Berkshire Private Company Research

Codex adapter note

This skill is generated from berkshire-private-company-research so Claude Code and Codex users share one canonical workflow.

• Treat $ARGUMENTS as the user's request in the current Codex thread.
• When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
• Use shared project tools from tools/ in this repository. Prefer running commands from the repository root with paths like python3 .claude/skills/berkshire-shared/tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.
• Before starting research, run the date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.
• Preserve the research quality rules from AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

未上市公司研究：多Agent并行深度研究框架

对 $ARGUMENTS 进行团队化深度研究分析。专为蚂蚁集团、小红书、SpaceX、Stripe 等未上市公司设计。

最终目标：在信息天然稀缺的条件下，尽可能还原这家公司的真实价值——不是市场给的估值，而是生意本身值多少钱。

框架特点

未上市公司 vs 上市公司研究的核心差异：

• 无标准化财报：需多源拼凑、交叉验证
• 估值锚定少：依赖融资轮次、可比公司法、情景推演
• 信息不对称大：需要更多"拼图式"研究方法
• 退出路径不确定：IPO/并购/二级转让均有可能

AI研究偏见自觉（本框架的核心前提）

未上市公司是AI研究偏见最严重的领域。必须时刻警惕以下陷阱：

核心矛盾：AI擅长结构化已有信息，但未上市公司的信息天然稀缺。这会导致：

1. 虚假保守：因为资料少，AI倾向给出保守/模糊的结论，但资料少≠公司不好
2. 虚假精确：为了填满报告模板，AI可能用"合理推测"伪装成"有据分析"
3. 对标陷阱：强行与上市公司对标时，会继承上市公司的估值逻辑，忽略未上市公司的独特价值
4. 幸存者偏差：网上能搜到的公司信息往往有正面偏向（公司主动传播的多是好消息）

应对原则：

• 宁可留白说"不知道"，也不要用推测填满表格伪装确定性
• 每个数据点必须标注置信度（🟢高/🟡中/🔴低），让读者自己判断
• 区分"可验证的事实"与"AI的推理"，用不同格式标注
• 对于信息极度稀缺的公司，切换为"第一性原理模式"——不追求报告完整，只回答几个核心问题：
  1. 这门生意解决什么真实问题？需求是真需求还是伪需求？
  2. 为什么是这个团队？他们有什么独特优势？
  3. 如果成功了，天花板有多高？如果失败了，最可能死在哪里？
  4. 当前阶段的关键验证节点是什么？

反向利用信息不对称：市场对未上市公司信息少→定价效率低→恰恰可能是超额收益的来源。AI研究的目标不是消除信息不对称（做不到），而是在有限信息中提取最关键的判断依据。

执行流程

第一步：展示团队框架

向用户展示以下团队结构，确认后启动：

第二步：创建团队

使用 TeamCreate 创建团队：

• team_name: {公司名}-private-research（英文小写，如 ant-group-private-research）
• agent_type: team-lead

第三步：创建6个任务

使用 TaskCreate 创建以下6个任务（每个都要有 subject、description、activeForm）：

任务1：商业模式与产品用户深度分析

• subject: 拆解{公司名}商业模式、产品矩阵与用户生态
• activeForm: 分析{公司名}商业模式与用户生态
• description 包含：

## 商业模式深度拆解

### 1. 核心生意定义
- 用一句话定义这门生意的本质（段永平式定义：用最朴素的语言，把这门生意讲给一个聪明但不懂行的人听）
- 公司解决什么问题？为谁创造价值？
- 价值主张与同类产品的差异化
- 这个问题如果公司不存在，用户会怎么解决？替代方案的代价有多高？
- 需求的"刚性"判断：经济下行时用户会砍掉这个支出吗？

### 2. 收入模式拆解
- 收入构成：广告/佣金/订阅/交易抽成/金融服务/SaaS/硬件/授权费等
- 各收入线占比（如有数据）及增长趋势
- 变现效率指标推算：ARPU、Take Rate、广告加载率、转化率等
- 收入质量评估：
  - 经常性收入 vs 一次性收入的占比
  - 收入集中度：前5大客户/渠道占比
  - 收入的可预测性（合同型/订阅型 vs 交易型）
  - 收入确认方式是否合理（有无提前确认收入的迹象）
- 与同业上市公司变现效率对标

### 3. 单位经济模型（UE）推算
- CAC（获客成本）推算：
  - 付费获客 vs 自然增长的占比
  - 分渠道CAC（如有）
  - CAC趋势：随规模增长是上升还是下降？
- LTV（生命周期价值）推算：
  - ARPU × 预期生命周期
  - 考虑交叉销售和升级销售
- LTV/CAC 比值、回本周期
- 边际成本结构：新增用户/交易的边际成本趋势
- 规模经济拐点：何时/是否已过盈亏平衡点

### 4. 产品矩阵与飞轮效应
- 核心产品 + 延伸产品 + 孵化产品
- 飞轮如何运转：网络效应/数据飞轮/规模效应
- 产品之间的协同效应与交叉导流
- 产品生命周期：各产品分别处于哪个阶段
- 产品迭代速度：App/产品更新频率、近12个月重大功能更新

### 5. 商业模式画布（BMC）
用以下9要素完整描述商业模式：
| 要素 | 内容 |
|------|------|
| 价值主张 | |
| 客户细分 | |
| 渠道通路 | |
| 客户关系 | |
| 收入来源 | |
| 核心资源 | |
| 关键活动 | |
| 重要伙伴 | |
| 成本结构 | |

### 6. 用户深度分析
- 用户规模：MAU/DAU（从QuestMobile、Sensor Tower、SimilarWeb等推算）
- 用户增长曲线：处于S曲线哪个阶段（用具体数据论证）
- 用户粘性指标：
  - DAU/MAU 比率（日活/月活比）
  - 平均使用时长、打开频次
  - 次日/7日/30日留存率（如有）
  - 用户增长 vs 留存趋势对比（虚假增长识别）
- 用户画像：年龄/地域/消费力/职业分布
- 用户口碑：
  - App Store/Google Play评分趋势（近12个月变化）
  - 社交媒体舆情分析
  - 知乎/微博/小红书上的用户真实反馈
  - 负面评价的主要集中点
- 用户获取效率：
  - 付费获客 vs 自然增长 vs 口碑传播比例
  - 是否依赖单一获客渠道

### 7. 定价权评估
- 过去3年是否有提价历史？提价后用户流失情况？
- 与竞品的价格对比：是价格领导者还是跟随者？
- 用户对价格的敏感度评估
- 佣金/抽成比例在产业链中的合理性

### 8. 护城河评估
对以下6个维度逐一验证并打分(★1-5)：

| 护城河类型 | 评分 | 证据 | 趋势 | 持久性评估 |
|-----------|------|------|------|-----------|
| 网络效应 | | 用户越多，价值越大？是单边还是双边/多边？ | 加宽/稳定/收窄 | |
| 转换成本 | | 用户迁移到竞品的代价？数据/关系/习惯迁移成本？ | | |
| 品牌心智 | | 品类=品牌？NPS推算？ | | |
| 数据壁垒 | | 数据飞轮是否形成？独有数据资产？数据量级？ | | |
| 监管牌照 | | 是否有准入门槛？牌照获取难度？ | | |
| 规模经济 | | 规模带来的成本优势是否显著？ | | |

综合护城河评级：宽/中/窄/无

### 9. 国际化分析（如适用）
- 海外市场拓展情况
- 国际化收入占比
- 本土化策略与挑战
- 海外竞争格局差异

任务2：财务数据拼凑与估值推演

• subject: 拼凑{公司名}财务数据并进行估值分析
• activeForm: 拼凑{公司名}财务数据与估值
• description 包含：

## 财务数据拼凑（侦探式研究）

未上市公司没有标准财报，需要多源拼凑、交叉验证。每一个数据都要追溯到具体来源，标明时间和置信度。

### 1. 数据来源矩阵
**按优先级搜索以下来源**：

| 优先级 | 来源类型 | 具体来源 | 可信度 | 搜索方法 |
|--------|---------|---------|--------|---------|
| 1 | 招股书/监管文件 | SEC Filing、港交所、证监会披露的招股书草案 | 🟢高 | 搜索"公司名 + 招股书/prospectus/IPO filing" |
| 2 | 母公司/关联上市公司财报 | 如阿里年报中蚂蚁数据、Google Cloud年报 | 🟢高 | 搜索母公司年报中的关联披露 |
| 3 | 监管处罚/合规披露 | 央行、证监会、市场监管总局处罚文件 | 🟢高 | 搜索"公司名 + 处罚/罚款/整改" |
| 4 | 债券/ABS发行文件 | 如蚂蚁花呗ABS说明书中的底层数据 | 🟢高 | 搜索"公司名 + 债券/ABS/信托" |
| 5 | 工商登记信息 | 天眼查/企查查的工商年报、实缴资本 | 🟡中高 | |
| 6 | 融资新闻 | 估值、融资金额、投资方 | 🟡中 | 搜索"公司名 + 融资/估值/valuation" |
| 7 | 第三方研报 | 券商、咨询公司、行业协会研报 | 🟡中 | 搜索"公司名 + 研报/report" |
| 8 | 深度媒体报道 | 晚点LatePost、The Information、36氪、Bloomberg | 🟡中 | 直接搜索这些媒体+公司名 |
| 9 | 行业数据推算 | 通过行业总量和市场份额反推 | 🔴低-中 | |
| 10 | 前员工/内部人爆料 | Blind、脉脉、论坛 | 🔴低 | 仅作参考，不作为主要依据 |

### 2. 关键财务指标推算
尽可能推算以下数据，**每个数据点必须标明**：来源、时间、置信度、推算方法。

**收入端**：
- 总收入规模与增速（近3年，年度/季度颗粒度）
- 收入结构拆解（按业务线/产品线）
- 收入增长驱动因素分解：量（用户/交易量）× 价（ARPU/客单价）
- 收入的季节性波动模式

**成本端**：
- 毛利率推算（对标同业上市公司，说明选取逻辑）
- 研发费用率推算（通过员工数 × 人均薪酬，或研发人员占比推算）
- 销售费用率推算（通过获客渠道和投放数据推算）
- 管理费用率推算

**利润端**：
- 经营利润/EBITDA 推算
- 净利润/调整后净利润推算
- 盈利时间线：何时盈利？如果尚未盈利，预计何时？

**现金流端**：
- 经营现金流判断（正/负，是否自我造血）
- 资本开支水平和趋势
- 自由现金流推算
- 账上现金/烧钱速度（通过融资金额、融资间隔、员工数推算）
- 现金跑道：按当前烧钱速度还能撑多久？

**效率指标**：
- 员工数量与人效（人均收入、人均利润）
- 资本效率：每融1元钱产生多少收入
- 与同业上市公司效率指标对标

### 3. 财务数据交叉验证
- 同一指标如果有多个来源，全部列出并说明差异
- 用不同方法推算同一指标，检查结果是否收敛
- 标注无法验证的"孤证"数据

| 指标 | 来源A（数据/时间） | 来源B（数据/时间） | 差异 | 采信判断 |
|------|-------------------|-------------------|------|---------|

### 4. 融资历史与估值演变
整理完整融资时间线：

| 轮次 | 时间 | 金额 | 投前估值 | 投后估值 | 领投方 | 跟投方 | 估值倍数增长 | 备注 |
|------|------|------|---------|---------|--------|--------|------------|------|

分析：
- 估值增长曲线是否健康（每轮增长倍数是否合理）
- 融资间隔是否合理（过于频繁=烧钱快？过于稀疏=融资困难？）
- 是否出现估值倒挂（Down Round）
- 老股东是否持续加注（信心信号）
- 最新一轮的投资条款推测：
  - 优先清算权（1x/2x/participating）
  - 反稀释保护（full ratchet/weighted average）
  - 对赌条款（业绩/上市时间）
  - 这些条款对普通股价值的影响

### 5. 估值分析（多方法交叉）

**方法1：最近融资估值法**
- 最近一轮估值及时间
- 考虑优先清算权等条款后的"普通股等价估值"（通常需要打折20-40%）
- 距今时间差异调整
- 这一轮投资人的动机分析（财务投资 vs 战略投资，战略投资者可能溢价）

**方法2：可比上市公司法**
- 选择3-5家上市可比公司，说明选取理由
- 关键倍数对比：

| 可比公司 | P/S | P/E | EV/EBITDA | EV/Revenue | 增速 | 利润率 |
|---------|-----|-----|-----------|------------|------|--------|

- 应用的调整：
  - 流动性折价：20-30%（标注具体取值和理由）
  - 增速溢价/折价
  - 规模折价
  - 监管/政策风险折价

**方法3：DCF 情景分析**
三种情景，每种都要列出关键假设：

| 假设 | 悲观 | 中性 | 乐观 |
|------|------|------|------|
| 未来5年收入CAGR | | | |
| 终态经营利润率 | | | |
| 终态增长率 | | | |
| WACC | | | |
| 终值倍数(EV/EBITDA) | | | |

每个假设要有论据支撑，不能凭空假设。

**方法4：终局市值倒推法**
- 假设5年/10年后这门生意在终态时的市场地位
- 终态收入和利润率假设
- 终态合理倍数（参考同行业成熟公司）
- 倒推当前合理估值区间
- 隐含的年化回报率

**方法5：交易对标法**
- 同行业近2年的并购/融资交易
- 交易倍数（P/S、P/E）
- 交易背景和溢价/折价因素

### 6. 估值综合判断

| 方法 | 估值区间 | 置信度 | 权重 | 加权估值 |
|------|---------|--------|------|---------|

- 不同方法得出的估值是否收敛？如果差异大，分析原因
- 最终给出的估值区间要区分"合理估值"和"保守估值"（安全边际估值）

任务3：行业格局与竞争态势分析

• subject: 分析{公司名}所在行业的竞争格局与替代威胁
• activeForm: 分析{公司名}行业格局与竞争态势
• description 包含：

## 行业格局与竞争态势

### 1. 行业定位与市场规模
- 公司所在的核心赛道定义（注意：公司自己定义的赛道可能是美化过的，要独立判断）
- TAM/SAM/SOM 三层市场规模：
  - TAM（总可寻址市场）：整个大行业
  - SAM（可服务市场）：公司技术/模式能覆盖的
  - SOM（可获得市场）：当前实际能获取的
- 市场规模数据来源对比（不同研究机构的预测可能差异很大）
- 市场渗透率：当前 vs 天花板
- 行业所处阶段：萌芽期/成长期/成熟期/衰退期（附论据）
- 行业增长驱动因素：哪些力量在推动/阻碍行业增长

### 2. 产业链全景地图
绘制完整产业链结构（文本图）：

上游供应方（谁？议价能力？） ↓ 公司所处环节（价值链中哪个位置？利润池占比？） ↓ 下游客户/用户（集中度？替代选择？） ↕ 竞争对手 / 替代品 / 潜在进入者

- 利润池分析：产业链各环节的利润分配
- 公司在产业链中的议价能力（上游/下游）
- 上下游依赖度分析：是否存在单一供应商/客户依赖
- 产业链正在发生的结构性变化

### 3. 波特五力分析（量化打分）

| 力量 | 强度(★1-5) | 关键因素 | 对公司影响 |
|------|-----------|---------|-----------|
| 行业内竞争 | | 集中度、差异化程度、退出壁垒 | |
| 新进入者威胁 | | 资本壁垒、技术壁垒、监管壁垒、品牌壁垒 | |
| 替代品威胁 | | 替代品性价比、转换成本 | |
| 供应商议价能力 | | 供应商集中度、转换成本 | |
| 买方议价能力 | | 客户集中度、信息透明度 | |

综合行业吸引力评分：★1-5

### 4. 竞争格局深度扫描

| 竞争对手 | 类型 | 市场份额(推算) | 收入规模 | 融资/市值 | 核心优势 | 主要劣势 | 威胁等级 |
|---------|------|---------------|---------|----------|---------|---------|---------|
| 直接竞争者1 | 直接 | | | | | | |
| 直接竞争者2 | 直接 | | | | | | |
| 间接竞争者1 | 跨界 | | | | | | |
| 潜在进入者1 | 巨头 | | | | | | |

重点分析：
- **直接竞争者**：同赛道直接对手，逐个分析其战略意图和资源投入
- **间接竞争者**：跨界潜在竞争，特别是大厂的相关业务
- **替代品威胁**：不同技术路线/模式，特别是AI可能带来的颠覆
- **潜在进入者**：巨头可能入局的概率和方式（自建/收购/投资）

### 5. 竞争对手深度对比
选择2-3个最直接的竞争对手（含上市和未上市），进行多维对比：

| 维度 | {公司名} | 竞争者A | 竞争者B | 竞争者C |
|------|---------|---------|---------|---------|
| 成立时间 | | | | |
| 用户规模(MAU) | | | | |
| 收入规模 | | | | |
| 收入增速 | | | | |
| 融资总额/市值 | | | | |
| 估值/收入倍数 | | | | |
| 变现效率(ARPU) | | | | |
| 毛利率 | | | | |
| 盈利状态 | | | | |
| 员工数量 | | | | |
| 技术能力 | | | | |
| 差异化定位 | | | | |
| 国际化程度 | | | | |

### 6. 竞争动态与趋势
- 近12个月的竞争格局关键变化（融资、并购、产品发布、人事变动）
- 竞争对手的战略方向推断（从招聘、专利、产品更新推断）
- 行业正在发生的结构性转变
- 技术变革对竞争格局的影响（特别是AI/大模型）
- 监管政策对竞争格局的影响
- 是否存在"赢家通吃"的行业特征？还是会形成稳定的多寡头格局？

### 7. 竞争情景推演
- 情景A：公司胜出——需要什么条件？概率？
- 情景B：均势共存——各自的生存空间？
- 情景C：被颠覆——最可能的颠覆者和路径？

### 8. 全球对标分析
寻找海外/国内的对标公司（已上市），分析：

| 维度 | 对标公司A | 对标公司B | {公司名}对标启示 |
|------|---------|---------|----------------|
| 发展路径 | | | |
| 当前估值水平 | | | |
| 从类似阶段到上市的时间 | | | |
| 上市后股价表现 | | | |
| 成功/失败的关键因素 | | | |

- 对标的局限性说明（中国市场特殊性、监管差异、用户习惯差异）

任务4：风险全景与治理评估

• subject: 评估{公司名}全维度风险与管理层/治理结构
• activeForm: 评估{公司名}风险与治理结构
• description 包含：

## 风险全景与治理评估

### 1. 创始人/CEO 深度评估

> "买股票就是买人。" —— 段永平

- **背景与履历**：教育、职业经历、创业经历
  - 有无连续创业经历？上一次创业的结果？
  - 行业相关经验年限
  - 之前管理的最大团队/业务规模
- **战略眼光**：搜索CEO过去3年的公开发言（演讲、访谈、内部信、社交媒体）
  | 时间 | CEO的判断/预测 | 实际结果 | 准确度 |
  |------|--------------|---------|--------|
  - 有无做过超前于市场的正确判断？
  - 有无在大家都看好时保持冷静？
- **执行力**：关键里程碑是否按时达成
  | 承诺 | 承诺时间 | 承诺场合 | 兑现情况 | 评价 |
  |------|---------|---------|---------|------|
- **格局与价值观**：
  - 对用户/员工/社会的态度（从具体事件判断，不看口号）
  - 面对困难时的选择（裁员方式、危机处理、利益冲突时的取舍）
  - 对短期利润 vs 长期价值的取舍
- **争议事件**：是否有负面记录（搜索"CEO名字 + 争议/丑闻/问题"）
- **评级**：★1-5（附详细理由）

### 2. 核心团队评估
- 核心高管团队名单与背景（CTO/CFO/COO/VP等）
  | 姓名 | 职位 | 背景 | 任期 | 此前经历 |
  |------|------|------|------|---------|
- 关键人才流动分析：
  - 近2年重要高管离职情况（谁走了？去了哪？为什么？）
  - 近2年重要高管加入情况（从哪挖来的？说明什么？）
  - 人才净流入还是净流出？
- 团队互补性：创始团队的能力是否互补？有无明显短板？
- 团队文化信号：
  - Glassdoor/脉脉评分与趋势（近12个月变化方向比绝对值重要）
  - 员工推荐意愿（Would recommend to a friend）
  - CEO支持率
  - 加班文化、组织氛围的舆论
- 关键人物依赖度：如果CEO/CTO离开，公司会怎样？

### 3. 股权结构与治理

**股权架构**：
| 股东 | 持股比例 | 投票权比例 | 类型 | 备注 |
|------|---------|-----------|------|------|

- 创始人控制权结构：AB股/一致行动人/VIE架构
- 创始人持股比例变化趋势（每轮融资稀释情况）
- 员工持股计划：覆盖面、行权条件、与上市对赌

**治理结构**：
- 董事会构成（独立董事占比、投资方席位）
- 重大决策机制
- 潜在的利益冲突：
  - 关联交易（创始人其他公司与本公司的交易）
  - 同业竞争
  - 大股东利益与小股东利益的冲突点

### 4. 投资人阵容深度分析

| 投资方 | 轮次 | 金额 | 估算持股 | 类型 | 战略价值 | 退出压力 |
|--------|------|------|---------|------|---------|---------|

分析：
- 领投机构的品牌背书意义（顶级VC vs 不知名基金）
- 产业资本的战略协同价值（是否带来资源/渠道）
- 投资人退出压力评估：
  - 基金存续期还剩多久？
  - 是否已在二级市场抛售老股？
  - 对赌条款是否临近到期？
- 投资人阵容的红旗信号：
  - 是否有声誉不佳的投资人？
  - 早期投资人是否已清仓？
  - 最近一轮的跟投情况（老股东不跟=不看好？）

### 5. 全维度风险清单

| 风险类型 | 具体风险 | 概率(高/中/低) | 影响(高/中/低) | 严重度 | 是否可对冲 | 监控指标 |
|---------|---------|---------------|---------------|--------|-----------|---------|
| 监管风险 | 反垄断、数据安全、行业整顿、牌照风险 | | | | | |
| 竞争风险 | 巨头入场、新模式颠覆、价格战 | | | | | |
| 技术风险 | 平台迁移、AI颠覆、技术路线失败 | | | | | |
| 人才风险 | 创始人/核心团队流失 | | | | | |
| 融资风险 | 资金链、估值倒挂、融资困难 | | | | | |
| IPO风险 | 上市窗口、监管审批、市场环境 | | | | | |
| 地缘风险 | 中美关系、跨境数据、制裁 | | | | | |
| 商业化风险 | 变现不及预期、用户反弹 | | | | | |
| 治理风险 | 关联交易、信息不透明、投资人冲突 | | | | | |
| 合规风险 | 数据隐私(GDPR/个保法)、内容合规 | | | | | |
| 宏观风险 | 经济周期、利率环境、资本市场冷热 | | | | | |
| ESG风险 | 环境/社会/治理相关风险 | | | | | |

### 6. 退出路径分析

| 退出方式 | 可能性(★1-5) | 预计时间窗口 | 预期估值区间 | 关键前提 | 主要障碍 |
|---------|-------------|------------|------------|---------|---------|
| A股IPO | | | | | |
| 港股IPO | | | | | |
| 美股IPO | | | | | |
| 被并购 | | 潜在买家是谁？ | | | |
| 二级市场转让 | | 流动性如何？ | | | |
| SPAC | | | | | |
| 长期不退出 | | | | | |

- 最可能的退出路径及理由
- 退出时间线推演
- 各退出路径下的预期回报分析

### 7. 最坏情景分析（芒格式逆向思考）

> "反过来想，总是反过来想。" —— 芒格

- 这家公司最可能怎么**失败**？列出3种具体失败路径
- 每种失败路径的概率评估和触发条件
- 最坏情景下，投资人能收回多少？（清算价值分析）
- 聪明人为什么**不投**这家公司？（至少列出5条理由）
- 历史上类似定位/阶段的公司，有哪些失败了？为什么？
- 什么信号出现意味着"论文已破"，应该止损？

任务5：技术能力与知识产权分析

• subject: 分析{公司名}技术栈、专利布局与研发能力
• activeForm: 分析{公司名}技术能力与知识产权
• description 包含：

## 技术能力与知识产权深度分析

> 对科技公司而言，技术壁垒的真假和持久性直接决定估值的合理性。

### 1. 技术栈分析
- 核心技术架构推断（从招聘信息、技术博客、开源项目、会议演讲推断）
- 技术栈选择是否合理（是否用了正确的工具解决正确的问题）
- 技术债务信号：
  - 招聘岗位中是否大量招"重构/迁移"类角色
  - 是否在做大规模技术栈切换
  - 用户端是否有频繁的bug/故障投诉

### 2. 专利布局分析
搜索专利数据库（Google Patents、CNIPA、USPTO）：

| 专利指标 | 数据 | 来源 |
|---------|------|------|
| 专利总数（已授权） | | |
| 专利申请中 | | |
| 近2年新增专利数 | | |
| 核心技术领域分布 | | |
| 关键专利的引用次数 | | |
| 专利的国际布局 | | |

- 专利质量评估（不只看数量）：
  - 是否有核心/基础专利？
  - 专利覆盖的技术领域是否与主营业务一致？
  - 是否存在专利诉讼（被诉或主动起诉）？
- 专利趋势：申请速度在加快还是放缓？技术方向有无转移？
- 与竞争对手的专利对比

### 3. 研发能力评估
- **研发投入**：
  - 研发人员数量/占比（从招聘平台、LinkedIn推算）
  - 研发费用推算（人数 × 平均薪酬 + 基础设施）
  - 研发费用率（与同业对比）
  - 研发投入趋势：在加大还是缩减？
- **研发产出**：
  - 学术论文发表（搜索Google Scholar、arXiv）
  - 技术会议演讲（搜索KDD、NeurIPS、SIGIR等顶会）
  - 开源贡献（搜索GitHub组织账号）
  - 技术博客/公众号输出
- **研发效率**：
  - 从技术研发到产品落地的速度
  - 技术成果的商业转化率

### 4. 技术人才评估
- **核心技术领导者**：CTO/VP Eng/首席科学家的背景和能力
  | 姓名 | 职位 | 学历 | 前公司 | 技术影响力 |
  |------|------|------|--------|-----------|
- **技术人才密度**：
  - 来自哪些公司/实验室？（Google/Meta/MSRA/BAT等顶尖机构占比）
  - 技术岗位的薪酬竞争力（从招聘信息推算）
  - 技术团队的流失率信号（LinkedIn上离职动态）
- **招聘信号**：
  - 当前在招什么技术岗位？（反映技术战略方向）
  - 技术岗位的招聘难度和填充速度
  - 是否在建新的技术团队/实验室？

### 5. 技术护城河评估

| 技术壁垒维度 | 评分(★1-5) | 证据 | 持久性 |
|-------------|-----------|------|--------|
| 算法/模型壁垒 | | 是否有独创算法？是否可被复制？ | |
| 数据壁垒 | | 数据量级、独有数据、数据飞轮速度 | |
| 工程壁垒 | | 系统复杂度、长时间积累的工程能力 | |
| 人才壁垒 | | 核心技术人才是否难以替代 | |
| 生态壁垒 | | 开发者生态、API/SDK覆盖、技术标准 | |

- 综合技术护城河评级：强/中/弱
- 技术护城河的衰减速度评估（AI时代技术壁垒的半衰期可能很短）

### 6. AI/新技术影响评估
- 公司的AI能力和布局
- AI对公司核心业务的影响（增强 vs 威胁 vs 中性）
- 公司是AI变革的受益者还是被颠覆者？
- 其他新兴技术（Web3/AR/VR/量子计算等）的影响评估

### 7. 技术风险清单
| 风险 | 具体描述 | 概率 | 影响 |
|------|---------|------|------|
| 技术路线失败 | 押注的技术方向被证伪 | | |
| 开源替代 | 核心技术被开源方案替代 | | |
| 平台依赖 | 对特定云/芯片/操作系统的依赖 | | |
| 安全漏洞 | 数据泄露/系统被攻击 | | |
| 人才流失 | 核心技术人员出走 | | |

任务6：替代数据信号挖掘

• subject: 挖掘{公司名}的非常规数据信号与隐藏线索
• activeForm: 挖掘{公司名}替代数据信号
• description 包含：

## 替代数据信号挖掘

> 未上市公司的常规信息有限，替代数据往往能提供比新闻报道更真实的经营信号。
> 本任务的目标是：在常规信息源之外，挖掘一切可能有用的蛛丝马迹。

### 1. 招聘信号分析
搜索 LinkedIn、Boss直聘、脉脉、Indeed、Glassdoor 上的招聘信息：

**招聘规模与趋势**：
- 当前在招岗位总数
- 近6个月招聘趋势（加速/平稳/缩减）
- 与竞争对手的招聘规模对比

**招聘结构分析**：
| 岗位类别 | 数量 | 占比 | 信号解读 |
|---------|------|------|---------|
| 研发/工程 | | | 技术方向 |
| 产品 | | | 产品战略 |
| 销售/BD | | | 商业化阶段 |
| 市场/运营 | | | 增长策略 |
| 数据/AI | | | AI布局 |
| 国际化 | | | 出海计划 |
| 合规/法务 | | | 监管应对/IPO准备 |
| 财务/IR | | | IPO准备信号 |

**关键信号捕捉**：
- 是否在招IR（投资者关系）= IPO信号
- 是否在招合规/数据安全 = 监管压力或IPO准备
- 是否在招海外岗位 = 国际化布局
- 高级岗位的薪酬范围 = 公司财力和人才竞争力
- 岗位JD中提到的技术栈/业务方向 = 战略方向

### 2. App/产品数据分析
搜索 App Store、Google Play、七麦数据、SimilarWeb：

| 指标 | 数据 | 来源 | 趋势 |
|------|------|------|------|
| App Store排名 | | | 近6个月趋势 |
| 用户评分 | | | 变化方向 |
| 评分数量 | | | 增速 |
| 下载量估算 | | | |
| App更新频率 | | | |
| 最近更新的主要功能 | | | |

- App Store评论中的高频关键词和情感分析
- 近期差评的主要集中点（bug？收费？体验下降？）
- Web流量数据（SimilarWeb）：UV、PV、访问时长、跳出率

### 3. 社交媒体与舆情信号
搜索微博、知乎、小红书、Twitter/X、Reddit：

- 公司官方账号的互动数据（粉丝/转发/评论趋势）
- 用户自发讨论的热度和情感（正/负/中性）
- 行业KOL/大V对公司的评价
- 近3个月的舆情热点事件
- 负面舆情清单及公司应对方式
- 是否有内部人（前员工/现员工）的爆料

### 4. 企业工商与法律信号
搜索天眼查/企查查/启信宝：

**工商信息**：
- 注册资本及变更历史
- 实缴资本
- 股东/股权变更记录
- 子公司/关联公司清单（新设=新业务？注销=业务收缩？）
- 经营范围变更（新增范围=新业务方向）

**法律信息**：
| 类型 | 数量 | 重要案件摘要 |
|------|------|-------------|
| 作为原告的诉讼 | | |
| 作为被告的诉讼 | | |
| 知识产权纠纷 | | |
| 劳动仲裁 | | |
| 行政处罚 | | |
| 被执行人记录 | | |

- 重大诉讼/仲裁的详情和潜在财务影响
- 行政处罚记录（环保/税务/劳动/数据安全等）

### 5. 供应链与合作伙伴信号
- 已知的核心供应商/合作伙伴清单
- 供应商是否上市？其财报中是否提到与该公司的合作数据？
- 招标/采购信息（政府采购网、企业招标平台）
- 合作伙伴的评价和合作深度

### 6. 域名与数字足迹
搜索 domain/subdomain 信息：
- 公司注册的域名清单（新注册的域名可能暗示新业务/新产品）
- 子域名分析（api.xx.com、pay.xx.com等暗示业务架构）
- SSL证书信息
- 商标注册情况（新注册商标=新品牌/新产品线）

### 7. 行业会议与曝光信号
- 公司高管近12个月的会议演讲/参会记录
- 行业奖项/媒体榜单（是否进入"独角兽榜"、"最具创新力"等）
- 政府/行业协会的互动（政策咨询、标准制定参与）
- 媒体曝光频率和质量的变化趋势

### 8. 二级市场交易信号（如有）
- 是否存在老股交易市场（SharesPost、EquityZen、微信群等）
- 老股交易的隐含估值 vs 最近一轮融资估值
- 买卖双方的供需状况
- 是否有大量员工在抛售期权/RSU

### 9. 信号综合评分

| 信号类别 | 方向(正/负/中性) | 强度(强/中/弱) | 置信度 | 核心发现 |
|---------|----------------|---------------|--------|---------|
| 招聘信号 | | | | |
| 产品数据 | | | | |
| 舆情信号 | | | | |
| 法律信号 | | | | |
| 供应链信号 | | | | |
| 数字足迹 | | | | |
| 行业曝光 | | | | |
| 二级交易 | | | | |

**信号合力判断**：各信号是否指向同一方向？有无矛盾信号？

### 10. 反常信号清单（最重要）
列出所有"不寻常"的发现——这些往往是最有价值的信息：
- 与公司对外叙事不一致的信号
- 与行业常识不符的数据
- 突然出现的变化（招聘急缩/急扩、高管密集离职等）
- 无法解释的现象

第四步：启动6个并行Agent

使用 Agent 工具同时启动6个Agent（必须在同一条消息中并行调用）：

每个Agent的配置：

• subagent_type: general-purpose
• run_in_background: true

每个Agent的prompt模板：

你是{公司名}未上市公司研究团队中的"{角色中文名}"。

你正在研究一家**未上市公司**，这意味着：
- 没有标准化的公开财报，需要从多个来源拼凑信息
- 数据可能不完整或相互矛盾，需要标注置信度
- 需要更多的推理和合理推算，但要透明展示推算过程
- 搜不到信息 ≠ 信息不存在，搜到的信息可能有偏差

请完成以下研究任务：{任务subject}

具体要求：
{任务description的内容}

**研究方法**：
1. 使用 WebSearch 搜索最新公开信息，每个维度至少搜索3-5次，用不同关键词组合
2. 搜索关键词策略：
   - 中文：公司名+收入/估值/融资/用户数/MAU/IPO/招股书/裁员/整改
   - 英文：Company Name + revenue/valuation/funding/users/IPO/filing
   - 具体人名+公司名（搜索管理层相关信息）
   - 公司名+具体竞争对手名（搜索竞争动态）
3. 重点信息源：
   - 高可信度：招股书、监管文件、上市公司年报中的关联披露
   - 中可信度：晚点LatePost、The Information、36氪、Bloomberg、Reuters、TechCrunch
   - 辅助验证：知乎、脉脉、Glassdoor、天眼查、企查查
4. 使用 WebFetch 获取关键文章的全文（不要只看搜索摘要）
5. 对重要数据，至少用2个不同来源交叉验证

**数据标注规范（严格执行）**：
- 每个关键数据标注来源（具体到媒体名称和文章标题）
- 标注数据时间（精确到年月）
- 标注置信度：🟢高（招股书/官方披露）/ 🟡中（可信媒体/研报）/ 🔴低（推算/传闻）
- 不同来源数据有冲突时，**全部列出**并说明差异和你的判断
- 区分"事实"和"推理"：事实用正常字体，推理/推算用*斜体*并标注推算方法
- 无法获取的信息明确标注"数据缺失"，不要编造

**输出要求**：
- 报告要详尽，使用Markdown表格呈现关键数据
- 每个分析维度要有明确结论和评分
- 推算过程要完全透明（展示计算逻辑和每一步假设）
- 在报告末尾提供：
  1. 本维度的总体评分（★1-5）和核心判断
  2. 本维度信息完整度自评（充分/适中/不足/严重不足）
  3. 最重要的3个发现
  4. 最大的信息盲区（什么信息缺失最影响判断）

第五步：接收报告并跟踪进度

• 向用户实时展示进度表（哪些Agent已完成、哪些仍在研究中）
• 每收到一份报告，更新进度并展示该报告的核心要点（3-5条）
• 等待全部6份报告到齐

第六步：交叉验证与信息拼图

这是增强版框架最关键的新增步骤。在汇总前，team-lead 需要：

1. 数据冲突仲裁：

   • 提取各Agent报告中的关键数据
   • 识别不同Agent引用的相同数据是否一致
   • 对冲突数据进行仲裁：列出所有来源，说明采信哪个、为什么

2. 信号一致性检验：

   • 业务增长信号（business-decoder）vs 招聘信号（signal-miner）是否一致？ （如果说业务快速增长，但招聘在缩减，需要解释）
   • 技术领先叙事（tech-ip）vs 专利/人才数据（signal-miner）是否支撑？
   • 估值水平（financial-detective）vs 竞争地位（competitive-mapper）是否匹配？
   • 管理层公开叙事（risk-governance）vs 实际行动信号（signal-miner）是否一致？

3. 信息拼图还原：

   • 将6份报告中的信息碎片拼合，看能否还原出更完整的画面
   • 标注信息"白区"（确认已知）、"灰区"（有线索但不确定）、"黑区"（完全未知）

4. 反偏见检查：

   • 检查报告中是否存在"正面信息详细、负面信息简略"的偏差
   • 确认每个正面判断都有对应的反面检验

第七步：汇总最终报告

综合6份分析报告，输出以下结构的最终报告：

1. 一句话结论

用一段话（50-100字）概括这家未上市公司的真实价值判断：生意值多少钱，为什么。

2. 公司画像速览

3. 六维评分总表

综合评分：★X / 5

4. 关键数据拼图（交叉验证后）

整合各分析师拼凑的数据，仅保留经过交叉验证的数据：

5. 信号一致性矩阵

6. 各维度分析摘要

每个维度摘取3-5条最重要的发现（标注来源和置信度）

7. 真实价值评估

生意本质判断：

• 这是一门什么样的生意？（一句话）
• 这门生意的"确定性"有多高？
• 段永平式判断：这是不是一门"对的生意"？

护城河评分卡：

估值判断：

综合真实价值区间：

• 保守估值（安全边际估值）：$XXB
• 合理估值（中性假设）：$XXB
• 乐观估值（最优情景）：$XXB
• 当前市场估值：$XXB
• 安全边际：当前估值 vs 保守估值 = XX%

8. 投资论点（看多 vs 看空）

• 🟢 看多逻辑（5-7条，每条附证据来源）
• 🔴 看空逻辑（5-7条，每条附证据来源）
• ⚖️ 哪一方的论据更有说服力？为什么？

9. 风险矩阵

Top 3 核心风险及应对策略

10. 退出路径评估

最可能的退出方式、时间窗口、预期回报

11. 投资决策表

一页纸决策表：

┌──────────────────────────────────────────────┐
│  公司：XXX    最新估值：$XXB                  │
│  阶段：[种子/成长/成熟/Pre-IPO]              │
│  信息完整度：[充分/适中/不足/严重不足]        │
├──────────────────────────────────────────────┤
│  核心投资逻辑（3句话以内）：                  │
│  1. ________________________________________  │
│  2. ________________________________________  │
│  3. ________________________________________  │
├──────────────────────────────────────────────┤
│  真实价值判断：                               │
│  合理估值区间：$XXB - $XXB                    │
│  当前估值 vs 合理估值：偏贵/合理/偏低         │
│  安全边际：____%                              │
├──────────────────────────────────────────────┤
│  关键假设 & 验证方式：                        │
│  假设1 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设2 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设3 → 跟踪指标 → 验证节点 → 验证时间      │
├──────────────────────────────────────────────┤
│  致命风险 & "论文已破"信号：                  │
│  风险1 → 如果X发生，结论翻转 → 止损策略       │
│  风险2 → 如果Y发生，结论翻转 → 止损策略       │
├──────────────────────────────────────────────┤
│  结论：投资 / 观望 / 回避                     │
│  如果观望：重新评估的触发条件是什么？          │
│  预期退出：IPO / 并购 / 二级转让              │
│  预期回报倍数：X - Y 倍                      │
│  预期时间框架：X - Y 年                      │
│  年化回报率：X% - Y%                         │
└──────────────────────────────────────────────┘

分层建议：

关键催化剂：

12. 信息盲区地图

这些信息盲区是否影响核心结论的可靠性？如果影响，明确说明"在X信息缺失的情况下，以上结论的置信度为Y"。

13. 持续跟踪清单

14. 总结段落

150-250字的最终总结，包含：

• 这门生意的本质
• 真实价值判断
• 当前估值的合理性
• 最大的确定性和不确定性
• 最终建议和核心理由

第八步：保存报告

将完整最终报告写入 reports/{公司名}/{公司名}-private-{YYYYMMDD}.md。

第九步：清理团队

使用 TeamDelete 清理团队资源。

重要注意事项

1. 6个Agent必须并行启动——在同一条消息中调用6次Agent工具
2. 数据置信度标注——未上市公司数据来源参差不齐，每个关键数据必须标注来源和置信度
3. 推算要透明——所有推算过程要展示计算逻辑，不能凭空给数字
4. 交叉验证——关键数据至少2个来源交叉验证，来源冲突时都列出
5. 信号一致性检验——汇总阶段必须做跨维度的信号一致性检查
6. 结论要明确——不回避给出投资/观望/回避建议，但同时说明结论的置信度
7. 耐心等待——6个Agent研究需要几分钟，实时向用户更新进度
8. 中英文搜索——未上市公司信息可能分布在中英文媒体，需要两种语言搜索
9. 反偏见核心原则——资料少≠公司不好，AI分析篇幅短≠投资确定性低。对于信息极度稀缺的公司，切换"第一性原理模式"聚焦核心问题，不追求报告形式完整
10. 诚实留白——报告中明确区分"有据分析"和"推测填充"，允许出现"此维度数据不足，无法给出有意义的结论"
11. 替代数据不是噪音——招聘、专利、诉讼、App数据等替代数据可能比新闻报道更接近真实经营状况
12. 真实价值导向——最终目标是判断这门生意值多少钱，不是输出一份好看的报告。如果信息不足以做出可靠的估值判断，直接说"信息不足，无法给出可靠估值"