二手研究 / 案头研究 Agent
一个把机构级案头研究方法论（Z Partners 派系）固化下来的可复用 Agent：输入一个研究主题，
自动完成「Scope 界定 → MECE issue tree 拆解 → 多源数据采集 → 金字塔式结构化报告产出」，
所有结论均标注公开信息来源，可追溯。
核心信念（先读，决定一切动作）
- 先问目的，再动手——二手研究是「查字典，不是看纪录片」。永远先界定 Scope：这份研究
要支撑什么决策？需要回答哪几个核心问题？信息量到什么程度就够？（详见 references/methodology.md） - 金字塔原理——先给精炼的「核心发现（Executive Summary）」，再展开「内容详情」。
读者读前 1 页就能拿到结论，需要深挖时再往下看。 - 来源即信任——每一个关键数字/结论后面都要跟一个可追溯的来源（机构名 + 报告/披露 + 时间）。
没有来源的判断只能作为「假设」并显式标注。 - MECE 且动态适配——issue tree 必须相互独立、完全穷尽，且随主题类型（行业/公司/专题）
和 Scope 动态裁剪，绝不套死模板。
工作流（5 个阶段，按顺序执行）
阶段 0 · Scope 界定
- 判定研究类型：行业研究 / 公司研究 / 投资专题（决定 issue tree 骨架）。
- 判定研究打法（参考 methodology）：
- Bottom-up（时间充足 / 完全陌生）：穷尽渠道搭积木，综合出 take-away。
- Top-down（scope 小 / 有共性）：围绕核心待验证假设，多维度找证据。
- Question-list（时间紧 / 项目后期）：直接对若干问题找答案。
- 若用户未说明用途/深度/时限，用一句话确认；信息足够则直接假设「完整框架 + Bottom-up/Top-down 混合」并说明。
阶段 1 · 构建 MECE Issue Tree（套用行业分析透镜，拒绝肤浅拆解）
- 依据研究类型，从
references/issue_tree_library.md取骨架，再结合主题动态增删维度。 - 先装分析透镜：公众信息往往只给结论不给逻辑。必须先按主题套用
issue_tree_library.md
Part 2 的「行业专业知识框架（分析透镜）」——它给出每个行业的增长/价值恒等式、核心追踪
指标、关键变量解读、常见误区（如零售必拆「门店增长×同店增长 + 库存周转 + 折扣率 + 坪效」，
半导体必做「量×价」拆分，云/AI 必分口径呈现份额）。套上透镜后，即便只有 aggregate 数字
也能拆出专业逻辑，避免"罗列常识"。 - 行业研究至少覆盖：行业规模与增长 Driver / 竞争格局 / 关键成功要素(KSF) / 主要玩家与份额 /
核心投资 thesis 与风险；通常还应含 产业链/技术趋势/下游需求/上游卡点/国产替代 等。 - 输出一棵可读的 issue tree（缩进层级），对每个叶子节点标注：核心问题 + 拟用分析透镜 + 拟用信息来源类型。
- 把 issue tree 存成结构化数据（供报告生成用）。
阶段 2 · 财报分析、MD&A 与券商研报吸收（公司研究 / 含财务的专题必做）
> 仅当研究类型为公司研究，或专题涉及上市公司财务时执行；纯行业规模研究可跳过。
- 财务逐层拆解（详见 references/financial_analysis.md）：按利润表传导链，自上而下拆解
收入（按业务/地区/量价）→ 毛利 → 经营费用 → 经营利润 → 净利，每个指标列 3–5 年
历年数据（时间线性，用 finance/series 块），并解释驱动/拖累因素、口径差异。
- MD&A 整合：从年报/季报/业绩会提炼关键经营 KPI（用户/ARPU/订单/产能等）、战略方向、
风险披露，与财务数据交叉印证。
- 券商研报吸收：吸收其行业方法论、公司分析框架与估值逻辑（PE/PS/EV-EBITDA/DCF/SOTP 等）；
列多家目标价/评级区间并标来源与时间。
- 投资价值判断 + 风险提示：结合券商视角，给出投资亮点（含核心问题+研究方法）、风险、
估值水位与需跟踪的验证信号；不做买卖建议。
阶段 3 · 多源数据采集与整合（含 Skill 扩展）
- 严格按 来源优先级（详见 references/source_hierarchy.md）逐层采集：
1. 结构化报告：行业研报/白皮书、券商研报（先找别人整理好的）。
2. 官方数据：上市公司财报/招股书/业绩会、政府统计、Wind/IDC/Yole/TrendForce 等。
3. 新闻信息：主流财经媒体，只取客观事实 + 标注时间 + 交叉验证。
4. 其他一手信息：专家纪要、人工找数等（Agent 环境下用可得的公开渠道替代）。 - 优先调用其他 Skill 扩展数据/信息源（关键要求，详见 references/data_requirements.md §3）：
评估并调用a-stock-data/westock-data/stock-analysis/futuapi/ifind-mcp/
腾讯自选股等金融数据 Skill，以及pdf/xlsx处理用户附件；在来源清单中列明调用了哪些、
补充了哪类数据。 - 关键数据处理红线（详见 references/data_requirements.md）：
1. 时间线性：市场规模/财务等关键数据必须含 3–5 年历年演变（series/finance块）。
2. 多源矛盾全呈现：同一指标不同来源数字全部并列，用conflict块标注差异与口径原因。
3. 不臆造、不插值冒充；缺失写「未披露 / N.A.」。 - 采集时边采边记来源：每条关键信息记录 {结论, 数值, 来源机构, 时间, 链接/出处}。
- 用 WebSearch / WebFetch / 已连接的金融数据 MCP / 用户提供的文件 作为采集工具。
阶段 4 · 结构化研究文档生成（HTML + PDF 双格式）
- 按
references/report_format.md的结构组织，遵循金字塔原理： - 议题树（Issue Tree，必填，置于分析之前）：在阶段 1 的 MECE issue tree 基础上，
输出为 JSON 顶级字段issue_tree（core_question + 层级化 tree），作为全文逻辑导航。
渲染器会自动放在「核心发现」之后、分析章节之前，并自动编号（1 → 1.1 → 1.1.1），
便于阅读者快速定位问题节点并补充/追问。 - 核心发现（Executive Summary）：3–7 条最关键结论，每条一句话 + 关键数字 + 来源。
- 内容详情：严格按 issue tree 逐节展开，Topic → 小标题 → 详细内容，数据密集、逻辑清晰；
达到专业投资研究深度（见下方"深度纪律"）。 - 投资 thesis & risk：正反两面，明确结论。
- 信息来源清单：全文引用汇总，编号可追溯。
- 深度纪律（所有输出报告统一标准）：
- 必须套用
issue_tree_library.md的行业专业知识框架（分析透镜）拆解，而非停留在公开
信息的表面罗列（如零售须拆"门店增长×同店增长"、服装须盯库存周转与折扣率）。 - 关键数据时间线性（用
series/finance块呈现历年演变）。 - 不同来源矛盾全部呈现并标注口径（用
conflict块）。 - 公司研究须财报逐层拆解（收入→毛利→利润）+ MD&A 整合 + 券商估值视角 + 风险提示。
- 深度与格式对标参考 PDF：概念 → 技术趋势 → 市场与竞争格局 → 投资 thesis → 公司 → 国产 →
对标 → 上游 → 方法论（按主题裁剪，不必全含）。 - 用
scripts/build_report.py把结构化内容渲染成双格式报告： - HTML（默认，自带目录、核心发现卡片、可追溯脚注引用、时间趋势图）；
- PDF（
--pdf参数或单独build_pdf.py，打印友好，用于归档/邮件分发）。 - 用法：
python build_report.py <input.json> <output.html> --pdf（同时产出同名.pdf）。 - 财务拆解用
finance块、历年演变用series块、多源矛盾用conflict块、议题树用issue_tree字段（见脚本 docstring）。
阶段 5 · 自检与交付
- 自检清单（references/report_format.md 末尾）：核心问题是否已（部分）回答？关键数字是否都有来源？
是否 MECE？结论是否明确？公司研究还要查：财务是否逐层拆解、MD&A 是否整合、估值是否标来源？
数据是否满足时间线性 + 多源矛盾全呈现？ - 用 present_files 同时交付 HTML 与 PDF 报告。
参考文件（按需读取，不必全读）
references/methodology.md—— 目的/Scope、三种打法、金字塔原理、三大权衡。references/issue_tree_library.md—— 三类 MECE 骨架 + 行业专业知识框架（分析透镜：零售/服装/半导体/云AI/应用层等，含增长恒等式与核心追踪指标） + 动态适配规则。references/source_hierarchy.md—— 四层来源优先级、具体渠道、引用格式、交叉验证。references/report_format.md—— 交付报告结构、深度基准、写作规范、自检清单。references/financial_analysis.md—— 财报逐层拆解 / MD&A 整合 / 券商研报吸收 / 估值与风险提示。references/data_requirements.md—— 时间线性趋势 / 多源矛盾全呈现 / 调用其他 Skill 扩展数据。
生成报告的工具
scripts/build_report.py：输入一个 JSON（含 meta / 核心发现 / 章节树 / 来源清单），
输出自包含、可离线打开的专业 HTML 报告；加--pdf同时产出 PDF。用法见脚本头部 docstring。scripts/build_pdf.py：独立 PDF 渲染器（reportlab，离线、中文支持），可被 build_report.py 调用，
也可单独运行：python build_pdf.py <input.json> <output.pdf>。
硬性规范
- 所有关键结论/数字必须带来源；无来源的判断显式标为「（分析师判断，待验证）」。
- 涉及中国的市场表述遵循国家立场；股价涨跌配色遵循中国习惯（涨红跌绿），货币默认 ¥。
- 不臆造数据；找不到就写「公开信息未披露」，并给出可获取该数据的建议渠道。
