AugmentClaude

Deep Company Series

Analyze a company across eight in-depth written reports covering different aspects.

Installation

  1. Make sure Claude is on your device and in your terminal.

    Skills load from ~/.claude/skills/ when Claude Code starts up — so you need it on your machine first. If you don't have it yet, install it once with the command below, then run claude in any terminal to verify.

    One-time setup
    npm i -g @anthropic-ai/claude-code

    Already have it? Skip ahead.

  2. Paste into Claude Code or into your terminal.

    This copies the whole skill folder into ~/.claude/skills/deep-company-series-xbtlin/ — the SKILL.md plus any scripts, reference docs, or templates the skill ships with. Safe default: works for every skill.

    Faster alternative (instruction-only skills)

    Skips the clone and grabs only the SKILL.md file. Don't use this if the skill ships Python scripts, reference markdowns, or asset templates — they won't be downloaded and the skill will fail when it tries to load them.

    Quick install (SKILL.md only)
    Sign up to copy
  3. Restart Claude Code.

    Quit and reopen Claude Code (or any other agent that loads from ~/.claude/skills/). New skills are picked up on startup.

  4. Just ask Claude.

    Skills auto-activate when your request matches the skill's description — no slash command needed. Trigger phrases live in the skill's own frontmatter; you can read them in the “What this skill does” section above.

Prefer to read the source first? Open on GitHub.

When Claude uses it

AI Berkshire skill: 深度公司系列:8 篇长文拆一家公司. Source: skills/deep-company-series.md.

What this skill does

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. Commands that reference ~/ai-berkshire/tools/... assume the repo is checked out at ~/ai-berkshire; if needed, prefer the current workspace path.
  • 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.

深度公司系列:8 篇长文拆一家公司

为 $ARGUMENTS 撰写一个 8 篇深度长文系列,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:

  • 8 篇约 12 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(8 篇)

#篇名模板核心问题字数
01你以为你看懂了 X,其实没有认知重置:破 3 个常见错觉4,000-5,000
02X 的护城河——<生意本质一句话>护城河深不深、未来 5/10 年还在不在6,000-8,000
03X 的最大利润引擎——<最赚钱业务>主业是什么、为什么能持续6,000-8,000
04X 藏在账上的另一家公司——<隐藏资产>投资组合 / 子公司 / 隐藏价值8,000-10,000
05AI(或当下叙事)时代,X 是赢家还是输家时代变量:分业务拆 AI 影响8,000-10,000
06用巴菲特方式拆 X 的财报财务深度:毛利率/FCF/ROE/SBC8,000-10,000
07<管理层金句>——X 的管理层值不值得托付资本配置纪律 + 诚信检验 + 接班人8,000-10,000
08多少钱值得买,什么信号必须卖(系列终章)DCF 三情景 + 红线清单 + 仓位框架10,000-12,000

加一篇 00-系列说明.md 作为目录索引,不发表。


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

禁用原因替代
显然 / 必然 / 一定主观绝对化数据显示 / 证据表明
我认为 / 我觉得主观腔调删除或改为"按本框架"
教科书级别 / 神来之笔流量党褒奖描述具体事实
严重不匹配 / 严重低估强主观词给具体折让百分比
完美 / 无可挑剔单边判断加上反方观察

标题风格

  • 反差数字反共识结论做钩子("15 年 7 次挑战全失败"、"年薪 4292 万占利润 0.0017%")
  • 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. /investment-team/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→08 顺序写,不跳)

  • 每篇写完先存 reports/{公司名}/《看懂{公司名}》/0X-XX.md
  • 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(08 篇全部写完后)

派 Explore agent 并行扫描 8 篇做以下检查:

  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 "linxuan\|/Users/\|<用户公司花名>" 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

级别类型处理
🔥 硬错误数字错、归因错、口径错必改,不需犹豫
⚠️ 主观化强主观词、绝对化、流量党比喻弱化或删除
🔬 颗粒度来源标注、口径细化优先级低,按可读性平衡
❓ 不可靠第三方测算差异大删比改更稳(用户明确指示)

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 linxuan / /Users/ / 用户公司花名 等隐私字段(参见 ~/.claude/projects/-Users-linxuan/memory/feedback_privacy_upload.md
  • 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。

Related skills