agentleFS
B-M-Capital-ResearchB-M-Capital-Research/honeclaw/skills/influencer-views/SKILL.md

Influencer Views

Skill748 starsChanged 3 months agoMITView on GitHub

把大V速报(Serenity/白毛 @aleabitoreddit、SemiAnalysis 等注册作者近期公开推文与文章,含中文翻译与 HONE 观点整理)作为「观点线索」接进个股与产业问答:用户问某只股票最近的新闻、消息、市场怎么看,或点名 Serenity/白毛/大V 时,先取 influencer_views,再把带作者、日期与原链的观点写成独立一段,与已核验事实分层。

Files
SKILL.md

Influencer Views(大V观点线索)

研究台的「大V速报」每十几分钟同步一次注册作者的公开内容:Serenity / 白毛 (@aleabitoreddit,AI 与半导体供应链一线观察者,中文翻译来自 aichainmap 的白毛速报页, 原文以 X 链接为准)和 SemiAnalysis 官方 feed。influencer_views 工具只读这份快照, 不联网、不调模型。它给的是作者观点线索,不是事实,也不是 HONE 结论。

什么时候取、怎么取

  1. 用户问某只股票「最近有什么消息 / 新闻 / 市场怎么看 / 大V怎么看」,或直接点名 Serenity / 白毛 / 大V:先 influencer_views(symbol=<代码>)。
  2. 没命中就按它所在的环节再取一次:influencer_views(query=<行业词>),例如 HBM、内存、光模块、CPO、Rubin、衬底。
  3. 用户问「白毛最近在看什么 / 最近关注什么」这类不带标的的问题:直接 influencer_views(),读 items 与 focus(窗口内被点名最多的 ticker 与话题)。
  4. 默认回看 14 天;用户明确问「这个月」再把 days 放到 30。窗口内没有命中, 就如实写「大V近期没有直接提到 X」,不要拿别的公司的话顶替,也不要用搜索摘要 或记忆里的「某某说过」来补。

这一步不替代本轮该做的事实取证:行情、财报、公告、新闻仍走 data_fetch / web_search;company-latest-developments 的时间线、market_analysis 的归因 照常执行,本 Skill 只是在它们之后补一段。

输出纪律

  • 独立成段,标题写清是谁的观点,例如 「大V观点线索(Serenity / 白毛)」; 放在已核验事实与时间线之后、结论之前。不要把作者的话揉进「已核验事实」里。
  • 每条一行:MM-DD · 作者 · 一句话观点(原话或忠实压缩)· 立场(偏多/偏空/中性)· 未证实处或反方 · [原文](X 链接)。有 hone_reading 就用它的 summary / stance / counterpoint;没有就自己压缩原话,不要替作者补论据。
  • 一般引用 2–4 条,最多 6 条;同一观点多次重复只留最新一条并注明「多次重申」。
  • 观点与事实分层:作者说的「供给缺口 40–60%」是作者转述,除非本轮有一手来源, 否则写「据作者转述,未核验」。作者观点与本轮已核验事实冲突时,以事实为准,并明确指出 冲突在哪。
  • 不把作者立场写成 HONE 判断,不据此给买卖、仓位或目标价;hari-invest 的机会 / 持有 / 风险分档仍然只能由本轮证据推出来,这一段只作为「市场叙事在关注什么」的旁证。
  • 说明翻译来源:中文译文来自 aichainmap 白毛速报,原文以 X 为准;作者观点仅供参考, 不构成投资建议。这句话在一次回答里写一次即可。
  • 不要泄露快照文件路径、工具内部字段名或 Skill 路径。

与其它 Skill 的配合

  • company-latest-developments:时间线写完后,追加本段作为「市场叙事」补充。
  • stock_research / valuation-audit:在「催化剂与风险」或「市场预期」段引用, 不进入估值输入。
  • market_analysis(为什么涨跌):作者对该异动的解释只能作为「一种市场解释」, 不是归因结论;归因仍要落到本轮来源与日期。

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.