Investment Workflow

［何时使用］当用户需要投研分析时；当用户说'分析这个标的'、'现在什么值得买'、'对 XX 行业怎么看'、'这个热点有什么影响'、'开会讨论投资'时触发。场景驱动的投研全流程，覆盖 6 个场景。

investment-workflow: 投资工作流 🎯

📋 功能描述

帮助用户系统化执行投研全流程。不是一套固定流程，是 6 个用户场景 × 共享 Skill 模块的排列组合。

适用场景：

• 买股票 / 投行业 / 扫描推荐 / 行业看法 / 热点分析 / 开会讨论

边界条件：

• 不替代深度基本面研究
• 输出为 Markdown 报告，需配合 data_layer / mcp-aktools 获取真实数据
• 场景识别依赖用户输入关键词
• 模糊输入处理：用户输入过于模糊（如"最近怎么样？"）时，先询问澄清（行业/事件/标的），不强行触发完整工作流

---

🔄 6 个核心场景

场景	触发词	调用步骤	输出
买股票	"我要买股票"、"分析 XX"	data-query → stock-research → decision-integrate	Markdown 决策报告
投行业	"我要投行业"、"XX 行业值得投吗"	industry-rank → data-query → multi-view → decision-integrate	Markdown 行业报告
扫描推荐	"现在什么值得买？"	market-scan → industry-rank → data-query → decision-integrate	Top 3 标的 + 优先级
行业看法	"对 XX 行业怎么看"	industry-rank → deep-think → plain-explain	Markdown 散文
热点分析	"这个热点有什么影响"	market-scan → industry-rank → multi-view → plain-explain	Markdown 影响分析
开会讨论	"开会讨论"	multi-view → decision-integrate	Markdown 会议纪要

详细共享 Skill 说明 → references/shared-skills.md 数据层集成说明 → references/data-layer-integration.md

---

🔄 核心执行流程（6 阶段）

原则：按场景调用 2-4 个阶段，非必须不跑全 6 步。

阶段①：场景识别

动作：从用户输入提取关键词，匹配 6 个核心场景之一。 输出：场景名称 + 触发步骤列表。 降级：若输入模糊（如"最近怎么样？"），先询问澄清，不强行触发。

阶段②：数据查询（market-scan / data-query / industry-rank）

动作：调用 data_layer / mcp-aktools 获取实时数据。 指令：

• 优先调用 data_layer（带缓存）。
• 失败时降级到本地缓存或明确告知"数据获取失败"。
• 标注数据来源与时间：[数据：指标 | 来源：数据源 | 时间：时间]。

阶段③：深度分析（stock-research / multi-view / deep-think）

动作：执行降秩分析、追本分析或多视角验证。 指令：

• 必须保留推演链（表象→机理→原理→公理）。
• 附 ASCII 关系图辅助理解。
• 合规转化：若用户请求"帮我买 XX"或"推荐代码"，不直接拒绝，转化为"交易成本分析"或"筛选方法论"投教内容。

阶段④：逻辑验证（decision-checklist / mental-models）

动作：使用芒格思维模型/检查清单验证分析逻辑。 输出：逻辑漏洞清单 + 修正建议。

阶段⑤：决策整合（decision-integrate）⭐ 核心

动作：综合所有分析，给出明确建议。 指令：

• 必须输出：买入 / 卖出 / 持有 / 观望 之一。
• 必须标注：置信度（高/中/低）及理由。
• 若数据不足，明确说明"因 XX 数据缺失，置信度低"。
• 禁止：只罗列数据表格，不给结论。

阶段⑥：多形式输出（调用表达层）⭐ 核心

动作：将决策报告传递给 expression-layer 进行格式化。 指令：

• 调用 expression-layer，传入 content + intent（plain/writes/card/wechat）。
• 禁止：直接输出原始 Markdown，必须经表达层路由。
• 输出形式：Markdown 报告 / PNG 卡片 / HTML 演讲 / 公众号推文。

---

⚠️ 常见错误

错误 1：线性执行所有阶段

text

问题：
• 用户只问"XX 怎么看"，却跑完 5 个阶段
• 输出冗长，用户找不到重点

解决：
✓ 严格按场景定义调用 2-4 个共享 Skill
✓ 输出聚焦场景核心问题

错误 2：忽略数据层降级

text

问题：
• mcp-aktools 或 data_layer 调用失败
• 报告数据为空或报错

解决：
✓ 优先调用 data_layer（带缓存）
✓ 失败时降级到本地缓存或明确告知"数据获取失败"
✓ 标注数据来源与时间

错误 3：推理过程缺失

text

问题：
• 直接给结论，用户不知道"怎么想到的"
• 缺乏降秩/追本/验证过程

解决：
✓ 每个结论必须保留推演链
✓ 使用 [数据：指标 | 来源：数据源 | 时间：时间] 格式
✓ 附 ASCII 关系图辅助理解

错误 4：数据罗列无结论

text

问题：
• 阶段③只输出数据表格，阶段⑤未给出明确建议
• 用户得不到 actionable 的建议

解决：
✓ 阶段⑤必须综合数据给出"买/卖/持有"建议及置信度
✓ 使用 decision-integrate 共享 Skill 整合所有分析

错误 5：合规拦截过度

text

问题：
• 遇到模糊或交易指令，直接拒绝
• 未提供替代方案（如"扫描当前强势板块"）

解决：
✓ 执行"合规转化"协议：拒绝 -> 转化为分析/投教
✓ 例："无法直接交易" → "分析交易成本/时机"

错误 6：表达层未调用

text

问题：
• 阶段⑥未调用 expression-layer
• 输出格式不统一（有时表格，有时纯文本）

解决：
✓ 阶段⑥必须调用 expression-layer，传入 content + intent
✓ 让表达层统一路由至 Markdown/PNG/HTML

---

🧪 使用示例

输入：

text

分析消费 ETF 是否值得投？

预期输出：

• 识别场景：投行业
• 调用：industry-rank → data-query → multi-view → decision-integrate
• 输出：Markdown 报告（含降秩分析、数据验证、圆桌讨论、决策建议）

输入：

text

现在什么值得买？

预期输出：

• 识别场景：扫描推荐
• 调用：market-scan → industry-rank → data-query → decision-integrate
• 输出：Top 3 标的 + 优先级 + 逻辑

---

🔧 故障排查

问题	检查项
不触发	description 是否包含触发词？用户输入是否匹配场景？
数据为空	data_layer 是否安装？mcp-aktools 是否运行？缓存是否过期？
输出过长	是否跨场景调用？检查场景定义，只调用必要步骤
推理缺失	是否跳过降秩/追本步骤？检查共享 Skill 执行顺序

---

🔗 相关资源

• 共享 Skill 文档：references/shared-skills.md
• 数据层集成：references/data-layer-integration.md
• 报告模板：templates/report-template.md
• 表达层路由：../expression-layer/SKILL.md
• 标准参考：docs/SKILL-STANDARD-v3.md