http（其 https 不可达），已在代码注释标明；其余已统一走 https。\n- **最小权限**：脚本以列表参数调用子进程（无 shell=True、无 eval/exec/动态 import），不执行任意命令。\n\n## 何时触发\n- 任何投资研究请求：宏观/行业/政策/个股/可行性/风险/规划\n- 需要真实一手数据（财报/公告/政策原文/宏观/机构动向/一致性预期）\n- 用户点题某行业/标的/主题/政策\n\n## 九条研究红线（地基，贯穿全部）\n1 深度·价值·前瞻 ｜ 2 数据真实不杜撰 ｜ 3 全文阅读不停留表面 ｜ 4 结论质量门控不说空话 ｜ 5 第一性原理广收集深研究 ｜ 6 紧扣目标不偏离 ｜ 7 prompt最佳实践榨干模型 ｜ 8 客观准确不主观 ｜ 9 未充分调研不下结论\n\n## 怎么用（任何研究先走这里）\n\n### Step 1 — 读内核（所有研究通用）+ 看近期产物\n先读 `${RESEARCH_OUTPUT_DIR:-~/research-output}/<行业>/` 最近 2-3 篇同领域研究作背景（有则读，注意时效；无则跳过），再读：\n- `methodology/research-core.md` — 9红线 + **研究设计+七棱镜多维扫描（强制前置：反千篇一律+反单维度）** + 深度研究5步法(A→B→C→D) + 反证5问 + 结论质量门控\n  > 任何研究动笔前先做：①诊断对象核心矛盾、设计本次研究重心（贴合实际不套模板）②过七棱镜（宏观/政策/地缘/产业链/资金面/新闻情绪/标的自身），相关维度深挖、不相关明说为何忽略\n- `methodology/source-registry.md` — 8行业权威一手源清单 + 搜索工具优先级\n- `methodology/content-reading-protocol.md` — 全文阅读硬门控 + 读取量 + 来源回溯\n\n### Step 2 — 按课题类型读对应框架+模板\n| 课题 | 框架 | 模板 |\n|------|------|------|\n| 行业深度研究 | methodology/industry-research.md | templates/01 |\n| 公司研究（看懂生意本身） | methodology/company-research.md | templates/06 |\n| 个股深度研究（投资判断） | methodology/stock-deep-dive.md | templates/02 |\n| 投资可行性分析 | methodology/feasibility-analysis.md | templates/03 |\n| 政策研究与追踪 | methodology/policy-research.md | templates/04 |\n| 风险分析 | methodology/risk-analysis.md | templates/05 |\n| 投资规划 | methodology/investment-planning.md | — |\n| 宏观研究 | methodology/{china-macro,us-macro}.md | — |\n\n### Step 3 — 取真实一手数据（红线2/5）\n**优先级：一手原文/官方数据/API > 定向爬虫 > 搜索引擎兜底。** 各行业权威源见 source-registry.md。\n\n```bash\nSK={baseDir}/scripts\npython3 $SK/policy_gov_fetcher.py        # 政策原文\npython3 $SK/ministry_scanner.py          # 部委政策扫描\npython3 $SK/edgar_filings.py     "},{"path":"README.md","content":"# deep-investment-research\n\n系统化投研能力中枢 —— 可复用的投资研究方法论 + 多源一手数据采集工具，作为 OpenClaw Agent Skill 使用。\n\n完整能力与用法见 [SKILL.md](./SKILL.md)；方法论框架在 `methodology/`，数据采集脚本在 `scripts/`。\n\n**定位**：纯研究 —— 产出判断、依据、风险、赔率结构与可选路径；不做盯盘/交易信号/交易执行。\n\n## 7 类研究框架\n宏观 · 行业 · 公司研究（看懂生意）· 个股深度研究（投资判断）· 政策 · 投资可行性 · 风险 · 投资规划\n\n## 研究内核\n9 红线 · 命门变量聚焦（2-3个+70%火力）· 5步法(A→B→C→D) · 七棱镜多维扫描 · 反共识引擎 · 非对称赔率(上下比+期望值+敏感性测试) · 反证5问 · 质量门控\n\n## 依赖\n- 必需：`python3`\n- 数据脚本（可选）：yfinance / akshare / fredapi 等；API key 读环境变量（FINNHUB_API_KEY / FRED_API_KEY），未设置则跳过该源\n- 联网搜索（可选软依赖）：优先 web-search-plus / tavily skill，未装则降级用内置 web_search\n\n## 可配置环境变量（均带默认值）\n| 变量 | 默认值 |\n|------|--------|\n| `RESEARCH_OUTPUT_DIR` | `~/research-output` |\n| `RESEARCH_DATA_ROOT` | `~/research-data` |\n| `SEARCH_SKILL_PATH` | `~/.openclaw/skills/web-search-plus/scripts/search.py` |\n\n## 许可\nMIT，见 [LICENSE](./LICENSE)。"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn778xxhawnk8ayzy5se9s465980pz82\",\n  \"slug\": \"deep-investment-research\",\n  \"version\": \"1.0.8\",\n  \"publishedAt\": 1781090194006\n}"},{"path":"methodology/china-macro.md","content":"# 中国宏观研究 - 执行参考手册\n\n## 前置协议\n\n本文件与 `content-reading-protocol.md` 协同使用。内容读取的流程、标准、示例见该协议。\n\n---\n\n## 定位\n\n信息猎人视角的中国宏观情报——不是写学术论文，是提炼对投资决策有用的政策/政治/经济/军事/国际信号。\n\n---\n\n## 输出模板（必须严格遵循）\n\n```\n# 🇨🇳 中国宏观日报 [日期]\n\n## 🔴 今日核心变化（≤3条，没有就写\"无重大变化\"）\n- [变化1]: 发生了什么 → 意味着什么 → 对市场的影响路径\n\n## 📜 政策解读\n### 新政策/新表态\n| 来源 | 内容摘要 | 政策意图解读 | 市场影响判断 |\n|------|----------|--------------|--------------|\n\n### 政策落地跟踪\n| 此前政策 | 最新进展 | 状态变化 |\n|----------|----------|----------|\n\n## 💰 经济数据\n| 指标 | 最新值 | 前值 | 趋势判断 |\n|------|--------|------|----------|\n\n## 🏛️ 政治/人事/权力信号\n- 高层动向（出访/会见/批示/人事任免）\n- 解读：这意味着什么方向？\n\n## 🏦 经济机构动向\n### 央行（PBOC）\n| 操作类型 | 最新动态 | 市场影响 |\n|----------|----------|----------|\n| MLF/OMO/SLF | | |\n| LPR调整 | | |\n| 外汇操作 | | |\n| 窗口指导 | | |\n\n### 金融监管总局（原银保监会）\n- 最新监管动态/处罚/政策\n- 对银行/保险/信托的影响\n\n### 证监会\n- IPO节奏/再融资/退市\n- 交易规则变化\n- 市场制度改革\n\n### 外汇管理局\n- 跨境资金流动\n- 外储变动\n\n## ⚔️ 军事/安全\n- 军事动态（演习/部署/白皮书/国防预算）\n- 台海/南海/边境态势\n\n## 🌍 国际关系\n- 中美/中欧/中日/中俄/中东/东南亚\n- 贸易摩擦/制裁/关税变化\n- 外交信号解读\n\n## 📊 市场含义\n- 利好板块/标的：\n- 利空板块/标的：\n- 需要持续监控的变量：\n\n## ⚠️ 信息盲区\n- 今日未能覆盖/获取的信息源：\n```\n\n---\n\n## 数据源清单（按优先级）\n\n### 第一梯队：官方一手源（API/爬虫优先）\n\n| 来源 | 获取方式 | 覆盖内容 |\n|------|----------|----------|\n| 国务院/发改委/央行/证监会 | 搜索+web_fetch原文 | 政策发文、会议纪要 |\n| 国家统计局 | AKShare API | PMI、CPI、PPI、工业增加值 |\n| 海关总署 | AKShare API | 进出口数据 |\n| 外汇管理局 | AKShare API | 外储、资本流动 |\n| 中国人民银行 | AKShare API + 搜索 | MLF/LPR/SLF、社融、M2、公开市场操作 |\n| 财政部 | 官网/搜索 | 财政收支、国债发行 |\n\n### 第二梯队：高质量媒体/智库\n\n| 来源 | 获取方式 | 特点 |\n|------|----------|------|\n| 新华社/人民日报 | 搜索 | 官方定调（措辞变化=信号） |\n| 第一财经 | 搜索（免费全文） | 政策解读+宏观分析 |\n| 财联社 | 搜索（免费全文） | 快讯+深度 |\n| 华尔街见闻 | 搜索 | 快速+市场关联 |\n| 南华早报(SCMP) | 搜索 | 英文世界对华政策解读 |\n| 观察者网 | 搜索 | 军事/安全/民族主义风向 |\n| 中国军网/国防部 | 搜索 | 军事动态 |\n\n### 第三梯队：数据平台\n\n| 来源 | 获取方式 | 用途 |\n|------|----------|------|\n| AKShare | Python API | 经济指标、资金流向 |\n| 同花顺/东方财富 | 搜索 | 南向资金、板块动向 |\n| FRED | API | 中美利差等跨境数据 |\n\n---\n\n## 执行方法论\n\n### 0. 内容深度读取原则（硬性约束，违反=任务失败）\n\n**搜索只是发现环节，不是研究本身。标题/摘要≠内容。必须读正文。**\n\n工作流：\n1. 搜索 → 获取标题+摘要+URL列表（这一步只是线索）\n2. **对每个有价值的结果，必须 web_fetch 读取正文全文**\n3. 基于正文中的具体数据、具体措辞、具体观点进行分析\n4. 输出时引用正文中的关键内容（数据点/原话/条款），禁止只转述标题\n\n❌ 绝对禁止：看标题就得结论、用摘要代替正文、对数据只说\"已获取\"不解读数值\n✅ 自检标准：每条分析必须能回答\"这个结论来自哪篇文章的哪段内容\"\n\n```bash\n# 读取文章全文的标准方式（对搜索结果中的重要URL逐个执行）\npython3 -c \"\nimport urllib.request, re\nurl = 'TARGET_URL'\nreq = urllib.request.Request(url, headers={'User-Agent': 'Mozilla/5.0'})\nresp = urllib.request.urlopen(req, timeout=15)\nhtml = resp.read().decode('utf-8', errors='ignore')\nhtml = re.sub(r'<script[^>]*>.*?</script>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<style[^>]*>.*?</style>', '', html, flags=re.DOTALL)\nhtml = re.sub(r'<[^>]+>', ' ', html)\nhtml = re.sub(r'\\\\s+', ' ', html).strip()\nprint(html[:3000])\n\"\n```\n\n**判断标准：哪些结果需要深读？**\n- 官方机构发文 → 必读\n- 权威媒体的政策解读 → 必读\n- 与当前持仓/watchlist相关 → 必读\n- 纯转载/标题党/旧闻 → 跳过\n\n每次研究至少深读 5-8 篇文章全文。\n\n### 1. 政策解读框架\n\n对每条新政策/表态，回答：\n1. **谁说的**（级别决定权重：常委>部委>地方）\n2. **说了什么**（原文关键措辞）\n3. **和之前比变了什么**（DELTA思维：新增/删除/措辞强化弱化）\n4. **为什么现在说**（时机选择本身是信号）\n5. **落地路径**（下一步会怎么执行→影响哪些领域）\n6. **市场影响链**（政策→行业→标的→价格，几步传导）\n\n### 2. 政治信号解读\n\n- 人事任免：方向性指标（谁上谁下=什么路线被强化）\n- 高层出访：外交优先级排序\n- 措辞变化：人民日报社论用词对比（\"稳中求进\"vs\"奋发有"},{"path":"methodology/company-research.md","content":"# company-research.md — 公司研究框架（理解\"这是门什么生意\"）\n\n> 引用 research-core.md（命门变量+赔率+反证+质量门控）+ source-registry.md + content-reading-protocol.md。\n> **定位与边界**：本框架做**企业基本面研究**——把一家公司当\"一门生意\"研究透：它靠什么赚钱、护城河多深、生意质量多好、能长多大。\n> **与 stock-deep-dive 的分工**：公司研究是上游（理解生意本身，不谈买卖时机/估值高低）；个股深度研究是下游（在理解生意基础上判断\"当前价位值不值得投\"，谈预期差/估值/催化剂/赔率）。**先做公司研究看懂生意，再用 stock-deep-dive 做投资判断。** 做投资可行性时两者衔接。\n\n## 何时用本框架\n- 用户要\"研究/看懂某公司\"（而非直接问\"能不能买\"）\n- 投资判断前的基础功课：先把生意搞懂\n- 对比同行业几家公司的生意质量\n- 一级/拟上市/未覆盖公司的从0认知\n\n## 研究目标定义（紧扣 research-core 一、）\n一句话写清：要回答这家公司的什么核心问题（如\"宁德时代的护城河是否在被价格战侵蚀\"），以及它服务什么决策。\n\n## 命门变量前置（research-core 一半-A·先锁定再研究）\n先诊断：**决定这家公司价值/生死的 2-3 个命门变量是什么**？（如：某SaaS=净留存率NRR；某药企=核心管线；某制造=产能利用率+单位成本曲线）70% 火力打这几个，其余维度扫到即可，不面面俱到。\n\n## 🔑 公司研究独门分析方法（核心·从财报/招股书里挖出别人看不到的东西）\n\n> 七维结构只解决\"看哪些维度\"，下面五个分析法解决\"怎么从原始数字里推出洞察\"。这是公司研究区别于\"读财报摘要复述\"的关键。**研究时不是填章节，而是用这些方法主动审讯数据。**\n\n### 方法A · 商业模式解构三问（价值创造→传递→捕获）\n不要停在\"卖什么\"，要拆三层并各自量化：\n- **创造**：为客户解决什么问题、创造多少价值？（客户因此省了多少钱/多赚多少/避免多大损失）\n- **传递**：怎么把产品送到客户手里？渠道成本占比多少、谁掌握渠道议价权？\n- **捕获**：创造的价值里公司captures了多少？（定价 vs 客户感知价值的gap=提价空间；毛利率=价值捕获效率）\n> 洞察来源：**创造强但捕获弱=有提价空间未释放（潜在预期差）；捕获强但创造在被侵蚀=毛利将下行**。\n\n### 方法B · 单位经济推演（从财报倒推一单生意的赚钱真相）\n把整体财务数字**除到\"单个客户/单件产品\"**，看一单生意的本质：\n- 制造业：单位售价ASP / 单位成本 / 单位毛利的**时间序列**——成本曲线在下行还是上行？ASP在涨还是被价格战压？\n- 订阅/平台：LTV（生命周期价值）÷ CAC（获客成本）>3 才健康；NRR（净留存率）>100% 才有存量自然增长\n- 关键追问：**规模扩大后，单位经济是改善（规模效应真）还是恶化（伪规模）？** 用不同收入规模年份的单位数据对比验证\n> 示范：宇树四足单位成本2.23万→1.21万、人形ASP 59.3万→16.6万——单位成本在降（规模效应真）但ASP暴跌（价格战吞噬）=单位毛利是被两股力量拉扯，必须拆开看哪股占上风。\n\n### 方法C · 护城河压力测试（5种护城河逐项\"证伪\"，不是\"证有\"）\n对每种可能的护城河，不问\"有没有\"，问\"什么情况会让它塌\"：\n- 网络效应→ 若出现并行网络/多归属，效应是否瓦解？\n- 规模成本→ 若对手达到同等规模，成本优势还剩多少？（是结构性优势还是暂时领先）\n- 转换成本→ 客户迁移到对手要付出什么？流失率数据印证了吗？\n- 无形资产（品牌/专利）→ 专利数量/质量经得起诉讼吗？品牌溢价在财报上体现为多少超额毛利？\n- 特许/牌照→ 政策会不会放开？\n> **方向判定（最关键）**：护城河在变宽还是变窄，必须用\"市占率趋势+毛利率趋势+定价权（提价是否掉客）+流失率\"四个数据印证，不是叙事。叙事说\"护城河深\"，数据可能说它正在变窄。\n\n### 方法D · 财报异常信号探测（数字之间的矛盾=线索）\n不孤立看单个指标，看**指标之间该匹配却不匹配的地方**：\n- 应收增速 >> 收入增速 → 可能放宽信用催收入（收入质量存疑）\n- 存货增速 >> 收入增速 → 可能积压/需求转弱\n- 经营现金流 << 净利润 → 利润含金量差（纸面利润）\n- 资本化研发占比异常高 → 可能粉饰当期利润\n- 关联交易占比上升 → 收入真实性存疑\n- 毛利率逆行业趋势 → 要么有真本事，要么有问题，必须查清原因\n> 洞察来源：**每一处\"本该同步却背离\"的地方，都是要追问到底的线索。** 正常时一句话带过，背离时深挖。\n\n### 方法E · 管理层言行一致性审计（用历史数据，不用印象）\n- 拉出管理层过去2-3年的**公开指引/承诺**（业绩指引、产能规划、战略目标），逐条对照**实际兑现情况**——说到做到吗？\n- 资本配置track record：赚来的钱怎么花的（再投资回报率/并购成败/分红回购），看出管理层是\"价值创造者\"还是\"价值毁灭者\"\n- 激励是否与股东一致：持股比例、减持记录、关联交易\n> 洞察来源：**爱画饼但不兑现的管理层，其未来指引要打折；历史兑现率高的，其指引可信度高**——这直接影响你对成长预测的取信程度。\n\n---\n\n## 七维企业研究结构（读财报/招股书/电话会全文，非摘要）\n\n围绕命门变量裁剪笔墨——下面七维都要想到，命门所在维度深挖，其余扫到即可。**每一维都用上面的分析法去审讯数据，不是描述数据。**\n\n### 1. 商业模式：靠什么赚钱\n- 卖什么给谁、怎么收钱（一次性/订阅/抽成/广告）、收入结构与各占比\n- 价值链位置：上游议价/下游粘性、是卖方还是买方市场\n- 单位经济（unit economics）：单客户/单件的赚钱逻辑——获客成本、客单、复购、生命周期价值；规模化后边际成本怎么走\n\n### 2. 护城河：凭什么持续赚钱、别人抢不走\n- 护城河类型：网络效应/规模成本/转换成本/无形资产(品牌专利)/特许经营。逐项判断有没有、有多深\n- **护城河方向（关键）**：在变宽还是变窄？用证据说（市占率趋势、毛利率趋势、定价权、客户流失率）——护城河叙事很多，要用数据验证真伪\n\n### 3. 财务质量：生意的成色（读财报全文）\n- 盈利质量：毛利率/净利率趋势、ROE/ROIC（是否持续>资本成本）、经营现金流 vs 净利润（利润含金量）\n- 资产负债：杠杆、有息负债、商誉减值风险、应收/存货周转\n- 资本配置：赚来的钱怎么花（再投资/分红/回购/并购），管理层资本配置能力\n\n### 4. 竞争格局：这门生意里的相对位置\n- 行业格局：集中度、玩家梯队、本公司份额与趋势\n- 同业对比：与主要对手在毛利率/份额/成长/估值上横向比较（用具体数字）\n- 竞争烈度：价格战？份额争夺？新进入者/替代品威胁\n\n### 5. 管理层与治理\n- 创始人/"}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE... Skill: Deep Investment Research Owner: wujiaming88 Summary: 系统化投研能力中枢。覆盖宏观/行业/政策/个股/投资可行性/风险/投资规划七类研究，内置9条研究红线、深度研究5步法、7专题框架（每类型含专属独门分析方法）、6研究模板（分析引导器结构：独门分析方法层+材料分析示范）、8重点行业一手源清单，以及多源数据采集脚本（SEC EDGAR/HKEX/AKShare/FRE... Tags: latest:1.0.8 Version history: v1.0.8 | 2026-06-10T11:16:34.006Z | user 安全审计清理(无真实漏洞,均为正常功能):清除退役交易体系死引用(/root/trading的sys.path/PYTHONPATH+event_radar死代码);TRADING_ROOT变量统一改名RESEARCH_DATA_ROOT(名实","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":722,"uniquenessScore":55,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T03:27:37.620Z","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":"2026-10-11T03:27:37.620Z","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":"2026-10-11T05:32:27.270Z","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"}]}}}