技能介绍

一个关键词搜出来的「概念股」为什么不靠谱

直接让模型「挖一下 AI 概念股」，得到的通常是一串股票名加几句理由。问题在于：关键词检索走的是单一路径，模型先想到谁就写谁，既没有产业链覆盖检查，也没有对个股证据的交叉评审。宽泛标签下的候选池动辄上百只，真正值得放进组合的龙头与弹性标的被淹没在噪声里。

五节点流水线：把研究拆成可校验的阶段

这个技能把「概念 → 个股组合」拆成相互制衡的五个节点，每个节点只消费上一节点的结构化 JSON 输出：

节点 1 · 研究计划（planner）：先界定概念来源、产业背景与研究边界，此阶段刻意不输出个股。
节点 2 · 产业链拆分（chain_analyzer）：把概念映射为 4–8 个一级环节，必须覆盖上游、中游、下游。
节点 3 · 并行展开（node_expander）：逐环节独立检索，每环节推荐 5–10 只 A 股，标注 core / satellite 定位与评分。
节点 4 · 证据评审（evidence_reviewer）：从分析深度、覆盖完整度、荐股合理性、重复与逻辑矛盾四个维度评审，发现遗漏就回退重做。
节点 5 · 组合构建（portfolio_builder）：去重后给出权重、触发条件与失效条件，并产出 Markdown 报告。

数据源按 Gangtise MCP → 内置金融数据技能 → WebSearch / WebFetch → akshare / tushare 的优先级取用，执行前先检查连通性，所有信息标注来源与时间。

月度策略与适用边界

模式 B 在模式 A 之前加了概念提取与最佳概念筛选：从当月研报和政策里提取细粒度概念，按主线性、依据充分、可投资性选出至多 2 个，各跑一遍流水线，再聚合为至多 30 只的等权组合。

需要注意几点：概念必须细粒度且能映射到产业链，宽泛标签会被拒绝或先拆成子概念；证据不足时明确标注，不编造代码或理由；信息时间戳不得晚于考察月末，防止未来信息泄露。完整方法论见 references/methodology.md，各节点提示词模板在 references/prompts.md。