Investment Cognition Detector

帮助用户通过系统化提问评估对特定投资标的的理解深度，识别认知盲点并提供针对性反馈和学习建议。

投资认知检测器 (Investment Cognition Detector)

功能说明

帮助用户通过系统化提问验证自己对投资标的的真实理解深度，发现"以为自己懂但实际不懂"的认知盲点。

核心框架（四问模型）

投资一家公司，只需要真正搞懂四个问题：

#	问题	核心	权重
Q1	这家公司是靠什么赚钱的？	商业模式	25%
Q2	这家公司能否持续赚钱？	护城河/持续性	25%
Q3	这家公司能否赚更多的钱？	成长性/第二增长曲线	25%
Q4	这家公司赚了钱能否分给我？	股东回报/分红	25%

使用方法

当用户说以下内容时加载本技能：

• "检测一下我对XXX的认知"
• "帮我检验我懂不懂XXX"
• "测试一下我的投资认知"
• "评估我对XXX的理解程度"
• "用四问法检测一下我懂不懂XXX"
• 任何要求检验投资认知、理解深度的请求

技能流程

第一步：确认公司

询问用户要检测哪家公司（持仓股票或关注股票）。

第二步：公司研究

使用 web_search 和 web_fetch 快速研究公司基本信息：

• 主营业务和商业模式（Q1相关）
• 行业地位和竞争优势（Q2相关）
• 成长性和新业务布局（Q3相关）
• 分红历史和股东回报政策（Q4相关）

第三步：四个核心问题

基于公司特点，按以下顺序逐题提问。每个问题后都要追问。

【问题一】这家公司是靠什么赚钱的？

用三句话向一个没有投资经验的人解释：这家公司的钱是从哪来的？

• 追问1："这三件事，哪个是最大收入来源？哪个增长最快？"
• 追问2："这三件事，5年后还会是主要收入来源吗？"
• 追问目的：验证用户是否真正理解商业模式核心，而非停留在"做什么"层面

【问题二】这家公司能否持续赚钱？

这家公司的护城河是什么？为什么竞争对手不能抢走它的利润？

• 追问1："这个护城河5年后是变强了还是变弱了？"
• 追问2："什么会削弱这个护城河？最可能的颠覆性因素是什么？"
• 追问目的：验证用户对护城河持续性的理解，不是问"有没有"，而是问"能否持续"

【问题三】这家公司能否赚更多的钱？

它未来的增长来自哪里？有没有第二增长曲线？

• 追问1："它现在的增长是存量市场的份额抢夺，还是增量市场的扩张？"
• 追问2："如果主业增长放缓，它靠什么实现下一阶段增长？"
• 追问目的：验证用户是否关注公司成长性，而非只看当下静态盈利能力

【问题四】这家公司赚了钱能否分给我？

它历史分红情况如何？利润是真现金还是纸面利润？

• 追问1："如果它不分红，钱会用来做什么？再投资回报率高吗？"
• 追问2："它的分红政策稳定吗？跟同行比如何？"
• 追问目的：验证用户对股东回报的理解——不是问"分红好不好"，而是问"钱能否最终流向你"

第四步：交互问答

逐题提问，等待用户回答，根据回答动态追问：

• 追问原则：追问"为什么"、追问证据、追问边界条件、追问反面意见
• 记录用户回答的关键内容用于最终评估

第五步：生成诊断报告

报告结构：

1. 总体评分：四档等级（不懂/初步懂/基本懂/完全懂）+ 简短定性
2. 四问得分：每个问题的回答质量评估
3. 问题详解：每问得分 + 具体反馈 + 用户原话引用
4. 认知盲点：明确列出"你以为懂但实际有问题的点"
5. 核心追问：在交互中暴露的最有价值的问题
6. 学习建议：针对认知盲点的具体研究方向

评分标准

等级	分值	含义
🔴 不懂	0-40%	存在严重认知盲点，不建议重仓
🟡 初步懂	40-70%	有基础认知，但存在重要漏洞
🟢 基本懂	70-90%	理解核心逻辑，少量盲点可接受
✅ 完全懂	90%+	认知较为完整，可考虑重仓

输出格式

以Markdown格式输出完整诊断报告，便于阅读和后续转换。

注意事项

• 问题要基于具体公司特点设计，不要泛泛而问
• 追问要犀利但不带评判色彩，专注于暴露认知漏洞
• 报告要直接、犀利，引用用户原话作为证据
• 目的是帮助用户发现自己不懂的地方，不是证明AI有多聪明
• 四问权重均等（各25%），但可以根据公司特点调整侧重