Agent Skills › wbh604/UZI-Skill › investor-panel

investor-panel

GitHub

模拟65位投资大佬评审团，基于股票数据按9大流派方法论独立打分。输出包含信号、置信度及个性化评论的JSON结果，并汇总投票共识与分布统计，辅助投资决策。

skills/investor-panel/SKILL.md wbh604/UZI-Skill

Trigger Scenarios

请求评审团意见询问65位大佬看法查询某股是否会买发起大佬投票

Install

npx skills add wbh604/UZI-Skill --skill investor-panel -g -y

More Options

Use without installing

npx skills use wbh604/UZI-Skill@investor-panel

指定 Agent (Claude Code)

npx skills add wbh604/UZI-Skill --skill investor-panel -a claude-code -g -y

安装 repo 全部 skill

npx skills add wbh604/UZI-Skill --all -g -y

预览 repo 内 skill

npx skills add wbh604/UZI-Skill --list

SKILL.md

Frontmatter

{
    "name": "investor-panel",
    "author": "FloatFu-true",
    "license": "MIT",
    "version": "3.9.1",
    "metadata": {
        "hermes": {
            "tags": [
                "finance",
                "investor-panel",
                "voting",
                "role-play",
                "a-share",
                "value-investing",
                "growth-investing"
            ],
            "related_skills": [
                "deep-analysis"
            ]
        }
    },
    "description": "65 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json，让 65 位投资者各自按自己的方法论打分并输出 Pydantic Signal（signal\/confidence\/score\/verdict\/comment）。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派、科技领袖派、AI 卡位猎手 9 大流派。当用户请求\"评审团\/65 大佬怎么看\/某某会买吗\/做一次大佬投票\"时使用。"
}

Investor Panel · 50 贤评审团

调用上下文

读取以下输入：

.cache/{ticker}/dimensions.json — 19 维评分
.cache/{ticker}/raw_data.json — 原始数据
scripts/lib/investor_db.py — 65 人元数据
scripts/lib/seat_db.py — 22 位游资射程规则

输出：

.cache/{ticker}/panel.json — 50 个 Signal + 投票统计

严格输出格式（Pydantic Signal，抄自 ai-hedge-fund）

每个投资者必须返回严格 JSON：

{
  "investor_id": "buffett",
  "name": "巴菲特",
  "group": "A",
  "avatar": "avatars/buffett.svg",
  "signal": "bullish | neutral | bearish",
  "confidence": 87,
  "score": 82,
  "verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合",
  "reasoning": "1-3 句具体逻辑",
  "comment": "用该投资者语言风格的金句 1-2 句",
  "pass": ["..."],
  "fail": ["..."],
  "ideal_price": 16.20,
  "period": "3-5 年"
}

Confidence 校准规则：

85-100：核心方法论硬指标全部命中或全部不命中
60-84：多数命中
30-59：部分命中、需要等待信号
0-29：方法论不适用此股 / 信息不足

执行步骤

Step 1: 加载元数据

from lib.investor_db import INVESTORS, by_group
from lib.seat_db import SEATS, is_in_range

Step 2: 对每位投资者

取出 fields 白名单
从 dimensions.json 提取相关字段
读取该投资者所在 group 的 reference 文件（按需）
用该投资者的方法论 + 语言样本生成 Signal（Claude 自己生成）
校验 JSON 合法性

Step 3: 游资射程预过滤（F 组特殊）

对 22 位游资，先用 is_in_range(nickname, ticker_features) 判断是否在射程内：

在射程 → 正常评分
不在射程 → signal: "neutral", verdict: "不适合", confidence: 90, comment: "{nick}的射程是{style}，这只票不在风格内。"

Step 4: 汇总投票

{
  "panel_consensus": (bullish_count / 50) * 100,
  "vote_distribution": Counter(verdict for i in investors),
  "signal_distribution": Counter(signal for i in investors),
  "investors": [...]
}

7 大流派详细方法论

按需读取下列 references：

组	文件	人数
A 经典价值	`references/group-a-classic-value.md`	6
B 成长投资	`references/group-b-growth.md`	4
C 宏观对冲	`references/group-c-macro-hedge.md`	5
D 技术趋势	`references/group-d-technical.md`	4
E 中国价投	`references/group-e-china-value.md`	6
F 游资	`references/group-f-china-youzi.md`	22
G 量化系统	`references/group-g-quant.md`	3