invest-skills — A 股投研技能集

A 股投研助手：把数小时的手工研究压缩到几分钟。 输入代码，自动采集多源数据、以科学方法计算、按学术框架分析，产出带来源追溯的研究备忘录。学习工具，非决策工具。

普通 AI 给你「看起来对的分析」；invest-skills 给你「能拿来做决策的研究备忘录」。

价值主张

最大的价值是省时间：数据采集、交叉验证、报告撰写——数小时的手工流程压缩到几分钟。

省下的时间之外，报告质量由四层能力支撑，目标是尽可能覆盖常见认知错误、你没关注到的关键信息，减少误判：

• 广泛的相关因子数据 — 6 数据源并行采集（财务/行情/估值/股东/资金/市场），单源失败不阻塞，跨源差异显式标注
• 科学的计算方法 — 分位/偏离度/波动率等衍生指标全部由 Python 引擎计算，AI 只引用不加工
• 学术的研究框架 — R1-R12h 框架匹配、16 条法则约束、证据强度四维标注、来源追溯
• AI 整合引擎 — 多 Agent 并行采集与分析，冲突并列不掩盖，主编统一合成

它如何解决你的问题

典型应用场景

快速开始（5 分钟）

git clone https://github.com/Veblin/invest-skills.git && cd invest-skills
uv sync
cp .env.example .env                     # 填入 TUSHARE_TOKEN（tushare.pro 注册即送）
uv run python skills/invest-a-stock/scripts/invest.py diagnose     # 验证数据源

然后在 Claude Code 里开始研究：

/plugin marketplace add Veblin/invest-skills
/invest-a-stock 600176

不装客户端也完全可用——命令行提供等价能力（27 个子命令），见 docs/cli.md。

安装

配置 Token（至少一个）：

Tushare 积分档位与功能对照见 CONFIGURATION.md。

命名约定：用户 slash 一律连字符（/invest-a-*）。Claude 插件 marketplace 包名可保留冒号（invest:a-stock），二者不是同一层。

WorkBuddy 安装

WorkBuddy 与 Claude Code 共享同一套 SKILL.md 格式（同源同构），引擎命令已统一带 ${INVEST_SKILLS_ROOT:-.} cd 前缀，双 harness 兼容。3 步安装：

1. 安装 WorkBuddy 桌面版（macOS / Windows）并登录（官方流程见下节；新用户 14 天全功能试用；免费版并行上限 2，付费版 8）
2. 拷贝或 symlink skills：将本仓库 skills/invest-a-{stock,etf,journal,pulse,gap-scan} 放入技能目录（macOS 推荐 symlink：ln -sfn <repo>/skills/invest-a-pulse ~/.workbuddy/skills/invest-a-pulse，仓库已预置 .workbuddy/skills/ 下 5 个 symlink 可直接 ln -sfn 链接；Windows 见下方专节）
3. 配置环境：export INVEST_SKILLS_ROOT=<repo 绝对路径>（macOS 写 ~/.zshrc；Windows 设用户级环境变量）+ 写全局 token 文件 ~/.config/investment/.env（9 个 token 清单与写入说明见 docs/workbuddy/env-template.md）

官方安装流程（App 本体，约 10 分钟）

1. 下载：官网 codebuddy.cn → 下载页（/work）自动识别系统，安装包约 150-180MB；系统要求 Windows 10+ / macOS 12+（内存建议 ≥8GB）
2. Mac 芯片版本：M 系列芯片选 ARM64，Intel 芯片选 X64（「关于本机」查看芯片型号）
3. 安装：macOS 双击 .dmg 拖入 Applications（提示无法打开 → 系统设置 → 隐私与安全 → 允许）；Windows 双击 WorkBuddySetup.exe（建议右键管理员运行，安装路径用英文）
4. 登录：微信扫码或手机号（账号即腾讯云账号；建议与腾讯云社区账号一致，积分互通）
5. 首次授权：授权文件夹访问（桌面/文档/下载即可，不必全盘）
6. 领新人礼包：头像 → 个人中心 → 使用量（约 5000 积分，90 天有效；免费版每月 500 积分 + 每日签到）

权限模式：建议在 WorkBuddy 中使用 Craft 模式（免确认执行）——本套技能需频繁调用 Bash 引擎命令，逐条确认体验差。

常见坑：

• 技能索引未更新：装完技能后搜索/唤起不到 → 删除 index.db / fts_index.db 重启客户端（约 10s 自动重建），或使用 /reload-skills
• 东财被代理阻断：Clash/VPN 需配置 DIRECT 规则：DOMAIN-SUFFIX,eastmoney.com / gtimg.cn / baostock.com / tickflow.org
• marketplace vs SkillHub：marketplace 插件仅 4 个（invest:a-stock / etf / journal / gap-scan，模板缺 invest-a-pulse，既有缺口）；SkillHub 上架 5 个 skill（含 invest-a-pulse，中文 description 已带触发词）
• .workbuddy/skills symlink 解析：仓库已提交 git symlink，WorkBuddy 是否解析 symlink 需真机验证；若不解析，备选方案为 lean copy 脚本（只拷贝 SKILL.md + references/，引擎经 INVEST_SKILLS_ROOT 调用，体积约 KB 级，不推荐整目录 copy ~12MB）

macOS

export INVEST_SKILLS_ROOT="/path/to/invest-skills"   # 追加到 ~/.zshrc
mkdir -p ~/.workbuddy/skills
ln -sfn "$INVEST_SKILLS_ROOT/.workbuddy/skills/invest-a-stock" ~/.workbuddy/skills/invest-a-stock
ln -sfn "$INVEST_SKILLS_ROOT/.workbuddy/skills/invest-a-etf"   ~/.workbuddy/skills/invest-a-etf
ln -sfn "$INVEST_SKILLS_ROOT/.workbuddy/skills/invest-a-journal" ~/.workbuddy/skills/invest-a-journal
ln -sfn "$INVEST_SKILLS_ROOT/.workbuddy/skills/invest-a-pulse"  ~/.workbuddy/skills/invest-a-pulse
ln -sfn "$INVEST_SKILLS_ROOT/.workbuddy/skills/invest-a-gap-scan" ~/.workbuddy/skills/invest-a-gap-scan

Windows

• 技能目录路径社区有分歧（.workbuddy\skills vs WorkBuddy\Claw\skills），须真机实测后选择
• Bash 双通道：WorkBuddy 有 Bash + PowerShell 双通道，引擎调用统一走 Bash（git-bash），cd "${INVEST_SKILLS_ROOT:-.}/..." 语法在 git-bash 可用
• ACP 安全策略可能拦截 python.exe 启动（社区实测；Shell 子系统有间歇性静默失败报告）——若 Bash 不可用，转 MCP 包装（FastMCP stdio 包 invest.py 子命令）
• 环境变量：用户级环境变量（注册表）设置后必须完全重启客户端才生效；~/.config/investment/.env 方案与平台无关（引擎原生加载），推荐优先
• 权限：默认执行脚本需逐条确认；Full Access 模式免确认

T1-T12 真机验收表（用户后置执行）

阻塞项：WorkBuddy 安装（由用户后置执行）。判定标准：同一输入，WorkBuddy 输出与 Claude Code 逐项一致（含数据值、格式、落盘位置）。

Skills 一览

一张图：流程如何固化到 Python

        ┌─────────────────────────────────────────────────────┐
        │  Skill 层 — 你的对话                                  │
        │  /invest-a-stock 600176 · /invest-a-pulse · ...      │
        │  标准化流程 + 个性化要求 → 研究备忘录                  │
        └───────────────────────┬─────────────────────────────┘
        ┌───────────────────────▼─────────────────────────────┐
        │  规则层 — AI 不得越过的边界                           │
        │  R1-R12h 框架匹配 · 16 条法则 · 三层复检              │
        │  事实/分析分离 · 证据四维标注 · 禁止买卖建议           │
        └───────────────────────┬─────────────────────────────┘
        ┌───────────────────────▼─────────────────────────────┐
        │  引擎层 — Python 固化：数据获取 + 计算                 │
        │  6 源并行采集 ─→ 降级链 ─→ 交叉验证                    │
        │  （单源失败不阻塞 · 差异 >20% 触发 tie-breaker）        │
        │  derived 计算引擎：分位/偏离度/波动率/带宽              │
        │  —— 所有数字引擎计算，AI 只引用不加工                   │
        └───────────────────────┬─────────────────────────────┘
        ┌───────────────────────▼─────────────────────────────┐
        │  存储层                                              │
        │  SQLite 快照 → diff 回溯 · 多 Agent 并行编排          │
        └─────────────────────────────────────────────────────┘

规则、流程与计算全部固化在 Python 引擎（skills/*/scripts/），AI 按规则执行、按框架产出。脚本级操作（27 个 CLI 子命令的完整参考）见 docs/cli.md。

产出流水线

Phase 1: 并行采集（3 Agent）
  Collector A (Tushare) ∥ Collector B (akshare交叉) ∥ Collector C (股东/研报)
  → merge + 交叉验证，差异 >20% 触发 tie-breaker

Phase 2: 并行分析（4 Agent）
  生意质量 ∥ 财务估值 ∥ 行业竞争 ∥ 风险治理

Phase 3: 主编合成 → .md 报告

模板见 references/agent-prompts.md。

示例报告

真实产出示例（2026-07-21，潍柴动力 000338）：

核心结论：潍柴动力正经历从重卡周期股向 AIDC 电力基础设施龙头的战略转型。当前 PE(TTM) 20.3x 处于近 4 年 88.1% 分位（中位数 15.1x），看似昂贵——但 2026E 前瞻 PE 仅 16x（EPS 1.65），且 AIDC 柴发业务以 240%+ 增速贡献 70% 以上增量利润。

[证据强度: ✅ 强 🌐 多源 🕐 近 30 日 ✓✓ 引擎采集+WebSearch+机构研报 交叉一致]

注意风险行：数据源打架时，报告显式标注差异并给出验证路径，而不是悄悄取一个数。全文见 docs/demos/000338-潍柴动力-2026-07-21.md。

更多 demo（真实运行产出）：

以上为精选 demo；日常研究产出的全部报告保存在本地 reports/ 目录（不纳入版本库）。

数据

多源并行采集，单源失败不阻塞，差异标注跨源分歧。采集层遵循降级链（R12h）：首选源单发，失败按序降级（防东财限流/首选源挂死）；所有源独立记录，全失败标注「未获取到任何有效数据」。

结果自动存入 SQLite（~/.local/share/investment/research.db），支持历史回溯。详见 CONFIGURATION.md。

输出规范

16 条法则约束（SKILL.md），核心：

• 每条事实标注来源，每条判断标注依据
• 多源交叉验证，单源标注不确定性
• 禁止买卖建议；允许多情景估值（须假设前提 + 概率 + 免责）
• Bull/Bear 须含数值场景化传导链
• 左/右概率并列，禁止单一方向结论

方法论引擎（v0.2.4）：报告不再一套模板打天下。R1-R12h 先做框架匹配——行业景气状态卡（R5）、行业关键因素（R4）、成长股四分类分流（R7）、趋势/价值双路径分流（R12g）、数据源降级链（R12h）。AI 先确认「该用哪套框架」，再按框架产出，最后以事实边界 §2.3 约束（禁止猜测/推断，冲突并列不裁决）。

项目结构

skills/
  lib/                     ← 共用层（nums/stats/technical/cache/data_bridge）
    references/            ← 共享规范（report-conventions.md）
  invest-a-stock/          ← 个股研究
    SKILL.md               ← 核心规格
    references/            ← 专项（modules/financials/sentiment/game-theory）
    scripts/
      invest.py            ← CLI（27 个子命令）
      valuation_calc.py    ← 科学估值
      lib/                 ← collector/store/valuation/risk_scanner/...
    tests/
  invest-a-etf/            ← ETF 研究（数据层供 journal 共用）
  invest-a-journal/        ← 交易方案评估
    scripts/lib/
      market_microstructure.py  ← 市场微观结构管道（17 指标）
  invest-a-pulse/          ← 市场情绪全景
  invest-a-gap-scan/       ← 跳空缺口扫描
.claude-plugin/            ← Claude Code 插件

开发与贡献

uv sync && uv run pytest
bash scripts/bump-version.sh X.Y.Z

提交前确保测试通过，无 API Key 泄露。详见 CONTRIBUTORS.md 与 CODE_OF_CONDUCT.md；版本变更见 CHANGELOG.md。

未来方向

• 定时任务 + 主动通知：快照分析 → 定期采集 → 变化主动推送（watchlist/thesis 已就位，调度层进行中）
• webapp 化：降低使用门槛，把「命令行 + Markdown」变成「界面 + 订阅」
• 历史回测：AI 研报结论 vs 实际股价表现，让方法论可证伪

License

MIT · 本地运行 · 不跟踪不上报

报告仅供研究参考，不构成任何投资建议。