虾皮个股研究报告

解决LLM财报分析的“幻觉”痛点

大语言模型在处理金融数据时，极易出现“幻觉”。模型常会凭训练数据的记忆，编造营收数据、市占率，甚至虚构近期公告。这种基于过期记忆生成的“伪研报”，在严肃投资决策中毫无价值。

本技能旨在建立一条严格的基本面分析流水线，将大语言模型转变为严谨的数据检索与归纳引擎。它不依赖模型的内部记忆，而是强制要求通过实时检索获取最新数据。

核心工作流与关键机制

该技能定义了一套包含八个标准段落的报告生成框架，核心机制包括：

• 多源交叉验证：关键财务指标、产能数据和重大事件，必须从至少2个独立信息源核实。优先抓取 巨潮资讯网 的一手公告，其次通过权威财经媒体或第三方数据平台交叉验证。
• 结构化数据获取：推荐使用 daxiapi 工具获取财务指标与新闻舆情，但这只是数据获取手段之一。即便工具接口异常，也必须通过通用 Web 搜索补齐资料。
• 自动化财务分析：财务数据章节必须调用 xiapi-financial-roe-analysis 子技能。执行 ROE 杜邦拆解分析，获取盈利质量与杠杆风险数据，并强制进行精简概括。
• Subagent 独立审计：草稿完成后，必须启动独立的 Subagent 对全文进行信息源验证与校准，删除任何无法核实的数据点。

适用边界与使用注意

本技能专为分析 A 股市场的细分龙头或行业龙头设计，不适合用于非龙头公司或非 A 股标的。

• 非投资建议：报告输出严格排除估值判断和买卖建议，不讨论“贵不贵”的问题。
• 纯基本面驱动：完全不涉及技术面分析。K线图、均线、MACD等技术指标讨论被严格禁止，只关注基本面。
• 客观表述：禁用带有主观色彩的连接词或研报套话。所有前瞻性陈述必须有明确的公司公告或投资者关系记录背书。