投资者工具

安装

路径 A · 最小安装（1 分钟）

把 skills/sm-master/SKILL.md 复制到任何 AI 工具的系统提示词里。1 个文件解决 80% 需求。

路径 B · 完整安装（5 分钟）

git clone https://github.com/joansongjr/investor-harness.git
cd investor-harness
bash install/claude-code.sh    # 或 codex.sh / opencode.sh / generic.sh

然后重启你的 agent，并说：

跑一下 investor-harness onboarding

v0.8.0 — PPT 生成 skill · sm-deck-builder

把散落的研究 markdown 转成机构级投研 PPT。填补"研究做完了，但没法给 PM / IC / 客户看"的空白。

新增 sm-deck-builder skill（第 18 个）

10 段标准结构（IC pitch deck 默认）：

1. 封面（标的 / 分析师 / 日期 / conviction）
2. 执行摘要（命题一句话 + 3 支撑柱 + 推荐 action）
3. 公司概览（商业模式 + 关键指标）
4. 核心逻辑（Why now + variant view）
5. 支撑证据（3-5 个硬数据点 + 证据等级）
6. 市场预期差（已 price in vs 未 price in）
7. 催化剂时间线（未来 3-12 个月）
8. 反方审视（Top 3 risks + Kill switch）— 不能省略
9. 跟踪指标（3 个月内 What to watch）
10. 附录 + 合规声明 + 证据统计

UI 设计系统：

• 色板：深海军蓝主色 + 金色强调色 + 绿/红 semantic（机构研报风格）
• 字体：PingFang SC / Helvetica Neue / Arial，3 级层次
• 布局：header + title + body + footer 严格 1920×1080，留白 ≥ 30%
• 图表：无 3D / 无彩虹色 / 无 clipart
• 硬约束：< 3 种字体 / < 3 种颜色 / 每页 ≤ 5 bullets

支持的 deck 类型：

强依赖：必须先跑 sm-thesis / sm-company-deepdive / sm-red-team 等研究 skill，deck-builder 从归档里读内容。没有研究底稿的情况下禁止直接生成 deck——deck 是研究的包装，不是替代。

技术实现：依赖 anthropic-skills:pptx skill 做底层 .pptx 文件生成，sm-deck-builder 负责： - 决定结构（10 段 IC pitch / 6 段 roadshow / ...） - 从研究归档提炼内容 - 应用 UI 设计系统（色板 / 字体 / 布局） - 强制证据等级标注 - 归档到 {coverage}/{ticker}/decks/ 同时保存 .pptx + .md 两份

双输出：对话里贴 markdown 大纲（云端用户直接读），文件写 .pptx（打印 / 演示用）。

验收清单：acceptance.md 新增 sm-deck-builder 专属 14 项检查，包括"不能省 Risk 页"、"不能省 Gaps 页"、"每个数字必须带证据等级"等硬约束。

v0.6.0 — 交互式安装 + 更新向导

解决 v0.5 的最后一个门槛：非技术用户装不了。 手动跑 git clone + bash install/claude-code.sh + 复制粘贴 INSTALL-PROMPT 步骤太多，容易卡。 v0.6 提供交互式向导：一个命令全搞定。

新增：

• setup.sh — 交互式安装向导（~600 行 bash）
• 检测操作系统 / Shell / Git / 现有 harness
• 选择目标 harness（Claude Code / Codex / OpenClaw，可多选）
• 选择数据源（iFind / Alpha派 / 进门财经 / Wind / cn-web-search / WebSearch）
• 检测现有 .mcp.json 配置
• 安装 skills（默认 symlink 模式）
• 可选创建投研工作区（跑 bootstrap.sh）
• 自动注入启用提示词到 ~/.claude/CLAUDE.md（带 marker + 备份）
• 验证安装

• update.sh — 交互式更新向导
• 检测本地 vs 远程版本
• 显示新 commit 列表
• 检测破坏性变更（major bump / skill 重命名 / core 文件变更）
• git pull（含 stash 保护）
• 检测 CLAUDE.md 里启用提示词的版本，不一致时提示更新
• 备份机制完善

• install.sh — curl 一键入口
• curl -fsSL https://.../install.sh | bash
• 自动 git clone + 调用 setup.sh
• 适合首次安装场景

• core/claude-md-section.md — 标准化的 CLAUDE.md 注入模板
• 带 ` / END` marker
• 支持幂等更新（update.sh 只替换 marker 之间的内容）
• 包含占位符（DATE / HARNESS_PATH / WORKSPACE_ROOT / DATA_SOURCES 等）

四个数据源全部是 MCP：

向导会根据用户选择动态生成个性化的数据源优先级链，写进 CLAUDE.md 注入段。

安装路径对比：

更新路径：

cd ~/investor-harness
bash update.sh

自动处理：版本检查、破坏性变更警告、git pull、CLAUDE.md 迁移。

演示 / 汇报 skill（v0.8 新增）

假设 2：AI 模型的边际训练成本持续降低，不会导致 capex 饱和

多头证据：新模型训练需求持续增长，inference capex 占比上升 (市场共识)

为什么脆弱： - DeepSeek 等效率模型的出现说明边际训练 FLOPS 可以显著降低，如果这个趋势持续 → capex 需求增速 decelerate 快于预期 - inference 需求虽然增长，但 unit economics 比训练更敏感，更容易被效率提升抵消 - 当模型能力达到某个阈值（GPT-5 / Claude Opus 4.6 级别）后，边际效用递减可能压低下一轮训练投入的 ROI (待核验假设-待观察)

触发信号： - 出现能力追平 GPT-5 但训练成本 < 1/5 的开源模型 - Hyperscaler 管理层在业绩会开始说"我们正在优化 training efficiency"（过往从不提） - NVIDIA 的 data center 收入环比增速首次跌破 +10%

维度化对比

维度化对比

维度化对比