private-company-research

Codex adapter note

This skill is generated from skills/private-company-research.md 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 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.

Private Company Research: Multi-Agent Parallel Deep Research Framework

Conduct team-based deep research analysis on $ARGUMENTS. Designed specifically for private companies such as Ant Group, Xiaohongshu, SpaceX, Stripe, etc.

Ultimate Goal: Under conditions of naturally scarce information, reconstruct as much as possible this company'strue value—not the valuation given by the market, but how much the business itself is worth.

Framework Features

Core differences between private company and public company research:

No standardized financial statements: Requires piecing together multiple sources and cross-verification
Few valuation anchors: Relies on funding rounds, comparable company method, scenario projection
Large information asymmetry: Requires more "jigsaw puzzle" research methods
Uncertain exit path: IPO/merger and acquisition/secondary transfer are all possible

Awareness of AI research bias (the core premise of this framework)

Private companies are the field with the most severe AI research bias. Must always be vigilant against the following traps:

Core contradiction: AI excels at structuring existing information, but information on private companies is naturally scarce. This leads to:

False conservatism: Because there is little material, AI tends to give conservative/vague conclusions, but little material ≠ a bad company
False precision: In order to fill out the report template, AI may disguise "reasonable speculation" as "evidence-based analysis"
Benchmark trap: When forcibly benchmarking against public companies, it inherits the valuation logic of public companies and ignores the unique value of private companies
Survivorship bias: Company information that can be found online often has a positive skew (what companies actively disseminate is mostly good news)

Response principles：

Rather leave a blank and say "don't know" than fill tables with speculation to fake certainty
Every data point must be labeled with a confidence level (🟢High/🟡Medium/🔴Low), letting readers judge for themselves
Distinguish "verifiable facts" from "AI reasoning", labeling them in different formats
For companies with extremely scarce information, switch to "first principles mode"—do not pursue report completeness, only answer a few core questions:
1. What real problem does this business solve? Is the demand real demand or false demand?
2. Why this team? What unique advantages do they have?
3. If successful, how high is the ceiling? If it fails, where is it most likely to die?
4. What are the key verification milestones at the current stage?

Reverse use of information asymmetry: The market has little information on private companies → low pricing efficiency → precisely may be the source of excess returns. The goal of AI research is not to eliminate information asymmetry (impossible), but to extract the most critical basis for judgment from limited information.

Execution Process

Step 1: Present the team framework

Present the following team structure to the user and start after confirmation:

Role	Responsibility	Core Perspective
team-lead(yourself)	Overall coordination, information puzzle assembly, cross-verification, output final report	Investment decision integration
business-decoder	Business model breakdown & product user analysis	"What is the essence of this business"
financial-detective	Financial data piecing together & valuation inference	"Restore the true financial picture as much as possible under missing information"
competitive-mapper	Industry landscape & competitive dynamics & substitution threats	"Who is competing with it, who might disrupt it"
risk-governance-analyst	Risk panorama & management/governance/investor assessment	"What could go wrong, who is at the helm"
tech-ip-analyst	Tech stack/patents/R&D capabilities/technological moat	"Is the technical barrier real or fake, and how long can it last"
signal-miner	Alternative data mining: hiring/patents/litigation/App data/supply chain	"Beyond conventional information, what other clues are there"

Step 2: Create a team

Use TeamCreate to create a team:

team_name: {公司名}-private-research(lowercase English, e.g. ant-group-private-research）
agent_type: team-lead

Step 3: Create 6 tasks

Use TaskCreate to create the following 6 tasks (each must have subject, description, activeForm):

Task 1: In-depth analysis of business model and product users

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 includes:

## 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

Task 2: Financial data piecing together and valuation inference

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 includes:

## 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）

Task 3: Industry landscape and competitive dynamics analysis

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 includes:

## 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）：

Upstream suppliers (who? bargaining power?) ↓ The company's position in the chain (where in the value chain? share of profit pool?) ↓ Downstream customers/users (concentration? substitute options?) ↕ Competitors / substitutes / potential entrants


- 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）

Task 4: Risk panorama and governance assessment

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 includes:

## 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？

Task 5: Technical capabilities and intellectual property analysis

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 includes:

## 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 | | |

Task 6: Alternative data signal mining

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 includes:

## 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

Step 4: Launch 6 parallel Agents

Use the Agent tool to launch 6 Agents simultaneously (must be called in parallel in the same message）：

Configuration for each Agent:

subagent_type: general-purpose
run_in_background: true

Prompt template for each Agent:

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）

Step 5: Receive reports and track progress

Show the progress table to the user in real time (which Agents have completed, which are still researching)
Each time a report is received, update progress and show the report's key points (3-5 items)
Wait for all 6 reports to arrive

Step 6: Cross-validation and information puzzle assembly

This is the most critical newly added step in the enhanced framework. Before summarizing, team-lead needs to:

Data conflict arbitration：
- Extract key data from each Agent's report
- Identify whether the same data cited by different Agents is consistent
- Arbitrate conflicting data: list all sources, explain which is adopted and why
Signal consistency check：
- Are business growth signals (business-decoder) vs hiring signals (signal-miner) consistent? (If it says the business is growing rapidly, but hiring is shrinking, an explanation is needed)
- Does the technology leadership narrative (tech-ip) vs patent/talent data (signal-miner) support it?
- Does the valuation level (financial-detective) vs competitive position (competitive-mapper) match?
- Is management's public narrative (risk-governance) consistent with actual action signals (signal-miner)?
Information puzzle reconstruction：
- Piece together the information fragments from the 6 reports to see whether a more complete picture can be reconstructed
- Mark information as "white zone" (confirmed known), "gray zone" (there are clues but uncertain), "black zone" (completely unknown)
Anti-bias check：
- Check whether the reports contain a bias of "detailed positive information, brief negative information"
- Confirm that every positive judgment has a corresponding negative test

Step 7: Summarize the final report

Synthesize the 6 analysis reports and output a final report with the following structure:

1. One-sentence conclusion

Use one paragraph (50-100 words) to summarize this unlisted company'strue value judgment: how much the business is worth, and why.

2. Company profile snapshot

Item	Content	Confidence
Company name
Founded
Headquarters
Founder/CEO
Core business
Employee size
Latest valuation
Latest funding round
Estimated revenue scale
Estimated profit status
Estimated user scale
Main investors
VIE/red-chip structure

3. Six-dimension score summary table

Dimension	Analyst	Score (★1-5)	Core judgment	Confidence	Information completeness
Business model & users	business-decoder
Finance & valuation	financial-detective
Industry & competition	competitive-mapper
Risk & governance	risk-governance-analyst
Technology & intellectual property	tech-ip-analyst
Alternative data signals	signal-miner

Overall score: ★X / 5

4. Key data puzzle (after cross-validation)

Integrate the data pieced together by each analyst,retain only cross-validated data：

Metric	Data	Number of sources	Source details	Confidence	Notes

5. Signal consistency matrix

Check item	Signal A	Signal B	Consistency	Interpretation
Growth narrative vs hiring trends			✅/⚠️/❌
Technology leadership narrative vs patent data
Valuation level vs competitive position
Management narrative vs actual actions

6. Summary of analysis by dimension

Extract the 3-5 most important findings for each dimension (mark sources and confidence)

7. True value assessment

Judgment of the essence of the business：

What kind of business is this? (one sentence)
How high is the "certainty" of this business?
Duan Yongping-style judgment: Is this a "right business"?

Moat scorecard：

Moat type	Score (★1-5)	Core Evidence	Trend	Durability
Network Effects			Widening/Stable/Narrowing
Switching Costs
Brand Mindshare
Data Moats
Regulatory Licenses
Economies of Scale
Technological Barriers

Valuation Judgment：

Valuation Methods	Valuation Range	Confidence Level	Notes
Most Recent Financing Valuation (Adjusted)
Comparable Company Method
DCF Scenario Analysis
Terminal Value Back-Calculation
Transaction Benchmarking Method

Comprehensive True Value Range：

Conservative Valuation (Margin of Safety Valuation): $XXB
Fair Valuation (Neutral Assumptions): $XXB
Optimistic Valuation (Best-Case Scenario): $XXB
Current Market Valuation: $XXB
Margin of Safety: Current Valuation vs Conservative Valuation = XX%

8. Investment Thesis (Bull vs Bear)

🟢 Bull Case (5-7 points, each with evidence source)
🔴 Bear Case (5-7 points, each with evidence source)
⚖️ Which side's arguments are more persuasive? Why?

9. Risk Matrix

Risk	Probability	Impact	Overall Severity	Hedgeable?	Monitoring Metrics

Top 3 Core Risks and Response Strategies

10. Exit Path Assessment

Most Likely Exit Method, Time Window, Expected Return

11. Investment Decision Table

One-Page Decision Table：

┌──────────────────────────────────────────────┐
│  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%                         │
└──────────────────────────────────────────────┘

Tiered Recommendations：

Investor Type	Recommendation	Rationale
PE/VC Institutions (Lead Investor)
PE/VC Institutions (Co-Investor)
Secondary Market Transfer
Buy After IPO
Not Recommended to Participate

Key Catalysts：

Bullish Catalysts	Expected Time	Bearish Catalysts	Expected Time

12. Information Blind Spot Map

Dimension	Known Information	Missing Information	Impact of Missing Information	Acquisition Recommendations

Do these information blind spots affect the reliability of the core conclusions? If so, explicitly state: "In the absence of X information, the confidence level of the above conclusions is Y."

13. Ongoing Tracking Checklist

Tracking Item	Frequency	Information Source	Metrics to Watch	Alert Threshold

14. Summary Paragraph

A 150-250 word final summary, including:

The essence of this business
True value judgment
Reasonableness of the current valuation
Greatest certainty and uncertainty
Final recommendation and core rationale

Step 8: Save the Report

Write the complete final report to reports/{公司名}/{公司名}-private-{YYYYMMDD}.md。

Step 9: Clean up the team

Use TeamDelete to clean up team resources.

Important Notes

The 6 Agents must be launched in parallel——Call the Agent tool 6 times in the same message
Data confidence labeling——Data sources for unlisted companies vary in quality; every key data point must be labeled with its source and confidence level
Calculations must be transparent——All calculation processes must show the computational logic; numbers cannot be given out of thin air
Cross-validation——Key data must be cross-validated with at least 2 sources; when sources conflict, list all of them
Signal consistency check——The aggregation stage must perform a cross-dimensional signal consistency check
Conclusions must be clear——Do not avoid giving invest/watch/avoid recommendations, but also state the confidence level of the conclusion
Wait patiently——Research by the 6 Agents takes several minutes; update the user on progress in real time
Chinese and English search——Information on unlisted companies may be distributed across Chinese and English media, so searches are needed in both languages
Core anti-bias principles——Scarce material ≠ a bad company; a short AI analysis ≠ low investment certainty. For companies with extremely scarce information, switch to "first-principles mode" and focus on the core questions, without pursuing completeness of the report format
Honest gaps——The report must clearly distinguish between "evidence-based analysis" and "speculative filler," and allow statements such as "insufficient data for this dimension; no meaningful conclusion can be given"
Alternative data is not noise——Alternative data such as hiring, patents, litigation, and App data may be closer to the true operating condition than news reports
True value orientation——The ultimate goal is to judge how much this business is worth, not to output a good-looking report. If the information is insufficient to make a reliable valuation judgment, say directly, "Insufficient information; no reliable valuation can be given"