Company Portrait
Skill748 starsChanged 3 months agoMITView on GitHub
维护长期公司画像、投资主线 与事件时间线;当用户想建立公司档案、在财报/公告后更新长期判断,或希望保留结论、为什么成立、关键证据与研究路径时使用
Files
Company Portrait
把单次研究升级成可持续维护的研究档案。
当前实现采用文档型存储:
- 当前 actor 用户空间下的
company_profiles/<profile_id>/profile.md:当前仍然成立的主画像,不写流水账 - 当前 actor 用户空间下的
company_profiles/<profile_id>/events/*.md:事件驱动的 投资主线变更日志
<profile_id> 必须是 lowercase 的美股 ticker(双股票的公司用 googl-goog 这种连字符形式),不要用公司名(不要写 circle、ciena、rocket-lab 这种)。下游 投资主线 蒸馏靠 ticker 把画像和持仓对齐,目录名跑偏会让画像被悄悄忽略。
profile.md 首行必须是 YAML frontmatter,至少包含 ticker 字段:
---
ticker: GOOGL
---
# Alphabet (GOOGL)
...双 ticker 公司写 ticker: GOOGL / GOOG。frontmatter 是下游识别的唯一可靠路径——标题随便写都行(# Alphabet、# GOOGL、# Alphabet 母公司画像 都允许),但 frontmatter 缺失会让这份画像在 投资主线 蒸馏 / global digest 里彻底失效。
当前运行时还没有独立 research_notes 存储层。需要保留“为什么这么判断、证据、当时怎么搜的”时,先写进事件正文与 refs,不要假装系统里已经存在单独研究笔记文件。
默认语言跟随当前用户对话语言;除非用户明确要求,或引用材料必须保留原文,否则不要无故切换语言。
何时触发
- 用户正在系统研究一家公司,而不是只问一句短问题
- 用户明确说希望长期跟踪、沉淀画像、建立档案、记录 投资主线
- 用户在查看财报、公告、管理层变化后,希望把新信息追加到已有画像
- 用户希望下次继续研究时,系统还能记得“当前结论、为什么成立、证伪条件、研究路径”
画像与事件怎么写(参考文件已内联,不要再去读 references/:运行时的 local_read_file 只能读用户空间,读不到 skill 目录)
主画像 profile.md 是「当前仍然成立的最佳观点」,不是历史流水账。首行必须是 YAML frontmatter,至少 ticker:(双 ticker 写 ticker: GOOGL / GOOG),可选 name / exchange / updated。推荐 section:
- 投资主张:一句话为什么值得长期跟踪,可补一句当前最核心的赔率 / 质量 / 结构性变化。
- 投资主线(画像中心):当前多空要点、为什么现在这么判断、最关键的 3–5 个观察变量、什么事实会证伪或改写;合适时分 bull / base / bear / disconfirming evidence。吸收已稳定的用户视角:用户明确表达过的核心看法、与用户已达成一致的判断逻辑、不应被遗忘的前提与约束。
- 用户视角与偏好(可选):只记相对稳定、会反复影响判断的偏好(偏好的公司特征、回避的点、估值口味),一次性情绪不写。
- 商业模式(怎么赚钱、收入与成本结构、单位经济、周期性、经常性收入占比);行业与竞争格局(空间、集中度、替代品、上下游议价权、壁垒);护城河(品牌 / 网络效应 / 切换成本 / 规模 / 渠道 / 牌照 / 数据生态,并明确写
moat_trend: strengthening | stable | weakening);管理层与治理;财务质量(增长质量、利润率、ROIC、FCF 转化、负债结构);估值框架(用哪几种方法、锚在哪、敏感变量);风险与证伪条件;未决问题。 - 长期判断变了就直接改正文,不在旧句后打补丁;用自然语言、表格、列表都行,不强行填 schema;日内价格波动不写进画像。
事件 events/<date>-<event_type>-<slug>.md 只在净新增事实时写:财报或业绩会、指引变化、关键经营指标拐点、管理层 / 治理变化、大客户签约或流失、资本配置动作、行业结构变化、支持或证伪旧主线的新事实。重复旧信息、只是价格波动、只是把旧判断改得更准,都不写事件(后者直接改主画像)。事件正文按这八问写:发生了什么(客观事实,不混结论)/ 为什么重要(指向商业模式、护城河、财务质量、资本配置或估值框架)/ 影响哪些画像 section / 对投资主线的影响(强化、削弱、mixed 时写清哪部分好哪部分差、暂时中性)/ 证据与来源(文件、电话会、财报、新闻、公告,refs 留链接或标题)/ 本轮研究路径 / 需要继续跟踪什么(写成可观察变量)/ 用户视角 / 共识 / 估值更新(没有就省略,不为凑结构硬写)。写完事件再问一次:只是新增事实,还是已改变长期判断?改变了就回写 profile.md 对应 section。
研究轨迹:长期系统不只记结论,还记「当时为什么这么看」。当前没有独立 research_notes 层,把最小轨迹写进事件的「本轮研究路径」,上下文紧时压缩成:
- question: 本轮要回答什么
- query: 用了哪些搜索词
- reviewed: 看了哪些材料
- support: 哪些事实支持当前判断
- conflict: 哪些事实与旧主线冲突
- writeback: 最终改了哪些 section / 写了什么事件不保存冗长 raw log;不可靠来源可以写但标注不确定性;没形成结论就在「未决问题」或事件里留下原因。
工作流
- 先用
local_list_files(path="company_profiles")检查画像是否存在(读写都走local_*文件工具,路径相对用户空间根目录)。 - 如果还没有画像:
- 只要用户是在发起新的系统性公司调研,就默认建立长期画像并沉淀本轮结论
- 不需要再额外征求一次“是否建档”的确认
- 仅当用户明显只是在问一个一次性短问题,或明确表示这轮不要沉淀时,才不要创建
- 需要建档时,直接在用户空间创建画像目录和 Markdown:
company_profiles/<profile_id>/profile.md
company_profiles/<profile_id>/events/- 若画像已存在:
- 先直接读取现有
profile.md - 用已有画像和最近事件作为本轮研究上下文
- 如果只是重复已有结论,不要写任何更新
- 若本轮沉淀了值得长期复用的内容,应主动回写,不要等用户逐条要求
- 若本轮已经改变长期判断、稳定偏好、共识逻辑或估值结论,应优先直接改
profile.md正文或对应 section,不要只在事件里补一条流水账
- 先直接读取现有
- 若出现净新增事实,再直接追加事件文件:
company_profiles/<profile_id>/events/<date>-<event_type>-<slug>.md- 若长期判断已经变化明显,再直接回写主画像对应 section。
严格规则
- profile_id 必须是 lowercase 美股 ticker(双 ticker 用
googl-goog);profile.md 顶部必须有ticker:frontmatter,否则下游 投资主线 蒸馏直接忽略这份画像 - 用户发起新的系统性公司调研时,默认沉淀到长期画像;除非用户明确拒绝,否则不要因为缺少二次确认而跳过建档
- 只要本轮研究产出了值得长期复用的内容,就应主动记录到画像或事件,尤其是用户自己的看法、偏好或约束、你们此前已经达成一致的判断逻辑,以及本轮估值判断、估值区间或估值锚点
- 所有建档、改写、追加事件,都应优先通过 runner 原生文件读写完成
- 主画像记录“当前最佳判断”,不要把历史流水账堆进
profile.md - 不要把事件区当成日记本;该改正文就改正文,只有确实存在净新增事实或 投资主线 change 时才追加事件
- 事件只记录净新增事实与长期判断变化,不写空泛评论
- 每个值得长期保留的判断,尽量说明为什么成立、看了什么、什么事实会推翻它
- 默认使用用户当前对话语言维护画像与事件;如需保留原始英文术语、标题或引用,可局部保留原文
- 不要把日内价格波动写进长期画像
- 画像是长期研究资产,不是交易建议清单;不要输出直接买卖指令
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-thesis-ratingsSkill
- 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.

