非上市公司深度研究

解决的问题

未上市公司没有标准化财报，公开信息天然稀缺且碎片化。通用研究方式容易陷入几种偏见：资料少就给出保守结论、为了填满模板用推测伪装分析、强行对标上市公司并继承其估值逻辑、只看到公司主动传播的好消息。这些偏见在蚂蚁集团、SpaceX 这类标的上会被显著放大。

框架如何工作

• 把 $ARGUMENTS 中的目标公司交给多 Agent 并行研究，分工拼凑融资轮次、财务数据、业务模式等碎片信息
• 启动研究前先执行 date 命令确认当前日期，作为 "最新数据" 的基准，并在报告头标注数据截止日期
• 每个数据点标注置信度（🟢 高 / 🟡 中 / 🔴 低），严格区分可验证的事实与 AI 的推理
• 财务数据交叉验证，估值与数学计算使用精确算术工具而非估算
• 对信息极度稀缺的公司切换 "第一性原理模式"：只回答需求真伪、团队独特优势、成功路径等核心问题，不为凑完整而填充推测

适用边界

结论可靠性受原始信息质量限制。若公开来源缺失或过时，报告会明确留白而非编造。退出路径（IPO / 并购 / 二级转让）的不确定性无法消除，只能以情景推演呈现。使用时应对关键数据点做人工复核。