Back to skills
SKILL.md
Investor Panel
ASecurity66 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json,让 66 位投资者各自按自己的方法论打分并输出 Pydantic Signal(signal/confidence/score/verdict/comment)。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派、科技领袖派、AI 卡位猎手 9 大流派。当用户请求"评审团/65 大佬怎么看/某某会买吗/做一次大佬投票"时使用。
- 19 stars
- 0 votes
- 0 copies
- 3 views
- Added September 2, 2026
Security analysis
100/100Pro scans all 12 files and shows the line behind each finding
npx -y skills add Serennity007/awesome-stock-quant-skills --skill investor-panel --agent claude-codeAre you the author of Investor Panel?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/serennity007-investor-panel)---
name: investor-panel
description: 66 位投资大佬评审团。给定一只股票的 dimensions.json 和 raw_data.json,让 66 位投资者各自按自己的方法论打分并输出 Pydantic Signal(signal/confidence/score/verdict/comment)。覆盖经典价值派、成长投资派、宏观对冲派、技术趋势派、中国价投派、A股游资派、量化系统派、科技领袖派、AI 卡位猎手 9 大流派。当用户请求"评审团/65 大佬怎么看/某某会买吗/做一次大佬投票"时使用。
version: 3.9.4
author: FloatFu-true
license: MIT
metadata:
hermes:
tags: [finance, investor-panel, voting, role-play, a-share, value-investing, growth-investing]
related_skills: [deep-analysis]
---
# Investor Panel · 50 贤评审团
## 调用上下文
读取以下输入:
- `.cache/{ticker}/dimensions.json` — 19 维评分
- `.cache/{ticker}/raw_data.json` — 原始数据
- `scripts/lib/investor_db.py` — 65 人元数据
- `scripts/lib/seat_db.py` — 22 位游资射程规则
输出:
- `.cache/{ticker}/panel.json` — 50 个 Signal + 投票统计
## 严格输出格式(Pydantic Signal,抄自 ai-hedge-fund)
每个投资者必须返回**严格 JSON**:
```json
{
"investor_id": "buffett",
"name": "巴菲特",
"group": "A",
"avatar": "avatars/buffett.svg",
"signal": "bullish | neutral | bearish",
"confidence": 87,
"score": 82,
"verdict": "强烈买入 | 买入 | 关注 | 观望 | 等待 | 回避 | 不达标 | 不适合",
"reasoning": "1-3 句具体逻辑",
"comment": "用该投资者语言风格的金句 1-2 句",
"pass": ["..."],
"fail": ["..."],
"ideal_price": 16.20,
"period": "3-5 年"
}
```
**Confidence 校准规则**:
- 85-100:核心方法论硬指标全部命中或全部不命中
- 60-84:多数命中
- 30-59:部分命中、需要等待信号
- 0-29:方法论不适用此股 / 信息不足
## 执行步骤
### Step 1: 加载元数据
```python
from lib.investor_db import INVESTORS, by_group
from lib.seat_db import SEATS, is_in_range
```
### Step 2: 对每位投资者
1. 取出 `fields` 白名单
2. 从 dimensions.json 提取相关字段
3. 读取该投资者所在 group 的 reference 文件(按需)
4. 用该投资者的方法论 + 语言样本生成 Signal(Claude 自己生成)
5. 校验 JSON 合法性
### Step 3: 游资射程预过滤(F 组特殊)
对 22 位游资,先用 `is_in_range(nickname, ticker_features)` 判断是否在射程内:
- 在射程 → 正常评分
- 不在射程 → `signal: "neutral"`, `verdict: "不适合"`, `confidence: 90`, `comment: "{nick}的射程是{style},这只票不在风格内。"`
### Step 4: 汇总投票
```python
{
"panel_consensus": (bullish_count / 50) * 100,
"vote_distribution": Counter(verdict for i in investors),
"signal_distribution": Counter(signal for i in investors),
"investors": [...]
}
```
## 7 大流派详细方法论
按需读取下列 references:
| 组 | 文件 | 人数 |
|---|---|---|
| A 经典价值 | `references/group-a-classic-value.md` | 6 |
| B 成长投资 | `references/group-b-growth.md` | 4 |
| C 宏观对冲 | `references/group-c-macro-hedge.md` | 5 |
| D 技术趋势 | `references/group-d-technical.md` | 4 |
| E 中国价投 | `references/group-e-china-value.md` | 6 |
| F 游资 | `references/group-f-china-youzi.md` | 22 |
| G 量化系统 | `references/group-g-quant.md` | 3 |
## 📚 语料库 (必读)
**每次生成 comment 之前**必须读 `references/quotes-knowledge-base.md` 查找该投资者的真实公开原话和"风格"字段。这是知识库 single source of truth。
## 语言风格守则
每位投资者的 `comment` 字段必须**像他本人**:
- 巴菲特:温和、引用奥马哈、用"我们"
- 芒格:刻薄、反向思维、引用心理学偏误
- 索罗斯:哲学化、提"反身性"
- 章盟主:豪迈、提"格局"、不谈细节
- 赵老哥:直接、谈"题材"、谈"二板"
- 段永平:朴素、问"商业模式""人""价格"
- 陈小群:江湖气、谈"分歧""一线天""核按钮"
每组 reference 文件末尾有 3-5 句**真实公开语录**作为 few-shot。
## 完成检查
- [ ] panel.json 包含 50 个 Signal
- [ ] 每个 Signal 字段齐全
- [ ] 22 位游资里至少有 N 位返回"不适合"(除非这只票是热门题材龙头)
- [ ] panel_consensus / vote_distribution / signal_distribution 三个汇总字段已计算
Files in this skill
- SKILL.md
- assets/investor-cards.json
- references/group-a-classic-value.md
- references/group-b-growth.md
- references/group-c-macro-hedge.md
- references/group-d-technical.md
- references/group-e-china-value.md
- references/group-f-china-youzi.md
- references/group-g-quant.md
- references/group-i-serenity.md
- references/quotes-knowledge-base.md
- references/serenity-voice.md
Attribution
Comments
Loading comments…