安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install topxai-equity-research
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 topxai-equity-research。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

TopxAI Equity Research 是一个结构化的研究台工作流，用于公司深度研究、行业与价值链报告、宏观策略、估值情景、财报更新以及对抗性审查。它使每一个关键数字都可以追溯到来源、对证据进行评级、区分原因与结果，并要求结论陈述其可能被推翻的方式。
该技能还将研究延伸至发布之后：它在调用账本中注册结论和评级、监控申报文件和价格触发器，并在到期时结算调用。其规范的工作流使 Openclaw Skills 非常适用于产出可重复、可审查的研究，而非个性化投资建议。

应用场景

产出带情景估值和基于指定基准的 12 个月评级的溯源股票深度研究。
使用“原因到过程到结果”的框架研究行业、价值链或宏观问题。
在财报或新申报文件发布后更新现有报告，并在发布修订版之前结算上一版。
重构市场共识、辩论多空观点，并识别催化剂和可证伪的投资判断。
审计研究草案中的薄弱证据、不受支持的结论、会计陷阱以及跨语言不一致性。
从 SEC EDGAR/XBRL 拉取公司财务事实和最新申报文件，然后交叉检查重要数字。
追踪覆盖范围、监控未平仓的证伪因子和价格触发器，并将投资调用结算到持久的研究账本中。

工作原理

启动与定界： 选择主题、评估证据密度与可交易性、设定价格基准日、财务报告日、申报截止日期以及基准。如果入口门槛未通过，则记录不发布的理由。
分轨研究： 收集公司、行业或宏观证据；独立拉取相关的 SEC XBRL 数据；并交叉检查关键数字。将证据评级为主要证据、重大新闻、估计/计算或未证实，并记录冲突与差距。
论证观点： 让多方和空方角色使用收集到的笔记对三个要点进行论证和反驳，在起草前暴露假设。
构建分析与估值： 遵循报告类型方法，将原因连接到过程与结果，评估共识与定价错误，通过 calc/model.py 计算估值而不是手工算术。
撰写与裁决： 使用固定的章节结构组装报告。使核心结论具备可证伪性，并将评级表达为可结算的研究判断，而非个性化建议。
审计与修订： 运行两轮对抗性审查，在适用的情况下包括怀疑论者和跨语言检查。记录每个发现及其处理决定；不得带着未解决的阻碍因素发布。
发布与注册： 运行最终检查，确保各语言版本的数字逐一对应，将结论和评级添加至账本，并将覆盖范围添加至观察名单。
监控与结算： 检查新申报文件、价格触发器和即将到期的投资调用。结算到期调用，记录经验教训，并将结果用于指导后续更新。

配置指南

在兼容的 AI 代理环境中启用 TopxAI Equity Research 技能。所提供的技能描述了其脚本和工作流，但并未指定通用的包安装命令。请使用 Python 3.9 或更高版本；脚本使用标准库。从项目根目录运行项目工作流，以便生成的文件写入 research/ 目录下。
对于 SEC 数据检索，需要对 sec.gov 和 data.sec.gov 的网络访问权限。如果配置的联系方式为空或仍为占位符，请在运行 SEC 工具时提供有效的 SEC 联系字符串 SEC_USER_AGENT="Name email"。如果需要，向用户询问一次姓名和电子邮件。

From the project root, use the skill's bundled scripts.

Replace TICKER with the company ticker and provide SEC contact details.

SEC_USER_AGENT="Name email" python /path/to/skill/scripts/sec.py facts TICKER
SEC_USER_AGENT="Name email" python /path/to/skill/scripts/sec.py filings TICKER

Ledger and coverage-watch commands are also bundled with the skill.

python /path/to/skill/scripts/ledger.py list
python /path/to/skill/scripts/desk.py check
技能的基本目录由代理环境在加载时提供。将 /path/to/skill 替换为该目录。遵循管道映射，且仅阅读相关的步骤和方法文件。子代理是可选的；如果没有它们，请使用相同的文件契约按顺序执行研究角色。

数据架构

该技能将项目输出存储在 research// 下，并将全台跟踪数据存储在 research/ 下。
位置或文件 用途
research//notes-00-kickoff.md 主题范围、候选评估、基准日期和基准。
research//notes-.md 研究轨道笔记；notes-crosscheck.md 记录冲突和差距。
research//data-.json 结构化研究数据。SEC 工具的原始 JSON 保存在缓存中。
research//debate-bull.md, debate-bear.md 多空论点及反驳。
research//parts/ 报告章节和其他起草部分。
research//calc/model.py 及保存的输出 报告中使用的估值计算的单一来源。
research//audit-vN-*.md, audit-vN-decisions.md, checks.md 审计发现、处理决定和最终验证。
research/ledger.json 已注册的调用及其结算状态。使用 ledger.py 进行管理。
research/lessons.md 研究调用结算时记录的教训。
research/watch.json 用于跟踪申报文件和触发器的覆盖范围观察条目。
research/desk/.md 带日期的覆盖范围观察结果，包括申报文件、触发器和到期调用。
证据评级规则为：[A] 级表示原始申报文件或公司/交易所披露，[B] 级表示主流新闻机构，[C] 级表示机构估计或披露的计算，[D] 级表示未证实的报告。报告还需识别价格基准、财务期间和申报日期以及申报截止日期。启动、交叉检查、写作、审计决定、检查、账本条目和观察条目的模板均打包在 assets/templates/ 下。

高级特性

证据与判断控制：
要求提供源 URL 和证据等级、披露分歧、对估计和概率应用敏感性测试、防止结论强度超过证据强度。
可复现估值：
将估值计算集中在
calc/model.py
中，并使用保存的模型输出作为报告的估值来源。
SEC 研究工具：
使用自带的 Python SEC 实用工具获取最新的公司事实和申报文件，包括选定的 8-K 信息。
可选的基于角色的子代理：
将研究轨道、多空辩论、审计和翻译委派给捆绑的代理。编辑保留对确定性工作和最终决策的责任；代理不能派生子代理并返回简洁的手动交接。
对抗性质量保证：
运行两轮审计，处理每个发现，并检查跨语言版本的数字逐一对应性。
覆盖自动化：
将新申报文件与未平仓的证伪因子进行匹配，监控通过用户自己的价格 CSV 提供的价格触发器，并标记即将到期的调用。
持久调用追踪：
使用账本实用工具添加、结算、作废、列出和分析调用；保存结算教训并发布带有适当业绩披露的业绩记录。
受控报告更新：
在产生增量更新或完整重做之前结算上一版，并在新报告中记录该结算。

name: topxai-equity-research description: Institutional-grade equity, industry and macro research workflow for AI agents. Use it whenever the user wants a stock deep dive, an industry or value-chain report, a macro / strategy note, an earnings-season update of an existing report, a valuation with scenarios and a settleable rating, a bull/bear debate on a company, an adversarial audit of a research draft, SEC EDGAR / XBRL financial pulls, or to register, track and settle research calls (coverage watch, call ledger, track record). Also use it for Chinese requests such as 写研报, 个股深度, 产业链报告, 更新研报, 结算台账, 跑值守, even when the user does not say "research report". Every number must trace to a primary source with an evidence grade; every conclusion must be falsifiable; ratings are research judgments, never personalised investment advice. compatibility: Python 3.9+ (standard library only). Network access to sec.gov and data.sec.gov for the bundled SEC tool. Subagents are optional (Claude Code, Cowork); other agents run the roles in sequence.