---
name: xbtlin/deep-company-series
source: https://app.decimal.ai/s/xbtlin-deep-company-series@1/SKILL.md
source_sha256: 7c23cf73a848
---

## 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。

| 复杂度 | 特征 | 篇数 | 例子 |
|--------|------|------|------|
| 高 | 多条业务线各自成生意 + 隐藏资产/投资组合 + 管理层史料丰富 | 7-8 篇 | 腾讯 |
| 中 | 2-3 条业务线 + 一个重大时代变量 | 4-6 篇 | — |
| 低 | 主业清晰、核心问题少而集中 | **3 篇** | 快手 |

**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）：

| # | 篇名方向 | 折入的主轴 |
|---|---------|-----------|
| 01 | 你以为你看懂了 X（开篇 + 生意与护城河） | 认知重置 + 护城河 + 利润引擎概览 |
| 02 | X 的最大变量（当下叙事/隐藏资产） | 隐藏资产 + AI/时代变量 |
| 03 | 多少钱值得买，什么信号必须卖（财务 + 决策终章） | 财务深度 + 管理层要点 + 估值决策 |

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）

| # | 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 |
| 02 | X 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 |
| 03 | X 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 |
| 04 | X 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 |
| 05 | AI（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/SBC | 8,000-10,000 |
| 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。

**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：

| 篇 | 骨架 |
|---|------|
| 01 开篇 | 股价被市场反复"重新定性"的历史曲线 → 三个常见错觉（每个用财报数据破）→ "需要同时戴几副眼镜"阅读地图表（链接到 02-08）→ 估值钩子数字表（只留悬念不给结论） |
| 02 护城河 | 挑战者失败名单（有名有姓有年份）→ 迁移成本的本质（用户迁不走什么）→ 生态飞轮 → 5 年/10 年后护城河还在吗 → 一个反向思维实验（"如果我有 1000 亿能不能复制它"） |
| 03 利润引擎 | 反常识数字开场 → 核心产品为何长青（拆到定价权层面）→ 增长空间量化（份额路径 + 反面论据：故事不工作的可能）→ 组织能力（为什么能持续出产品）→ 市场为什么低估 → AI/时代变量对本业务的影响 → 5 年后图景 |
| 04 隐藏资产 | TOP 持仓表（**只统计未并表部分**，并表的单独说明防双算）→ 会计处理差异（哪些进利润表哪些不进）→ "不会卖 vs 可能减持"分类 → 市场为何打折价（逐条）→ 几个意外发现 → 估算折扣的简单方法 |
| 05 AI/时代变量 | 让市场担心的数字 → 分业务拆赢家/输家（严重分化，不给整体结论）→ 关键反问（"X 输了单点之争，还能赢吗"）→ 5-10 年被绕过的场景推演（逐条反驳或承认）→ 5 个情景 → 未来一年监控信号清单 |
| 06 财务 | 一条反常曲线开场 → 利润表（毛利率变化归因）→ 口径选择（Non-IFRS vs GAAP，为什么）→ EPS 与回购 → 资产负债表（净现金）→ 现金流与 FCF Yield → 股东回报按"1 美元测试"→ ROE 变化是好是坏 → 估值横向+历史比较 → 价值投资 10 项 Checklist 逐条过 → 把财报压缩成三句话 |
| 07 管理层 | 核心团队表 → 关键人物的长期贡献（用具体决策，不用形容词）→ 利益对齐（持股/薪酬占利润比）→ **诚信检验：挑一次真实危机看应对** → 5 年承诺兑现率（逐条核对当年原话）→ 资本配置纪律 → 接班人隐忧（不回避）→ "买人三问"（诚实/能干/热爱）→ 综合评分 |
| 08 决策 | SOTP 分部估值（说清"你买的到底是什么"）→ 历史估值分位 + **必须警告"后视镜不是导航仪"** → 未来利润三情景表（乐观/中性/保守 + 隐含增速，标明"是预测不是事实"）→ 红线清单（触发≠必卖，但必须重审）→ 赔率思维收尾 |

---

## 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

- 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

```bash
# 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

| 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 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。