投资团队

要解决什么问题

单人让大模型写「某公司投资价值」时，常见结果是：框架齐全却与市场共识同质、财务数字心算偏差、冷门标的用推测填满段落。本技能把一次投研请求拆成可并行、可核对的多角色工作流：商业、财务、行业、风控四条线同时推进，再由 team-lead 按固定结构汇总，并强制在财务侧调用仓库内 tools/financial_rigor.py 做验算与交叉校验。

技能如何工作

启动前会先给出团队角色表（team-lead + business / financial / industry / risk 四类分析师），并对标的做 AI 可研究性评级（A/B/C），把「资料多≠确定性高」写进各 Agent 的研究策略。

核心执行路径大致如下：

• 用 TeamCreate 建 {公司名}-research 团队，team-lead 为协调者
• 用 TaskCreate 下发四份任务：商业模式与护城河、财报与估值、行业竞争、风险与管理层
• 同一条消息里并行启动 四个 general-purpose 子 Agent（后台运行），通过 SendMessage 回传报告而非文件协作
• 四份报告齐了之后 shutdown 成员，team-lead 输出含四维评分、Bull/Bear、巴菲特 Checklist、分层操作建议的最终稿，并写入 ~/{公司名}投资研究报告_{YYYYMMDD}.md
• 财务任务明确要求：verify-market-cap、verify-valuation、cross-validate、three-scenario 等子命令；研究前需 date 确认数据截止日

适用边界与注意点

• 依赖 Team / Task / SendMessage 等多 Agent 能力；在 Codex 等环境需映射到可用的子代理与搜索/Shell 能力
• 信息稀缺（C 级）时应第一性原理 + 留白，禁止用推测伪装完整报告
• 汇总阶段需反偏见：反面检验、非共识视角，并在终稿注明信息丰富度与 AI 研究局限性
• 结论会要求给出买入/观望/回避与价格区间，但仍需人工判断；工具输出是验算记录，不能替代一手财报核对