行业快速研究 Skill
基于系统化行业研究框架,帮助用户快速了解任何一个行业。
知识库文件结构(勾稽关系)
执行研究时,四个文件互相协作:
SKILL.md (主入口)
│
├─ 七步研究法执行流程 → 每一步自动查找对应数据源
│
├─ 数据源速查 ← → references/professional-resources.md
│ │ (完整书单 + 网站 + 工具,可直接访问)
│ └─ 研究中新发现的数据源 → 自动写回 professional-resources.md
│
├─ 框架速查 ← → references/framework-cheatsheet.md
│ (一页纸速查,用于快速回忆)
│
└─ 数据源通用分类 ← references/data-sources.md
(按类型分类的补充参考)
- SKILL.md:执行指令 + 方法论。调用时先读此文件。
- professional-resources.md:实战数据源(书单 + 网站 + 工具)。研究时优先直接访问这些网站获取一手数据。发现新数据源时自动追加。
- framework-cheatsheet.md:框架速查卡,需要快速回忆时翻阅。
- data-sources.md:按类型分类的通用数据源补充参考。
核心逻辑
行业研究的本质是回答三个问题:
- 这个行业值不值得看? → 可行 + 规模
- 这个行业值不值得投? → 防守 + 盈利 + 估值
- 现在是不是好时机? → 外部因素 + 景气度
以产业生命周期为纲,不同阶段有不同的分析重点。
搜索执行策略(强制遵守 — 防止数据错误的核心纪律)
⚠️ 最高优先级纪律:报告中每一个关键数据点,都必须通过 web 搜索获取实时数据,禁止直接使用模型训练数据中的数字(模型记忆的数据可能已过时或错误)。如果某个数据点搜索不到,宁可标注"待验证"也不能凭记忆填数。
搜索 query 写法(必须遵守)
每个 query 必须包含具体年份:
- ✅
"2025年中国AI芯片市场规模 IDC" - ❌
"中国AI芯片市场规模"(年份缺失,会返回旧数据)
- ✅
优先使用权威机构名做限定:
- ✅
"2025年新能源汽车销量 中汽协" - ✅
"2024年律师人数 司法部" - ❌
"新能源汽车销量"(来源不限,可能命中自媒体)
- ✅
市场规模类查询用中英文双语:
- 中文:
"2025年XX行业市场规模 艾瑞" - 英文:
"XX industry market size 2025 IDC"
- 中文:
核心数据交叉验证(强制)
- 每个关键数据至少 2 个独立来源验证。单个来源的数字不能直接写入报告。
- 如果两个来源数字偏差 > 20%,必须在报告中说明差异原因(口径不同?时间不同?)。
- 找不到第二个来源时,标注"单一来源,置信度低"。
优先来源清单(按可信度排序)
| 优先级 | 来源类型 | 示例 | 适用数据 |
|---|---|---|---|
| 1 | 政府官网 | 司法部、统计局、工信部、商务部 | 官方统计、政策、行业总量 |
| 2 | 国际权威评级/研究 | Gartner、IDC、Frost & Sullivan、IEA | 全球市场、技术趋势 |
| 3 | 公司年报/招股书/公告 | 巨潮资讯、SEC EDGAR、港交所 | 上市公司财务、市场份额 |
| 4 | 国内一线券商研报 | 中信、中金、国君、华泰 | 行业深度、盈利预测 |
| 5 | 国内知名研究机构 | 艾瑞、赛迪、克而瑞、奥维云网 | 国内细分市场 |
| 6 | 正规财经媒体 | 财新、第一财经、36氪 | 最新动态、事件 |
| 7 | 行业自媒体/博客 | 雪球、知乎专栏、百家号 | 仅作线索,必须回溯到一手来源 |
搜索执行顺序(每步研究都按此走)
- 先搜行业定义和分类 → 确认研究边界
- 搜市场规模和增速 → 用权威机构数据,交叉验证
- 搜主要上市公司年报 → 提取营收、市占率、毛利率
- 搜产业链研究报告 → 找券商深度报告,获取产业链利润分配
- 搜最近 1 个月新闻 → 捕捉最新动态和政策变化
- 搜不到的数据 → 标注"待验证"或自行估算并标注(绝不编造)
数据时效性检查
- 宏观数据:使用最新一期(如 GDP 用最近季度)
- 行业规模:使用最近完整年度数据,预测数据标注"XX 机构预测"
- 公司财务:使用最新年报或季报
- 政策:确认是否已被更新政策取代
- 所有数据标注采集日期(如"2024 年营收(截至 2025-03 年报)")
研究流程(七步法)
第一步:定位 — 确定行业边界和生命周期阶段
目标:搞清楚"研究的是什么"和"行业处于哪个阶段"。
确认行业分类标准:
- 优先使用《申万行业分类标准》(三级分类),对A股投资最有参考价值
- 也可参考《国民经济行业分类》(国家标准)、证监会《上市公司行业分类指引》
- 问自己:横向看,这个行业包含哪些平行细分?纵向看,产业链上下游有哪些环节?
判断产业生命周期阶段(用渗透率划分):
- 渗透率 = 存量用户 ÷ 潜在客户群
- 渗透率 < 15%:导入期 → 研究重点是商业模式可行性
- 渗透率 15%~40%:成长期 → 研究重点是市场规模
- 渗透率 > 40% 且增速放缓:成熟期 → 研究重点是护城河和竞争格局
- 需求持续萎缩、替代品崛起:衰退期 → 关注替代品
产出:一句话定义研究对象 + 生命周期阶段判断 + 渗透率估算(附数据来源)。
第二步:可行性 — 商业模式能不能跑通
目标:判断这个行业会不会"死"在导入期。
快速勾勒商业模式(用商业模式画布):
- 价值主张:解决了什么需求?为谁解决?
- 客户细分:目标用户是谁?
- 渠道通路:怎么触达用户?
- 客户关系:怎么维系用户?
- 收入来源:怎么赚钱?
- 核心资源:靠什么赚钱?
- 关键业务:每天在做什么?
- 重要伙伴:跟谁合作?
- 成本结构:钱花在哪里?
实操:找 2-3 份行业研报,对照填满画布即可。
销售可行性评估(需求是否真实存在):
- 时间对标法:往前回溯,这个需求以前是怎么被满足的?
- 空间对标法:对标成熟市场(如美国/日本),有没有类似成功案例?
- 如果历史上从未有类似需求 → 大概率是伪需求
利润可行性评估:
- 定性:频次 × 弹性矩阵(频次高或弹性小,至少取其一)
- 定量:搭一个 UE 模型(单位经济模型),选最小运作单位(一家店/一个订单/一个用户),算收入-成本
- 就算当前亏损,看"终局视角"有没有扭亏可能
🛡️ 对抗性反问(强制):
- 如果 UE 模型中最关键的假设错了一个(客单价降 30%、转化率腰斩、复购率只有预期一半),整个模型还成立吗?最脆弱的变量是哪一个?
- 这个行业的"需求"是真实刚需,还是被补贴/风口/一时热度撑起来的?
产出:商业模式画布 + 可行性判断(可行/待验证/不可行)。
第三步:规模性 — 市场天花板有多高
目标:判断行业能不能长出上市公司级别的企业。
明确口径:
- TAM(潜在市场总规模):全天下都是你的,天花板在哪?
- SAM(可服务市场规模):你能实际触达的市场
- SOM(可获得市场规模):短期内你能拿到的份额
测算方法(按优先级排列):
- 有现成数据:直接引用权威机构统计
- 上下结合:参考上市公司指引、政策目标、业内意见
- 空间对标:比照成熟市场(如"中国XX渗透率现为X%,日本为Y%,尚有Z倍空间")
- 自己算:分解公式法(如 市场规模 = 目标用户数 × 渗透率 × 客单价 × 消费频次)
🛡️ 对抗性反问(强制):
- 空间对标最大的陷阱是"类比谬误"——两个市场的前提条件真的可比较吗?(例:拿中国律师密度跟美国比,忽略了两国诉讼文化、法律服务结构、替代品生态的根本差异)
- 如果空间对标的前提不成立,拆回第一性原理重新算:这个市场的真实天花板由什么决定?
判断标准:
- 稳态规模 > 100亿元 → 有机会长出上市公司
- 稳态规模 < 100亿元 → 很难出现千亿市值公司
产出:TAM/SAM/SOM 估算 + 3-5年增速预测 + 对标成熟市场的空间判断。
产业链可视化模板(研究产出必须包含):用标准格式绘制产业链图谱——上游→中游→下游,每环节标注代表公司、毛利率、市场规模,并指出"最赚钱环节"和"卡脖子环节"。详见
references/output-examples.md示例。
第四步:防守性 — 护城河够不够宽
目标:判断行业会被替代吗?进入壁垒高吗?
护城河 = 资源垄断 + 网络效应。
资源垄断(独占生产要素):
- 劳动力:有没有难以替代的核心人才?(明星/企业家)
- 土地:有没有独占的资源禀赋(矿产/气候)或位置优势?
- 资本:资金门槛多高?马太效应强不强?
- 技术:有没有专利/版权/秘方/技术诀窍壁垒?
- 数据:有没有独占的用户数据?
网络效应(独占生产关系):
- 用户网络:用户越多,产品越有价值(微信、淘宝)
- 生态网络:开发者/商家越多,平台越强(App Store、美团)
- 双边市场:买卖双方互相锁定
判断标准:护城河不仅要"有",还要"可持续加宽"。如果一个行业有多种护城河叠加,防守性最强。
产出:护城河清单 + 防守性强弱判断 + 潜在替代品威胁。
第五步:盈利性 — 钱被谁赚走了
目标:找到产业链上最能赚钱的环节。
横向格局 — 行业集中度:
- CR3/CR5/CR10 是多少?头部公司占多少份额?
- 成熟期行业,集中度通常会提升 → 龙头受益
- 互联网行业容易出现"赢家通吃"
纵向格局 — 产业链利润分配:
- 画一条产业链:上游→中游→下游
- 标出每个环节的毛利率
- 找"卡脖子"环节 — 哪个环节议价能力最强?
竞争态势:
- 是在打价格战(卷)还是差异化竞争?
- 有没有潜在的颠覆者(跨行业/新技术路线)?
Porter 五力分析(必须包含):用统一表格评估行业竞争结构。
力量 强度 关键因素 供应商议价能力 高/中/低 具体说明哪个环节卡脖子 买方议价能力 高/中/低 客户集中度、是否有替代选择 替代品威胁 高/中/低 哪些技术/产品可能替代 新进入者威胁 高/中/低 进入壁垒的具体构成 同业竞争强度 高/中/低 行业增速 vs 产能扩张 进入壁垒评估:明确判定壁垒等级(高/中/低),并列出具体构成(技术/规模/品牌/渠道/成本/关系/牌照)。
🛡️ 对抗性反问(强制):
- 当前利润分配格局是"稳态"还是某个暂时均衡?哪些变量一旦变化就会重写格局(技术颠覆、政策转向、新进入者、客户行为迁移)?
- 产业链上最赚钱的那个环节,它的议价能力来自什么?这个来源未来三年会被削弱吗?
产出:竞争格局图 + Porter 五力表 + 产业链利润分配图 + 最值得关注的环节。
第六步:外部因素 + 景气度 — 时机判断
目标:现在是不是入场的好时机。
PEST 分析:
- P(政治):监管政策、补贴退坡、反垄断、贸易壁垒
- E(经济):宏观经济周期、利率、汇率、通胀
- S(社会文化):人口结构、消费习惯、社会思潮
- T(技术):替代技术、颠覆性创新、技术路线之争
景气度跟踪:
- 纵向:沿着产业链上下游,找先行指标 → 同步指标 → 滞后指标
- 横向:找到行业最关键的高频指标(如白酒的批价、新能源汽车的销量/渗透率)
- 高频跟踪这些指标,验证之前的判断是否还成立
产出:PEST 关键变量 + 景气度指标体系 + 当前时点判断。
第七步:估值 — 值不值这个价
目标:给行业一个合理的估值锚。
不同生命周期阶段对应不同估值方法:
- 导入期 → VC 估值法(看用户、看技术、看团队)
- 成长期 → 成长股估值(PEG、PS)
- 成熟期(稳定)→ DCF、PE
- 成熟期(周期化)→ 周期股估值(看 PB、看产能周期)
- 衰退期 → 低估值 ≠ 值得买
关注"预期差":市场已经定价了多少?还有什么是市场没看到的?
🛡️ 对抗性反问(强制):
- 如果当前估值是错的,最可能高估的因素是什么?(被忽略的风险、被过度外推的趋势、被乐观假设掩盖的结构性问题)
- 如果当前估值是错的,最可能低估的因素是什么?(被忽视的拐点、被低估的护城河加深、被市场误判的周期位置)
产出:当前估值水平 + 合理估值区间 + 与历史对比。
研究心法
行业研究不只是信息搜集——更重要的是不被信息裹挟。以下三条方法论互为支撑,必须全部执行:
第一性原理思维(拆穿"常识")
不要用类比做判断,要拆到不能再拆的基本事实,从那里重新搭。
行业研究中最常见的错误不是数据不准,而是把未经检验的"共识"当真理用:
- "中国律师密度只有美国的 1/6,所以还有 6 倍空间" → 但中美诉讼文化、ADR 体系、法律服务结构完全不同,这是类比谬误
- "老龄化社会必然利好医疗" → 但利好医疗的哪个环节?是药企、器械、还是养老服务?"老龄化 → 医疗"是一个过于粗糙的因果链
- "这个模式在美国跑通了,中国也能" → 但底层假设可能完全不同(支付意愿、基础设施、监管环境)
第一性原理拆解三步走:
- 揪出你的类比:这个判断是建立在什么类比之上的?("像美国的XX""类似当年的XX""对标XX")
- 拆到底层事实:剥离掉类比外壳,这件事的本质是什么?它成立的必要前提条件是什么?
- 验证前提条件:这些必要前提条件在当前市场是否满足?如果不满足,差距是时间问题还是结构性问题?
实操示例——拆解"中国法律服务市场还有巨大空间":
类比:美国每万人 39 个律师,中国只有 6 个,所以还有 6 倍空间
↓ 拆
底层前提:这个判断默认了"律师服务是满足法律服务需求的主要方式"
↓ 验证
事实:中国有 83 万+ 法律咨询公司、400 万注册法律从业人员、大量替代性纠纷解决机制
↓ 重新构建
修正判断:中国法律服务的"供给总量"并不低,问题不是总量空间,而是"律师 vs 替代品"的结构性竞争和"低端 vs 高端"的供需错配
强制使用场景:
- 任一空间对标结论 → 必须先做第一性原理拆解
- 任一"因为XX所以必然XX"的因果推演 → 必须先列出隐藏前提
- 任一跟美日等成熟市场的对标 → 必须列出"可比的前提条件是否满足"
对抗性审查(自己做自己的反方)
在你最确信的判断上,强制找出三个"如果这个判断是错的,最可能的原因"。
大多数行业研究的致命缺陷不是分析框架不够好,而是研究者爱上了自己的结论。一旦形成判断,人脑会自动过滤矛盾信息、放大支持证据——这叫确认偏误。对抗性审查是唯一解药。
执行规则:
每个关键结论必须经受反问。七步法中,以下节点是强制对抗性审查点(已嵌入各步骤):
- 第二步 UE 模型 → "最脆弱的变量是什么?"
- 第三步 空间对标 → "两个市场的前提条件真的可比较吗?"
- 第五步 利润格局 → "这个格局是稳态还是暂时均衡?"
- 第七步 估值判断 → "市场高估了什么?低估了什么?"
报告中的"反对意见"段落。每份行业速研报告在核心结论之前,必须包含一个独立的「🤺 对抗性审查」小节,至少包含:
- 对报告核心判断提出 2-3 个有力的反驳论点
- 每个反驳论点标注其"杀伤力"(⚠️ 致命 / ⚡ 需关注 / 💭 可解释)
- 对该论点的回应——是真的潜在风险,还是可解释的误解?
如果找不到有力的反驳,说明你的研究不够深入。回去再看一遍数据,或者换一个利益相关者的视角重新审视(客户、竞争对手、监管者、被颠覆者)。
反面典型(没有对抗性审查的报告):
"行业处于快速成长期,市场规模巨大,护城河深厚,龙头优势明显——强烈看好" → 这种报告等于什么都没说。每个行业的风险都是具体的,不找出具体风险就是没做研究。
假设驱动
不要大海捞针。先做假设,再找数据验证。
三步走:
- 做出假设:"我认为这个行业的核心驱动力是XX"
- 拆解假设(MECE原则:不重不漏):把主假设拆成可验证的子假设
- 验证子假设:找数据、新闻、专家访谈,逐个验证或证伪
假设驱动的核心纪律:欢迎自己被证伪。如果你的假设被数据推翻,这是研究最成功的时刻——你避免了在错误方向上投入。如果数据刚好支持你的假设,警惕确认偏误(回对抗性审查)。
资讯料理法(输入→处理→输出)
- 输入:拓宽渠道(关算法推荐、看不同观点)+ 区分事实/价值判断
- 处理:金字塔原理 — 罗列事实→找规律→提炼要点→归纳核心观点
- 输出:构建"故事线",逻辑自洽,层层递进
数据引用规范(强制遵守)
核心原则
- 每条数据必须标注具体来源 — 不能只有"行业研报""公开数据"等模糊表述,必须给出:来源机构 + 发布时间 + 可追溯链接/出处
- 优先使用官方网站 — 政府官网(.gov.cn)、权威机构原文优先于自媒体转载;能用司法部官网就不用百家号,能用商务部原文就不用搜狐
- 信息源分级标记 — 每条数据标注可靠性等级
信息源三级分级制度
对报告中每条数据标注以下等级:
| 等级 | 标识 | 定义 | 示例 |
|---|---|---|---|
| 一级 | 🟢 | 政府官网原文、国际权威评级机构原始数据、官方工作报告 | 司法部 moj.gov.cn、商务部 hzs.mofcom.gov.cn、Law.com Global 200、贸仲委 cietac.org |
| 二级 | 🔵 | 知名研究机构报告、正规新闻媒体、行业协会正式文件 | 艾瑞咨询、光明日报、经济日报、重庆市律师协会、《商法》 |
| 三级 | 🟡 | 行业自媒体、网络分析博客、招聘平台数据汇总 | 百家号、搜狐号、知乎专栏、雪球、新则、PatentY |
等级使用规则:
- 🟡 三级源的数据应尽量交叉验证,使用时标注"据行业估算"或"多家来源综合"
- 整数百分比的估算值(如"60%")如来自三级源,必须注明"非精确统计值"
- 如果数据无法追溯到一级或二级源,必须在报告中明确标注置信度
数据来源清单模板
每份行业速研报告末尾必须附完整数据来源清单,格式如下:
| # | 数据点 | 来源机构 | 信息源等级 | 可追溯链接/出处 |
|---|--------|---------|-----------|----------------|
| 1 | [具体数据] | [机构名称] | 🟢/🔵/🟡 | [URL 或出处说明] |
| 2 | ... | ... | ... | ... |
数据质量声明
对以下类型的数据必须附加质量说明:
- 估算值(如"AI 可承担 60% 基础工作")→ 标注"行业估算值,非精确统计"
- 第三方转载(如百家号转引司法部数据)→ 标注原始出处,不标注转载平台
- 行业调研数据(如"七成青年律师年收入不足 10 万")→ 标注调研机构和方法,注明"非官方普查"
- 二级市场数据(如股价涨跌)→ 注明"公开市场数据,可交叉验证"
术语对照表要求
报告中出现的所有英文缩写/专业术语,必须在报告开头或正文中首次出现时提供中文说明。推荐格式:
### 术语对照表
| 英文/缩写 | 全称 | 中文含义 |
|-----------|------|---------|
| ARR | Annual Recurring Revenue | 年经常性收入 |
| CAGR | Compound Annual Growth Rate | 年复合增长率 |
| ... | ... | ... |
常见术语可参考以下标准翻译:
- ARR = 年经常性收入
- CAGR = 年复合增长率
- IPO = 首次公开募股(上市)
- PE = 私募股权 | VC = 风险投资
- SaaS = 软件即服务(订阅付费的软件模式)
- RPL = 律师人均创收 | PEP = 权益合伙人平均利润
- PEST = 政治、经济、社会、技术四维宏观分析
- TAM/SAM/SOM = 潜在市场总规模/可服务市场/可获得市场
- NDA = 保密协议
- GDPR = 欧盟《通用数据保护条例》
- WTO = 世界贸易组织
- K 型分化 = 两极分化
- MECE = 相互独立、完全穷尽(分析方法论)
- DCF = 现金流折现估值法 | PEG = 市盈率相对增长比率
- CIETAC = 中国国际经济贸易仲裁委员会(贸仲委)
反面案例(禁止)
❌ "根据行业数据,律师行业收入约 2400 亿元" — 没有来源 ❌ 引用百家号/搜狐号作为唯一来源 ❌ 使用"有数据表明""据调研""业内人士称"等无主语句 ❌ 英文缩写不加中文说明直接使用 ❌ 估算值当作精确值引用(如直接写"人力成本降低了 60%"而不标注是估算)
正面案例(必须)
✅ "2025 年行业收入约 2,400 亿元(来源:观研天下数据中心 🔵,观研报告网)" ✅ "律师 83 万人(来源:司法部 2025 年 9 月 8 日国新办发布会 🟢,moj.gov.cn)" ✅ "AI 可承担约 60% 基础法律工作(⚠️ 行业估算值,非精确统计 🟡)"
数据源速查
完整书单和网站清单见 references/professional-resources.md。 以下是概要速览,研究时优先直接访问如下专业网站获取一手数据:
官方统计(研究必查)
- 国家统计局、央行、财政部、工信部、商务部等官网
- 证监会、外汇管理局、中国互联网络信息中心
- 世界银行、IMF、OECD、IEA(国际对比)
行业垂直数据平台(优先直接访问)
- 克而瑞(房地产)| 七麦数据(App)| 窄门餐眼(餐饮,微信小程序)
- 今日酒价(白酒报价,微信公众号)| 猫眼专业版(影视)
- 上海有色网(有色金属)| 奥维云网(家电)| 药智网/米内网(医药)
- 艾瑞咨询/艾媒集团(互联网新经济)| 欧睿(消费品全球)
金融数据库
- Wind / Choice / iFinD(国内)
- Bloomberg / Capital IQ / CEIC(海外)
- 慧博投研 / 萝卜投研(研报下载)
- 天眼查 / 企查查 / IT桔子(企业/融资信息)
AI 研究工具
- ChatGPT / Claude / DeepSeek / Kimi → 做假设、拆解、总结
- Perplexity / 秘塔AI → AI 搜索引擎(带来源引用)
- BibiGPT → B站/抖音视频内容提取
- TermsAI (termsai.shuaifox.com) → 行业术语知识图谱
专家与社区
- 凯盛融英 / GLG / BCC / Third Bridge → 专业专家网络(昂贵)
- 在行 App → 个人预约专家(数百元/次)
- 领英 / 微信群 → 直接联系业内人士
- 雪球 / 进门财经 → 投资者观点 + 分析师路演
执行指令
当用户说"帮我研究XX行业""快速了解XX行业""分析XX赛道"时,按以下步骤执行:
先确认范围:问清楚用户关注的是整个大类行业还是某个细分环节?目的是投资、择业、创业还是写报告?
🔍 强制搜索纪律(防止数据错误的第一道防线):
- 每个关键数据点必须通过 web 搜索获取实时数据,禁止直接使用模型训练数据中的数字
- 搜索 query 必须包含具体年份和权威机构名(详见上方「搜索执行策略」章节)
- 核心数据至少 2 个独立来源交叉验证
- 找不到的数据标注"待验证",绝不编造
- 按「优先来源清单」排序选择来源(政府官网 > 国际权威 > 年报 > 券商 > 研究机构)
按七步法逐步执行,每一步都给用户产出小结,不要一步跳到结论。
数据引用强制规范:
- 每条数据标注来源机构 + 发布时间 + 可追溯链接/出处
- 标注信息源等级(🟢一级/🔵二级/🟡三级)
- 优先使用官方网站原文,避免自媒体转载作为唯一来源
- 估算值标注"行业估算值,非精确统计"
- 三级源数据尽量交叉验证
最终交付物(参照
references/output-examples.md的标准格式):一份结构化行业速研报告(Markdown 格式),包含:- 信息源分级说明(开头)
- 术语对照表(所有英文缩写的中文说明)
- 行业定义与生命周期判断
- 商业模式画布
- 市场规模测算(含第一性原理拆解标注)
- 产业链可视化图谱(上中下游 + 毛利率 + 卡脖子环节)
- 护城河分析
- 竞争格局与产业链利润分配 + Porter 五力分析表
- PEST + 景气度判断
- 估值锚
- 🤺 对抗性审查(强制)— 对核心判断提出 2-3 个反驳论点,标注杀伤力等级
- 核心结论(3-5 条关键 takeaway)
- 完整数据来源清单(每条数据附来源、等级、链接,置于报告末尾)
🛡️ 对抗性审查纪律(强制执行):
- 写完报告后,退回一步,扮演反方角色
- 对报告中最核心的 2-3 个判断,问:"如果这个判断是错的,最可能的三个原因是什么?"
- 将反方论点写入报告「🤺 对抗性审查」小节
- 如果不能找到有力的反方论点,说明研究不够深入——回去重新审视数据
🔍 数据审查 Agent(强制执行):
- 报告初稿完成后,必须生成一份「数据审查简报」,列出报告中每条核心数据的关键信息:
- 数据内容(报告中的原话)
- 来源机构 + 发布时间
- 当前标注的等级
- 该数据在报告中的用途(支撑了什么论点)
- 将这份简报发给数据审查 Agent 进行独立核查(Agent 规范见下方「数据审查 Agent」章节)
- Agent 返回核查结果后,根据发现的问题修正报告,然后才能交付
- 如果 Agent 标记了 🔴 致命问题(口径错误、来源不存在、数据与原文冲突),必须修改报告后方可交付
- 如果 Agent 标记了 🟡 需补充说明(口径可解释但表述有误导性),必须在报告中添加口径注释
- 报告初稿完成后,必须生成一份「数据审查简报」,列出报告中每条核心数据的关键信息:
速度优先:行业研究追求的是"模糊的正确",不要纠结于小数点后的精度。优先用现成研报和数据,实在没有现成数据再自己估算。
特殊模式
快速扫描模式
用户说"快速看一下XX行业""XX行业怎么样"时,只输出(详见 references/output-examples.md 示例二):
- 一句话行业本质
- 市场规模和增速(带来源)
- 生命周期阶段
- Top 3 玩家
- 一句话投资判断
- 关键跟踪指标
对比模式
用户要求对比两个行业/赛道时,用统一维度并排对比,输出对比表格(详见 references/output-examples.md 示例三)。对比维度至少包括:生命周期、市场规模、CAGR、技术成熟度、商业化验证、主要玩家、投资策略、核心风险、评级。
追踪更新模式
用户说"更新XX行业最新动态""XX行业最近怎么样"时,搜索最近 1 个月的行业新闻,输出:
- 重大事件清单(按时间倒序)
- 对行业格局的影响判断
- 是否需要调整此前的投资观点
行业特殊关注点(附录)
不同行业有不同的关键变量,研究时除七步法通用框架外,还需关注以下行业专属维度:
| 行业类型 | 额外必须关注 |
|---|---|
| AI / 科技 | 大模型能力进展和成本下降曲线、算力供需和资本开支周期、应用层商业化验证、开源 vs 闭源、中美科技竞争和出口管制 |
| 新能源 | 装机量和渗透率、原材料价格(锂/硅/钴)、补贴政策变化、技术路线竞争(如钠电 vs 锂电)、产能过剩风险 |
| 消费 | 消费者信心指数、渠道结构变化(线上渗透率/直播电商)、品牌力和提价能力、人口结构(老龄化/Z世代/下沉市场)、国货替代 |
| 医疗健康 | 研发管线进展、FDA/NMPA 审批、集采/DRG 政策、创新药 vs 仿制药、医保支付结构、老龄化红利 |
| 法律服务等专业服务 | 从业人数和执业准入门槛、替代品生态(法律咨询公司/在线法律平台)、监管政策(收费指引/执业区域)、客户支付意愿和价格敏感度、人均创收(RPL)和合伙人利润(PEP) |
数据审查 Agent
行业研究中最危险的错误不是"数据不准",而是"数据是真的,但被用错了"——口径不兼容、把苹果当橙子比、把相关性当因果性。
Agent 角色定义
- 名称:
industry-fact-checker - 定位:独立的第三方数据审查员,不和主研究员共享假设。它的任务不是确认主研究员的结论,而是找茬。
- 核心指令:逐条核查每条核心数据,重点关注"这句话在技术上是否为真"和"这个数字被放在这里的论证逻辑是否成立"。
何时触发
报告初稿完成、对抗性审查完毕后,必须生成审查简报并触发该 Agent。不可跳过。
审查简报格式
发给 Agent 的简报必须包含以下字段,每条数据一行:
| # | 报告中原文 | 原始来源 | 当前等级 | 支撑的论点 | 上下文 |
|---|-----------|---------|---------|-----------|--------|
| 1 | "83 万律师" | 司法部 2025.9 | 🟢 | 供给过剩 | 用于论证行业饱和 |
| 2 | "399.7 万专业法律服务人员" | 司法部 2024.9 | 🟢 | 供给过剩 | 与律师数一起使用 |
Agent 核查清单(逐项执行)
Agent 对每条数据必须回答以下问题:
来源可追溯吗?
- 能不能找到原始出处(不是转载、不是二手引用)?
- 如果可以,原文的实际表述和报告中的引用是否一致?
- 如果找不到原始出处 → 🔴 标记"来源不可验证"
数据有日期吗?口径是什么?
- 数据是哪一年的?是否已过时?
- 统计口径是什么?("律师"=执业律师?含实习吗?"专业法律服务人员"包含什么?)
- 这个口径是否和报告中其他数据的口径可比较?
- 如果口径不兼容(如把人民调解员和律师加起来论证"竞争激烈")→ 🔴 标记"口径混用"
类比成立吗?
- 报告中有没有拿两个不同国家/市场/时期的数据做直接对比?
- 对比的前提条件相当吗?
- 如果对比的前提不成立 → 🟡 标记"类比需前提说明"
因果方向对吗?
- 报告中有没有"因为 A 所以 B"的推断?
- A 和 B 是因果关系还是相关关系?方向对吗?有没有第三个变量?
- 如果因果推断脆弱 → 🟡 标记"因果需审慎"
有没有被省略的关键上下文?
- 数据引用是否截取了对自己有利的部分?
- 原始报告有没有其他的限定条件、反向说明、或不同时间段的趋势?
- 如果上下文被选择性引用 → 🟡 标记"缺上下文"
核查结果标注规范
| 标注 | 含义 | 处理要求 |
|---|---|---|
| ✅ 通过 | 来源清晰、口径正确、逻辑成立 | 无 |
| 🟡 需补充 | 数据本身真实,但口径/类比/因果需要附加说明 | 在报告中添加口径注释 |
| 🔴 致命 | 来源不存在、口径严重混用、数据与原文冲突 | 必须修改报告 |
Agent 输出格式
Agent 返回一个简洁的核查表:
| # | 数据点 | 核查结果 | 问题描述 | 建议修正 |
|---|--------|---------|---------|---------|
| 1 | XXX | 🟡 需补充 | 口径包含人民调解员等非市场竞争者 | 添加口径说明 |
| 2 | XXX | 🔴 致命 | 来源为百家号转载,原始数据找不到 | 降级为 🟡 或删除 |
| 3 | XXX | ✅ 通过 | — | — |
反面案例(如果不用 Agent 会怎样)
以下错误全靠「自己查自己」很难发现,但 Agent 能秒杀:
案例 1 — 口径混用
报告中写:"法律服务市场供给过剩——83 万律师 + 399.7 万专业法律服务人员 + 83 万法律咨询公司"
Agent 审查:399.7 万包含人民调解员约 300 万+,与律师不构成竞争关系。混用口径制造虚假对比。 标记:🔴 致命
案例 2 — 来源消失
报告中写:"73.6% 青年律师年收入不足 10 万(来源:贵州省律协 2022 年报告)"
Agent 审查:找到的原始来源是百家号转引的转引,贵州省律协原文是否真实存在无法确认。 标记:🔴 致命 → 降级为 🟡 并标注"数据来自二手转引,无法确认原始来源"
案例 3 — 类比陷阱
报告中写:"中国每万人 6.4 名律师,美国 39.4,还有 6 倍空间"
Agent 审查:中美法律体系、诉讼文化、ADR 机制完全不同,类比前提不成立。 标记:🟡 需补充 → 需添加"此对标的局限性"说明