供应链瓶颈猎手

要解决的问题

大多数 AI 投研流程的终点是一句"推荐关注哪些股票"，但真正值得追问的是另一个问题：如果这个趋势继续扩张，供应链上哪一环会先不够用？ 当 GPU、HBM、电力这些第一层瓶颈已被市场充分定价后，超额收益通常来自光模块、激光器、InP 衬底、SOI 晶圆、外延设备、晶圆级测试、IC 载板、特殊玻纤这类第二、第三层环节——它们不会出现在概念标签里，却可能让整个行业停下来等。

这个技能把投研的出发点从"叙事"切换到"物理供应链咽喉"：不追龙头，找断货。

工作方式

整套流程分七步推进：

1. 超级趋势确认——只追满足持续性、物理性、规模性、加速性四条硬标准的趋势（AI 基建、能源转型、国防现代化、半导体再工业化、太空经济等），用户可指定聚焦单一趋势。
2. 供应链物理拆解——拆到具体的材料、设备、零部件实体，而不是停留在概念层。
3. 瓶颈识别——对每个环节按供给集中度、扩产周期、替代难度、收入纯度等六条标准打分，区分 S/A/B 级咽喉。
4. 交叉验证——每个结论至少两个独立信源，强制执行反向验证。
5. 估值硬门槛——计算 PS、PE，命中市值超 TAM 20%、PS>30x 等红线即封顶信号强度并标注"⚠️ 估值透支"；瓶颈真实不等于投资机会。
6. 报告输出——标的公司按估值检查过滤后写入文件名，扫描结果落入 reports/bottleneck-map/ 下的分层目录。
7. 存量更新——每次运行增量检查旧瓶颈是否解除、新瓶颈是否出现，动态维护瓶颈总地图与观察名单。

支持每小时扫描模式：只在有新信号、新标的或重大状态变化时出报告，无发现则仅记日志。内置龙头偏好、英文偏好、叙事偏好等 AI 研究偏见清单，要求刻意搜索小市值供应商与日韩台市场。

适用边界

• 输出是研究框架而非投资建议，最终决策仍需人工判断。
• 瓶颈有时效性，每个环节最终都会被解除，价值在于判断时间窗口而非永久持有。
• 数据不足时必须标注"数据不足"，不允许推测填充；所有数据需注明来源。
• 小市值不等于好机会，亏损公司需给出明确盈利路径才可进入高评级。
• 估值门槛优先级最高，不可被瓶颈纯正度、信号强度或叙事吸引力覆盖。