Codex adapter note

This skill is generated from skills/deep-company-series.md so Claude Code and Codex users share one canonical workflow.

• Treat $ARGUMENTS as the user's request in the current Codex thread.
• When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
• Use shared project tools from tools/ in this repository. Prefer running commands from the repository root with paths like python3 tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.
• Before starting research, run the date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.
• Preserve the research quality rules from AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

看懂XX公司（深度公司系列）：3-8 篇长文拆一家公司

为 $ARGUMENTS 撰写一个《看懂XX》深度长文系列（3-8 篇，按公司复杂度定，见"篇数适配"），发布在公众号/视频号等公开渠道。核心 IP 不是"会写"，而是"会改"——99% 的财经文章在违反本 skill 的事实核查标准。

参考样本：reports/腾讯/《看懂腾讯》/

一、触发场景

用户希望为一家公司做"教科书级别"的深度研究，并以系列长文形式公开发布。区别于一篇研报：

• 3-8 篇（复杂公司 8 篇约 12 万字，简单公司 3 篇约 3 万字），从认知重置到决策框架完整闭环
• 每篇独立成文（适合单篇分享），但贯穿一套估值/管理层/价格判断
• 写给"愿意花 90 分钟读懂一家公司"的读者，不是写给券商客户

不适合用本 skill 的场景：单篇研报、季报点评、行业研究——那些用 /investment-research、/earnings-review、/industry-research。

二、系列篇目模板

篇数适配公司复杂度（先定篇数，再定篇目）

篇数不固定为 8。 8 篇是腾讯这种"多业务 + 万亿投资组合 + 20 年管理层故事"的公司才撑得起的容量。写之前先问：这家公司有几个能用"一个尖锐问题"独立成文的主轴？有几个写几篇。

3 篇的标准合并方式（下面 8 主轴仍是检查清单，全部要覆盖，只是折进 3 篇）：

判断信号：如果某篇写到一半发现在"凑内容"（同一事实换说法重复出现），说明篇数定多了——合并。反之，某篇超过 12,000 字还塞不下，拆开。

8 主轴全模板（复杂公司用；简单公司当检查清单折叠）

加一篇 00-系列说明.md 作为目录索引，不发表。

篇目必须适配公司：模板是腾讯长出来的，不是套子。某篇没有独立内容（如没有投资组合的公司写不了 04），就替换成该公司特有的主轴（如快手的可灵 AI、电商），或按上面的合并方式折进更少的篇数。判断标准：这一篇能否用"一个尖锐问题"独立成文。

二·五、篇内结构模板（从《看懂腾讯》8 篇正文提炼）

每篇不是自由发挥，有固定骨架。共性结构：

• 头部引用块：> 《看懂X》系列 · 第 0N 篇 · <主轴>，开篇加阅读时间
• 第一节永远是钩子：一组反常识数字 / 一条反常曲线 / 一个让市场担心的数字，不写背景铺垫
• 每篇末尾：## 本篇要点回顾（5-8 条，数字与正文严格一致）+ ## 下期预告（用尖锐问题预告，不剧透结论）
• 结尾两行斜体：*本文是《看懂X》系列第 0N 篇...* + *本系列基于公开信息和价值投资框架研究，不构成任何投资建议。*

各篇专属骨架：

三、写作风格规范

语气

• 直接、犀利、不说废话——第一句就给数字或反常识结论
• 价值投资框架——巴菲特/芒格/段永平/李录视角穿插（但不堆砌名言）
• 不预设立场——先摆数据、再推逻辑、最后得结论
• 呈现正反两面——每个核心判断都附"但另一方面..."的反方
• 公众号体感——前 18-20 字必须能独立站住（手机预览）

禁用词

标题风格

• 用反差数字或反共识结论做钩子（"15 年 7 次挑战全失败"、"年薪 4292 万仅占利润的万分之 1.65"）
• 副标题中性、概括内容（"——<本质判断>"）
• 避免流量党比喻："小巴菲特"、"中国版 X"、"YYDS" 一律避开
• 用专业读者熟悉的术语（"伯克希尔"而不是"巴菲特"，公司名优于人名）

四、严苛事实核查 Checklist（核心 IP）

写之前就要警惕的"伪精确"陷阱

1. 概率加权期望值：30% × A + 50% × B + 20% × C = 期望 +X% 这种计算几乎全是垃圾——概率分配是纯主观，给读者错误精确感。只列情景 + 触发条件 + 方向，不算加权期望。
2. 第三方测算 MAU/份额：QuestMobile/七麦/CBNData 等口径差异巨大（同一时点能差 2-3 倍）。只用最可信的两个对比作 anchor，其他做定性描述。
3. 历史增速线性外推：2025 年 +33% × 5 年复合 → 2030 年 X 是金融文盲式预测。情景假设 + 高/低区间 + 不是承诺。
4. 未公开的持股比例：字节、Halti 类未上市公司持股从未公开披露。给区间，标"不可知"。
5. 强归因：竞争对手失败 = 因为 X。多重原因都列出来，本文不做单一归因。

修订时必跑的 7 项检查

□ 1. 跨篇数字一致性：总市值、Non-IFRS 净利润、关键持股 % 全系列对齐
□ 2. 口径标注：Non-IFRS / GAAP / Non-IFRS-SBC / FCF 各用哪个，全文清楚
□ 3. 重复加计扫描：已并表子公司不在"投资组合"里、SOTP 不双算
□ 4. 横向比较公平性：不能"主业 PE（剔除现金+组合）" vs "对手 PE（不剔）"
□ 5. 概率加权全删：见上一条
□ 6. 绝对化表述全弱化：grep "显然|必然|严重|教科书|完美"
□ 7. 第三方数据来源标注：每条非财报数据后跟"（来源：X）"

模型偏好

写之前先列出已知硬错误风险：

• 历史回报倍数：必须用累计投入口径（如 Riot 33 倍 不是 58 倍）
• 持股比例：必须看最新富途/财报口径（如腾讯持有美团 1.5% 不是 6.4%）
• "派息分派"会计处理：视同处置收益按 IFRIC 17 在宣派日确认（如京东在 2021，美团在 2022 但金额小）
• 总股本会反弹：SBC 集中年初授予会让股本短期上升

五、执行流程

阶段 1：调研（写 01-02 篇前完成）

1. 阅读公司近 5 年年报、最新季报
2. 阅读至少 3 份独立卖方研报（找共识 + 反共识）
3. 用 /investment-team 或 /investment-research 先生成内部研究底稿
4. 与用户确认 8 篇的核心论点（避免写完才发现方向不对）

阶段 2：写作（按 01→末篇顺序写，不跳）

• 每篇写完先存 reports/{公司名}/《看懂{公司名}》/0X-XX.md
• 目录冲突规则：若 reports/{公司名}/《看懂{公司名}》/ 已存在（旧版系列），不覆盖、不混放——新系列写入带日期后缀的新文件夹 reports/{公司名}/《看懂{公司名}》-{YYYYMMDD}/，旧文件夹原样保留
• 不立即推 GitHub——等用户审阅
• 用户提修订意见后修改
• 修订完才 git push

阶段 3：跨篇一致性扫描（全部篇目写完后）

派 Explore agent 并行扫描全系列做以下检查：

1. 同一数字（市值、净利润、持股比例）跨篇是否一致
2. 同一术语（FBS、SBC、Non-IFRS）首次出现是否解释
3. 引用关系：02 篇说"详见 06 篇"是否真的对应
4. 要点回顾 vs 正文是否数字一致

阶段 4：发布前最终核查

# 推送前必须本地 grep 一次（按 ai-berkshire 隐私规则）
grep -r "<本机用户名>\|/Users/\|<个人身份信息>" reports/ | head

确认无误后才 git pull --rebase && git commit && git push。

六、修订意见处理流程

用户给修订意见时，按以下顺序处理：

1. 先核查事实（不要直接改）

如果用户说"X 数据不对"，先用 Bash/Read 找原始数据交叉验证：

• 看 ai-berkshire 项目里同公司的 earnings/财报报告
• 看富途/官方披露
• 给出"用户说的数据 vs 我查到的数据 vs 我之前用的数据"三方对比

2. 判断修订级别

3. 修订后联动检查

修一处先想"哪些地方还会引用这个数字/概念"。例：

• 改了总市值 → 全系列联动改 PE / 主业 PE / 折让 / FCF Yield
• 改了持股 % → 改 TOP 10 排序 + 历史持股表 + 减持清单
• 改了术语口径 → 改首次定义 + 后续引用 + 要点回顾

4. 推送后立即报告

推送成功（commit hash）。
[N] 处修订总结 [带表]：
- 改了什么
- 联动改了什么
- 还有什么没改

下一步等指示。

七、本 skill 不做什么

• 不替读者做投资决策——所有篇章末尾"不构成投资建议"
• 不预测股价——只给"情景 + 触发条件"
• 不算"期望年化回报"加权值——主观概率分配会误导读者
• 不写"X 大佬也持有" —— 用别人的持仓为自己的判断背书是反价值投资的
• 不强求 8 篇都写——如果某篇没足够独立内容（如某公司管理层不够特别），合并到其他篇或减篇数

八、合规与隐私

• 所有公开报告只用公开信息（财报、官方披露、券商研报、知名第三方机构）
• 不用任何用户个人信息（公司花名、内部 IM、未公开持仓信息）
• 推送前必须用 grep 扫描 本机用户名 / /Users/ / 真实姓名 等隐私字段
• 公开署名按用户多层身份策略，不混用

一句话总结

写《看懂 X 系列》的核心能力 ≠ 写得好，而是改得严—— 89% 的财经长文死于伪精确数字、主观加权期望值、绝对化表述。本 skill 的存在就是为了把这些坑全部标记出来，写之前避开，写之后扫干净。