Stock First Look Skill

数据依赖与执行前置条件

推荐使用万得 wind-mcp-skill 获取底层数据。执行前先检查本地是否已有 wind-mcp-skill；若没有，提示用户安装：

# GitHub
npx skills add Wind-Information-Co-Ltd/wind-skills --skill wind-mcp-skill -g -y

# Gitee 镜像（国内）
npx skills add https://gitee.com/wind_info/wind-skills.git --skill wind-mcp-skill -g -y

技能定位

本技能用于在尽可能短的时间内，帮助使用者对一只陌生股票建立“够用且可讨论”的第一层认知。输出重点不是全面尽调，而是先回答五个问题：公司做什么、为什么值得看、市场在争论什么、当前大致贵不贵、继续研究前该先补哪几块信息。

执行流程

Step 1：确认分析对象与研究上下文

先确认股票名称、代码、上市地与所属行业，并识别用户此时的真实目的：

• 是第一次接触，想快速建立基础认知
• 还是已有关注，只想判断是否值得深入
• 是用于自用判断，还是用于向团队口头汇报

若用户没有给出明确目标，默认按“第一次研究一只股票并判断是否值得继续跟进”的场景展开。

Step 2：提炼公司最核心的基础事实

先把最基础且最必要的信息压缩成短摘要，重点包括：

• 公司主要卖什么产品或服务
• 主要客户是谁
• 主要收入和利润来自哪些业务模块
• 所处产业链位置与行业属性
• 近阶段最重要的经营或市场变化

这一阶段不追求完整历史沿革，只保留理解当前股票所需的最小信息集合。

Step 3：建立“为什么现在值得看”的判断框架

围绕当前时点提炼这只股票的关注理由，常见来源包括：

• 财报、公告、政策、产品、订单、资本运作等事件催化
• 行业景气、主题热度、板块轮动带来的关注提升
• 业绩、估值、市场预期之间出现明显预期差
• 股价位置、交易活跃度或市场讨论度突然变化

若没有明显催化，也要明确说明“目前没有强催化，主要属于观察名单而非优先研究对象”。

Step 4：提炼关键经营变量与基础财务快照

从业务模式出发，抓 3-5 个最重要的经营变量，并用有限的关键指标说明公司当前状态。优先关注：

• 收入、利润、利润率、现金流等基础质量
• 增长速度与增长结构
• 业务分部或核心产品线表现
• 对估值和股价最敏感的单一变量

若部分数据缺失，需明确标注，不用模糊描述替代。

Step 5：给出估值位置与市场分歧的初步判断

结合当前估值水平、历史区间、行业对比和市场情绪，判断公司大致处于：

• 明显被低估、合理定价或偏高定价
• 市场预期保守、均衡或过热
• 估值弹性主要来自业绩兑现、逻辑重估还是情绪扩散

同时简要列出最重要的看多与看空变量，帮助使用者避免一上来就陷入单边叙事。

Step 6：形成“是否继续研究”的落地建议

在基础认知之上，明确回答三个问题：

• 这只股票现阶段值不值得继续看
• 若继续研究，下一步最该补哪几个问题
• 若暂时不继续，原因究竟是信息不足、逻辑不清，还是赔率不佳

最终输出只呈现成稿，不展示中间检索路径或内部草稿。

输出结构

---

{股票名称}初识个股（{YYYY-MM-DD}）

一、30 秒结论

• 这家公司做什么：{一句话}
• 现在为什么值得看：{一句话}
• 当前最大争议：{一句话}
• 是否建议继续研究：{继续 / 暂缓 / 仅观察}

二、公司基础认知

维度	内容
主营业务	{一句话概述}
主要客户/市场	{一句话概述}
产业链位置	{一句话概述}
核心赚钱方式	{一句话概述}

三、当前最重要的 3 个关注点

• 关注点 1：{内容}
• 关注点 2：{内容}
• 关注点 3：{内容}

四、关键经营与财务快照

指标	当前情况	解读
{指标1}	{数值或描述}	{说明}
{指标2}	{数值或描述}	{说明}
{指标3}	{数值或描述}	{说明}

五、估值与预期差判断

• 估值位置：{偏低 / 合理 / 偏高 + 简述}
• 市场预期：{保守 / 中性 / 偏热 + 简述}
• 可能的重估触发：{事件或变量}

六、多空要点

看多逻辑

• {要点 1}
• {要点 2}

看空逻辑

• {要点 1}
• {要点 2}

七、下一步研究清单

• {最该补的研究问题 1}
• {最该补的研究问题 2}
• {最该补的研究问题 3}

---

质量要求

1. 输出应优先回答“现在是否值得继续看”，而不是堆砌背景资料。
2. 基础事实要准确、简洁，避免把公司介绍写成招股书摘要。
3. 多空要点必须同时呈现，不能只写单边故事。
4. 估值判断应带条件语气，不把初筛结论伪装成深度结论。
5. 若信息不足，应明确指出信息缺口，而不是用泛泛判断填补。