agentleFS
B-M-Capital-ResearchB-M-Capital-Research/honeclaw/skills/industry-map/SKILL.md

Industry Map

Skill748 starsChanged 3 months agoMITView on GitHub

AI 数据中心的行业树与每一行的底层估值逻辑——从 AI 侧可观测量到这一行收入/价格的传导链、该用哪族倍数、这一行最常见的估值错法、以及最该盯的那几个先行指标。个股分析命中树里的公司时,用它把「这家公司」放回「这一行的量价驱动」里,而不是每家都从头讲一遍 AI 故事。

Files
SKILL.md

行业本体(AI 数据中心八行 + 商业太空 + AI 应用与数据服务,共十行)

references/industry-map.json 是这棵树:根节点是 AI 数据中心,下面平铺 AI 芯片、存储、光通信、 电力、新云、半导体设备、AI 服务器与整机、云厂与 AI 平台。每一行有四块内容:

块是什么怎么用
ai_valuation_logic.driver_chain从 AI 侧一个可观测量出发、一环扣一环落到这一行收入或价格的传导链它是这一行的第一性公式。个股分析里「需求从哪来」那一段照它写,不要另起一套 AI 叙事
ai_valuation_logic.key_variables链条每一环的可观测量,带取数位置本轮该去取哪些数由它决定;取不到的写「本轮未核验」并说明它压住了链条哪一环
ai_valuation_logic.multiple_anchor这一行该用哪一族倍数、锚在哪交给 valuation-audit 当二问的对标锚先验;公司卡另有指定时以公司卡为准
ai_valuation_logic.anti_pattern这一行最常见的估值错法与公司卡的「不要…」同等对待:在真正选倍数或分母的那一句里点名对照
core_watch这一行最该盯的先行指标与它的出现频率触发条件与跟踪清单从这里取,不要写「持续关注行业动态」
upstream_signals本体的边:这一行的收入由哪几家上市公司的最近行为决定,以及写这一行之前该先取它们的哪几个读数命中成员公司时,先取上游再写公司:data_fetch(earnings_outlook, ticker=<上游>) 拿最新一季收入/指引/毛利率,analyst_actions 拿评级与目标价变动,transcript/press_releases 拿管理层关于本行的原话。需求侧第一段写「上游最近做了什么 → 沿传导链到这家」,不是「关注英伟达财报」
valuation.upstream_summary / transmission上游信号(需求怎么从终端任务传到本行)与变量传导与证伪(先后顺序与下修条件,阈值按公司历史与合同定,不套全行业统一百分比)。
valuation.observables[]可观测变量:每条绑定定义与口径、取数、更新节奏、财务传导;未公开值标缺失,不能用行业代理量冒充本公司实测。
valuation.logic底层估值逻辑(HOne V3):summary 一句从哪里出发、paragraphs 原文、formulas 量化关系、forward_focus 未来 1–3 年先看什么、state_note 这一行典型的 State。
valuation.anchor倍数锚(HOne V3):paragraphs 原文、upper_range_drivers 倍数上沿由什么决定、revision_optionality 盈利上修期权、forbidden 禁止清单。
valuation.subtypes[]子类型:同一行里价值链位置不同的公司各自的 primary / secondary / when / note,members 是所属公司;注入时只带命中公司那一条。inferred_members 标记底稿按最近子类型推断归类、尚未人工确认的公司。
根 methodology.technical_conventions / acceptance_cases / referencesV5.3 全局技术口径(有效任务与系统数、KV 缓存、HBM 晶圆强度、互连端口、功率电量、EV/Sales = EV/EBIT × 利润率、PE 与 EV 价格贡献计算)、20 条估值引擎验收算例、方法与核验来源。
根 methodologyV5.3 全局字段(21 节:页面总述、核心原则、事实与关系、前瞻期间与产能释放、经营预测与合同、方法选择与倍数校准、多方法定价与时间口径、利润与普通股资本桥、现金回报与资本风险、情景与反向估值、完整性与结论输出、异动与比较问题、来源与当前事实展示、远期收入的证据等级、共识与市场起点、倍数校准记录、估值贡献拆解、双重上修与不重估检验、收入倍数的资本检查、情景资本结构的闭合、结论与红绿灯边界)与 12 个估值回答执行字段。
brief行业简报(可选):question 现在值得研究的问题、body 为什么是现在、next[] 接下来要确认什么、as_of 这份判断截至哪天。研究台页面每个行业打开先看到它;没写时页面用最新动作与第一条关注点自动归纳。管理员用 industry_map_edit(action="set_brief" / "clear_brief") 维护。本轮不注入模型。
core_watch[].as_of / key_variables[].as_of那条 why 里的数字截至哪一天(或哪个月);页面据此显示「数字截至」并在超过一个季度时标「可能已过期」。关注点用 set_watch 整条更新(连数字一起改,不单改日期);变量表只随底稿发版更新。行级 content_as_of(API 派生)是这些日期与 latest_as_of、sources[].date 的最大值,generated_at 只是底稿版本日期。
upstream_signals[].latest / latest_as_of那家上游最近一季实际做了什么(带数字、带日期的一段)与截至日期。注入时排在传导链之前,需求侧第一段就从它写起;管理员每季财报后用页面或 industry_map_edit(action="set_upstream_latest") 更新,过期就按截至日期注明。

怎么把行业接进个股分析

本轮系统提示出现【本轮相关行业】时,说明用户问的公司在树里。四件事,按顺序:

  1. 先写上游最近动作,再核对更新,再按子类型执行卡定财年与倍数,再写公司。行业块里每条上游信号带的「上游最近动作」是这一行的起点事实(带日期数字),对账表、增长来源、基准情景三处都要落它,写之前用 earnings_outlook(ticker=X) 核对有没有更新的一季。 行业块里列的「上游信号」是这一行收入的来源(存储、光通信、新云都挂在英伟达的财报上)。 这一轮的第一批取数里必须有它们:最新一季实际数字与下季指引、毛利率、管理层关于本行的表述、评级与目标价变动。 正文需求侧第一段写的是「上游最近一季实际做了什么 → 沿传导链传到这家」;上游没取到就明写「本轮未取到 X 的最新财报」, 不得略过,也不得拿记忆里的旧季度代替。这一步做不到,后面的估值就还是「按标准模板答」。
  2. 需求侧用行业的传导链,不要每家重讲一遍 AI 故事。「AI 需求旺盛」不是论据; driver_chain 里那条链的当前环节读数才是。链条上游的量(token、集群规模、云厂 capex) 对同一行的所有公司是共用的,差异出现在下游的份额、价格与产能环节。
  3. 公司在这一行的位置决定它拿到多少。 成员条目的 role 写的就是它和同行的差别; 把行业的量传到这家公司,中间必须经过份额、认证、产能或合约这几个闸门中的至少一个, 不能把行业增速直接当成公司增速。
  4. 倍数先看公司卡,再看行业锚。 公司卡的估值框架优先级最高(见 valuation-audit 第二步); 公司卡没指定时用行业的 multiple_anchor 当先验,仍要按 valuation-audit 的三问推导出本轮的倍数。 两处的 anti_pattern / 「不要…」都要在选倍数那一句里被点名对照。

树的内容会变

管理员可以在对话里(industry_map_edit,只注册给管理员)或研究台「行业分析」页面的编辑模式里直接改这棵树, 包括新增/移除行业与上游信号。改动写进数据目录的 追加式日志,研究台与每轮注入下一次读取即生效,不需要重启或发版。所以:

  • 不要凭记忆复述这棵树的内容,每次都以本轮注入的【本轮相关行业】或本 skill 读到的 JSON 为准。
  • 用户问「这一行为什么这么写」时,改动日志里有谁在什么时候改的与当时给的理由; 研究台「行业分析」顶部的「最近改动」卡片展示同一份记录。
  • 同一行里不同块的日期可能不一致(关注点的 as_of、上游的 latest_as_of、来源的 date): 引用时以最新的那个为准并注明截至日,不要把行级 content_as_of 当成每一条都刷新过。

边界

  • 行业块是结构与先验,不是当前事实。里面的每个数字都带 sources 里的出处与日期; 引用时要么标明出处与日期,要么用本轮工具重新核实。行业结论与本轮一手证据冲突时,以一手证据为准。
  • 树里的公司名单不是推荐名单,role 也不是评级。从板块挑标的与配比走 sector-to-stock。
  • 树里只收美股与 ADR。非美股同行的作用由传导链、关注点与上游信号承载,不给它们估值或买卖判断。
  • 一家公司可以同时落在多行(例如博通同时是 AI 芯片与网络)。命中多行时, 先说清它主要靠哪一行赚钱,再说另一行是期权还是拖累。

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.