股权投研报告生成

它解决什么问题

个股分析往往要在十多个碎片来源间来回跳转：公告、一致预期、产业链新闻，每项都要单独核对；临时拼出来的输出又容易退化成“资料堆砌”——页数不少，但缺估值逻辑与多空平衡。这个技能要做的是产出结构稳定的研报：先弄清用户意图，再按两种深度之一执行，最后输出规范 PDF，而不是每次临时拼一份。

核心能力与工作流程

• 意图路由：Phase 0.0 Router 先探测语言，再把请求分为三档。Tier A（明确的研报关键词）直接触发；Tier B（如“帮我分析某公司”）会先询问用户要 投资速览 还是 深度研报；Tier C（如“这家公司是做什么的”）仅对话回答，不进入技能。
• 两种输出模式：Tear Sheet 为 3-5 页 A4 紧凑简报（11 个固定模块、双栏排版），适合快速决策；Equity Report 为 ≥25 页、21 个强制模块的机构级研报。
• 两种估值深度：Equity Report 可选 Level 1（可比公司 PE/PB/PS 倍数 + 一致预期 + 情景分析），或 Level 2（三表模型 + DCF 绝对估值 + 敏感性分析 + 历史估值带，产出 8+ 个工作表的真实 Excel）。
• 分析纪律：数据必须有真实来源，禁止占位符；关键数据由 2 个以上独立来源交叉验证；近 7 天影响边际预期的新闻必须纳入；六维框架要求每个数据点回答「so what」，多空观点必须并存。

适用边界与注意点

• 简单事实问题不会生成报告，这是省 token 的有意设计，不是缺陷。
• 数据真实性依赖可获得的来源；关键财务数据缺失时按 missing data 处理流程执行，不编造。
• 完整版是多步任务（L2 三步、L1 两步），会产出研究文档、Excel 模型、QA 清单等中间产物，适合深度研究而非日常随问随答。
• 默认输出为 PDF；L2 路径依赖装有 openpyxl 的 Python 环境。