shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 数据与分析无需 API Key

产业链分析助手

输入产业名称，AI 自动爬取研报、提取信息、构建产业链图谱并生成专业报告。

person作者: user_75763b02hubcommunity
download下载资源包

产业链分析 Skill（内置模型版 / 无 Key / 仅交付报告）

当用户要求分析某个产业链 / 产业（例如“分析 动力电池 产业链”“帮我写一份 光伏 产业链报告” “做一份 半导体 产业链分析”）时，按本流程执行。

前置说明（重要）

  • 不需要任何 API Key，也不需要启动网站 / 前端。所有大模型分析由 WorkBuddy 内置模型（即你）完成。
  • 本 Skill 通过 Python 脚本完成“爬取 → 解析过滤”的机械工作，再由你完成“分析 → 生成报告”。
  • 脚本依赖安装在 Skill 自带的虚拟环境里（scripts/.venv），不影响用户系统；首次运行由 install.py 自动创建（详见下文“首次运行”）。
  • 需要联网：脚本会调用东方财富公开接口（如 reportapi.eastmoney.com、push2.eastmoney.com）。请确保所有运行环境可访问外网；企业内网 / 防火墙可能拦截这些域名，导致抓取为空或失败（此时报告仍能生成，但缺乏实时研报证据）。
  • 报告视觉对标机构版产业链报告：HTML 与 Word 各自对齐参考样式，两者不必一致；均不含图表。

首次运行：准备运行环境（仅需一次）

  1. 确定本 Skill 目录的绝对路径（即包含 SKILL.md 的这个文件夹），记为 <SKILL_DIR>。
  2. 运行安装脚本（创建 venv 并安装依赖）：
    • Windows：python "<SKILL_DIR>/scripts/install.py"
    • Mac / Linux：python3 "<SKILL_DIR>/scripts/install.py"
  3. 安装脚本会创建 <SKILL_DIR>/scripts/.venv，并把 Python 解释器绝对路径写入 <SKILL_DIR>/scripts/.venv_path.txt。后续所有脚本都用这个解释器运行，记为 <VENV_PY>。
    • Windows 上即 <SKILL_DIR>/scripts/.venv/Scripts/python.exe
    • Mac / Linux 上即 <SKILL_DIR>/scripts/.venv/bin/python
    • 也可直接读取 .venv_path.txt 得到准确路径。

标准工作流（逐步执行）

请严格按以下逐步推进（其中 第 5.5 步为必过的校验门禁），每步完成后再进入下一步：

第 1 步：提取产业名

从用户请求中提取 industry_name（例如“动力电池”“光伏”“半导体”）。若用户未明确，先向用户确认。

第 2 步：生成关键词与代表企业，写入 keywords.json

在 <SKILL_DIR>/scripts/ 下创建 keywords.json，内容由你依据自身知识生成，要准确、具体：

{
  "industry": "动力电池",
  "keywords": ["动力电池", "锂离子电池", "磷酸铁锂", "三元电池", "固态电池", "电池回收"],
  "companies": ["宁德时代(300750)", "比亚迪(002594)", "国轩高科(002074)", "亿纬锂能(300014)", "赣锋锂业(002460)", "天齐锂业(002466)"]
}
  • keywords：6–12 个用于检索公开研报/新闻的词。
  • companies：6–15 家产业链代表上市公司（尽量带上股票代码，格式 名称(代码)）。

第 3 步：爬取公开数据

运行：<VENV_PY> "<SKILL_DIR>/scripts/crawl.py"

  • 读取 keywords.json，主要调用东方财富公开研报 / 行情接口抓取：近期行业研报元数据、 代表公司的个股研报与新闻、相关上市公司列表与行情。 （注：akshare 仅为可选降级数据源；若用户环境未另行安装 akshare，脚本会自动跳过它、仅用东方财富接口， 不影响正常使用，仅“近期新闻 / 动态”可能偏少。）
  • 输出 <SKILL_DIR>/scripts/raw_crawl.json，并附带 parsed.json 所需的素材（研报标题 / pdf_url / 新闻要点）。
  • 需要联网；若网络失败，脚本会尽量输出已有数据，不会崩溃。

第 4 步：解析与过滤

运行：<VENV_PY> "<SKILL_DIR>/scripts/parse_filter.py"

  • 读取 raw_crawl.json，做去重、按相关性与时效性排序、截断为适合阅读的长度。
  • 输出 <SKILL_DIR>/scripts/parsed.json（这是给你阅读的“素材摘要”），其中包含 report_titles（抓到的研报标题列表）、news（新闻要点）、companies、events 等。

第 5 步：你来做产业链分析，写出 analysis.json（核心步骤）

  1. 阅读 <SKILL_DIR>/scripts/parsed.json（以及你自身的产业知识）。
  2. 先读 <SKILL_DIR>/schema.md，严格按照其字段定义写出 <SKILL_DIR>/scripts/analysis.json。
  3. 这是整份报告的内容来源，请尽量具体、有数据支撑。

填写质量红线（必须严格遵守）

  1. 给具体数字：市场规模、增速 CAGR、份额、价格涨幅、产能等必须给出具体数值与年份， 禁止“规模较大”“增长迅速”这类空泛表述。
  2. 引用真实来源：trends[].basis、risks[].uncertainty 必须引用 parsed.json 里真实出现的研报标题 （写法如「据《电子行业周报：存储缺口…》(2026)」）。禁止编造 parsed.json 中未出现的来源。
  3. 证据字段只能来自抓取结果：events[].source / events[].url、relations[].evidence[].title/url 只能使用 parsed.json 提供的真实研报标题与 pdf_url；无对应链接时 url 留空串 ""。
  4. 不确定就标低置信度：对推断得到的关系 / 事件，设 confidence 偏低（如 0.5–0.7）或 evidenceStatus=INFERRED / UNVERIFIED，并写清不确定性，不得虚构确定结论。
  5. 保持结构完整：所有 schema 字段都要出现；某字段确无资料时写一句说明（如「公开资料有限，以下基于行业通识」）， 但不要删除 JSON 键。
  6. 章节齐全：全景概览 / 深度拆解（按 上游·中游·下游 分组，每环节含四属性）/ 产业逻辑（含三类传导路径）/ 未来趋势（≥3 条，每条含描述·路径·依据）/ 风险（≥3 条，每条含描述·关联环节·冲击·不确定性）/ 近期动态（事件含标签·置信度·来源·链接）/ 重点企业（6 字段）/ 企业关系（含证据）。
  7. 企业关系必须精确可证（高优先级）：relations[].from / to 必须是 companies[] 或 parsed.json 中真实存在的具体企业名称（禁止「上游厂商 / 下游客户 / 半导体设备」等泛指）；type 只能取自确定性 供应链类型（供应 / 采购 / 客户 / 合作 / 竞争 / 投资 / 控股 / 参股 / 合资 / 授权 / 代工 / 配套 / 分销 等， 禁止「拉动 / 制约 / 印证 / 关联 / 影响」等模糊词）。每条关系必须能在 evidence[] 中给出真实研报标题与 pdf_url（该研报确实提及这两家企业）；找不到精准证据与描述时，宁可省略该条关系，也不要凭空捏造。 渲染器会自动隐藏：含泛指词的 from/to、非法 type、以及「纯推断且无研报链接」的关系。
  8. 企业信息必须完整（高优先级）：companies[] 的 6 个展示字段（name / code / position / segment / main_business / core_products）与 segments[].companies[] 的 3 个字段（name / code / desc）必须全部填写、不得为空。 渲染器会自动隐藏任一字段为空的企业——宁可少列，也不要展示信息残缺、无法核对的企业卡片。 若某企业尚未上市、无股票代码，整条省略，不要留空 code。
  9. 第一章「产业链的定义」与第三章「产业链成因逻辑」必须写丰富（高优先级）：
    • overview.definition 不要一句话带过，应写 200–350 字：定义与地位 + 上/中/下游三层覆盖 + 产业关键特征（技术/资本密集、周期、国产替代）。
    • logic.causal 不要一句话带过，应写 250–400 字、分点成段：按“上游定能力 → 中游转供给 → 下游定需求 → 双向反馈”的因果链展开，并点出当前国产替代/出口管制背景。
  10. 第二章各环节「代表企业」要列足、且必须有真实股票代码（高优先级）： 每个环节应列出 5–10 家真实代表企业（优先取 parsed.json/板块成分股里带代码的上市公司），不要只列 1–2 家。 绝不捏造：只列确有公开代码的上市公司；某环节可核实企业较少时，宁可数量少一些，也不要编造代码或硬填未上市公司。

few-shot 示例（以「存储芯片」节选，展示字段与引用写法）

下面是一段节选（非完整文件），演示 analysis.json 关键字段应如何填写：

{
  "industry_name": "存储芯片",
  "generated_at": "2026-07-23",
  "overview": {
    "definition": "存储芯片产业是指从事用于保存和读取数据信息的半导体集成电路研发、制造与销售的产业集合，核心产品涵盖 DRAM、NAND Flash 及 NOR Flash 等。",
    "derived_segments": "【衍生赛道补充分析】：存算一体芯片通过架构创新打破“存储墙”，存储主控芯片保障模组数据安全，废旧存储芯片回收完善绿色闭环。三者占比不足 15%，但对生态有补充价值。",
    "flow": "半导体材料/设备/EDA工具 → 存储芯片设计 → 晶圆制造 → 封装测试 → 存储模组制造 → 终端应用集成",
    "market_scale": "2024 年全球存储芯片市场规模约 1300 亿美元，中国市场规模约 3000 亿元人民币；其中 DRAM 占比约 55%，NAND Flash 占比约 40%。",
    "market_prediction": "预计 2028 年全球市场规模将突破 2500 亿美元，CAGR 约 15%–20%；HBM 及企业级 SSD 增速最快。",
    "competition": "全球 DRAM 被三星、SK 海力士、美光垄断（份额超 90%）；国内长鑫科技（DRAM）、长江存储（NAND）加速追赶。",
    "policy": "国家大基金三期重点支持半导体设备及材料、先进存储制造；美国出口管制倒逼国内产业链自主可控。",
    "drivers": ["AI 大模型爆发带动 HBM 及企业级 SSD 需求激增", "消费电子端侧 AI 落地带动单机存储容量升级"],
    "opportunities": ["AI 服务器带动 HBM 及高容量 DDR5 需求爆发", "国产存储原厂扩产带动上游设备国产化率提升"],
    "risks": ["全球宏观波动导致消费电子需求不及预期", "地缘政治及出口管制加剧供应链断裂风险"]
  },
  "segments": [
    {
      "level": "上游", "name": "半导体设备", "concentration": "高",
      "description": "为存储芯片晶圆制造提供光刻、刻蚀、薄膜沉积、清洗及量检测等核心工艺装备。",
      "functional_position": "为存储芯片晶圆制造提供核心工艺装备，决定制程节点与产能扩张上限。",
      "value_share": "占存储芯片产线总投资额的 75%–80%。",
      "tech_barrier": "涉及精密光学、流体力学等交叉学科，研发周期 3–5 年，客户验证周期超 1 年。",
      "competition": "全球由 ASML、应用材料、泛林半导体垄断；国内北方华创、中微公司、拓荆科技加速替代。",
      "companies": [
        {"name": "北方华创", "code": "002371", "desc": "半导体基础装备研发、生产与销售，提供刻蚀、薄膜沉积等前道核心设备。"},
        {"name": "中微公司", "code": "688012", "desc": "高端半导体刻蚀设备及 MOCVD 设备的研发、生产与销售。"}
      ]
    }
  ],
  "logic": {
    "causal": "存储芯片产业链遵循半导体物理制造与数据信息存储的商业逻辑……（一段连贯文字）",
    "transmissions": [
      {"type": "技术传导路径", "from": "半导体设备/材料", "to": "晶圆制造", "desc": "上游高深宽比刻蚀、ALD 薄膜沉积突破，直接决定 3D NAND 层数堆叠上限与 DRAM 微缩良率。"},
      {"type": "价值传导路径", "from": "晶圆制造", "to": "封装测试", "desc": "晶圆制造向 HBM 升级，催生对 TSV 深孔刻蚀、混合键合等先进封装需求，提升封测环节附加值。"},
      {"type": "成本传导路径", "from": "封装测试/晶圆制造", "to": "存储模组制造", "desc": "原厂产能向 HBM 倾斜导致通用 DRAM/NAND 结构性短缺，成本上涨传导至下游模组厂。"}
    ]
  },
  "trends": [
    {"title": "趋势一：价值重心向“先进封装与 HBM 制造”环节跃迁", "description": "利润池与资本开支重心从中游传统晶圆制造向先进封装及 HBM 专属产线转移。", "path": "AI 大模型爆发 → 倒逼晶圆制造向 HBM 升级 → 催生先进封装需求 → 利润池向具备先进封装能力的原厂转移", "basis": "据《电子行业周报：存储缺口、Capex 能见度达 2030 年后》(2026)，原厂 Capex 大幅上调；据《半导体设备：长鑫战配名单梳理》(2026)，封测环节重要性显著上升。"}
  ],
  "risks": [
    {"title": "风险一：先进制程与高堆叠工艺良率不及预期风险", "description": "3D NAND 向 300 层以上堆叠及 DRAM 向 1α/1β nm 演进时，工艺步骤超千道，良率爬坡困难。", "segments": "晶圆制造 → 封装测试 → 存储模组制造", "impact": "制造端良率低下推高 HBM 及通用 DRAM 成本，挤压模组厂利润，延缓终端出货。", "uncertainty": "据《半导体设备深度：超级扩产周期开启》(2026)，300 层以上 NAND 深孔刻蚀与薄膜沉积均匀性控制存在物理极限，实际量产良率能否达标存在不确定性。"}
  ],
  "events": [
    {"date": "2026-07-16", "title": "长鑫科技登陆科创板并落地全产业链战略配售", "tags": ["产能扩张", "合作生态"], "summary": "长鑫科技于 7 月 16 日正式登陆科创板，发行价 8.66 元/股，募资约 579 亿元，十余家全产业链产业投资方参与战略配售。", "companies": ["长鑫科技", "中微公司", "拓荆科技"], "impact": "本事件仅为事实陈述，不等同于订单金额或股价变动依据；已报道不代表确定结论，具体以原始披露为准。", "source": "半导体设备：长鑫战配名单梳理：设备厂商深度绑定，产业链共振夯实扩产逻辑", "confidence": 0.95, "url": "https://pdf.dfcfw.com/pdf/H3_AP202607181827070597_1.pdf"}
  ],
  "event_window": {"window_days": 180, "generated_at": "2026-07-23 16:34", "count": 7},
  "companies": [
    {"name": "北方华创", "code": "002371", "position": "上游", "segment": "半导体设备", "main_business": "半导体基础装备研发、生产与销售，提供刻蚀、薄膜沉积等前道核心设备。", "core_products": "刻蚀设备、薄膜沉积设备、清洗设备", "financials": ""}
  ],
  "relations": [
    {"from": "北方华创", "to": "长鑫科技", "type": "供应", "detail": "供应前道半导体刻蚀及薄膜沉积设备，支撑 DRAM 产线扩产。", "confidence": 0.95, "evidenceStatus": "REPORTED", "evidence": [{"title": "半导体设备：长鑫战配名单梳理：设备厂商深度绑定，产业链共振夯实扩产逻辑", "url": "https://pdf.dfcfw.com/pdf/H3_AP202607181827070597_1.pdf"}]}
  ],
  "references": [
    {"title": "半导体设备：长鑫战配名单梳理：设备厂商深度绑定，产业链共振夯实扩产逻辑", "url": "https://pdf.dfcfw.com/pdf/H3_AP202607181827070597_1.pdf"}
  ]
}

真实文件需把每一章填满（上游 / 中游 / 下游 各环节、3–4 条趋势、3 条风险、若干事件、完整企业表与关系表）。 注意 basis / uncertainty / source / evidence 引用的标题必须与 parsed.json 中真实抓到的研报标题一致。

第 5.5 步：校验并自纠（关键门禁，必须执行）

写完 analysis.json 后，必须运行校验脚本，把"渲染兜底"前移为"源头闭环"，避免每次换产业都冒出新变种问题：

运行：<VENV_PY> "<SKILL_DIR>/scripts/validate.py"

  • 脚本会依据 schema.md 的硬规则（关系精确性 / 企业完整性 / 定义·成因字数 / 集中度三档 / 来源真实可证）逐项检查，输出 [ERROR] 与 [WARN] 清单。
  • 判定规则：
    • 只要出现任何 [ERROR]，严禁直接进入第 6 步，必须回到第 5 步重写 analysis.json 修复这些错误， 然后重新运行 validate.py，直到零 [ERROR] 为止（最多自纠 3 轮；3 轮仍有 ERROR 则向用户说明剩余问题）。
    • [WARN] 为质量/严谨度建议，应尽量修复；若确属合理省略（如某产业公开资料极少，关系留空），可保留并继续。
  • 该步骤是质量闸门：渲染器虽也有兜底，但源头写对才能从根本消除反复出现的精确性/完整性 bug。

第 6 步：生成报告

前置条件：必须先通过第 5.5 步校验（零 [ERROR]）。若跳过校验直接渲染，报告仍可能携带 关系泛指、企业字段残缺、定义过短等问题。

运行：<VENV_PY> "<SKILL_DIR>/scripts/build_report.py"

  • 读取 analysis.json，生成两份报告：
    • Word：产业链报告/<industry>/<industry>_产业链分析报告.docx
    • HTML：产业链报告/<industry>/<industry>_产业链分析报告.html
  • 输出目录默认在用户桌面 ~/Desktop/产业链报告/（Windows / Mac 通用），可用 --out <目录> 覆盖。脚本会打印最终文件绝对路径。

第 7 步：交付给用户

用 present_files 把生成的 HTML（与 docx）呈现给用户，并简要说明报告包含哪些章节。

容错提示

  • 若第 3 步爬取失败或返回很少：你仍可用自身知识完成第 5 步，build_report.py 会照常产出报告 （证据 / 链接字段为空即可）。
  • 若某章节数据不足：在对应字段写“（公开资料有限，以下基于行业通识）”之类的说明，保持报告完整。
  • 所有中间 JSON 都放在 scripts/ 内，方便排查；最终交付物在桌面 产业链报告/ 下。