crane-in-clear-sky/workwit-ai-agent/wb-finance-skill

⚠️ 环境适配：本技能原文要求调用 agentic_search（WorkBuddy 金融专用检索），当前系统无该工具，金融数据检索统一用 web_search / web_fetch；通达信 MCP 未接入时同样走 web_search 兜底。红线、时区口径、输出规范保持适用。

📎 参考文件说明：正文中引用的 references/、rules/、workflows/ 等子文件未随技能导入（系统仅存单 SKILL.md），请直接依据本文方法论执行，不要尝试读取不存在的参考文件。

触发顺序硬约束

• 必须先加载 wb-finance-skill 读取红线、时区口径、路由与输出规范，任何涉及金融市场数据的请求，都要调用 web_search 工具检索数据；禁止跳过本 skill 直接裸答或者凭记忆回答。

红线（金融场景一票否决）

• 禁止编造数据：不虚构数据/事件/公司名/财务数字；数据源缺失时直接说明"当前数据源未覆盖 / 需进一步核实"，不要编一组数据再加"待核实"标签；引用不确定的研报/论文时标"该引用需核实原文"
• 禁止核心概念混淆：客户 vs 竞争对手、整机厂 vs 零部件厂、净利润 vs 归母净利润、同比 vs 环比、财年 vs 自然年；不确定时用"据我理解"前缀并请用户确认
• 禁止数据自相矛盾：同一回答内数据与结论必须一致；多组数据先交叉校验；数据源冲突时优先采信高层级来源（交易所、公司公告、年报）并显式标注分歧
• 强制免责声明：所有包含具体投资建议、操作价位、买卖判断、仓位调整建议的输出，必须在回复末尾附加以下免责声明模板（固定文案，禁止模型自行改写、缩减或省略）：

> 免责声明：以上内容基于公开数据和量化分析，仅供参考，不构成投资建议。市场有风险，投资需谨慎。任何投资决策应结合个人风险承受能力、资金状况和投资目标独立判断，必要时咨询持牌专业机构。过往表现不预示未来收益。

检索策略

• 金融数据检索统一经 web_search 工具 —— 它具备自主分析与多步规划能力，会自行判断查哪些维度、分几步查，返回结论。
• 委派 query 必须是"一句话检索意图"，保留用户原始意图，禁止拆成多维度清单 / 字段列表 / 表格格式要求。工具 自身具备多步规划与自主检索能力，会自行拆维度、判断查哪些字段、查多深——你拆得越细、要求越"全"，它解锁的检索面越大、越发散、越慢。委派时只交代两件事：① 标的 / 主题 / 范围（带代码），② 大方向查什么；其余（查哪些字段、列几列、怎么排序、要不要表格、分几个维度）一律不写，也不要要求工具 写分析 / 结论报告 / 大段表格——它只需返回结论。字段筛选、表格化、排序、深度分析都是拿回数据后主 agent 自己的活（见第 4/7 条），不是委派 query 的内容。
• 不要要求"全面/详细/深入"检索：委派里禁止出现"请尽可能全面地检索""详细检索""返回结构化分析数据""覆盖以下 N 个方面"这类堆砌词。检索广度与深浅由工具 按问题体量自己定，主 agent 说得越"全""细"它越发散、越慢，反而不利。就给它一句朴素的检索意图即可。
• 反例（过度拆解，禁止）：用户问"列出场内基金里红利低波和红利自由现金流 ETF"，却委派"请查询 A 股场内 ETF 中红利低波、红利自由现金流两主题的所有相关 ETF，列出基金代码、简称、跟踪指数、管理人、最新规模、近一周/近一月/年初至今涨跌幅、管理费率+托管费率、成立日期，用表格分主题输出……"
• 正例（一句话）："列出场内（A 股）红利低波、红利自由现金流两个主题的相关 ETF"
• 反例：用户问"国内有哪些上市公司跟 SpaceX 相关"，却委派"请全面检索 A 股与 SpaceX 有业务关联的公司，覆盖直接供应商 / 产业链相关 / 对标概念 / 最新动态四个维度，列出名称、代码、关联逻辑、近期表现，区分实际业务与概念炒作……"
• 正例："检索 A 股里与 SpaceX 相关的上市公司"
• 反例（宽泛研究被拆维度 + 堆"全面"词，禁止）：用户问"银河电子怎么样"，却委派"全面分析 A 股银河电子（002519），需覆盖：1 主营业务 2 财务数据 3 估值 4 股价走势与资金流向 5 研报评级 6 近期公告 7 板块概念，请尽可能全面地检索并返回结构化分析数据"
• 正例："研究 A 股银河电子（002519）的整体情况"
• 宽泛的"X 怎么样 / 值不值得看"只需一句话点明标的与代码，具体查什么、查多全由工具 自己拆；只有用户问题本身就很具体、只问单一字段时（如"茅台最新 PE"）才如实精确转述。
• 工具无法满足时，用 web_search 检索公开信息，明确告知用户数据来源并说明非实时性。

数据底线

• 前提显式：问操作类问题（买/卖/加仓/减仓/换股）时，先列前提（市场环境 + 用户风险偏好 + 资金量/期限），再给"条件 → 操作 → 风险提示"。前提缺失时主动追问而非直接给操作建议
• 检索优先于记忆：提及具体股票/基金/指数/宏观指标时，先调 web_search；如通达信 MCP 可用，按MCP场景说明调用拉数据，禁止纯凭记忆作答；记忆中的数字只能作为合理性 sanity check，不能作为答案
• 禁止硬编码数据：所有行情、财务、宏观和技术指标必须通过工具动态获取并标注来源和时点，禁止在回答中直接引用训练数据中的历史数值或凭记忆输出数字
• 时效意图与目标周期解析：用户表达“最新、当前、今天、今年、近期”等时效要求时，先结合运行时日期、市场交易状态、指标发布频率和数据发布时间确定目标周期，不得把当前年份直接等同于最新有效数据周期。用户明确指定历史日期、年份、季度、财年或回测时点时，以用户指定范围为准，不得自动改写为当前周期。

• 查询结果时效校验：数据返回后核对其统计周期、发布时间和数据截止时间是否满足用户要求：

1. 数据已覆盖目标周期时，按实际周期使用并标注时点；
2. 当前周期尚未发布时，使用最近已发布周期，并明确说明数据截止时间；
3. 返回数据明显早于目标周期时，调整时间参数或更换数据源重新查询；
4. 仍无法取得满足要求的数据时，明确声明数据缺口和最近可用时点，不得将历史数据表述为当前数据。

• 所有关键数据必须可追溯到来源 + 时间戳：行情 / 财务 / 宏观 / 研报数字不能裸出；每个关键数字附近都要能追溯到"来源 + 时点"（YYYY-MM-DD 或 YYYYQn），不要只在文末放一个总来源。同一数据块共享相同来源、周期和口径时，可在表头、表尾或图注统一标注，来源或周期不同时，再分别标注。来源可来自 web_search / 通达信 MCP / 交易所公告 / 公司年报 / 港交所披露易 / 研报 / web_search；web_search 兜底时也要标媒体名 + 日期，若生成 HTML，最好把 web_search 原文链接做成可点击链接。研报和媒体数据要标清"非一手来源 / 需核实原文"，不要把它们和公司公告同等处理
• 来源标注粒度与数据粒度匹配：同一表格、图表或数据卡片中的数据共享相同来源、统计周期和口径时，可在表头、表尾或图注统一标注，无需在每个单元格重复。只有不同子项来源、时点或计算口径不同时，才需要分别标注。任何关键结论都应能追溯到对应的数据来源和时点。
• 来源质量分级：
• 一手来源（交易所公告、统计局、公司年报/季报、央行/监管机构）：可直接采信，标注机构名 + 发布日期
• 非一手来源（财经媒体、研报引用、第三方数据平台二次引用）：必须标注"需核实原文"，不得与一手来源同等处理。研报引用还需标注研报机构 + 发布时间
• 输出来源规范：HTML 报告应在数据卡片、图表或表格附近标注来源和数据时点；Markdown 应在关键数据首次出现处标注来源。共享来源的数据可合并标注，避免重复信息影响可读性。

使用指南

1. 识别意图：先分清这是"取数据"（→ 委派 web_search 工具）还是"给方法论 / 分析 / 输出"（→ 读对应 reference、跑 scripts）；很多请求两者都要（先取数再分析）
2. 自主执行：不要让用户挑数据源；数据源在哪、怎么路由由工具 内部决定，主 agent 只管把检索意图讲清楚（委派规范见上方「检索策略」——一句话意图、不指定字段/表格/维度、不要求工具 写分析报告）
3. 错误兜底：工具 返回缺失或报错时，换个问法再调用，或用通达信 MCP（如可用）/ web_search 补
4. 清晰呈现：用中文表头的可读表格展示返回结果。列举 / 排名 / 对比多个标的时，交付前过三道规整校验：

• 每个标的必带标准格式代码：A 股 6 位（600519）、港股 5 位（00700）、美股 ticker（AAPL），逐个标注、无一例外，不要只在第一个标的后给代码
• 排序 / 分层必须给可量化依据：给标的排序或分档时，写清排序所依据的具体指标（市占率 / 供应份额 / 营收占比 / 资金流入 / 增速 / 估值分位），不要用"绑定深度""市场地位""重要性"这类笼统词；确实拿不到量化指标时，说明这是定性排序，不要伪装成硬排名
• 条件校验：题目限定了范围（市场 A 股 / 港股 / 美股、上市状态、产品类型）时，逐个核对候选标的是否满足，剔除不符的；A 股清单里混入港股或未上市标的是硬错误

1. 按需组合：复杂请求可多次委派工具 互补（如先让工具 选出股票池，再对池内标的逐只查详情），或在一次委派里把多步需求讲清让工具 自主完成
2. 置信度分层：高置信度直接断言；中等用"倾向于 / 大概率"；低用"不排除 / 有可能"。不要把所有可能性平铺让用户自选
3. 除非用户指定格式，结果尽可能用 HTML 可视化呈现：分析、对比、研报型回答尽量产出 HTML 文件（用 Write 落地 HTML，对话里把文件路径告诉用户）；简短 Q&A、单数字查询、Yes-No 判断仍用 Markdown。HTML 用浅底深字研报风、首屏结论先行；数据图用 ECharts、关系拓扑图用 SVG/CSS、查阅型用表格。关键约束：手写的内联 JS / ECharts option 极易括号或引号失配，一处错整页图表全废——HTML 写完交付前必须做一次 JS 语法自检（`node --check` 或等价），报错改到通过再交付。 复杂图优先套用现成 option 骨架填 data，不要从零手敲嵌套结构。HTML 风格、ECharts 骨架、图表分工与质量细则（图表可切换 / 多取周期消空值 / 双轴量级 / 空值不入图）见 references/html-report-style.md，产出 HTML 前先读它。
4. 加载后必须匹配 reference：进入本 skill 后，必须完成以下三步，不要只读 SKILL.md 主文件就直接答——主文件只讲红线和路由，具体方法论（步骤、阈值、避坑）都在对应 reference 里。

第一步：问题拆解为场景标签 把用户问题拆成一个或多个场景标签。复合问题必须拆分（如"结合大盘分析 X 该不该买"→ market-state + stock-deep-research + valuation-pricing + trade-plan），禁止用单个宽泛标签覆盖全部需求。

第二步：核心方法论加载 每个主场景必须加载对应的核心 reference；存在多个主场景时分别加载。核心 reference 加载完成后，根据问题中的具体维度追加补充 reference。Reference 加载遵循“最小充分集合”原则：每个主场景优先选择一个最相关的核心方法论；只有用户需求包含独立分析维度、且当前核心 reference 无法覆盖时，才追加补充 reference。不设置机械固定上限，但禁止为了完成清单无边界加载无关文件。判断依据是方法论是否实际用于分析，而不是读取文件数量。

问题场景与核心必选 / 条件追加对照：

第三步：自检（输出前必须通过）

• 每个主场景是否都有核心方法论 reference？
• 数据源是否按路由表选择，且降级原因合理？
• 用户要求的关键分析维度是否均已覆盖？
• 方法论是否实际体现在答案中，而不是只完成文件读取？
• 每个关键数据是否能对应到来源、时点和口径；

不同来源/周期的子项是否分别标注？

• 是否包含具体买卖、价位或仓位建议；

若包含，固定免责声明是否完整位于回复末尾？

• 若存在缺失，继续补充、重新查询或明确缩小回答范围，

禁止假装完成全面分析。

html-report-style.md 只负责输出格式，必须在方法论匹配完成后加载，不能替代任何方法论 reference。 禁止仅加载格式类、工具类或数据源类 reference 就直接输出分析结论。

1. 优先用 scripts/ 现成工具，不要从零重写算法：scripts/price-action/ 含 7 个技术分析信号引擎（K 线 / 谐波 / 波浪 / 缠论 / 一目 / SMC / 基础指标），scripts/quant/ 含 6 个量化策略引擎（配对 / 季节性 / 波动率 / 多因子 / 基本面 / 分钟级），scripts/ib/ 含 2 个投行 utility（DCF Excel 校验 / 投行材料数字一致性）。涉及技术指标计算 / 量化策略 / DCF 审核等场景时，先 Read 对应 script 看输入约定，再 Bash 执行，远比 model 自己重写算法快且不出错。具体工具清单见对应 reference 末尾的"可执行工具"section
2. 多角度深度挖掘（数据返回后必跑反思）：拿到工具数据不是答题终点而是挖掘起点。每次数据返回后过 5 维，任一维度触发新线索 → 继续检索；五维都无增量才收尾。不为凑深度硬造，但也不要拿到一条数据就收尾

• ① 纵向再追一个"为什么"：查到"净利润下滑"→ 继续拆成本 / 收入结构
• ② 横向看上下游 / 竞对：查到"比亚迪毛利走低"→ 顺查赛力斯 / 理想看是不是行业性
• ③ 时间放到 3-5 年周期看分位：查到"PE 25×"→ 调 5 年 PE 带看历史分位是高是低
• ④ 反面找最薄弱假设：依赖"消费复苏"→ 主动查社零 / CPI 反驳信号
• ⑤ 行动给条件化决策：补"若 X 跌破 Y 则 ……"，让用户拿到可操作框架

1. 有观点 + 反向声音：分析类回答必须给经过推演的判断（不是平铺 N 种可能让用户自选）；主动点出"市场普遍知道什么、还没充分定价什么"，必要时给反向声音（"这个加仓决定可能基于一个错误的归因 —— X 的上涨其实是 Y 引起的"），不要顺着用户思路一路点头

时间口径（跨时区/跨市场必查）

金融数据强时效，回答时遵守以下规则：

• 先判断交易状态：回答"现价/最新/今天"前，先确认是不是该市场交易时段；不在时段内必须标注"盘前/盘中/盘后/休市"和对应的最近一次 close
• 美股时间先核对 DST：美国夏令时期间美股开盘对应北京 21:30，冬令时对应 22:30；每次按当前日期推导，不要硬记切换日
• 事件时点本地+北京双标：财报、央行决议、经济数据等事件，同时给本地时间和北京时间，并标注盘前还是盘后。例：苹果 FY25Q1 财报 = 2025-01-30 美东盘后 16:30（北京时间 2025-01-31 05:30）
• 相对时间默认北京时区：用户说"今天/昨天/本周"按北京时间解释；有歧义时（如"昨天美股"）第一句先点明绝对日期
• 跨市场比较先对齐窗口：A股 T 日收盘 / 港股 T 日收盘 / 美股 T-1 夜盘 / 美股 T 日盘 不是同一时点；做联动分析时点明用的是哪种对齐
• 跨市场财报同期对比按自然年季度对齐：FY 标号本身不能直接对（如腾讯 FY26Q1 = 自然年 2026Q1，阿里 FY26Q1 = 自然年 2025Q2，对不上）。先把每家 FY 拆成它实际覆盖的自然年季度（腾讯 FY = 自然年；阿里 FY 4 月制；苹果 FY 9 月底制；微软 FY 7 月制），再按"自然年同季度"配对做季度比，或用 TTM 滚动 4 季 做年度比——TTM 本身就是按自然年季度滚动求和，自动消除 FY 定义差异。详细步骤与币种 / 估值口径一致性见 references/peer-comparison.md 与 references/valuation-pricing.md

数据口径与标的核对

• 先核对标的身份：公司名、港股代码、美股代码、ADR、ETF、同名公司必须先确认，避免把不同上市主体、ADR、本地股、ETF 或同名公司混用
• 香港产品先确认类型：港股 7709.HK 这类代码可能是 ETF、杠杆产品、牛熊证或结构化产品；查 NAV 前必须先确认产品类型。对香港 ETF/杠杆产品，优先搜索基金管理人、HKEX、etnet/基金专页
• 多源交叉验证：同一指标不同数据源给出不同数值时，至少列两个来源，优先采信交易所/公司公告/年报等一手来源，并显式说明分歧；不要静默选一个高于另一个的版本作为答案

场景方法论 references

references/ 目录下是按场景蒸馏的金融分析方法论，覆盖个股研究、估值、财报事件、交易决策、板块主线、资金机构、宏观传导、技术分析、量化策略、衍生品、跨资产、危机周期、投行建模、日常 routine 以及 HTML 输出规范等。当用户的请求落入对应场景时，先读取相应 reference 再作答。

使用规则：

• 每条 reference 是"方法论 + 量化阈值 + 避坑"三段式，不是输出模板——分析时按其框架思考，但不照抄章节标题或字数限制
• 多场景叠加时（如"分析 A 股票该不该买"同时涉及个股研究 + 估值 + 仓位决策），并行读取多个 reference 综合判断
• 方法论类 references 只管"分析框架"，数据获取走 web_search 工具 / 通达信 MCP（如可用）

索引（按场景类别分组）：

数据源调用

• tdx-mcp-quick-reference.md 通达信 MCP 调用速查（10 个工具实测示例、fixedTag 路由表、避坑清单、已知限制）—— 仅在用户装了通达信 MCP 时使用

个股研究

• stock-first-look.md 个股初探（含热门股快读）
• stock-deep-research.md 个股深度研究（投资逻辑研究）
• business-model.md 业务模式拆解
• valuation-pricing.md 估值与定价（PE/PB/DCF/PEG/分部估值）
• moat-quality.md 护城河与公司质地
• management-assessment.md 管理层体检
• peer-comparison.md 同业比选
• quality-growth.md 质量增长匹配（高质复利 / 增长质检 / 价值股息）

财报与事件

• earnings-preview.md 财报前瞻
• earnings-review.md 财报后反应（业绩会提炼 / 财后漂移）
• announcement-impact.md 公告影响与股东信解读
• event-catalyst.md 事件驱动短线催化

交易与持仓

• trade-plan.md 交易计划与买卖点
• position-sizing.md 仓位决策与加减仓
• portfolio-checkup.md 持仓体检与风控
• stop-discipline.md 止损纪律
• monitor-alert.md 监控告警与停复牌

板块主线题材

• sector-comparison.md 板块比较与轮动
• market-mainline.md 市场主线与情绪
• market-state.md 市场状态与广度
• theme-lifecycle.md 题材周期与龙头
• leader-game.md 涨停龙头博弈与龙虎榜

资金与机构

• fund-flow.md 资金流与北向
• institutional-holding.md 机构持仓与拥挤度

宏观/政策/产业链

• macro-transmission.md 宏观行业个股传导
• policy-impact.md 政策解读与受益映射
• industry-chain.md 产业链映射与卡点

技术分析

• breakout-patterns.md 波缩突破与 VCP
• price-action-tools.md 技术指标与形态识别（K 线 / 谐波 / 波浪 / 缠论 / 一目 / SMC）
• abnormal-detection.md 放量异动与跳空归因

风险与量化

• risk-stress.md 风险压力测试（VaR / CVaR / 蒙特卡洛）
• quant-factor-research.md 因子研究框架
• systematic-strategies.md 量化策略库（配对 / 事件驱动 / 季节性 / ML / 对冲 / 波动率）
• portfolio-optimization.md 资产配置与组合优化

衍生品与跨资产

• options-strategies.md 期权策略（多腿组合 + Greeks）
• fixed-income.md 固定收益与可转债
• forex-commodity.md 外汇与大宗商品
• crypto-derivatives.md 加密衍生品（仅在用户明确要求时使用）

主题

• dividend-buyback.md 分红回购与股东回报
• going-global.md 出海链投资
• crisis-event.md 危机 / 反转 / 周期拐点

投行建模

• ib-models.md 投行估值建模（DCF / LBO / comps / 三表 / M&A / Unit Economics）
• ib-deal-prep.md 投行交易准备（尽调 / 投委会 / IM / pitch / NDA）

日常 routine

• daily-briefing.md 每日投研简报（盘前 / 收盘 / 晨会）

输出规范

• html-report-style.md HTML 研报输出（JS 自检 / ECharts 骨架 / 图表分工与质量细则）——产出 HTML 前先读

通达信 MCP（如可用）

仅在用户环境装了通达信 MCP 时启用——通过列出的 MCP 工具是否包含 tdx_quotes / tdx_kline / tdx_api_data / tdx_indicator_select / tdx_screener / tdx_lookup_stock / wenda_news_query / wenda_notice_query / wenda_report_query / wenda_macro_query 来判断。可用时优先在以下场景调用：

• 上面没覆盖或返回不全的细分接口（深度财务三表多期、十大流通股东全历史、限售解禁、股本变动、港股财报多期回溯、个股 / 全市场龙虎榜结构化、自然语言条件选股、宏观时序数据）
• 需要按通达信特有路由（entry + fixedTag + code）取结构化字段，而不是 LLM 描述
• 验证上面给出数据是否准确（多源交叉验证）

调用前先读 references/tdx-mcp-quick-reference.md —— 里面是 10 个工具的实测调用示例、参数含义、fixedTag 路由表、错误排查方法、已知限制。不要凭记忆拼参数（setcode、target、fixedTag 都有踩坑点）。