郑希观点库
以易方达基金经理郑希全部公开原话为根基的溯源式投研 Skill，能引原文答观点、按其框架推演和给基金打分，绝不杜撰。
SKILL.md 强调引用忠于原文、原话与推演分离、不杜撰，边界声明清晰（非投资建议）；脚本为本地单条命令、无隐蔽权限扩张，依赖仅 requests/bs4/lxml。扣分：fetch_any_fund/score_fund 需联网抓取外部站点但未披露失败/异常的数据流与回滚策略；README 建议放行 Bash(python:*) 属过宽权限；仓库级 license 元数据为 NOASSERTION。
指令自洽、脚本职责清晰（检索/查找/抓取/评分各一），有缓存 7 天与 --force 刷新、近义词检索提示、任职区间过滤等异常提示。扣分：静态审查未执行，脚本错误处理与失败反馈无法核实，无提交的测试覆盖关键路径。
受众与场景非常明确（查观点/学方法/言行对照/全市场对比评分），触发词具体，边界（防御型基金低分属正常）披露清楚；中文语料为主、数据来自天天基金/易方达，对中国大陆网络友好。扣分：触发范围较宽（'任意基金'）可能引发过度触发，实时抓取在无外网沙箱不可用已声明但仍是环境限制。
文档分层良好（SKILL.md→references→scripts），有 CHANGELOG（SemVer 1.2.0）、MIT LICENSE、来源说明、多平台部署指南。扣分：skill.yml 承认 schema 为'尽力版本'未经官方校验；个人项目无明确维护承诺与更新保障路径。
README 给出四类真实输出示例且结构可直接使用，评分一键脚本降低了使用成本，相对'凭印象回答'有明确边际价值。扣分：静态审查无法验证输出正确性；示例为作者自述'真实输出'，未经独立复核，引用的 2025-2026 业绩数字无法核实。
设计上高度可溯源：corpus_index.、method.md 每条配原话、基金数据标季度与日期、来源指向易方达官网与天天基金。扣分：语料原文与数据快照未在本次审查中逐条核对，静态评分上限 5，无法独立复现引用真实性。
- 本评估为静态源码审查，未执行任何脚本或独立核验语料/业绩数据，输出示例中 2025–2026 年数字无法验证真实性。
- 抓取/评分脚本需联网访问天天基金等外部站点，站点结构变更可能导致失效；建议使用者注意缓存时效并核对关键数字。
- README 建议放行 Bash(python:*) 会放行所有 python 命令，权限偏宽，建议改用更窄的脚本路径白名单。
- skill.yml 的 WorkBuddy schema 为作者推测版本，导入可能失败需手动调整。
- 评分衡量的是与郑希风格契合度而非基金优劣，防御型/债券基金天然低分，不应作为投资依据。
这个 Skill 能做什么，适合哪些场景？
这是一个面向基金经理研究的 Agent Skill，核心是易方达权益投资管理部副总经理郑希 2012–2026 年全部公开观点原文语料。所有回答都能溯源到具体年份与原文，并配有一份每条都有本人原话佐证的方法框架，用于语料未覆盖话题的推演。它还内置郑希全部 8 只基金的逐季持仓与业绩快照，以及全市场约 2.7 万只基金列表，可按需抓取任意基金做言行对照、同类对比和按郑希六维框架的契合度评分。仅作研究学习辅助，明确不构成投资建议。
检索 references/corpus/ 中郑希的定期报告、手记、采访原文并带出处引用；用 references/method.md 的框架对语料外话题做推演（首句声明非本人观点）；读取 references/fund_data/ 的 8 只基金逐季前十大重仓、净值/业绩/规模快照做言行对照；通过 fund_lookup.py 在约 2.7 万只基金中定位代码，fetch_any_fund.py 联网抓取任意基金明细到缓存；score_fund.py 一键备齐数据并算出集中度、换手代理、回撤等机械指标，配合 scorecard.md 六维评分卡输出总分与评级。
- 科技行业研究员想核实郑希对光通信/AI 算力的真实表态及何时开始看好，要求带原文出处
- 基金分析者想知道郑希'说看好光通信'是否落实到持仓，需要逐季重仓股与业绩数据对照
- 用户想用郑希的方法框架评估某只非其管理的基金（如招商中证白酒），看'郑希会不会买'
- 内容作者想模仿郑希季报口吻写一段市场展望，并明确标注为风格化模拟
- 研究者想把郑希的基金与全市场任意基金（需联网抓取）在收益、回撤、持仓风格上并列对比
这个 Skill 有哪些优点和局限？
- 溯源设计扎实：引用须忠于语料原文，方法框架每条都有本人原话佐证，并强制区分'原话/推演/需核实'三类内容
- 接入真实数据：郑希 8 只基金的逐季持仓与净值业绩为本地快照，言行对照不依赖模型记忆
- 覆盖面超出单一经理：内置约 2.7 万只全市场基金列表，可按需抓取对比和评分
- 跨平台适配详细：README 给出 Claude Code、WorkBuddy、Cursor、ChatGPT、Gemini、ima 等多种部署路径
- 评分衡量的是'与郑希风格的契合度'而非基金优劣，防御型/红利/纯债基金天然低分，易被误读
- 全市场实时抓取依赖联网和天天基金公开数据的页面结构，无测试套件，结构变动可能失效
- 持仓数据为季度披露快照，非实时；曾任基金数据覆盖整只基金历史，需自行按任职区间过滤
- 仅适用于郑希及中国公募基金场景，主题高度垂直；License 在 GitHub 标为 NOASSERTION，README 自称 MIT，存在不一致
如何安装这个 Skill？
Claude Code 原生方式：macOS/Linux 执行 mkdir -p "$HOME/.claude/skills/zhengxi-views" && cp -R SKILL.md README.md references scripts "$HOME/.claude/skills/zhengxi-views"/，Windows PowerShell 用 New-Item + Copy-Item 等效操作，装好后完整重启 Claude Code。腾讯 WorkBuddy 用户把整个文件夹放入其 skills/ 目录（仓库附 skill.yml）。如需联网抓取/评分，先 pip install -r requirements.txt（requests/beautifulsoup4/lxml）。其他平台（Cursor、ChatGPT GPTs、Gemini、腾讯 ima）的部署方式 README 有说明，但其中部分平台沙箱无外网，实时抓取不可用。
如何使用这个 Skill？
重启后直接自然语言提问即可触发，例如：'郑希怎么看光通信？他什么时候开始看好的？''郑希说看好光通信，持仓真印证了吗？''用郑希的标准给招商中证白酒打个分，他会买吗？''把郑希和葛兰的中欧医疗比一比'。语料未覆盖的话题会退守到 method.md 的框架推演，并在首句加粗声明非郑希本人观点。
这个 Skill 与同类方案有什么区别？
README 明确将本 skill 与'投资框架/方法论'类 skill 区分：后者只抽象方法论、不引原文、产出选股清单，而本 skill 以郑希原话语料为根基，产出带出处的引用与可查证的前瞻推演，核心约束是不杜撰。