← 返回
未分类

五层筛子投资分析

五层筛子模型分析:投资/战略决策专用框架。触发词:五层筛子、投资分析、决策框架、分析XX股票。
五层筛子模型分析:投资/战略决策框架。触发词:五层筛子、投资分析、决策框架、分析XX股票。
暴风的中心
未分类 community v7.0.6 6 版本 100000 Key: 无需
★ 0
Stars
📥 41
下载
💾 0
安装
6
版本
#latest

概述

SKILL.md — 五层筛子模型(v10.0)

> 就简版:本文件仅为编排层(80行),各层独立为 Leaf Skill。

> 逐层执行,每层读完即关闭,不把整个框架同时塞入上下文。

架构概览

第0步:数据验证 ──→ 七维立体验证 + 断言查询
    ↓ 通过
第一层:是什么 ──→ 公司定位 + 财务数据 + 行业对比
    ↓
第二层:为什么 ──→ 产业链 + 驱动因素排序
    ↓
第三层:关键点 ──→ 核心矛盾识别 + 下滑性质判断
    ↓
第四层:会怎样 ──→ 反向推理(PE/PB拆解 + 多模型参照 + 情景推演)
    ↓
第五层:怎么办 ──→ 护城河 + 仓位 + 管理层 + 置信度 + 断言写入

执行协议

⚠️ 基础规则:脚本数据优先(每次分析先跑脚本,跑不通再换 web_search)

分析模式路由

用户意图执行层说明
----------------------
"分析XX股票"(完整报告)0 → 1 → 2 → 3 → 4 → 5逐层执行,层间自检
"查一下XX的数据"第0步 + 第1步只拉数据不做估值
"看看XX估值怎么样"第0步 + 第4步跳过基本面,直接估值
"XX和管理层靠谱吗"第0步 + 管理层只做管理层判断
"简单说说XX"(前提完整版已产出)使用 templates/report_concise.md浓缩为一页

层间自检协议

每层完成后、进入下一层前执行:

> 这一层的核心结论是否与上一层一致?

> 若有矛盾(如第一层说"营收增长强劲"、第二层说"需求萎缩"),停下来问用户,不自行"协调"。

> 若一致,推进。

层读取规则

  1. 每次只读当前步骤的 layers/layer-{N}-{name}.md
  2. 当前层完成后,读取下一层文件
  3. 不需要预读所有文件

层索引

文件核心输出
-------------------
第0步layers/layer-0-validate.md七维验证结果 + 历史断言
第一层layers/layer-1-basics.md公司定位 + 财务画相 + 行业对比
第二层layers/layer-2-drivers.md产业链 + 排序式驱动因素
第三层layers/layer-3-conflicts.md矛盾识别 + 下滑性质 + 传导链
第四层layers/layer-4-valuation.md反向推理 + 情景推演 + 催化剂
第五层layers/layer-5-decision.md护城河 + 仓位 + 信息优势 + 置信度
管理层layers/layer-management.md管理层质量判断 + 催化剂时间表
断言layers/layer-assertions.md断言闭环(查询+写入)

脚本快速参考(已遵循就简原则,每个单一功能)

# 数据
node scripts/quote.js <代码>              # 实时行情
node scripts/finance.js <代码>            # 财报数据
node scripts/query_cninfo.js <代码>       # 官方公告

# 估值
node scripts/rim.js <代码>                # RIM 估值(支持 --reverse)
node scripts/dcf.js <代码>                # DCF 估值(支持 --reverse)
node scripts/pev.js <代码>                # PEV 估值(保险专用)
node scripts/peers.js <代码>              # 竞品对比
node scripts/portfolio-scan.js            # 组合一键扫描
node scripts/etf.js <代码>                # ETF 查询

# 断言
node assertions/assertions.js list <代码>  # 查断言
node assertions/assertions.js add ...     # 写断言

输出规范

  • 完整版:逐层输出 Markdown 报告
  • 文件命名:[标的简称]_[代码]_五层筛子分析_YYYY-MM-DD.md
  • 路径:D:\llm-wiki-zh\wiki\sources\
  • 参考模板:templates/report_md.md(完整版)、templates/report_concise.md(简洁版)

配置信息 config/:行业配置、EV 数据、组合配置等保持不变。


版本摘要

  • v10.0(2026-06-14):就简版重构。662 行单体 SKILL.md 拆为编排层 + 8 个独立 Leaf Skill。9 个脚本保持单一功能不变。核心分析逻辑零删减,仅重新组织读取粒度。

版本历史

共 6 个版本

  • v7.0.6 按就简原则重构五层筛子 五层筛子作为一个"分析编排层"(~50行),只定义: → 五层流程图(什么情况下用哪层) → 各层的分析目标(不包含执行细节) → 各层的"交付物格式" 然后把每层做成独立的 Leaf Skill: → layer-0-data-validate: 七维验证,调用 quote/finance → layer-1-basics: 公司定位+财务画相 → layer-2-drivers: 产业链+驱动因素 → layer-3-conflicts: 矛盾识别 → layer-4-valuation: 反向推理(引用 rim/dcf/pev) → layer-5-moat: 护城河+仓位 → assertions: 断言闭环独立 Agent 写报告时,按需要依次"调用"这些 leaf skill 当前
    2026-06-14 20:23 安全 安全
  • v7.0.5 Initial release
    2026-06-14 16:10 安全 安全
  • v7.0.4 ### 断言闭环(新增核心功能) 分析流程中插入两个断言步骤,让每份分析都有可追溯、可验证的判断记录: - 分析前 → assertions.js list <代码> 查历史断言,对照上次判断与本次结论,避免重复 - 分析后 → assertions.js add 写入 ≥3 条可验证断言(有验证日期和量化标准) - 完整保留判断历史,不做删除 —— list --all 可查看已验证的准确率 ### 🔧 批量修复与分析质量 数据修复: - RIM 脚本 ROE 年化 Bug —— 之前取 Q1 单季 ROE 3.4% 当成全年,正推估值虚高;现根据报告期类型自动年化 - RIM 数据源优先级 Bug —— 最早的年报被后续年报覆盖,修复后优先用最新完整年度数据 - --annual 开关 —— 强周期股可用近完整年报 ROE 替代季节性 Q1 数据 行业配置: - 宁德时代、海康威视从"科技→PS"改回"制造业"(普通投资者易误读) - 消费拆为白酒 / 大众食品 / 家电三子类,各有独立 ke 区间 - 新增矿业/资源行业(煤炭、有色、黄金) - 半导体 ROE 目标 8%→12%(解除了与 g=40% 的矛盾) - 保险 PEV 估值 + 新业务价值参考 边界处理: - ROE ≤ 0(如寒武纪)→ 自动拦截并建议用 PS - PE 过高 → 自动切 DCF,DCF 也不行时输出"买的是预期不是数字" - "翻译成人话"反推 —— 最后一行输出"每投 100 元市场认为最终能赚 X 元"
    2026-06-07 18:09 安全 安全
  • v7.0.3 Initial release
    2026-06-04 13:11 安全 安全
  • v7.0.2 Initial release
    2026-06-03 23:40 安全 安全
  • v7.0.0 Initial release
    2026-06-02 09:38 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,374 📥 319,974
security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,224 📥 267,512
developer-tools

Github

steipete
使用 `gh` CLI 与 GitHub 交互,通过 `gh issue`、`gh pr`、`gh run` 和 `gh api` 管理议题、PR、CI 运行及高级查询。
★ 674 📥 325,109