大宗商品解读（二郎神）

要解决什么问题

大宗商品研报往往堆叠行业术语、产业链推演和多空观点，读者若不熟悉品种逻辑，很难判断「库存、开工率、利润」等数据在报告里究竟支撑什么结论。本技能把解读流程固定为可复现的脚本流水线：模型不即兴发挥观点，而是提取研报要素后，把分析交给 scripts/ 下的 Python 引擎，再按统一模板拼出 Markdown 报告。

技能如何工作

收到研报后，按黑盒工作流执行：

1. 预处理：识别品种（如 glass、caustic_soda），把关键数据点整理为 JSON，并收集文中的模糊「黑话」。
2. 产业链分析：运行 industry_chain_analysis.py，获取「三维分析法」结果（上游成本、中游供给、下游需求及供需、宏观节奏）。
3. 术语翻译：运行 jargon_translator.py，得到黑话与精准释义的对照。
4. 逻辑图谱：运行 logic_mapper.py，输出推导链、核心矛盾与风险提示。
5. 报告整合：将上述 JSON 合并为固定结构的解读稿，含核心摘要、术语表、产业链三维分析、逻辑全景图、多空因素与实战关注点。

核心指令强调：不直接用模型语言替代研报分析，必须以脚本返回结果为事实来源。

适用边界与注意点

• 解读质量依赖研报文本是否包含可抽取的数据与品种上下文；脚本未覆盖的品种或字段可能不完整。
• 输出附带免责声明：属方法论下的客观拆解，不构成投资建议。
• 需本地具备可执行的 python3 及技能包内 scripts/ 环境；模型侧主要负责调度与排版，而非内置行情或数据库。