用途：让每次投资研究都推进同一个可控的认知模型，而非重复产出报告。核心产物是 dossier，由轻量 Markdown 文件组成，记录研究对象的当前模型、证据、冲突、开放问题与判断变化；报告、memo、索引、搜索结果和 Obsidian 笔记都是派生输出。
主要能力：维护 Current Model（current-synthesis.md，标题为 # Current Model）、model-map.md、open-questions.md、update-log.md 与 modules/；记录关键数字的来源、来源类型、复核状态与用途；建立可复算的轻量计算模型（models/），区分一手已核验、derived、source-lead、model-assumption、missing 等状态；支持公司页/Company Watchlist、重要信号与假设注册、证据分层、缺数时的情景估算、grill me 研究对话、promote 到 Obsidian、scope 拆分合并与 archive。
使用方式：普通研究先读 context.md 恢复入口，再读 current-synthesis.md 与 model-map.md，定位模块后只处理必要材料；冷启动先处理启动材料并建立最小 map 与第一版 Current Model；status 只恢复并汇报状态；modeling 在判断依赖数字、公式或敏感性时建模；grill 一次默认只问 1 个问题；major update 与 promote 前需审计。常用命令：python scripts/scaffold_dossier.py <path> --title "<topic>"、python scripts/validate_dossier.py <path>、python scripts/regenerate_index.py <path> --stdout。
适用场景：持续投资研究、行业/公司/技术主题研究、独立 Research dossier、状态恢复、材料吸收、并行搜索、模型更新、范围拆分合并与 promote。
限制：线上公开版不要求专用搜索或本地解析工具，优先使用当前 agent runtime 已有能力；付费/授权内容仅在用户已有授权、登录态或本地导出前提下 intake，不做绕过付费墙或屏幕抓取；价格、市值等市场数据属高漂移数据，须标明 snapshot 日期并在交易前刷新；不得用专家判断或评分补硬数据缺口；subagent 只返回 findings，不是事实源，不得并发编辑核心 dossier。