收益型投资分析：可持续与机会型分红研究
用严格的多维分析，区分可持续收益、机会型高息与收益率陷阱，支持投资决策。
证据显示：技能明确要求使用精确算术工具和交叉验证，指示在报告头部标注数据截止日期，并明确区分事实/估计/假设，这支持数据流透明和来源归因。它指导用户使用验证工具，建议谨慎运行，并强调了授权确认，但没有提供明确的权限清单或隔离说明，也没有明确要求用户确认关键操作（如运行脚本）。此外，它涉及税务和投资建议，但没有对处理敏感财务数据的详细保护措施。由于权限、确认和隔离细节不完整，评分下降。
证据显示：技能提供了详细的分步工作流，包括执行审计步骤和工具使用，这增强了自我一致性。它指示使用工具进行算术和审计，以促进可预测的行为。然而，没有提供测试结果或执行证据，异常输入的处理不清楚（例如，工具出错时会发生什么），且未提供错误处理或回退机制。因此，评分降至 9。
证据显示：技能定义了清晰的输入格式、可选参数和自然语言输入的接受度，使其可灵活触发。它列出了相关的相关技能以避免重叠，并明确了它的所有权范围。它通过提供中文和英文双语支持，并通过指导用户在仓库根目录下使用工具，部分解决了环境适配问题，但没有明确验证对大陆网络的可达性，且若核心功能依赖境外服务，则存在风险。因此，评分略降至 12。
证据显示：该技能有清晰的名称和描述，并附有按编号章节划分的结构化格式。它在适配器注释中提供了安装和使用说明，并引用了仓库中的其他文件以提供上下文。同时包含许可（MIT）和版本控制信息。但是，没有显式的变更日志、已知限制列表或维护责任声明。由于治理和版本化方面的不完整性，评分下降。
证据显示：该技能为生成分析提供了结构化的流程，包括明确的结果分类和三情景分析，这看起来能够交付核心任务。它强制要求使用审计工具，可能提高输出的可直接使用性。但是，没有提供报告的实际示例或验证，因此收益证据有限。根据静态审查指引，有效性最高为 7。
证据显示：该技能引用了代码库中的工具和测试（如 test_financial_rigor.py 和 test_report_audit.py），这些提供了对关键功能的有限验证。但未提供对完整技能流程的端到端测试或独立验证。因此，根据静态审查指引，评分最高为 5，由于存在部分可审计的测试，给予 6。
- 该技能依赖外部数据源和工具；在从中国大陆访问可能需要网络可达性验证。
- 该技能不是个人化投资建议；使用时应自行判断并承担风险。
- 技能指示使用工具，但未提供工具故障时的回退方案；用户应准备手动处理异常情况。
- 未发现恶意行为，但在运行任何 AI 生成的命令前，请确保信任环境和来源。
这个 Skill 能做什么，适合哪些场景？
该技能用于分析公司能否产生足够持久且有吸引力的可分配收益，以证明其在投资组合中的角色。它强制进行深度研究纪律：确认日期、优先使用一手资料、交叉验证财务数据、使用精确计算工具、构建多情景分析。分类为核心收益、机会型收益、收益率陷阱或不适合收益，并给出明确的投资评级和决策门控。
解析用户的请求，识别公司、模式、角色、数量、成本基础、税务居住地等输入参数；运行 date 命令获取数据截止日期；收集和分析至少五年的分红历史，包括支付频率、金额、增长、削减及关键日期；通过净收入、自由现金流、行业特定指标（如REIT的FFO/AFFO、银行的CET1等）追踪可分配现金；评估质量、持久性和估值；计算总收益、净收益（若税务信息完整）；检查投资组合适配度；构建基准、不利、严重三种情景；使用定性评分卡和阻止门控得出分类和评级；将报告保存到 reports/{company}-income-investment-{YYYYMMDD}.md，并运行发布审计脚本。
- 个人投资者评估某只股票是否能为退休组合提供可靠的股息收入。
- 投资组合经理决定是否增加或削减一只高收益股票的仓位，并评估集中度风险。
- 分析师在低利率环境中筛选机会型收益，并希望区分优质股息股和收益率陷阱。
- 投资者比较不同税收居住地下的税后收益，作为全球投资决策的一部分。
- 长期股东监控现有持仓的股息覆盖和估值，以决定是否继续持有、减少或退出。
- 学习价值投资的学生通过结构化案例研究来理解收益投资的决定因素。
这个 Skill 有哪些优点和局限？
- 强制进行严格的研究纪律，优先使用一手资料、验证日期、并交叉核对数据。
- 要求行业特定的覆盖率指标，而非通用每股收益比率，提供更深入的分析。
- 包含定性的评分卡和阻止门控，防止机械地依赖数值分数。
- 提供明确的操作步骤和输出格式，提高报告的一致性。
- 区分总收益和净收益，并列出计算净收益的条件，对税务复杂情况透明处理。
- 要求三情景分析，并特别测试股息削减，提高对风险的准备。
- 生成审计报告以确保参考和计算，提高可信度。
- 与更广泛的研究工具集集成，但不复制其功能。
- 需要用户提供交易细节和税务信息，以计算净收益；缺失数据会限制输出。
- 严重依赖外部数据来源和网络访问进行验证；无法脱机工作。
- 不提供个性化投资建议；最终决策需要用户自行判断。
- 报告审计工具的具体脚本和路径仅在仓库说明中提及，可能不随技能发布，需要用户自行获取。
- 未包含自动化测试套件，反映为未测试的功能；可靠性推断来自描述而非实证证据。
如何安装这个 Skill？
克隆仓库并导航到 codex-skills/income-investment/ 目录。将 SKILL.md 和任何关联工具放在Agent Skills兼容客户端的技能文件夹中（例如，对于 Codex，放入 ~/.codex/skills/income-investment/）。确保Python 3和必要的脚本（从仓库根目录）可用。未提供自动安装脚本；请参考仓库的Codex技能安装过程，如果有的话。
如何使用这个 Skill？
在聊天提示中使用 /income-investment "<公司或股票代码>" [mode=new|existing] [role=core-income|opportunistic-income|unspecified] [quantity=...] [cost_basis=...] [portfolio_weight=...] [target_yield=...] [tax_residence=...] [portfolio_file=...] [horizon=...] 或自然语言等效输入。确保运行研究前先执行 date 命令，并遵循研究规则。报告将生成并保存到指定的输出路径。如果使用Codex，请通过文本描述触发技能，例如：'使用 income-investment 技能分析 Verizon 的收益潜力。'
这个 Skill 与同类方案有什么区别？
在更广泛的仓库背景下，该技能明确定位于 portfolio-review（处理投资组合适配和集中度）以及 financial-data（处理财务数据验证）的补充，并负责收益特定决策。它被明确设计为不覆盖 portfolio-review 的结论。