Serenity 龙头到卡口产业链研究法
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_97cb3ec2/serenityresearch。
技能介绍
要解决什么问题
热门龙头往往已经被定价,真正还没被机构充分挖掘的,常常是产业链里由物理约束卡住的上游环节——材料、工艺、设备、特种衬底等,而不是下一季叙事。Serenity 这套方法把「从龙头入口向下挖」和「用硬条件筛卡口」绑在一起,并说明如何用 AI 读大量研报、再用人工去挑战结论,避免把趋势故事当成护城河。
方法如何运作
从龙头到卡口是主线:先锚定处于超级周期门槛的龙头(如 AI 芯片里的英伟达),再沿需求链向上游逐层拆解(芯片 → 衬底 → 封装 → 设备等)。每一层用四个物理问题筛一遍:
- 谁是寡头? 扩产周期多久?
- 有没有替代? 下游是否必须用?
满足「替不了、扩不出、寡头、关注度低」的环节进入多维排雷(产能、订单、认证、估值、治理),通过后才是标的。六步可概括为:锚定龙头 → 拆解产业链 → 筛选卡口 → 排雷 → 确定标的。
在 Agent 侧的可执行流程是:选定赛道 → 通过研报数据源拉取数百篇行业研报 → 让模型逐层拆链并在每层套用四问 → 输出卡口清单。AI 芯片案例里,从光互联、模块一路下钻到光源,再连带特种衬底、先进封装与合成设备,演示了同一套筛选逻辑如何串成一条链。
边界与注意点
该方法在顺风期命中率容易被放大;逆风期里刚性物理筛选会收窄可选空间,不宜机械套用。研报数量(如 200~1000 篇)是为了建立产业大局观,但 AI 输出必须经人工验证、数据核对与方法论交叉论证,不能直接当结论。技能只覆盖研究与筛选框架,不构成投资建议。
使用场景
- 选定 AI 芯片等超级周期赛道后,要从英伟达等龙头出发逐层拆解上游,找出替不了、扩不出的环节
- 已接入 a-stock-data 等研报源,需要批量拉取 200 篇以上行业研报,再让 AI 建立产业大局观并逐层拆链
- 在某一产业链层级上,要用「寡头、扩产周期、替代性、下游必用」四问筛卡口,并输出待排雷的标的清单
- 对筛出的卡口环节要做产能、订单、认证、估值、治理等多维排雷,再决定是否纳入最终研究池
适合人员
- 覆盖半导体、光模块等主题的一级市场研究员,需要把龙头故事转成可核对的上游卡口清单
- 买方行业分析师,每周要消化大量中文研报并维持「龙头→卡口」的结构化笔记与交叉验证
- 自主研究某个赛道的个人投资者,希望用固定六步流程和 AI 拆链减少漏看关键上游环节
- 量化或主题基金研究员,要把海量研报摘要与人工四问筛选结合,沉淀可复用的产业链方法论