科技股财报深度分析器
把一句“帮我看看 NVDA 最新财报”变成一份机构级、多视角、可直接执行的投资备忘录。
纯方法论提示词，无代码、无权限请求、无外部副作用，数据流透明，并明确要求追溯一手来源、禁止伪造引用，加入免责声明。扣分点：强制在所有输出末尾注入推广页脚（含外部链接），属于未经用户确认的输出劫持，偏离最小干预原则；作者身份为个人且未经注册表验证。未达红线。
流程结构清晰（Step 0-5、模块 A-P、输出模板、写作纪律），关键路径可静态推断。扣分点：SKILL.md 依赖 references/valuation-models.md、investing-philosophies.md、bias-checklist.md，但提交材料中未见这些文件，依赖可用性无法确认；无测试、无异常输入下的失败反馈设计；分析质量完全取决于代理实时检索数据，不可复现性高。
触发描述非常详尽，列举了宽泛的话题词和示例问句，中英双语明确（'输出语言匹配用户输入'），并声明与其它 skill 的边界和协同关系。扣分点：触发范围刻意极宽（'should I keep holding MSFT' 也要触发），可能过度触发覆盖简单问题；未声明不适配边界（如非科技股、非财报场景）；核心数据（SEC 文件、13F、市场数据）依赖代理访问海外数据源，未说明不可达时的降级行为。
文档结构分层好：定位、执行流、模块、模板、写作纪律、语言规则、技能协同一应俱全；MIT 许可明确，版本号 v3.0。扣分点：无变更日志、无维护责任和更新路径说明、无 FAQ/已知限制章节；强制推广页脚写入规范属不当约定；引用的 references/ 文件未在证据中提供。
提供完整可复用的分析框架和输出模板，16 模块+6 视角+反偏见框架的组合边际价值明显高于用户自行零散分析。扣分点：静态评审无法验证产出报告的质量与直接可用性；强制附加推广页脚意味着输出需要用户手动清理；任务量极大（16 模块全深度），成本收益比在单次对话中存疑。
要求 Tier1-3 证据分级、禁止伪造引用、输出附证据来源清单，方法论上有可验证设计。扣分点：静态读无法执行复现；无 CI、无测试、无第三方执行证据；实际引用是否真实可追溯完全依赖运行时行为，无任何已提交的佐证材料。
- Skill 强制在每次输出末尾附加作者推广页脚，输出需人工清理后再使用
- 引用的 references/ 三个参考文件未在本次证据中提供，安装后请自行确认其存在与质量
- 分析完全依赖代理实时检索 SEC/市场数据，结论不可复现且可能含幻觉引用，重要决策务必人工核对原始文件
- 核心数据源均在美国，中国大陆网络环境下部分来源可能不可达，未提供降级方案
- 输出含投资建议类内容（Action Price、仓位建议），仅供研究参考，不构成投资建议
这个 Skill 能做什么，适合哪些场景？
tech-earnings-deepdive 是一个面向“大散”（自有资金、按季持股的科技股投资者）的财报深度分析 Skill。它以 1-3 个关键力量为锚，依次执行 16 个分析模块（A-P）、6 大投资哲学视角、多方法估值矩阵、反偏见与事前尸检，最终输出带 Action Price、仓位建议和长期监控清单的可执行报告。分析强调一手证据（SEC 文件、内部人交易、招聘/客户评价等），并要求给出与市场共识相悖的 Variant View。纯 Markdown 提示词实现，无需脚本或外部工具。
读取用户的财报分析请求后，按五步主流程产出报告：第零步识别决定公司未来价值的 1-3 个关键力量；第一步执行 16 个模块（收入质量、利润率与 GAAP/Non-GAAP 差异、现金流与资本配置、前瞻指引、竞争格局、分行业 KPI、产品与新业务、合作伙伴生态、高管与治理、宏观政策、估值模型选择、筹码分布、长期监控变量、研发效率、会计质量、ESG 筛查），核心数据要求追溯到 SEC 文件等第二层级证据，全报告至少引用 3 个一手来源；第二步用巴菲特/芒格、Baillie Gifford/ARK、Tiger Cubs、Klarman/Marks、Tepper/Ackman、Druckenmiller 六种投资哲学分别给出 Long/Short/Pass 判断；第三步做多方法估值矩阵（含敏感性分析和概率加权 IRR 铁律：做多 ≥15%、做空 ≥20-25%）；第四步做认知偏差自检与事前尸检；第五步输出含 Variant View、Kill Condition、Action Price、建仓节奏和监控触发条件的完整备忘录，报告语言跟随用户输入语言。
- 按季持有科技股的个人投资者在财报发布后想知道该加仓、减仓还是持有，需要结构化的深度拆解而非情绪化结论
- 自研投资人想检验自己是否被市场共识裹挟，需要一份强制性的 Variant View 和反偏见检查
- 多空研究者需要一份覆盖筹码分布、内部人交易、空头数据的空方视角证据链
- 投资小组希望用统一模板（关键力量→模块→估值→决策）跨季度追踪同一公司的基本面变化
- 想以机构级标准要求 AI 输出的散户，用 Tier 1-3 证据分级来约束报告的可信度
这个 Skill 有哪些优点和局限？
- 方法论完整：16 模块 + 6 哲学视角 + 多方法估值 + 反偏见，覆盖从证据收集到决策执行的完整链条
- 以关键力量驱动分析深度分配，避免面面俱到却浅尝辄止的清单式输出
- 证据分级制度（一手/事实/观点三层）明确禁止编造引用，核心数据要求追溯到 SEC 文件
- 输出可直接执行：Action Price、建仓节奏、加/减/清仓触发条件和监控清单，而非空泛的多空判断
- 纯 Markdown 提示词，无脚本依赖，可移植到任何支持 Agent Skills 的客户端
- 分析质量完全依赖模型联网检索真实财报数据的能力，Skill 本身不内置数据源或脚本，若客户端无法联网或检索到过时数据，报告可信度会下降
- 没有附带测试用例或基准评估，输出质量未经验证
- 单次完整分析涉及 16 个模块和 6 个视角，token 消耗大、耗时长
- IRR 阈值、评分规则等参数是作者设定的固定值，用户无法按自身风险偏好调整（除非手动改 SKILL.md）
- I ARM 触发等描述依赖模型自觉遵循长指令，复杂流程在小上下文模型中可能执行不完整
如何安装这个 Skill？
方式一（Skills.sh 自动发现）：运行 npx skills add https://github.com/star23/Day1Global-Skills --all，skills 安装到 .agents/skills/ 目录，对话中出现相关话题时自动激活。方式二（Claude Code 斜杠命令）：git clone https://github.com/star23/Day1Global-Skills.git，然后 cp -r Day1Global-Skills/tech-earnings-deepdive your-project/.claude/skills/（或复制到 ~/.claude/skills/ 实现全局可用），重启 Claude Code 后即可用 /tech-earnings-deepdive 调用。注意：本仓库包含 5 个 skill，此命令只涉及其中的 tech-earnings-deepdive。
如何使用这个 Skill？
安装后无需额外配置，直接用自然语言提问即可触发。示例："Analyze NVDA's latest earnings report"、"META 这季度表现如何？"、"从多个投资大师的视角帮我看看 MSFT，现在值得买入吗？"。若同时安装了 us-value-investing、us-market-sentiment 或 macro-liquidity，Skill 会在适当环节建议联动使用（如财报分析后做四维价值评分交叉验证）。
这个 Skill 与同类方案有什么区别？
源材料明确说明本 Skill 与同仓库的 us-value-investing 互补：us-value-investing 聚焦巴菲特式四维长期价值评分，本 Skill 聚焦最新财报的深度解剖、多投资哲学碰撞和可执行仓位决策，作者建议两者结合交叉验证。