龙侠股市分析
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_47b3804c/stock-analysis-lxx。
技能介绍
问题
选股研究里，很多分析不是败在模型少，而是败在流程散：先凭感觉看新闻，再零散查财报、估值、公告，最后把候选写成公司百科。龙侠股市分析把任务收敛到本地数据层：扫描、排序、候选筛选先跑脚本，读取 data/output/stock_dataset.csv、data/output/manual_review_queue.csv，再判断是否缺字段。它把低估值高增长拆成估值便宜度、长期增长、兑现质量、催化剂和风险调整，落成 估值分、增长分、催化分、风险分 与 综合分。
工作方式
技能按任务模式执行：低估值高增长筛选、候选排序、单股分析、政策映射、风险排雷。用户未说明时默认筛选。快筛时先按 综合分 排序，再人工检查前 5-10 只的估值标签、成长标签、数据完整度和结论置信度；深挖默认只展开前 3-5 只。若 manual_review_queue.csv 非空，只补缺失字段，写回 data/manual_overrides.csv 后重跑，避免把单个缺失升级成全量手查。输出要求先表后结论，把数字压缩成判断：当前估值、估值判断、长期增长引擎、核心催化、核心矛盾，以及 优先 / 跟踪 / 观察 / 回避 结论。
边界
它面向研究参考，不替代个性化投资建议。种子池不是硬边界，用户可要求扩展全市场候选；但手工补录必须遵守数据层约束。若数据完整度或结论置信度低，技能应明确降级结论，并区分事实与推断。
使用场景
- 对 A 股候选池做低估值高增长扫描，按综合分排序并标记优先、跟踪、观察或回避。
- 单只股票需要压缩估值、增长引擎、核心催化与核心矛盾，并给出置信度标签。
- 手工补录仅补缺失字段，写回覆盖文件后重跑脚本，再输出候选结论。
- 政策主题出现后，把相关候选映射到催化与风险维度，输出跟踪结论。
适合人员
- 个人股票研究员：每周要把候选池压成低估值高增长排序表。
- 买方或卖方分析师：单股分析需要区分事实、推断和结论置信度。
- 研究助理：负责补录缺失字段、重跑脚本并更新候选标签。
- 投资运营：把公告催化和风险压缩成优先、跟踪、观察或回避。
相关技能
基于 accurLex 知法 API 审查中国法合同纯文本，输出完整审查意见原文，并生成 Word 文档。
围绕单个 SOC 或 PT 家族，生成可执行的 FAERS 主动对照安全比较研究设计。
金融数据分析方法论参考，覆盖财务报表、KPI、可视化与自动化报告，提供模板与示例框架，不执行代码或采集数据。
面向弱电智能化、网络与通信工程，基于知识库检索进行设备参数对比、型号推荐、兼容性检查和成本估算。