Investor Harness

投研人的 AI 任务执行规范
An execution discipline harness for AI-assisted investment research

v0.9.0 · MIT License · A 股 / 港股 / 美股 / 公募 / 跨市场

🆕 v0.9.0 — Librarian 升级：从记忆系统到主动投研助手
23 个 skill（新增 5 个 Librarian skill）+ 6 份新核心文档。重点：让 AI 不只是帮你记住了什么，而是在你需要之前就把跨源综合做完、矛盾标红、判断点摆好——你做 PM 的判断，机器干苦活。
完整设计参见 core/librarian.md · HTML 介绍 deck：docs/v0.9-librarian-deck.html

---

为什么做这个

投研人现在都在用 AI 辅助工作——搜集数据、起 coverage、写前瞻、维护覆盖库。但 AI 在严肃投研场景下有四个老大难问题：

问题	你已经遇到过
❶ 幻觉	AI 编数据，把市场猜测当成财报披露写出来
❷ 健忘	AI 不记得你的覆盖池、不记得上次研究到哪、每次都从零开始
❸ 不成体系	AI 输出格式每次都不一样，没法归档、对比、迭代
❹ 上下文溢出（v0.4 新增）	长会话或深度任务跑到一半，context 满了就丢失全部进度

Investor Harness 是一套强制 AI 按投研工作纪律执行任务的开源规范。

它不让 AI 变聪明，让 AI 可靠——每次取数必须先列计划、每条事实必须标证据等级、每次输出必须承认"还有什么不知道"、所有输出归档到固定路径、跨会话能从断点接续。

跨平台开源（Claude Code / Codex / OpenCode / OpenClaw 全部支持），MIT 协议。

下面用真实任务做三组深度对比，让你自己判断值不值得装。

---

核心能力 1 · Company Deep-dive

任务

买方研究员接到任务：起 coverage，标的是寒武纪 (688256.SH)。
要求：两天内产出一份能进 IC 会议的深度，明确「为什么是它、核心驱动、竞争壁垒、未来三个月跟踪指标」。

---

❌ 不用 Investor Harness：裸 LLM 会给你什么

寒武纪科技是中国领先的 AI 芯片设计公司，成立于 2016 年，2020 年在科创板上市。公司专注于人工智能芯片产品的研发，产品覆盖云端训练、云端推理、边缘计算和终端四大场景。

核心竞争力：公司在 AI 芯片领域具有深厚的技术积累，拥有自主可控的指令集架构和软件栈，在国产替代背景下具备稀缺性。

业务亮点：

• 云端产品线受益于国内 AI 算力需求快速增长
• 国产 GPU 替代空间广阔
• 已进入多个头部互联网厂商供应链

风险提示：技术迭代风险、客户集中度风险、宏观经济波动风险、地缘政治风险。

结论：寒武纪作为国产 AI 芯片龙头，长期受益于算力国产化趋势，建议关注。

这份输出的问题（按卖方研究标准逐条拆）：

维度	问题
🔴 产业链定位	只说"AI 芯片"，没拆清是训练卡还是推理卡、对标 H100 还是 A100、在 HBM 价值链的什么位置
🔴 收入驱动	"受益于需求增长"——这是废话。没有量、价、结构、客户四个维度的拆分
🔴 利润弹性	整段没提毛利率、研发费用率、经营杠杆
🔴 竞争壁垒	"技术积累深厚"是主观描述，不是可验证的壁垒（vs 海光、华为昇腾、摩尔线程的具体差异在哪？）
🔴 市场关注焦点	没有任何一致预期信息，不知道市场现在 price 了什么
🔴 可比公司	完全缺失，没办法做横向估值
🔴 跟踪指标	"技术迭代""客户集中度"是类别，不是指标。看什么数、什么时候看，完全没说
🔴 证据链	0 条引用、0 条数据来源、没有一个数字
🔴 结论	"建议关注"是典型无承诺话术，等于没说
🔴 知道自己不知道什么	完全没有"仍需补的资料"——把 LLM 自己的猜测当成完整答案交付

拿这个进 IC 会议 = 被老板当场质疑到崩溃。

---

✅ 用 Investor Harness：触发 sm-company-deepdive

LLM 的行为会变成这样——

第一步：明确取数计划（而不是直接开写）

[Preflight]
标的：寒武纪 (688256.SH)
市场：CN-A（科创板）
按 core/adapters.md 取数优先级：

1. iFind MCP → get_stock_summary / get_stock_financials / get_stock_shareholders
   - 2022-2024 年报关键财务
   - 股东结构变化
   - 研发费用率历史
2. iFind → search_notice → 近 6 个月公告（产能扩张、重大合同）
3. cn-web-search → 近 3 篇卖方深度的核心观点
4. WebSearch → 竞品对比（海光、华为昇腾、摩尔线程的公开技术参数）

缺失项预判：
- 客户名单（可能仅在管理层交流中披露，公开材料无）
- 实际订单量 vs 出货量（需专家访谈或渠道调研）
→ 这些将在"仍需补的资料"段列出

第二步：按 9 段结构输出，每条带证据等级

# 寒武纪 (688256.SH) · Coverage Deepdive
数据来源：iFind MCP + cn-web-search + 公开披露 | 分析师：[you]

## 1. 公司定位

- **产业链位置**：AI 芯片设计公司（fabless），采用台积电代工 (F2-公司年报)
- **产品结构**：
  - 云端训练卡：思元 370（对标 A100 级别，7nm）(F2)
  - 云端推理卡：思元 590（对标 H100 级别，已流片）(F2-2024 年报)
  - 边缘 / 终端：占比小，2024 收入贡献 < 10% (F2)
- **差异化**：
  - vs 海光：海光是 x86 通用 CPU + DCU，寒武纪是纯 AI 专用 ASIC
  - vs 华为昇腾：昇腾绑定华为生态，寒武纪相对中立
  - vs 摩尔线程：摩尔线程 GPU 架构更通用，寒武纪指令集更定制 (C1-基于公开技术文档推演)

## 2. 业务拆分（FY2024）

| 业务线 | 收入占比 | YoY | 毛利率 | 证据 |
|---|---|---|---|---|
| 云端产品线 | ~85% | [需补] | [需补] | F2-年报披露但口径模糊 |
| 边缘 | ~10% | [需补] | [需补] | F2 |
| 终端 | ~5% | [需补] | [需补] | F2 |

⚠️ 2024 年报的收入拆分粒度不够，思元 370 / 590 分别贡献多少**未单独披露**。需通过业绩会、调研或卖方拆分补。

## 3. 收入驱动（2025-2027）

核心假设链：
1. **量**：思元 590 2025 H2 起量 → 2026 全年贡献 (C1-基于公司公告的流片时点推演)
2. **价**：国产 AI 卡当前 ASP 约 H100 的 60-70% (M1-卖方一致预期)，2026 可能承压（竞争加剧）
3. **结构**：训练卡占比上升 → 收入单价提升 (C1)
4. **客户**：互联网大厂为主（字节、阿里云、腾讯云）(H1-渠道传闻，**未经核验**)

## 4. 利润驱动

- **毛利率**：2024 约 [XX]% (F2)，高于设计公司行业均值
  - 驱动：缺乏国产替代品 → 议价能力强 (C1)
  - 风险：2026 随供给增加回落到 [XX]% (C1-卖方一致预期)
- **研发费用率**：持续高位（2024 约 [XX]%, F2），短期不会下降
- **经营杠杆**：收入规模到 [XX] 亿元后显著 (C1)
- **归母净利**：2024 仍亏损 (F2)，预计 2025-2026 扭亏时点是核心预期差来源

## 5. 核心竞争力 / 风险点

**竞争力**（带验证路径）：
1. **国产化稀缺性** (F1) — 验证：看美国对华出口管制是否覆盖 H20 等降级卡
2. **自主指令集 + 软件栈** (F2-招股书) — 验证：看客户是否愿意为适配成本买单
3. **流片节奏** (F2-公告) — 验证：看思元 590 的量产良率

**风险**（可观测、可触发）：
1. **客户集中度过高** — 前五大客户占 > 70% (F2-年报)
   → 触发：任何头部客户切换到昇腾或自研 → 直接下修
2. **思元 590 良率不及预期** — 7nm 以下良率敏感
   → 触发：2025 Q2/Q3 出货量显著低于公司指引 → 下修
3. **美国出口管制放松** — H20 / MI325 重新大量进入中国 → 国产替代逻辑弱化
   → 触发：关注 BIS 公告
4. **公司持续亏损、现金流压力** — 现金储备仅支撑 N 个季度 (F2-需补最新季报)
   → 触发：定增或债券发行

## 6. 市场关注焦点（当前一致预期）

- 2025 能否扭亏 (M1)
- 思元 590 量产进度 (M1)
- 国内云厂商 AI capex 指引 (M1)

**当前市场共识**：乐观，2024 股价已反映部分扭亏预期 (M1)
**潜在预期差**：
- 向上：云厂商 2026 AI capex 超预期 → 量价齐升
- 向下：思元 590 量产延后 1-2 个季度 → 当前估值撑不住

（预期差的细致拆解建议交给 `sm-consensus-watch`）

## 7. 与可比公司的关键差异

| 维度 | 寒武纪 | 海光信息 | 华为昇腾 | NVIDIA (对照) |
|---|---|---|---|---|
| 架构 | 专用 ASIC | GPGPU (x86) | NPU + 生态绑定 | GPU + CUDA |
| 中立性 | 中立 | 中立 | 绑定华为 | 绑定自家生态 |
| 2024 收入 | [XX] 亿 | [XX] 亿 | 未披露 | — |
| PS (TTM) | [XX]x | [XX]x | — | — |
| 主要客户 | 云厂商 | 政企 + 云 | 华为系 + 自主可控 | 全球 |

⚠️ 估值倍数需用最新数据更新。海光和寒武纪的可比性**有限**，因为海光收入里大部分仍是 CPU 而非 DCU。直接 PS 对比会误导。

## 8. 未来三个月跟踪指标

| # | 指标 | 频率 | 获取路径 | 为什么重要 |
|---|---|---|---|---|
| 1 | 思元 590 量产 / 出货公告 | 事件驱动 | iFind search_notice | 决定 2026 收入 |
| 2 | 云厂商 capex 指引（阿里、腾讯、字节） | 季报 | 各公司业绩会 | 下游需求领先指标 |
| 3 | BIS 出口管制更新 | 事件驱动 | WebSearch SEC + 商务部 | 国产替代逻辑的外部变量 |
| 4 | 公司季度现金流 / 融资公告 | 月度 | iFind | 判断是否有定增压力 |
| 5 | 卖方一致预期修正方向 | 月度 | 卖方研报摘要 | 反向验证市场情绪 |

## 9. 仍需补的资料（⚠️ 强制段落）

**必需**：
- 2024 Q4 / 2025 Q1 最新财报的细分业务毛利率
- 前五大客户的最新披露
- 思元 590 流片 → 量产时间表的官方口径
- 最新现金储备和经营性现金流

**建议**：
- 卖方深度报告 3 篇（中金 / 华泰 / 招商任一）
- 产业链调研：AI 服务器代工厂对寒武纪卡出货节奏的反馈
- 与华为昇腾、海光 DCU 的独立技术评测

**不确定但影响判断**：
- 管理层对 2026 毛利率走势的口径
- 是否会新增合同负债 / 预收款（反映订单能见度）

---

⚠️ **合规声明**：本输出不构成投资建议。涉及评级 / 目标价 / 盈利预测调整，必须经持牌分析师人工复核。

---

维度化对比

维度	裸 LLM	Investor Harness	差距量级
取数步骤	无	显式取数计划 + 工具调用	0 → 1
产业链定位	1 句泛泛描述	4 个竞品横向对比	4x
业务拆分粒度	无	按产品线拆 + 标注披露口径	0 → 1
收入驱动	"受益于需求增长"	量 / 价 / 结构 / 客户四维分析	0 → 4
证据链	0 条	每行带 F1/F2/M1/C1/H1 标签	0 → 1
风险	4 条套话	4 条可观测可触发的具体指标	废话 → 可交付
可比公司	无	4 家带数据 + 可比性警告	0 → 1
跟踪指标	无	5 条带频率、路径、目的	0 → 5
承认不知道	无	强制"仍需补的资料"段（3 类）	🔑 核心差距
能否直接交付	❌	✅	—

对你投研流程的长期影响

• 起 coverage 速度：从 2 天 → 0.5 天（节省的不是"写字时间"，是"知道该写什么"的时间）
• 质量上限：从"看起来专业"→ "扛得住 PM 追问"
• 可复用性：输出可以直接进 coverage 库，而不是每次重写
• 长期纪律：强制"仍需补的资料"段 → 逼你建立真正的 coverage 档案，而不是假装全都懂

---

核心能力 2 · Earnings Preview

任务

卖方科技组分析师接到任务：中芯国际 (0981.HK / 688981.SH) Q4 业绩前瞻，下周二披露。
要求：2 小时内给销售和 PM 一份前瞻，明确市场关注点、beat/miss 路径、财报后第一时间 check 什么。

---

❌ 不用 Investor Harness：裸 LLM 会给你什么

中芯国际 Q4 业绩前瞻

中芯国际作为国内晶圆代工龙头，Q4 业绩预计将保持稳健。随着国产替代趋势持续，公司产能利用率有望维持高位。

业绩驱动因素：

• 28nm 及以上成熟制程需求稳定
• 先进制程产能释放
• 国产替代加速

关注点：

• 毛利率走势
• 资本开支计划
• 下游需求指引

风险：行业周期性、技术追赶难度、地缘政治。

问题：

维度	问题
🔴 没有市场共识	一致预期收入多少？毛利率多少？不写
🔴 没有可对标的上一季度	Q3 实际数据、Q3 发布时的指引完全缺失
🔴 敏感变量不具体	"毛利率走势"是类别词，不是敏感变量
🔴 没有 beat / miss 的具体路径	什么情况算 beat？什么情况算 miss？没说
🔴 没有财报后 action plan	财报出来后第一时间看什么？完全没有
🔴 对原投资命题的影响	如果 beat 或 miss，对原命题要不要修？没说
🔴 没有指引听点	业绩会上管理层说什么要重点听？没说

拿这个给销售和 PM：他们会去找卖方同行的 preview 看，你的被跳过。

---

✅ 用 Investor Harness：触发 sm-earnings-preview

# 中芯国际 (0981.HK / 688981.SH) · Q4 业绩前瞻
发布日：[下周二]
数据来源：iFind 历史财务 + 近 4 季度业绩会 + 卖方一致预期摘要 + 公开披露

## 一句话判断

Q4 是"指引 > 业绩"的财报：市场已经 price in 收入同比高增，
真正决定股价方向的是**2026 毛利率能否守住 20%** 和 **capex 节奏是否收敛**。(C1)

## 市场最关心的三个问题

1. **毛利率拐点是否到来**
   - 一致预期 Q4 毛利率 [XX]% (M1)
   - 关键：28nm 及以上成熟制程价格战是否见底
   - 市场已经 price in 的情景：Q4 小幅回升
   - 超预期路径：毛利率环比 +2pp 以上 → 2026 年利润弹性打开

2. **资本开支指引**
   - 2024 全年 capex 指引 [XXX] 亿美元 (F2-Q3 业绩会)
   - 关键：2025 capex 是否继续同比 +15% 以上
   - 如果收敛：说明扩产节奏降温 → 短期利好毛利，长期影响收入增长
   - 如果加码：说明 N+1 / N+2 节点持续投入 → 利空短期利润，长期 bullish

3. **成熟制程价格趋势**
   - 下游应用（功率、CIS、PMIC）库存状态 (M1-卖方渠道调研)
   - 关键：管理层对 2026 H1 ASP 的定性表态

## 本次财报最敏感的变量

| 科目 | 一致预期 | 敏感度 | beat 的信号 | miss 的信号 |
|---|---|---|---|---|
| **收入** | [XX] 亿美元 | 低 | 超 +3% | 低 -3% |
| **毛利率** | [XX]% | 🔴 最高 | > 22% | < 18% |
| **产能利用率** | [XX]% | 高 | > 90% | < 85% |
| **经营费用率** | [XX]% | 中 | — | 研发费用率跳涨 |
| **Q1 2026 指引收入** | [XX] 亿美元 | 🔴 最高 | 环比持平以上 | 环比 -5% 以上 |
| **2025 全年 capex 指引** | [XXX] 亿美元 | 高 | 低于一致预期 | 高于一致预期 |

🔑 **规律**：中芯国际的股价反应中，**指引占 70%，当期业绩占 30%**。
所以重点听管理层的 Q1 指引和 capex 口径，而不是 Q4 的绝对数字。

## 潜在超预期点

1. **成熟制程毛利率先于市场预期回升**（概率：中）
   - 验证：28nm 产能利用率 Q4 是否回到 95% 以上
   - 影响：2026 净利上修 15-20%
2. **先进制程（N+1 / N+2）新客户签约公告**（概率：低但影响大）
   - 验证：业绩会管理层是否提及新合作
   - 影响：重新评估长期增长天花板
3. **汽车电子 / 工控订单环比加速**（概率：中）
   - 验证：该业务线占比是否 QoQ 提升

## 潜在低于预期点

1. **消费电子库存重新累积**（概率：中）
   - 验证：Q1 指引是否反映环比下滑
   - 影响：当前股价难以维持
2. **折旧压力集中释放**（概率：高）
   - 验证：销售成本环比变化
   - 原因：前两年 capex 高峰对应的折旧开始集中摊销
3. **汇率 / 地缘政治的一次性影响**

## 管理层指引最该听什么

| 听点 | 要听出什么 |
|---|---|
| Q1 2026 收入指引区间 | 中位值是否低于卖方一致预期 |
| 2025 capex 总额 | 是否低于 [XX] 亿美元 |
| 成熟制程 ASP 口径 | "稳定"/"回升"/"承压"三档 |
| 先进制程表态 | 是否暗示新客户 / 新订单 |
| 折旧与摊销口径 | 是否确认 2025 折旧压力高点 |

## 财报后第一时间检查清单

**T+0（财报发布后 30 分钟内）**：
- [ ] 实际 vs 一致预期：收入 / 毛利率 / 净利
- [ ] Q1 2026 指引中位值 vs 一致预期
- [ ] 2025 capex 指引 vs 一致预期
- [ ] 股价盘前 / 盘后反应

**T+1（业绩会后）**：
- [ ] 业绩会管理层对成熟制程 ASP 的口径
- [ ] 业绩会对先进制程的表态
- [ ] 分析师问答里最关注什么（反映市场焦点的变化）

**T+3（结论更新）**：
- [ ] 卖方研报一致预期是否上修 / 下修
- [ ] 如果管理层口径和我预期不同 → 原投资命题是否要修正
- [ ] 是否需要向 PM 发补充 note

## 若结果不同于预期，对原投资逻辑意味着什么

| 情景 | 对原命题的影响 |
|---|---|
| Beat（毛利率 > 22% + Q1 指引稳定） | 命题成立，可以考虑加仓 |
| In-line | 命题成立，维持 |
| Miss（毛利率 < 18% 或 Q1 指引 -5%） | 命题需要修正：2026 盈利能否兑现存疑 |
| 显著 Miss（两项都不及） | 命题证伪，重新评估 |

---

⚠️ **合规声明**：本输出不构成投资建议。一致预期数字需用卖方研报实际数据更新。

---

维度化对比

维度	裸 LLM	Investor Harness	差距
市场共识引用	无	每个关键科目的一致预期数字	0 → 1
关注问题识别	3 条类别词	3 个具体问题 + 对股价的影响机制	3x 深度
敏感变量	"毛利率走势"	6 个科目的量化 beat/miss 阈值	废话 → 可执行
指引听点	无	5 个具体听点 + 解读规则	0 → 5
财报后 action	无	T+0 / T+1 / T+3 分阶段 checklist	0 → 1
对命题的反馈	无	4 种情景对应 4 种命题调整	0 → 1
规律总结	无	"中芯国际指引占 70%，当期业绩占 30%" 这种投研常识	0 → 1
能否 T+0 快速响应	❌	✅	—

对你投研流程的长期影响

• 财报季速度：一天能覆盖 5-8 家 → 而不是 2-3 家
• 质量：前瞻不再是"看起来像前瞻的段落"，而是可以给 PM 当作决策依据的工作底稿
• T+0 响应：财报出来的 30 分钟内你已经知道答案（因为清单已经写好）
• 长期复利：每次前瞻留下一份结构化底稿 → 下一季度直接对比更新，而不是从头写

---

核心能力 3 · Red Team（反方审视）

任务

买方 PM 对你说："你看好 AI 算力 capex 持续超预期，这个逻辑听起来很顺——帮我反过来想一下，空头怎么看"。
要求：两小时内，产出一份能让你自己不舒服的 red team 报告。

---

❌ 不用 Investor Harness：裸 LLM 会给你什么

AI 算力 capex 的潜在风险

虽然 AI 算力需求持续旺盛，但仍存在以下风险：

1. 宏观经济不确定性 — 全球经济放缓可能影响企业 IT 支出
2. 技术迭代风险 — 下一代芯片可能使当前架构过时
3. 地缘政治 — 中美技术竞争可能影响供应链
4. 竞争加剧 — 更多玩家进入可能压缩利润率
5. 监管风险 — AI 监管可能影响下游应用
6. 估值泡沫 — 当前板块估值已处于历史高位

综合来看，AI 算力 capex 长期趋势依然向好，但短期波动难以避免，建议关注催化剂和风险点的边际变化。

问题：

维度	问题
🔴 全是套话风险	"宏观不确定""地缘政治""估值泡沫"——每只股票都能套，没有任何信息量
🔴 不挑战具体多头假设	没有指向"你这个 thesis 最脆弱的是什么"
🔴 无可观测触发	不告诉你"看到什么数据就应该下修"
🔴 无替代方向	没说"如果你错了，资金应该去哪"
🔴 结尾还在讨好用户	"长期趋势依然向好"——你本来就看多，这句话等于没反方
🔴 不检查用户的历史偏差	不知道你有没有"追龙头"的倾向

拿这个给 PM：PM 会直接说"这不叫 red team，这叫免责声明"。

---

✅ 用 Investor Harness：触发 sm-red-team

# Red Team · AI 算力 capex 持续超预期 · 反方审视
目标命题：AI 算力 capex 未来 8 个季度（2026-2027）持续超预期
多头代表：[你的名字]
反方审视：触发 sm-red-team + 查阅 biases.md

## 多头逻辑最脆弱的三个假设（及为什么脆弱）

### 假设 1：Hyperscaler capex YoY 增速维持在 25% 以上

**多头证据**：Meta/Microsoft/Google/AWS 2024 capex 合计 [XXX] 亿美元，2025 指引继续 +30% (F2)

**为什么脆弱**：
- 这些公司的经营现金流支撑 capex 的能力有上限，FCF / capex 比率已从 2020 的 2.5x 降到 2024 的 [X]x (F2-财报推算)
- 2024 股东回报（回购 + 分红）的优先级仍高于 capex，董事会压力在累积 (M1-股东信)
- 如果 2026 某季度**任意一家**把 capex 指引下修 → 板块整体杀估值（历史上云计算 capex 周期就是这样） (C1)

**触发信号**（可观测）：
- 2026 任何一个季度 **hyperscaler 四家中至少两家** capex 指引同比 < 15%
- 2025 Q4 分析师问答里出现"capex efficiency"类问题集中 → 暗示董事会开始关心 ROI

### 假设 2：AI 模型的边际训练成本持续降低，不会导致 capex 饱和

**多头证据**：新模型训练需求持续增长，inference capex 占比上升 (M1)

**为什么脆弱**：
- DeepSeek 等效率模型的出现说明**边际训练 FLOPS 可以显著降低**，如果这个趋势持续 → capex 需求增速 decelerate 快于预期
- inference 需求虽然增长，但 unit economics 比训练更敏感，更容易被效率提升抵消
- 当模型能力达到某个阈值（GPT-5 / Claude Opus 4.6 级别）后，**边际效用递减**可能压低下一轮训练投入的 ROI (H1-待观察)

**触发信号**：
- 出现能力追平 GPT-5 但训练成本 < 1/5 的开源模型
- Hyperscaler 管理层在业绩会开始说"我们正在优化 training efficiency"（过往从不提）
- NVIDIA 的 data center 收入环比增速**首次**跌破 +10%

### 假设 3：国产算力的替代速度不会挤压 NVIDIA 的中国收入

**多头证据**：国产卡产能有限，性能差距仍大 (F1)

**为什么脆弱**：
- 美国出口管制持续收紧 → 中国厂商**被迫**加速自研 → 寒武纪 / 华为昇腾 / 海光的 2026 出货可能大超预期
- 中国云厂商的采购意愿从"性能优先"转向"可获得性优先"
- NVIDIA 的中国收入 2024 已是历史低点，但 2025 H20 若继续被禁 → 归零 (F2-需补)

**触发信号**：
- BIS 公告进一步收紧（H20 被禁）
- 国产 AI 卡出货量季度数据突破 [XX] 万片
- 中国云厂商 AI 服务器 BOM 表中国产卡占比 > 30%

## 证据缺口（多头阵营没说清的）

| 多头主张 | 实际证据 | 差距 |
|---|---|---|
| "AI capex 持续超预期" | Hyperscaler capex 指引 (F2) | 只到 2025，2026 没指引 |
| "训练需求持续增长" | 模型能力提升轨迹 (C1) | 无法证明需求斜率 |
| "效率提升不足以抵消需求" | [无明确证据] | 🔴 空白 |
| "GPU 供给紧张" | NVIDIA 财报 (F2) | 2024 已显著缓解 |

## 若多头错了，最早会在哪里暴露

**时间线**：
- **2026 Q1 财报季** (3-4 月)：Hyperscaler capex 2026 全年指引公布
  → 如果至少两家 capex 指引 < 15% → 板块开始调整
- **2026 Q2-Q3**：NVIDIA 数据中心收入环比增速
  → 如果 < +10% → 确认周期拐点
- **2026 下半年**：可能出现"消化期"情景

## 硬触发的卖出条件（给 PM 作为监控 checklist）

[ ] Hyperscaler 四家中 ≥2 家 2026 capex 指引 YoY < 15%
[ ] NVIDIA 数据中心收入环比连续 2 个季度 < +10%
[ ] DeepSeek 或类似效率模型证明训练 FLOPS 可以减少 80% 而能力持平
[ ] 中国国产 AI 卡季度出货量 > 50 万片
[ ] 板块 PE 仍维持 > 40x 但以上任一条件成立

## 如果命题被证伪，资金应该去哪

- **产业链受益反转**：电力 / 变压器 / 液冷（这些是 capex 周期的滞后环节，如果 capex 见顶，它们还有 2-3 个季度的惯性）
- **估值更安全的变体**：全球 utility（AI capex 带来的电力需求长期存在，但估值没泡沫化）
- **反向交易**：做空估值最高的纯算力主题股，买软件应用层（如果算力便宜了，应用层受益）

## 🔑 查阅用户 biases.md 的检查结果

根据你的 `biases.md`，你历史上反复踩过的偏差：

1. **追龙头偏差** — ⚠️ 命中
   你之前对"xx 赛道龙头"的看多判断，2023 Q2 踩过一次类似的 capex 拐点
   → 本次结论前请确认：你是否在假设"这次不一样"
2. **确认偏差** — ⚠️ 命中
   你的多头命题里引用的证据 80% 来自 Hyperscaler 官方指引（M1-公司口径），缺少独立第三方验证
   → 本次结论前请强制加入至少 1 个独立信源（卖方独立调研 / 产业链访谈）
3. **锚定偏差** — 未命中

## 当前命题可信度评估

- **基本面逻辑**：强 (多头证据扎实)
- **时间窗口内可证伪性**：强 (有明确触发)
- **估值安全边际**：弱 (板块已经 price in 乐观情景)
- **反方可观测性**：强 (5 条硬触发)

**综合**：**中等偏高风险**。不是"不该看多"，而是**仓位应该留出下修空间**，并严格按卖出 checklist 监控。

## 给多头的回复

你的命题不差，但你需要做三件事才算对得起这个判断：

1. **在 decision-log.md 里写下"我假设这次不是 2023 Q2 重演，因为 [理由]"**
2. **把上面 5 条硬触发放进每日监控清单**
3. **仓位不要超过你认为"错了能扛住"的上限**

---

⚠️ **合规声明**：本输出仅为反方审视工具，不构成投资建议。

---

维度化对比

维度	裸 LLM	Investor Harness	差距
反方深度	6 条套话	3 个具体假设挑战 + 每个带触发	废话 → 可执行
触发可观测性	无	5 条硬指标（数字 + 时间）	0 → 5
挑战多头假设	不挑战	逐一找出证据链断点	0 → 1
证据缺口表	无	4 行表格显示多头主张 vs 实际证据	0 → 1
替代方向	无	3 个具体的资金去向	0 → 3
自我偏差检查	无	查阅 biases.md + 命中报告	🔑 独有
给多头的"行动建议"	"建议关注"	3 条具体动作（写决策日志、监控清单、仓位上限）	废话 → 可执行
结尾立场	讨好用户（"长期向好"）	中性评估 + 明确风险等级	🔑 独有

对你投研流程的长期影响

• 最关键的差异：Red Team 不是为了让你别买，而是为了让你买得更硬。当你的命题能扛住具体硬触发的检查，你的持仓信念会质变。
• biases.md 的复利：每次 red team 都查一次历史偏差 → 你会发现自己反复踩同一个坑 → 三次之后你不会再踩
• 组合管理：硬触发 checklist 变成每日 / 每周监控，不再依赖"感觉股价不对了"才减仓
• 跟 PM 对话的质量：当你能主动给出"我会在 X 触发时减仓"，PM 会给你更大的仓位授权

---

三个能力之外：另外 20 个 skill

上面三个是你最值得体验的。Investor Harness v0.9.0 一共 23 个 skill，另外 20 个按同样纪律设计：

🆕 Librarian 模式 skills（v0.9 新增，opt-in）

让 AI 从"被动记忆系统"升级成"主动投研助手"。需要用户明示触发（"建 coverage / 起 wiki page / 刷 daily feed / 跑健康检查 / 会后归档"），不在 sm-autopilot 默认路由。

Skill	适用场景
sm-wiki-build	新建 coverage：扫 vault → 14 段 wiki page 自动构建（每个数字带 wikilink + 证据等级）
sm-daily-feed	每天扫 vault 生成 7 桶 daily feed，刷新 wiki §4——让 wiki 从静态笔记变活的信息流
sm-question-list	见分析师 / 管理层之前：question list 自动附"vault 扫描初步结论"，会前自动纠偏
sm-health-check	双层健康检查 + 跨源仲裁（A 级 vs B 级 + 差异超 5% 标红）——让 wiki 自己维护自己
sm-qa-archive	会后 Q&A 归档：双链复利执行端，触发 wiki 级联更新（§4/§5/§9/§10/§14）

完整设计参见 core/librarian.md。

单点研究 skills（10 个）

Skill	适用场景
sm-autopilot	不想自己选 skill 时的总控入口，自动路由
sm-master	7 模式长形态总控，适合"只装一个 skill"的极简场景
sm-thesis	把模糊研究方向收敛成可验证的投资命题
sm-industry-map	行业框架 + 产业链地图 + 关键公司定位
sm-model-check	财务模型审阅：假设、勾稽、敏感性、断裂点
sm-consensus-watch	一致预期 + 预期差管理 + 重估值驱动因素
sm-catalyst-monitor	事件 / 政策 / 订单 / 价格等催化剂跟踪
sm-roadshow-questions	路演 / 调研 / 业绩会的高价值问题设计
sm-pm-brief	给基金经理 / IC 会议的一页纸摘要
sm-briefing	晨会 / 晚报 / 纪要整理

技术面 skill（v0.5 新增）

Skill	适用场景
sm-tape-review	盘面 + 技术面复盘 — 日内行情、收盘技术分析、K 线 / 量价 / MACD/KDJ/RSI/BOLL 指标解读、关键支撑压力位、与基本面命题的一致性检验

演示 / 汇报 skill（v0.8 新增）

Skill	适用场景
sm-deck-builder	PPT 生成 · UI 设计 + 研报包装 — 把 sm-thesis / sm-company-deepdive / sm-red-team 等研究底稿转成机构级投研 PPT；10 页标准结构、完整 UI 设计系统（色板/字体/布局）、证据可追溯。支持 IC pitch / roadshow / earnings review / monthly update / client pitch 5 种类型。依赖 anthropic-skills:pptx 做实际文件生成

批量任务 skills（v0.3 新增）

Skill	适用场景
sm-batch-refresh	覆盖池批量刷新（行情/财务/股东/催化）— 每周/每月跑
sm-batch-earnings	财报季批量前瞻 / 复盘 — 财报季密集时跑
sm-catalyst-sweep	覆盖池每日 / 每周催化剂扫描 — 晨会前 30 分钟跑

每个 skill 都强制：

• 开始前：执行 core/preamble.md 的 6 步流程（任务断点 → 识别市场 → 检查历史 → 检查任务 → Preflight → 实际取数）
• 结束后：执行 core/postamble.md 的 8 步流程（增量 checkpoint → 证据自检 → 仍需补 → 合规 → 归档 → 更新任务 → 验收 → echo 简化）
• 归档：按 core/output-archive.md 命名规范写入固定路径
• 验收：跑 core/acceptance.md 清单（通用 + skill 专属）

⚠️ 关键最后一步：装好 skills 之后必须把 INSTALL-PROMPT.md 里的"启用提示词"复制到 ~/.claude/CLAUDE.md，否则 LLM 不会自动按规则工作。详见 INSTALL-PROMPT.md。

---

设计哲学 · 为什么是 Prompt Stack 不是 Agent

Investor Harness 是开放提示词栈，不是 AI agent。它没有 runtime，依赖你的 AI 工具（Claude Code / Codex / OpenCode 等）作为 runtime 执行。

这是刻意的设计选择，不是缺失：

维度	Agent 形式	Prompt Stack（本项目）
跨 AI 工具兼容	❌ 通常绑死一个 runtime	✅ 任何支持 markdown 的工具
合规友好度	⚠️ "AI 替你做研究"引发监管疑虑	✅ 方法论是你的，AI 只是工具
可审计性	⚠️ Python 代码，分析师看不懂	✅ 纯 markdown，能看能改能审计
升级 / 修改门槛	⚠️ 需要懂代码	✅ 改文本就行
分析师价值保留	⚠️ 有被替代风险	✅ 强制分析师保持纪律

一句话：投研的核心价值是"分析师的纪律"，不是"自动化"。Prompt Stack 让纪律被强制执行，而不是外包。

---

安装

路径 A · 最小安装（1 分钟）

把 skills/sm-master/SKILL.md 复制到任何 AI 工具的系统提示词里。1 个文件解决 80% 需求。

路径 B · 完整安装（5 分钟）

git clone https://github.com/joansongjr/investor-harness.git
cd investor-harness
bash install/claude-code.sh    # 或 codex.sh / opencode.sh / generic.sh

路径 C · 完整工作区（10 分钟，推荐机构和进阶用户）

bash setup/bootstrap.sh ~/my-investor-workspace

会生成一套分析师工作区模板：CLAUDE.md / memory.md / coverage.md / decision-log.md / biases.md / research-queue.md / active-tasks.md (v0.3 新增)，填几个空就能开始用。

详见 setup/README.md。

---

数据源

全部可选，按 core/adapters.md 的优先级自动降级：

1. iFind MCP（同花顺官方，A 股 / 基金 / 宏观 / 资讯）
2. cn-web-search skill（聚合 17 个中文搜索引擎）
3. WebSearch / WebFetch（所有 harness 内置）
4. 用户手动贴材料（兜底）

未来接入 Wind / Bloomberg / FactSet / S&P CapIQ 等，只需在 core/adapters.md 增加优先级条目，skill 文件不用改。

---

适用 / 不适用

✅ 持牌卖方分析师 / 买方研究员 / 基金经理 / IC 成员 / 商学院金融方向学生
❌ 数字货币 / 一级市场 / 期权期货 / 散户量化 / 期望 AI 替你决策的人

---

Changelog

v0.9.0 — Librarian 升级：从记忆系统到主动投研助手

解决 v0.6 的下一阶段问题：AI 还是被动的——你不问它它不动。
v0.9 把 AI 从"被动记忆系统"升级成"主动投研助手"：在你打开 wiki page 之前，跨源综合已经做完、矛盾已经标红、判断点已经摆在你面前。你做 PM 的判断，机器干 RA 的苦活。

核心叙事：

好的投研系统不只是帮你记住了什么，而是在你需要之前就把信息拼好了、验证好了、分类好了。你要做的只是判断。

新增 6 份 core 文档：

• core/librarian.md — 升级总览（架构基础 + 五大能力 + 何时介入）
• core/wiki-architecture.md — 14 段 wiki page 标准结构（每家 focus list 公司一份）
• core/daily-feed.md — 7 桶 daily feed 聚合规则（每天扫 90 天窗口）
• core/qa-double-link.md — Question List + Q&A 双链复利公式（wiki v1→v2→v3）
• core/health-check.md — 双层健康检查（状态巡查六项 + 跨源矛盾扫描）+ 跨源仲裁规则
• core/full-qc.md — 全链路 QC 五层（入口/注册表/格式/时效/交叉）——一致性是过程的产物，不是事后修补

新增 5 个 sm- skill（opt-in，需用户明示）*：

• sm-wiki-build — 新建 coverage 时构建 14 段 wiki page
• sm-daily-feed — 每天 7 桶聚合刷新 wiki §4
• sm-question-list — 见分析师前生成会前 briefing（含 vault 扫描结论）
• sm-health-check — 每天跑两层健康检查 + 跨源仲裁
• sm-qa-archive — 会后归档触发 wiki 级联更新

HTML 介绍 deck：docs/v0.9-librarian-deck.html（双击在浏览器打开，分享会用）

为什么 v0.9 是质变：

维度	v0.8 及之前	v0.9 Librarian
知识沉淀	session-by-session，靠 active-tasks 续跑	wiki page 持续更新，每家公司一份 14 段标准结构
信息流	被动等用户问	每天 7 桶 daily feed 主动聚合
会前准备	翻 session log	question list 下面自动附 vault 扫描结论
矛盾处理	出报告时回头检查	健康检查每天自动跑，差异超 5% 标红
QC	事后做（acceptance.md）	嵌在过程里（full-qc.md 五层）

---

v0.8.0 — PPT 生成 skill · sm-deck-builder

把散落的研究 markdown 转成机构级投研 PPT。填补"研究做完了，但没法给 PM / IC / 客户看"的空白。

新增 sm-deck-builder skill（第 18 个）

10 段标准结构（IC pitch deck 默认）：

1. 封面（标的 / 分析师 / 日期 / conviction）
2. 执行摘要（命题一句话 + 3 支撑柱 + 推荐 action）
3. 公司概览（商业模式 + 关键指标）
4. 核心逻辑（Why now + variant view）
5. 支撑证据（3-5 个硬数据点 + 证据等级）
6. 市场预期差（已 price in vs 未 price in）
7. 催化剂时间线（未来 3-12 个月）
8. 反方审视（Top 3 risks + Kill switch）— 不能省略
9. 跟踪指标（3 个月内 What to watch）
10. 附录 + 合规声明 + 证据统计

UI 设计系统：

• 色板：深海军蓝主色 + 金色强调色 + 绿/红 semantic（机构研报风格）
• 字体：PingFang SC / Helvetica Neue / Arial，3 级层次
• 布局：header + title + body + footer 严格 1920×1080，留白 ≥ 30%
• 图表：无 3D / 无彩虹色 / 无 clipart
• 硬约束：< 3 种字体 / < 3 种颜色 / 每页 ≤ 5 bullets

支持的 deck 类型：

类型	默认长度	场景
ic-pitch	10 页	投委会汇报
roadshow	6 页	管理层路演
earnings-review	8 页	财报季复盘
monthly-update	5 页	月度 PM 汇报
client-pitch	15 页	客户展示

强依赖：必须先跑 sm-thesis / sm-company-deepdive / sm-red-team 等研究 skill，deck-builder 从归档里读内容。没有研究底稿的情况下禁止直接生成 deck——deck 是研究的包装，不是替代。

技术实现：依赖 anthropic-skills:pptx skill 做底层 .pptx 文件生成，sm-deck-builder 负责：

• 决定结构（10 段 IC pitch / 6 段 roadshow / ...）
• 从研究归档提炼内容
• 应用 UI 设计系统（色板 / 字体 / 布局）
• 强制证据等级标注
• 归档到 {coverage}/{ticker}/decks/ 同时保存 .pptx + .md 两份

双输出：对话里贴 markdown 大纲（云端用户直接读），文件写 .pptx（打印 / 演示用）。

验收清单：acceptance.md 新增 sm-deck-builder 专属 14 项检查，包括"不能省 Risk 页"、"不能省 Gaps 页"、"每个数字必须带证据等级"等硬约束。

v0.7.0 — 任务永久化：用户模板 + 自定义 skill 三层机制

用户可以把重复的投研任务固化成文件，而不是每次在对话里重新解释。
从"一次性用完就忘"升级为"长期复用的工作流"。

新增三层机制：

层	内容	文件位置	适合场景
L1 · 用户模板	复用 sm-* skill，自定义输出结构 + 归档路径	{workspace}/user-templates/*.md	日报 / 周报 / 月报 / 财报季流程
L2 · 继承扩展	在现有 sm-* 基础上新增段（不改原 skill）	{workspace}/user-skills/my-xxx/SKILL.md 带 extends:	sm-company-deepdive + ESG 专项
L3 · 自创 skill	完全新场景，17 个 sm-* 都没有	{workspace}/user-skills/my-xxx/SKILL.md	港股打新 / 可转债 / ETF 对比

新增文件：

• core/user-templates.md — L1 模板格式规范 + 触发机制 + 硬约束
• core/user-skills.md — L2 继承 + L3 自创规范 + 贡献回流指南
• setup/workspace/user-templates/*.md.template — 3 个示例模板：
  • daily-briefing.md.template — 每日晨会日报（5 段）
  • weekly-coverage-review.md.template — 每周覆盖池复盘（6 段）
  • monthly-pm-report.md.template — 月度 PM 汇报（一页纸）
• setup/workspace/user-skills/my-deepdive-esg/SKILL.md.template — L2 示例（ESG 扩展）
• setup/workspace/user-skills/my-hk-ipo-analysis/SKILL.md.template — L3 示例（港股打新）

更新：

• setup/bootstrap.sh 创建 user-templates/ 和 user-skills/ 目录，自动复制 3+2 个示例
• core/preamble.md 新增 Step 0.5（检查 user-templates / user-skills 匹配）
• core/_boot.md 新增 User customization 段
• core/acceptance.md 新增 L1/L2/L3 专属验收清单
• setup/workspace/CLAUDE.md.template 新增 1.3 任务永久化段

双触发机制：

1. 自动路由：用户说"跑一下日报"，LLM 扫描 user-templates/ 的 trigger: 关键词匹配
2. 显式调用：用户说"用 my-deepdive-esg 看 X"，精确按名匹配

硬约束（不可绕过）：

用户的任何定制都不能绕过以下规则：

• core/preamble.md 6 步
• core/postamble.md 8 步
• 证据分级
• "仍需补的资料"段
• 合规声明
• Dual Output Discipline

用户可以自定义的只是：输出段的结构、归档路径、触发词、额外约束。

Bug 修复：

• 全部示例从"看一下宁德时代"改为"看一下 LITE"（Lumentum NASDAQ:LITE，光模块美股龙头，验证时顺带测试美股降级路径）

v0.6.0 — 交互式安装 + 更新向导

解决 v0.5 的最后一个门槛：非技术用户装不了。
手动跑 git clone + bash install/claude-code.sh + 复制粘贴 INSTALL-PROMPT 步骤太多，容易卡。
v0.6 提供交互式向导：一个命令全搞定。

新增：

• setup.sh — 交互式安装向导（~600 行 bash）

  • 检测操作系统 / Shell / Git / 现有 harness
  • 选择目标 harness（Claude Code / Codex / OpenClaw，可多选）
  • 选择数据源（iFind / Alpha派 / 进门财经 / Wind / cn-web-search / WebSearch）
  • 检测现有 .mcp.json 配置
  • 安装 skills（默认 symlink 模式）
  • 可选创建投研工作区（跑 bootstrap.sh）
  • 自动注入启用提示词到 ~/.claude/CLAUDE.md（带 marker + 备份）
  • 验证安装

• update.sh — 交互式更新向导

  • 检测本地 vs 远程版本
  • 显示新 commit 列表
  • 检测破坏性变更（major bump / skill 重命名 / core 文件变更）
  • git pull（含 stash 保护）
  • 检测 CLAUDE.md 里启用提示词的版本，不一致时提示更新
  • 备份机制完善

• install.sh — curl 一键入口

  • curl -fsSL https://.../install.sh | bash
  • 自动 git clone + 调用 setup.sh
  • 适合首次安装场景

• core/claude-md-section.md — 标准化的 CLAUDE.md 注入模板

  • 带 <!-- INVESTOR_HARNESS:BEGIN v0.6.0 --> / END marker
  • 支持幂等更新（update.sh 只替换 marker 之间的内容）
  • 包含占位符（DATE / HARNESS_PATH / WORKSPACE_ROOT / DATA_SOURCES 等）

四个数据源全部是 MCP：

数据源	类型	默认优先级
iFind MCP	MCP server	1（A 股 / 公募最优）
Alpha派 MCP	MCP server	2
Wind MCP	MCP server	3（全球覆盖）
进门财经 MCP	MCP server	4（路演/专家/研报）
cn-web-search	Skill	5
WebSearch	harness 内置	6（兜底）
用户贴材料	手动	7（最后兜底）

向导会根据用户选择动态生成个性化的数据源优先级链，写进 CLAUDE.md 注入段。

安装路径对比：

方式	命令	适合谁
🟢 一键 curl	curl -fsSL .../install.sh | bash	首次用户
🟡 git clone + wizard	git clone ... && cd ... && bash setup.sh	想看清楚每一步的人
🔴 低级命令	bash install/claude-code.sh（原 v0.5）	自动化脚本

更新路径：

cd ~/investor-harness
bash update.sh

自动处理：版本检查、破坏性变更警告、git pull、CLAUDE.md 迁移。

v0.5.1 — Dual Output Discipline 修正（云端用户友好）

修复 v0.4 over-optimization：原 Step 7 "对话只回 ~300 token 摘要"忽视了云端用户根本打不开本地文件。

改动：

• core/postamble.md Step 7 重写：从"Echo Discipline 只回摘要"改为"Dual Output Discipline 双输出"——对话里贴完整内容（云端用户能直接读）+ 同时写文件（归档 + 跨 skill 引用 + 长期 diff）
• 结尾追加 📁 已归档：{path} + 关键统计 + 下一步建议
• 例外：用户主动说"省 token 模式"才退回到 v0.4 纯摘要
• _boot.md Output discipline 段同步更新
• setup/workspace/CLAUDE.md.template 同步更新
• INSTALL-PROMPT.md Step 7 描述同步更新

Token 影响：每任务对话成本 ~300 → ~5500 tokens。200k context 能跑的任务数从 ~50（理论但不可用）变为 ~25（真实可用）。

为什么这个修正很重要：

• 投研人很多在 Claude.ai web / Codex web / 远程 SSH 跑 Claude Code → 没有本地文件系统
• 即使是本地用户，"打开文件"也比"对话直读"麻烦
• 文件存档的核心价值是跨 skill 引用 + 长期归档，不是"对话不贴"
• 对话是 control plane + data plane 双重身份，文件是补充

v0.5.0 — 技术面复盘 skill + 强制启用提示词

解决两个新发现的痛点：

1. 缺技术面 skill（基本面 13 个 skill 都覆盖了，技术面是空白）
2. markdown 规范没有强制力——非技术用户的 LLM 不会自动遵守

新增：

• sm-tape-review — 盘面 + 技术面复盘 skill（第 17 个）

  • 7 段输出：行情摘要 / 资金面 / K 线形态 / 技术指标 / 关键位 / 一致性检验 / 明日观察
  • 强制使用 iFind get_stock_performance 拉真实指标，禁止凭印象编造
  • §6 必须引用同标的最新 sm-thesis / sm-company-deepdive 输出做基本面一致性检验
  • 适用场景：日内复盘、收盘技术面、加减仓技术确认、stop loss 设定

• INSTALL-PROMPT.md — 启用提示词模板（关键文件）

  • 解决"装好但 LLM 不遵守"的问题
  • 用户复制粘贴到 ~/.claude/CLAUDE.md 之后，LLM 自动按 Investor Harness 流程工作
  • 包含完整的 boot protocol / preamble / postamble / 自动路由规则
  • 三种粘贴方式：全局 CLAUDE.md / 工作区 / 单次对话

• acceptance.md 新增 sm-tape-review 专属验收清单（10 条）

更新：

• 4 个 install 脚本（claude-code / codex / opencode / generic）安装完后主动打印INSTALL-PROMPT.md 路径和复制粘贴说明
• core/_boot.md 16 → 17 skills 速查
• README 添加技术面 skill 段落 + INSTALL-PROMPT.md 强调

为什么要有 INSTALL-PROMPT.md

v0.4 之前的设计假设 LLM 会"看到 SKILL.md 就遵守"，但现实是：

• 小白用户不知道说"用 sm-X"，他们说"看一下 X"
• LLM 看到模糊请求会直接给百度百科段落，不会主动 invoke skill
• markdown 规则没有 hook 强制执行

INSTALL-PROMPT.md 是用户主动给 LLM 灌输"以后所有投研任务都按这套规则做"的指令。一次粘贴，永久生效。

v0.4.0 — Context overflow 防御 + 三层加载优化

解决 v0.3 没解决的"上下文溢出 + 任务被打断后失忆"问题。

• 新增 core/_boot.md — 启动文件，~1.2k tokens，每次新会话第一个读。包含 16 skill 一行说明、boot protocol、resume protocol、三层加载策略
• 新增 core/task-pulse.md — .task-pulse 心跳信号文件规范（< 100 tokens 的 JSON），让 LLM 用极小代价知道工作区当前任务状态
• 新增 core/checkpoint.md — .checkpoint/{task-id}.md 断点续跑机制，让任务被 compact / 重开会话后能从断点继续，不重复
• preamble.md 新增 Step 0 — 任务断点检查（读 .task-pulse → 询问续跑或新建）
• postamble.md 新增 Step 0 — 增量 checkpoint 写入（每完成一段就写，不是任务完才写）
• postamble.md 新增 Step 7 — Context Echo Discipline：对话只回 ~300 token 的摘要，完整输出在文件里。节省 ~90% 对话 token
• 三层加载优化：
  • Tier 0（每次必读）_boot.md + .task-pulse + CLAUDE.md ≈ 1.5k tokens
  • Tier 1（skill 调用时）SKILL.md + preamble + postamble + adapters ≈ 6k tokens
  • Tier 2（按需）evidence / compliance / output-archive / acceptance ≈ 5k tokens
  • vs v0.3 每次任务 ~17k 静态成本，节省 50-70%
• CLAUDE.md.template 升级为 v0.4 三层加载 + Context Overflow 保护
• bootstrap.sh 自动创建 .task-pulse 和 .checkpoint/ 目录

v0.4 真实 token 测算

操作	v0.3 token	v0.4 token	节省
新会话启动	~10k	~1.5k	85%
一次完整 skill 调用	~42k	~15-20k	50%+
200k context 能跑几个任务	4-5 个	8-10 个	100%+
任务被打断后续跑	❌ 丢失	✅ 完整恢复	—

v0.3.0 — 兑现"治幻觉、健忘、杂乱"三大承诺

• 新增 core/preamble.md — 强制开始前 5 步流程（治幻觉 + 治健忘）
• 新增 core/postamble.md — 强制结束后 6 步流程（治幻觉 + 治不成体系）
• 新增 core/output-archive.md — 输出归档命名规范，让所有 skill 输出可 diff、可 review、可引用
• 新增 core/acceptance.md — 输出验收清单（通用 + 各 skill 专属），最后一道质量关卡
• 新增 core/menu.md — 零配置入口菜单。用户首次使用 / 输入模糊时自动显示 16 个 skill 的编号菜单，直接按数字或描述选择任务。配套零配置工作区初始化（3 个问题搞定）
• 新增 setup/workspace/active-tasks.md.template — 任务进度持久化机制，治"AI 忘记任务到哪了"
• 新增 3 个批量任务 skill：
  • sm-batch-refresh — 覆盖池批量刷新
  • sm-batch-earnings — 财报季批量前瞻 / 复盘
  • sm-catalyst-sweep — 每日催化剂扫描
• 重写所有 13 个旧 skill 的"开始前先取数"段 — 改为强制引用 preamble.md / postamble.md / output-archive.md / acceptance.md，每个 skill 加上独有的注意事项
• 更新 CLAUDE.md.template — 加入强制流程引用 + 主动报告进行中任务的规则
• 品牌定位升级 — 从"开放提示词栈" → "投研人的 AI 任务执行规范"，三大痛点（幻觉/健忘/杂乱）显式列出
• manifest.yaml 新增 solves 字段 — 机器可读的痛点声明

v0.2.0

• 品牌正式命名为 Investor Harness
• 新建 core/adapters.md — 数据源优先级决策树
• 新建 core/markets.md — 市场识别与分市场差异
• 新增 sm-master skill — 7 模式长形态总控
• 新增 setup/ — 投研工作区脚手架（CLAUDE.md / memory / 覆盖池 / 决策日志 / 偏差清单等模板）
• 新增 setup/agents/ — 5 个多 agent 团队角色定义
• 所有 skill 的 frontmatter 补齐 inputs / outputs / data_sources / markets
• 增加顶层 manifest.yaml、install/ 多 harness 安装脚本

v0.1.0

• 12 个专业子 skill + autopilot
• Codex 安装脚本

---

License

MIT © 2026 Joan Song

⚠️ 免责声明：本工具不构成投资建议。所有 AI 生成内容仅供研究参考，使用者应自行核验关键数据、遵守所在机构合规要求。涉及投资决策必须进行人工复核。

---

⭐ Star 让更多投研人看到 · 🐛 Issue · 🤝 PR