市場敘事必須可量化驗證。三大命題對應三組指標：
| 命題 |
核心問題 |
量化指標 |
| A. 集中度 |
供應是否過度集中？ |
CR4, CR5, 份額排名 |
| B. 結構衰退 |
智利是否結構性衰退？ |
峰值年份、峰值回撤 |
| C. 替代依賴 |
是否依賴秘魯/DRC？ |
秘魯+DRC 合計份額 vs 智利份額 |
注意：由於 MacroMicro 只提供 5 個國家的細分數據，HHI 指標不適用於本分析。
唯一主要來源，使用 Chrome CDP 全自動抓取 Highcharts 圖表數據。
輸出兩層分析：
- Concentration: 國家份額排名、CR4/CR5
- Chile vs Replacers: 智利 vs 新興替代國（Peru + DRC）份額對比
全自動執行（無需手動操作 Chrome）
Step 1：安裝依賴
pip install requests websocket-client pandas numpy matplotlib
Step 2：一鍵抓取數據（自動啟動/關閉 Chrome）
cd scripts
python fetch_copper_production.py
腳本會自動：
- 啟動 Chrome 調試模式
- 等待頁面載入（~40 秒）
- 提取 Highcharts 數據
- 儲存到
cache/copper_production.csv
- 關閉 Chrome
Step 3：生成 Bloomberg 風格視覺化圖表
python visualize_copper_concentration.py
輸出：output/copper_concentration.png
- 快速圖表 - 直接生成 Bloomberg 風格集中度圖表
- 完整分析 - 1970 年至今的集中度趨勢分析（含數據表）
- 智利趨勢 - 智利產量份額與峰值回撤分析
- 替代評估 - 秘魯+DRC 替代依賴度分析
請選擇或直接提供分析參數。
路由後，執行對應命令。
| Script |
Command |
Purpose |
| fetch_copper_production.py |
python fetch_copper_production.py |
全自動 CDP 抓取（自動啟動/關閉 Chrome） |
| fetch_copper_production.py |
--force-refresh |
強制重新抓取（忽略快取） |
| fetch_copper_production.py |
--start-year 1970 |
指定起始年份 |
| visualize_copper_concentration.py |
python visualize_copper_concentration.py |
生成 Bloomberg 風格圖表 |
| visualize_copper_concentration.py |
--output path/to/output.png |
指定輸出路徑 |
|
|
|
視覺化輸出：Bloomberg 風格銅供應集中度儀表板
包含兩張圖（上下排列）：
- 國家份額堆疊面積圖：Chile, Peru, DRC, China, US, Others
- 智利 vs 新興替代國：Chile vs Peru+DRC 份額對比，標記交叉點
配色：Bloomberg 深色主題
- 背景:
#1a1a2e
- Chile:
#ff6b35 (橙紅)
- Peru:
#00bfff (天藍)
- DRC:
#00ff88 (綠)
- Peru+DRC:
#00d4aa (青綠)
快速繪圖：
cd scripts
python visualize_copper_concentration.py
輸出路徑：output/copper_concentration.png
| 國家 |
份額 |
| Chile |
23.5% |
| Peru + DRC |
25.2% |
| China |
7.5% |
| US |
5.0% |
關鍵發現：
- 智利份額峰值：37.2% (2004)
- 智利當前份額：23.5% (2023)
- 峰值回撤：13.7pp
- 2023 年 Peru+DRC 首次超越智利（份額逆轉）
1---2name: analyze-copper-supply-concentration-risk3description: 用公開資料量化「銅供應是否過度集中、主要產地是否結構性衰退、替代增量是否依賴少數國家」，並輸出可行的中期供應風險結論與情境推演。4---56<essential_principles>78<principle name="narrative_to_metrics">9**敘事轉指標（Narrative to Metrics）**1011市場敘事必須可量化驗證。三大命題對應三組指標：1213| 命題 | 核心問題 | 量化指標 |14|------|----------|----------|15| A. 集中度 | 供應是否過度集中？ | CR4, CR5, 份額排名 |16| B. 結構衰退 | 智利是否結構性衰退？ | 峰值年份、峰值回撤 |17| C. 替代依賴 | 是否依賴秘魯/DRC？ | 秘魯+DRC 合計份額 vs 智利份額 |1819**注意**：由於 MacroMicro 只提供 5 個國家的細分數據，HHI 指標不適用於本分析。20</principle>2122<principle name="data_source">23**數據來源：MacroMicro (WBMS)**2425唯一主要來源，使用 Chrome CDP **全自動**抓取 Highcharts 圖表數據。2627- URL: https://en.macromicro.me/charts/91500/wbms-copper-mine-production-total-world28- 口徑: mined copper content（礦場產量的銅金屬含量）29- 可用序列: World, Chile, Peru, DRC, China, US30</principle>3132</essential_principles>3334<objective>35分析全球銅供應的國家集中度與結構性風險。3637輸出兩層分析：381. **Concentration**: 國家份額排名、CR4/CR5392. **Chile vs Replacers**: 智利 vs 新興替代國（Peru + DRC）份額對比40</objective>4142<quick_start>4344**全自動執行（無需手動操作 Chrome）**4546**Step 1：安裝依賴**47```bash48pip install requests websocket-client pandas numpy matplotlib49```5051**Step 2：一鍵抓取數據（自動啟動/關閉 Chrome）**52```bash53cd scripts54python fetch_copper_production.py55```5657腳本會自動：58- 啟動 Chrome 調試模式59- 等待頁面載入（~40 秒）60- 提取 Highcharts 數據61- 儲存到 `cache/copper_production.csv`62- 關閉 Chrome6364**Step 3：生成 Bloomberg 風格視覺化圖表**65```bash66python visualize_copper_concentration.py67```6869**輸出**：`output/copper_concentration.png`7071</quick_start>7273<intake>74需要進行什麼分析？75761. **快速圖表** - 直接生成 Bloomberg 風格集中度圖表772. **完整分析** - 1970 年至今的集中度趨勢分析（含數據表）783. **智利趨勢** - 智利產量份額與峰值回撤分析794. **替代評估** - 秘魯+DRC 替代依賴度分析8081**請選擇或直接提供分析參數。**82</intake>8384<routing>85| Response | Action |86|----------|--------|87| 1, "快速", "圖表", "chart" | `python scripts/fetch_copper_production.py && python scripts/visualize_copper_concentration.py` |88| 2, "完整", "trend", "1970" | 抓取數據後輸出完整年度數據表 |89| 3, "智利", "chile" | 分析智利份額趨勢與峰值 |90| 4, "替代", "replacement", "秘魯", "drc" | 分析 Peru+DRC 是否已超越智利 |9192**路由後，執行對應命令。**93</routing>9495<directory_structure>96```97analyze-copper-supply-concentration-risk/98├── SKILL.md # 本文件（路由器）99├── skill.yaml # 前端展示元數據100├── scripts/101│ ├── fetch_copper_production.py # 全自動 CDP 數據爬蟲102│ └── visualize_copper_concentration.py # Bloomberg 風格視覺化103├── cache/104│ ├── copper_production.csv # 數據快取105│ └── copper_production_cache.json # 原始 JSON 快取106└── output/107 └── copper_concentration.png # 輸出圖表108```109</directory_structure>110111<scripts_index>112| Script | Command | Purpose |113|--------|---------|---------|114| fetch_copper_production.py | `python fetch_copper_production.py` | 全自動 CDP 抓取（自動啟動/關閉 Chrome） |115| fetch_copper_production.py | `--force-refresh` | 強制重新抓取（忽略快取） |116| fetch_copper_production.py | `--start-year 1970` | 指定起始年份 |117| visualize_copper_concentration.py | `python visualize_copper_concentration.py` | 生成 Bloomberg 風格圖表 |118| visualize_copper_concentration.py | `--output path/to/output.png` | 指定輸出路徑 |119</scripts_index>120121<visualization>122123**視覺化輸出：Bloomberg 風格銅供應集中度儀表板**124125包含兩張圖（上下排列）：1261. **國家份額堆疊面積圖**：Chile, Peru, DRC, China, US, Others1272. **智利 vs 新興替代國**：Chile vs Peru+DRC 份額對比，標記交叉點128129**配色**：Bloomberg 深色主題130- 背景: `#1a1a2e`131- Chile: `#ff6b35` (橙紅)132- Peru: `#00bfff` (天藍)133- DRC: `#00ff88` (綠)134- Peru+DRC: `#00d4aa` (青綠)135136**快速繪圖**：137```bash138cd scripts139python visualize_copper_concentration.py140```141142**輸出路徑**：`output/copper_concentration.png`143144</visualization>145146<output_example>147**2023 年關鍵指標**：148149| 國家 | 份額 |150|------|------|151| Chile | 23.5% |152| Peru + DRC | 25.2% |153| China | 7.5% |154| US | 5.0% |155156**關鍵發現**：157- 智利份額峰值：37.2% (2004)158- 智利當前份額：23.5% (2023)159- 峰值回撤：13.7pp160- **2023 年 Peru+DRC 首次超越智利**（份額逆轉）161</output_example>162163<success_criteria>164分析成功時應產出：165166- [x] 數據已從 MacroMicro **全自動**抓取並快取167- [x] 國家份額排名（Chile, Peru, DRC, China, US, Others）168- [x] 智利峰值年份與回撤分析169- [x] 秘魯+DRC 替代趨勢170- [x] **Bloomberg 風格視覺化圖表**171- [x] 明確標註數據來源172</success_criteria>
diegosouzapw