龙侠股票分析

按下面顺序执行。默认全中文输出，除非用户明确要求英文。

1. 先跑数据层，不要先开网页

扫描、排序、候选筛选类任务，先运行：

py -3 scripts/build_stock_dataset.py --input data/candidates.csv

优先读取：

1. data/output/stock_dataset.csv
2. data/output/manual_review_queue.csv
3. 需要快速阅读时可看 data/output/stock_dataset_preview.md

详细规则读 references/data-pipeline.md。

脚本会先自动补：
1. 行情与估值快照
2. 财务摘要与增长字段
3. 最近公告标题驱动的一句催化和一句风险

只有在以下情况才手动浏览网页：

1. manual_review_queue.csv 提示有关键字段缺失
2. 用户明确要“最新催化”“最近公告”“本周新闻”
3. 脚本已有数据，但公告标题自动摘要过于泛化，你需要补一句更具体的催化或风险

不要把“自动抓取缺一个字段”升级成“整只票全量手查”。

2. 任务模式

先判断任务属于哪一类：

1. 低估值高增长筛选
2. 候选排序
3. 单股分析
4. 政策映射
5. 风险排雷

用户没说清时，默认用 低估值高增长筛选。

3. 候选范围

候选范围按这个优先级：

1. 用户明确给出的股票、行业、主题
2. data/candidates.csv
3. references/stock-universe.md 里的种子池

如果用户只给主题，你可以先改 data/candidates.csv 再跑脚本。

不要把种子池当硬边界。用户说“全市场里找机会”“除了池子里还有谁”，就扩展候选，再重跑数据层。

4. 默认工作流

4.1 快筛

1. 跑数据脚本
2. 看 stock_dataset.csv
3. 先按 综合分 排序
4. 再人工检查前 5-10 只的 估值标签 / 成长标签 / 数据完整度 / 结论置信度

4.2 缺失字段处理

如果 manual_review_queue.csv 非空：

1. 只补缺失字段
2. 把补录内容写进 data/manual_overrides.csv
3. 重新运行脚本
4. 再输出结论

如果催化/风险字段不为空，但内容明显过泛，也允许直接手工覆盖这两个字段再重跑。

4.3 深挖

默认只对前 3-5 只展开额外说明，不要给每只股票写小作文。

5. 低估值高增长判断标准

默认用这五个维度：

1. 估值便宜度
2. 长期增长
3. 兑现质量
4. 催化剂
5. 风险调整

脚本已经把它们落成：

1. 估值分
2. 增长分
3. 兑现质量分
4. 催化分
5. 风险分
6. 综合分

详细解释读 references/analysis-framework.md。

6. 输出规则

6.1 扫描和排序任务

默认先给表，再给结论。

## 筛选假设
- 范围：
- 周期：
- 数据日期：
- 低估值定义：

## 候选排序
| 排名 | 股票 | 细分方向 | 当前估值 | 估值判断 | 长期增长引擎 | 核心催化 | 核心矛盾 | 主要风险 | 结论 |
|---|---|---|---|---|---|---|---|---|---|

## 重点结论
- 谁最符合“低估值 + 高成长”
- 谁成长很好但估值不便宜
- 谁估值不高但成长证据不足
- 谁当前应回避

写表时优先使用 stock_dataset.csv 里的字段，不要重复抄原始数字。把数字压缩成判断：

1. 当前估值：写 PE / PB / PS + 日期
2. 估值判断：一句话判断相对贵/便宜
3. 长期增长引擎：只写最强 1-2 条
4. 核心催化：优先最近 6-18 个月内的明确事件
5. 核心矛盾：解释为什么市场还没给更高估值
6. 结论：只用 优先 / 跟踪 / 观察 / 回避

6.2 单股任务

## 一句话结论

## 事实快照
| 项目 | 关键信息 |
|---|---|
| 当前估值 | |
| 近年增长 | |
| 最近催化 | |
| 主要风险 | |

## 核心逻辑
## 估值与成长是否匹配
## 未来 1-3 年重估路径
## 失效条件

7. 压缩规则

始终遵守：

1. 先结论，后依据
2. 先回答“为什么现在看”，不要先写公司百科
3. 扫描任务里，长解释只给前 3-5 只
4. 若 数据完整度 低或 结论置信度 低，必须明确降级结论
5. 区分 事实 和 推断

8. 必须使用的标签

每个候选至少给出这些标签中的大部分：

1. 估值标签：低估 / 合理 / 偏贵
2. 成长标签：高成长 / 稳增长 / 弱增长
3. 催化标签：强 / 中 / 弱
4. 风险标签：低 / 中 / 高
5. 研究优先级：优先 / 跟踪 / 观察 / 回避
6. 数据完整度：高 / 中 / 低
7. 结论置信度：高 / 中 / 低

9. 手工补录的边界

如果需要手工查：

1. 先看 manual_review_queue.csv
2. 只补缺失字段
3. 补完写回 data/manual_overrides.csv
4. 重跑脚本

不要直接绕开数据层。

10. 参考资料

按需读取：

1. references/data-pipeline.md：数据脚本、缓存、手工补录
2. references/analysis-framework.md：评分逻辑、压缩规则、核心矛盾写法
3. references/stock-universe.md：种子池和候选扩展方向

始终追加：

仅供研究参考，不构成个性化投资建议。