配置

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

★ 先读这一条(这个 skill 的灵魂)

每个人用自己的语言、自己的投资偏好,建自己的 CLAUDE.md。 两个投资者看同一家公司,关注点可能完全不同——一个看「下季度订单能否超市场预期」,另一个看「管理层电话会上的语气和信心」。给他们同一份模板,就抹掉了让 wiki 有用的那个东西。 ✅ 你的工作 = 访谈用户 → 提炼他的关注维度 → 用他的话写进 CLAUDE.md ❌ 你的失败 = 套一份「标准投研 schema」让他填空,或让他照抄 examples/ examples/investment-research-CLAUDE.md 是一个人长成的样子,给用户看可能性,禁止照抄。它像模板一样被搬走,这个 skill 就失败了。

不碰的红线(Karpathy 原意,别 over-engineer)

纯 markdown + wikilink + grep。不加 RAG / 向量库 / embedding。 知识靠预编译进结构化页「复利」,不是每次 query 重新检索原始文档——这是本模式相对 RAG 的根本区别,也是 Karpathy 的核心 idea。别加回任何检索层,别加 knowledge graph / 自动 health-check 之类机制(社区有些版本加了,那是 over-engineer)。

机制层 vs 规则层(贯穿全程的区分)

内容 · 处置 机制层 · 三层目录 + wikilink + lint + git hook · ✅ 通用工程结构,scripts/init_vault.py 直接装 规则层 · 看哪些维度 / 怎么记观点 / 要不要分析师归属 / 怎么复盘 / 要长报告还是三行 · ❌ 用户的投资大脑,访谈长出来,绝不给模板 机制层照抄没问题(它是 Karpathy 模式的工程卫生,跟「你怎么投资」无关)。规则层照抄 = 背叛方法论。

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@daymade · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
Python
检测到的文件与系统行为
  • 只读
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
Phase 0 — 判断意图

新建 vault → Phase 1 已有 vault,ingest 一份源 → 直接读 `references/ingest_sop.md` 已有 vault,财报后复盘某标的 → `references/fulfillment_sop.md` query → 读 vault 的 `index.md` + 相关页,带 citation 综合答;好答案回填 synthesis

02
Phase 1 — scaffold 机制层

建空骨架(三层目录 + lint + hook 占位 + 空 index/log + CLAUDE 骨架)。这一步只装机制层,不写任何 schema。

03
Phase 2 — 访谈共创 CLAUDE.md ★核心步骤

读 `references/interview.md`,按它的 8 个维度一条条访谈用户,把回答用他自己的话写进 `<vault>/CLAUDE.md` 规则层的占位。 一次问一个维度,别一口气灌 用户不在乎的维度直接砍(极简 > 全面) 卡住才翻 `examples/` 给灵感,明说「别抄,挑你戳中的」 自检:写好的 CLAUDE.md 像不像「这个人」?像通用模板就重来

04
Phase 4 — 首次 ingest 演示

拿用户一份真实的源(研报 / 电话会 / 纪要),按 `references/ingest_sop.md` 走一遍 HITL 5 卡点,让他亲眼看到 wiki 怎么从源长出来。用用户自己的素材,不要用 examples。

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。