价值投资分析智能体
让 Claude 按格雷厄姆与巴菲特的原则分析美股：内在价值、安全边际与护城河，一站式估值报告。
该 SKILL.md 是纯方法论指导文件，不请求任何权限、不执行脚本、不触碰凭据或敏感数据，且强制要求引用数据来源并附带免责声明，数据流向透明；扣分在于它指导模型调用外部数据提供方（雅虎财经等），未说明外部调用范围、失败恢复与回滚机制，发布者身份未经认证。
文件自身逻辑自洽（DCF、Graham Number、增长率公式相互一致，保守估计原则明确），且仓库中的 vitest 测试（dcf/graham/margin-of-safety）覆盖了核心计算路径并处理负 FCF、零值等边界；但这是静态审阅，测试未实际执行，技能本身对输入缺失、数据不可得时的失败反馈仅有'标记不确定性'等原则性描述，未达可执行验证标准，按上限 10 分封顶。
面向价值投资分析者，五步框架和触发场景清晰，分析了能力边界（能力圈原则、非投资建议声明）；扣分：无中文支持说明，核心数据依赖 yahoo-finance/finnhub/alpha-vantage 等海外 API，且默认雅虎源明示可能 429 限流，中国大陆网络可达性存疑，触发条件与不适配范围未系统声明。
结构清晰、渐进式（原则→框架→报告规范→常见陷阱），包含免责声明模板、数据质量标准与已知限制（过度精确、价值陷阱）；扣分：SKILL.md 自身无版本号/变更记录，安装与依赖说明在 README 层而非技能层，维护责任与更新路径未在技能内明确。
能引导模型产出结构化的估值与安全边际报告，方法论可复现（公式与阈值明确）；但价值主张（'像格雷厄姆和巴菲特一样分析'）主要是一套通用投资方法论提示，与直接询问 Claude 相比边际增益证据有限，输出仍需用户自行核验数据与假设，静态审阅下不超过 7 分。
仓库含三个针对核心计算的测试文件，公式来源（格雷厄姆原著）可追溯，事实与推断（数据 vs 观点）分离有明确要求；但测试未被执行、无 CI 或第三方执行证据，技能文件本身的可验证声明覆盖较薄，按静态上限 5 分封顶后保守给 4。
- 本评估为静态源码审阅，未执行任何代码或测试。
- 默认数据源（雅虎财经）存在限流风险，finnhub/alpha-vantage 需注册 API key，均为海外服务，中国大陆网络可达性未经验证。
- 技能无中文支持，中文用户输出语言需自行约定。
- 输出为教育/研究用途，不构成投资建议；估值结果高度依赖假设，须自行核验。
- 技能层无版本号与变更记录，升级行为可能不稳定。
这个 Skill 能做什么，适合哪些场景？
这是 danielchu97 开发的价值投资智能体，包含一份 SKILL.md 分析方法论和一个可独立运行的 MCP 服务器（npm 包 value-investing-agent）。技能文件指导模型按格雷厄姆与巴菲特的理念分析股票：用 DCF、格雷厄姆数字等公式估算内在价值，要求 25% 以上的安全边际，并评估五种护城河类型。MCP 服务器提供实时行情、财报数据、新闻聚合、自选股清单与报告生成等十个工具，支持 Yahoo Finance（默认）、Finnhub、Alpha Vantage 三种数据源并可自定义插件。项目采用 MIT 许可证，仅用于教育与研究，不构成投资建议。
SKILL.md 部分定义了一套股票分析流程：理解业务、评估护城河（品牌、成本、网络效应、转换成本、规模经济）、检查财务健康度（ROE>15%、流动比率>1.5、利息覆盖>5x 等）、用 DCF 和格雷厄姆公式估算内在价值、计算安全边际并输出含免责声明的结构化报告。MCP 服务器部分通过 get_stock_quote、get_financials、calculate_intrinsic_value、analyze_moat、manage_watchlist、generate_stock_report 等工具拉取行情与财务数据、执行估值计算、维护自选股并生成日报与深度分析报告。
- 个人价值投资者想快速判断某只美股（如 AAPL、MSFT）当前价格是否具备 25% 以上的安全边际
- 关注多只股票的投资者希望为自选清单生成每日摘要报告，避免逐一手动查看行情
- 格雷厄姆/巴菲特方法论的学习者需要一份结构化的分析模板来练习估值与护城河评估
- 需要比较不同估值方法（DCF、格雷厄姆数字、成长公式）并采用最保守结果作为参考的保守型投资者
- 开发者希望基于插件架构接入自己的行情数据源，构建个性化的投资分析流水线
这个 Skill 有哪些优点和局限？
- 方法论完整且明确：给出具体的估值公式、财务门槛（ROE>15%、毛利率>40% 等）和报告结构，而非泛泛的建议
- 提供可独立运行的 MCP 服务器，npx 一行命令即可启动，支持 Claude Desktop 等任何 MCP 兼容客户端
- 数据源可插拔，内置 Yahoo Finance（免 key）、Finnhub、Alpha Vantage 三种选项，并支持自定义 provider
- MIT 许可、有测试与 lint 脚本、中英双语 README，工程化程度较高
- 明确的风险控制：要求保守估值优先、强制免责声明、指出价值陷阱等常见错误
- 默认 Yahoo Finance 数据源有速率限制，可能触发 429 错误，稳定使用需自行申请 Finnhub/Alpha Vantage key
- DCF 估值依赖模型假设，技能本身也承认这是估计值而非精确结果，不能作为实际投资依据
- 数据源覆盖以美股为主（文档示例均为美股），非美股市场支持未在文档中说明
- 文档未提供回测或估值准确性的验证数据，分析质量取决于模型与数据质量
- SKILL.md 与 MCP 服务器是两个部分，仅装技能文件时无法获取实时行情等工具能力
如何安装这个 Skill？
无需安装技能文件即可直接使用方法论；若要使用 MCP 工具，推荐方式：在 MCP 客户端（如 Claude Desktop）配置文件中添加 {"mcpServers":{"value-investing-agent":{"command":"npx","args":["-y","value-investing-agent"]}}}。要求 Node.js >= 18。也可全局安装（npm install -g value-investing-agent）或从源码构建（git clone 后 npm install && npm run build）。如需更稳定的数据，注册 finnhub.io 免费获取 API key，并通过环境变量 FINNHUB_API_KEY 配置。技能文件路径为仓库内 skills/value-investing/SKILL.md。
如何使用这个 Skill？
配置完成后在 MCP 客户端中用自然语言触发工具，例如：「Get me the current quote for Apple」「Calculate the intrinsic value of AAPL」「Analyze the competitive moat of Coca-Cola」「Add GOOGL to my watchlist in the Technology group」「Generate a daily report for my watchlist」「Create a detailed analysis report for Berkshire Hathaway」。可用 set_provider 切换数据源，list_providers 查看可用数据源。SKILL.md 单独使用时，可作为 Claude 等模型的分析指引，要求其按报告规范输出估值分析。
这个 Skill 与同类方案有什么区别？
仓库自身定位为「每个价值投资者都值得拥有的 AI 智能体」，与直接向通用 AI 助手提问估值问题相比，其优势在于内置了实时行情工具、明确的估值公式与自选股管理；与仅使用 SKILL.md 文件相比，MCP 服务器版增加了数据获取与报告生成能力，但需要 Node.js 环境和 MCP 客户端配置。