/stock_first_look_skill
首次接触个股时,快速建立公司业务、市场关注点、关键指标、估值位置与主要风险的基础认知。适用于第一次研究一只股票、临时补课、候选标的初筛等场景。
$ npx -y skills add Wind-Alice/AliceMarket --skill stock_first_look_skill --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
- Slash command
/stock_first_look_skill
Context preview
The summary Claude sees to decide when to auto-load this skill.
首次接触个股时,快速建立公司业务、市场关注点、关键指标、估值位置与主要风险的基础认知。适用于第一次研究一只股票、临时补课、候选标的初筛等场景。
SKILL.md
stock_first_look_skill.SKILL.mdname: stock_first_look_skill
description: 首次接触个股时,快速建立公司业务、市场关注点、关键指标、估值位置与主要风险的基础认知。适用于第一次研究一只股票、临时补课、候选标的初筛等场景。
key words: 初识个股,个股初筛,第一眼研究,stock first look,个股速览
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。
Read more
name: stock_first_look_skill description: 首次接触个股时,快速建立公司业务、市场关注点、关键指标、估值位置与主要风险的基础认知。适用于第一次研究一只股票、临时补课、候选标的初筛等场景。 key words: 初识个股,个股初筛,第一眼研究,stock first look,个股速览
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。
Wind 万得金融 Skill 集合(monorepo) · 通过 MCP 协议把万得金融数据接入 Claude / OpenClaw / Hermes 等 AI Agent,并一站式收录 wind 自家数据 + 社区分析工作流共 34 个金融 skill
Other skills on alicemarket.
add_to_winner_decision…
判断盈利仓是否适合继续加仓,并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
after_close_watchlist_…
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
avatar-charlie-munger-…
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
avatar-nassim-taleb-ri…
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
avatar-naval-ravikant-…
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。

