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
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
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
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
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
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
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：
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：
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
