投资大佬评审团（Investor Panel）
让 65 位投资大佬按各自方法论为个股打分，输出结构化 Signal 和投票统计。
证据显示：技能只读取输入文件并生成输出文件，不执行系统级操作；技能文档明确要求用户提供'严格JSON'输出，但缺乏显式的用户确认步骤。权限范围适中，但未提及最低权限原则或额外安全措施。数据流透明，敏感数据处理未涉及。依赖库均为常规金融数据库，无已知漏洞。外部效应仅限于生成报告文件，可回滚。作者信息明确（FloatFu-true），但发布者未经验证。主要扣分点：缺少用户确认机制、未明确权限边界、发布者身份未验证。
证据显示：技能有清晰的执行步骤和输出格式，涵盖多个投资流派，依赖的库（akshare, yfinance等）为常见金融库，但未提供测试用例。技能描述了一些错误处理（如数据缺口处理），但未系统化。关键路径（生成panel.json）在静态审查下无法验证。扣分点：没有测试证据、错误处理不完整、happy path以外的行为未定义。
证据显示：技能针对明确场景（评审团分析），有清晰的输入输出定义，触发条件语义明确（如用户请求'评审团/65大佬怎么看'）。环境适应方面，依赖的数据源可能在中国大陆不可达（如Yahoo Finance），但技能提供了fallback链和MX_APIKEY可选配置，README中也有网络受限环境的说明。扣分点：技能核心依赖外部数据源，但明确提及了可达性问题；边界条件（如数据缺失时）的处理说明不够详细。
证据显示：技能文档结构清晰，包含背景、执行步骤、输出格式、完成检查，信息分层良好。有版本号（3.9.2）和更新日志（README中有），MIT许可证明确，作者信息存在。但缺少FAQ、已知限制的明确披露（虽然有README部分提及），安装说明主要在README中而不是技能文件内。扣分点：技能内缺少安装/依赖说明，缺少FAQ，已知限制披露不完整。
证据显示：技能能生成结构化的panel.json，包含多个投资者的Signal和投票统计，核心任务明确。但输出格式要求严格JSON，可能对用户不友好。价值主张清晰，但未提供示例输出或验证生成结果。扣分点：静态审查无法验证输出是否直接可用，缺少示例输出，价值证据有限。
证据显示：技能声称基于多种来源（如巴菲特致股东信），但未提供内部验证材料。README提到685个测试，但未提供与技能直接相关的测试套件。来源引用不明确（如'来源：Berkshire Hathaway Shareholder Letters'但无链接）。扣分点：无第三方执行证据，无跨源验证，来源不可追溯。
- 该技能输出可能被用于投资决策，需明确其仅作为分析参考，不构成投资建议。
- 依赖的多个外部数据源（如Yahoo Finance、部分社交媒体API）在中国大陆可能无法直接访问，需配置代理或使用备用方案。
- 技能生成的角色扮演式评论（如游资风格）存在误导风险，应明确标注为模拟内容。
- 发布者身份未经验证，使用前应自行评估风险。
这个 Skill 能做什么，适合哪些场景？
这是一个用于 A 股、港股、美股的个股分析技能，它读取预生成的 dimensions.json 和 raw_data.json，调用 65 位模拟投资者（涵盖价值、成长、宏观对冲、技术、中国价投、游资等 9 大流派），每位投资者依据自己的规则集和语言风格输出包含信号、置信度、评分、结论和评语的 Signal。最终汇总为 panel.json，包含投票统计和共识。该技能强调角色扮演的真实性，需要引用语料库来生成符合人物风格的评论。
读取 .cache/{ticker}/dimensions.json 和 raw_data.json，以及 scripts/lib/investor_db.py 和 seat_db.py 中的投资者元数据。对每位投资者，根据其字段白名单从 dimensions 提取特征，结合方法论和语言样本生成 Signal（包含 bullish/neutral/bearish 信号、置信度、评分、结论、推理、符合风格的评论、理想价格和投资周期）。特别地，对 22 位游资进行射程预过滤，不在射程内则返回 neutral 和'不适合'。最后汇总所有 Signal 生成 panel.json，包含共识、投票分布和信号分布。
- 当用户询问'评审团怎么看某只股票'时，生成全面的多空观点集合。
- 当用户想了解'巴菲特会买某只股票吗'这类特定投资者的看法时。
- 当用户需要快速了解市场对某只股票的多空分歧时。
- 当用户在做投资决策前，希望看到不同流派（价值、成长、宏观等）的独立判断时。
- 当用户想验证某只股票是否符合某位游资的射程和风格时。
这个 Skill 有哪些优点和局限？
- 覆盖 9 大流派、65 位投资者，视角多元。
- 每位投资者有独立的规则集和语言风格，输出生动且符合人物。
- 对游资进行射程过滤，避免不适用场景的无效评分。
- 输出结构化 JSON，便于后续分析和报告渲染。
- 依赖预先生成的 dimensions.json 和 raw_data.json，需配合仓库其他技能使用。
- 投资者信号由 AI 模拟生成，不代表真实投资者观点。
- 未提供独立测试套件，可靠性依赖上游数据处理。
- 对非热门题材股，游资组可能多数返回'不适合'，需理解其过滤逻辑。
如何安装这个 Skill？
该技能作为 UZI-Skill 仓库的一部分提供，仓库采用 MIT 许可证。可通过 git clone 或各 Agent 的市场安装方式获取整个仓库，然后确保技能目录位于 Agent 的 skills 路径下。具体安装步骤请参考仓库 README。
如何使用这个 Skill？
确保已安装 UZI-Skill 仓库，并已生成目标股票的 .cache/{ticker}/dimensions.json 和 raw_data.json。在 Agent 中发出请求，例如'评审团怎么看贵州茅台'或'做一次大佬投票'，Agent 将加载技能并执行脚本生成 panel.json。可通过 CLI 命令 python run.py <ticker> --school <A-I> 来限定只看某一流派。
这个 Skill 与同类方案有什么区别？
该技能从 virattt/ai-hedge-fund 借鉴了 Pydantic Signal 格式，但并非直接竞争关系。若需对比，可参考 ai-hedge-fund 作为替代方案，它同样提供多位 AI 投资者的信号，但可能侧重于美股且使用不同数据源。