investoday-sector-research-interpretation

面向行业、板块、概念与主题方向的研报解读，聚焦卖方共识、核心逻辑、机会风险与代表性方向。基于今日投资金融数据接口，自动识别行业或概念实体并输出结构化板块研报解读报告。触发词：板块研报、行业观点、赛道共识、主题分歧、重点关注方向。

🧭 板块研报解读

面向行业、板块、概念与主题方向的研报解读，聚焦卖方共识、核心逻辑、机会风险与代表性方向。基于今日投资金融数据接口，自动识别行业或概念实体并输出结构化板块研报解读报告。

触发场景

• 用户询问某个行业、板块、概念或主题最近机构怎么看
• 用户希望了解卖方共识、核心逻辑、主要分歧和机会风险
• 用户想知道“最近券商重点覆盖哪些方向”“这个板块分歧大不大”
• 关键词：板块研报、行业观点、赛道共识、主题分歧、重点关注方向、板块研究

输入示例

示例 1：行业观点

text

半导体板块最近券商怎么看？

示例 2：共识与分歧

text

机器人板块最近研报里的共识和分歧是什么？

示例 3：机会风险

text

创新药这条赛道最近机构最看好的方向和风险点有哪些？

💡 本 Skill 偏行业、板块、概念层面的卖方观点归纳。若用户只想看单只股票的研报观点，请优先使用 个股研报解读；若用户更关心最近发生了什么催化、热点如何演绎，请优先使用 热点事件解码。

前置依赖

本 Skill 依赖 investoday-finance-data（今日投资金融数据）Skill 获取实时金融数据。

基础 API 调用与底层执行方式统一以该 Skill 为准，业务 Skill 不重复展开底层接入细节。

工具说明

以下为本 Skill 通过 investoday-finance-data 使用的数据接口。在 System Prompt 中以 工具ID 标识调用。

对象识别工具

工具名称	工具ID	方法	说明
实体识别	entity-recognition	POST	识别用户输入中的行业、概念、主题对象

研报核心工具

工具名称	工具ID	方法	说明
研报舆情	research/sentiment	POST	获取行业、概念或主题方向的研报观点、逻辑、机会与风险

数据获取流程

用户提供行业、板块、概念或主题方向后，Agent 按以下流程获取数据：

• Step 0：实体识别：工具ID entity-recognition (POST)，参数 input=<用户原始问题>
• Step 1：行业/概念研报舆情：工具ID research/sentiment (POST)，参数 <industryCode或conceptCode参数> beginTime=<90天前> endTime=<当前时间> pageNum=1 pageSize=6

对象选择规则：若识别结果为行业，优先传 industryCode；若识别结果为概念，传 conceptCode。默认使用近 90 天数据；只有用户明确要求“详细报告”时，pageSize 可放大到 10。

分析框架（4步）

Agent 获取数据后，按以下 4 步框架进行结构化分析：

Step 1：确认当前卖方总体态度

目标：先判断市场机构对该板块或主题的整体态度偏积极、偏中性还是分歧较大。

数据来源：research/sentiment

分析要点：

• 近期研报情绪方向是否集中
• 研报覆盖是否充分
• 若样本有限，应提示“结论代表性有限”

输出：总体态度与覆盖情况。

Step 2：提炼研报主线与共识逻辑

目标：归纳机构高频强调的主线逻辑。

数据来源：research/sentiment

分析要点：

• 当前最重要的产业逻辑、政策逻辑、景气逻辑或估值逻辑
• 哪些逻辑是多数机构共同提及的
• 只保留最有代表性的 2-4 条共识主线

输出：研报主线与卖方共识。

Step 3：识别分歧点与重点方向

目标：找出机构之间的主要分歧，以及反复被强调的重点方向。

数据来源：research/sentiment

分析要点：

• 分歧集中在兑现节奏、景气持续性、盈利能力还是估值容忍度
• 哪些子方向或代表性公司被多次提及
• 只有被多篇研报重复强化的方向，才可写成“重点关注方向”

输出：分歧点与重点方向。

Step 4：形成机会风险与后续观察框架

目标：把共识、分歧与重点方向整合为结构化观察框架。

数据来源：前 3 步分析结果汇总

分析要点：

• 当前最值得关注的机会方向是什么
• 当前最需要警惕的风险点是什么
• 接下来应重点跟踪哪些验证信号

输出：机会与风险判断、后续观察重点。

策略逻辑汇总

信号组合	含义	判断
多篇研报逻辑同向且近 90 天持续强化	板块卖方共识较强	✅ 积极
共识主线明确但子方向分歧较大	主线成立、细分选择有争议	🟡 关注
机会与风险同时被高频提及	机构表达趋于平衡	📊 中性
重点方向被多篇研报重复强化	方向识别度较高	✅ 积极
研报样本少且观点分散	共识尚不稳定	⚠️ 警惕
逻辑更多来自政策催化而非业绩兑现	更偏预期交易	🟡 关注
景气持续性成为主要分歧	后续验证难度较高	⚠️ 警惕
风险点集中于估值与兑现节奏	需重点跟踪业绩验证	⚠️ 警惕

输出格式

markdown

# 🧭 [板块/主题名称] 研报解读报告

> 分析日期：YYYY-MM-DD | 数据来源：今日投资

## 一、研报结论

（用一段话概括当前机构态度、核心主线、主要分歧和机会风险）

## 二、研报主线

（提炼 2-4 条高频主线逻辑）

## 三、共识与分歧

（说明共识逻辑与争议点）

## 四、重点方向

（说明最被看好的子方向或反复提及的代表方向）

## 五、机会与风险

（分别写机会方向和风险方向）

## 六、后续观察

（接下来需重点跟踪的验证信号）

## 综合结论

- 3-5 条核心发现
- 明确当前卖方共识强弱与关键分歧
- 给出后续研究的关键抓手

证据约束（必须遵守）

1. 每个板块判断至少给出 2 个证据来源；没有数据则写“该维度数据不足，暂无法判断”
2. 不允许把个别机构的单篇观点直接写成板块共识，必须有重复验证
3. 时间口径必须明确，如“近90天研报”
4. 不展示内部打分、未公开排序或中间推理
5. 不给买卖建议、目标价、仓位建议或交易时点
6. 只给行业、板块、概念、子方向层面的判断，不做具体个股推荐
7. 若对象识别不稳定，必须先要求用户提供更明确的行业、板块或概念名称

执行示例

用户说：“机器人板块最近机构最看好什么方向？”

1. 通过 entity-recognition 识别行业或概念对象
2. 调用 research/sentiment 获取近 90 天相关研报舆情
3. 提炼研报主线、共识与分歧、重点方向和风险点
4. 输出 Markdown 格式板块研报解读报告
5. 在结尾写出综合结论与后续观察重点

安全与隐私

• 仅通过今日投资 API 查询公开市场数据
• 不记录、不存储用户的查询记录
• 分析结论仅供参考，不构成投资建议