company-thesis-ratings
Skill748 starsChanged 3 months agoMITView on GitHub
基于 HONE 已授权的历史演讲与研究文件所形成的公司研究卡,回答覆盖美股公司的基本面、商业模式、护城河、估值框架、风险、证伪条件与每日评分。用户询问覆盖公司的投资逻辑、公司质量、护城河、当前估值、财报变化、红黄绿灯、评分原因或多公司比较时必须优先使用;历史研究只作为判断基线,最新行情、财报、新闻、订单和估值输入必须继续通过当前证据工具核验。
Files
演讲公司投资逻辑与每日评级
目标
把内部演讲中确认的公司逻辑变成可复核的研究框架。回答必须同时说明公司如何赚钱、护城河是否可持续、估值依赖什么、最新事实改变了什么,以及哪些信号会证伪判断。评分是研究排序工具,不是买卖指令或收益承诺。
使用流程
- 先在
references/company-index.json按 ticker、英文名或中文常用名确认是否覆盖,再从references/company-cards.json只读取本轮命中的公司卡;若不在覆盖范围,使用通用研究框架,不要假装存在历史研究卡。 - 读取
references/scoring-methodology.md。需要解释分数、红黄绿灯或比较公司时,严格使用其中的维度、阈值与缺数规则。 - 不论用户是否明确写“现在”,凡是回答当前结论,都必须用当前证据链核验易变事实。优先公司 IR、SEC/交易所公告和财报原文;价格使用带时间戳的行情源。不得从研究卡复制历史数字作为当前数据。
- 把证据分成四类:
- 演讲确认逻辑:研究卡里的长期框架。
- 当前事实:注明来源和日期的最新财报、指引、订单、价格或监管变化。
- AI 推断:由前两类推导的判断,必须显式标记为推断。
- 未知项:尚无数据、口径不一致或无法验证的部分。
- 卡里三个字段分工不同,别混着用,也别只找支持观点的材料:
valuation_method写明了这家属于哪一类公司、该用哪套倍数、要单独拆什么,多数卡还带一句“不得……”的反模式。估值按它定类型与方法,取数、对账、情景交给valuation-audit执行(公司卡优先于通用分支的规则在那边「第二步」);卡点名的反模式不因为更省事就绕开。watch_items是本轮要去核验的变量清单,不是已核验的结论(历史数字不得照抄见第 3 条)。falsifiers是这家特有的可观测事件,证伪一节逐条对照本轮事实,说明已触发、未触发还是暂无法判断。
- 输出结论时先讲变化和判断,再讲证据;涉及估值时给方法、关键假设和敏感性,不机械复述历史目标价。
- 公司研究卡在基本面结构、商业模式、护城河、产业链位置和证伪条件上优先于模型的通用记忆;若最新一手证据与研究卡冲突,以最新一手证据为准,并明确说明原逻辑是加强、削弱还是失效。
回答格式
公司问答默认使用以下紧凑结构:
- 当前判断:一句话结论;注明数据截至日期。
- 基本面:收入/利润/现金流与订单变化,区分结构性增长和周期反弹。
- 护城河:只回答“客户为什么难换掉它”——技术/良率、客户认证、数据/生态、转换成本,说明正在加强还是削弱。
- 产业稀缺性:单独回答需求相对有效供给紧不紧、还能紧多久;在建产能、库存、价格与替代路线会不会先把稀缺抹平。
- 公司差异化:单独回答同一产业里为什么由这家而不是同行拿到收入和利润(份额、相对同业的毛利率方向、客户结构);稀缺还没兑现成相对同业更高的价或毛利率,就写“暂未兑现”。这三段的分型、取证与打分锚点在
moat与scarcity-differentiation,要展开时读那两个 skill。 - 估值:采用研究卡指定的方法,并列出最敏感的 2–3 个假设。
- 关键验证与风险:至少一项支持证据和一项反方/证伪条件。
- 评分解释:只在用户要求或产品上下文包含每日评级时输出;说明维度、数据覆盖率和置信度。
比较多个公司时,统一数据日期与估值口径,先比较产业链位置和利润池,再比较分数。不要用不同日期的股价或不同周期的利润率直接排序。
边界
- 只对美国交易所上市公司、ETF、ADR 和明确标注的美国 OTC 外国普通股给出可交易评分。非美股公司和私营公司只能作为产业证据。
- SIVEF 属低流动性 OTC 外国普通股,必须提示流动性、价差和信息覆盖风险。
- 逐字稿和内部研究文件是私有材料。可以压缩总结,不能大段复制、公开原文或泄露文件内容。
- 不输出精确仓位、无条件买卖指令、保本/收益承诺;不得把本评分称为 Seeking Alpha 评级。
- 缺失行情或财务数据时必须降低置信度并标为“仅研究基线/数据不足”,不得用 0 或猜测填充。
- 历史演讲中的目标价只代表当时假设。当前回答必须重新使用最新价格、财报和一致预期校验。
资源
references/company-cards.json:覆盖公司研究卡、演讲来源名、估值方法、风险和证伪条件。references/company-index.json:52 家覆盖公司的 ticker、英文名和中文常用名索引;先用它定位,再读取单一公司卡。references/scoring-methodology.md:每日评分维度、红黄绿灯、动态数据与回退规则。references/update-research.md:联网核验与更新研究卡的标准。references/theme-and-qa-evidence.md:量子、核电、年度策略与答疑材料的跨公司证据;不能当成单一证券评分。scripts/build_company_cards.mjs:2026-06-20 从授权工作簿做的一次性 bootstrap,卡片此后按公司逐家手工加深,一切以references/company-cards.json为准;重跑会覆盖手工内容,新增或修订公司请直接改 JSON。
In this repository37 other files it gives its agents.
- AGENTS.mdAGENTS.md
- memory/agents.mdAGENTS.md
- alipay-aipaySkill
- event-engine-baseline-testingSkill
- event-engine-push-reviewSkill
- Formal ReleaseSkill
- Analyst CoverageSkill
- Chart VisualizationSkill
- Company Latest DevelopmentsSkill
- Company PortraitSkill
- Deep Stock ResearchSkill
- Earnings ReadoutSkill
- earnings-researchSkill
- ETF AnalysisSkill
- First PrinciplesSkill
- FundamentalsSkill
- Gold AnalysisSkill
- hari-investSkill
- Hone AdministratorSkill
- Image GenerationSkill
- Image UnderstandingSkill
- Industry MapSkill
- Influencer ViewsSkill
- Market AnalysisSkill
- Missed Digest ItemsSkill
- Moat AnalysisSkill
- Notification PreferencesSkill
- Options AnalysisSkill
- PDF UnderstandingSkill
- Portfolio ManagementSkill
- Position AdviceSkill
- Scarcity DifferentiationSkill
- Scheduled Task ManagementSkill
- Sector To StockSkill
- Skill ManagementSkill
- Stock ResearchSkill
- Valuation AuditSkill
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

