用途
earnings-team 是 AI Berkshire 仓库中的一个技能，用于对指定公司及季度进行团队化财报精读分析。它面向需要深度解读财报并产出可发布公众号文章的场景，支持输入格式如“腾讯 2025Q4”“PDD 2025年报”“美团 最新”。
主要能力
该技能将财报分析拆分为三个阶段：
阶段一·研究：四位大师并行精读财报。段永平视角关注生意本质，判断这门生意变好还是变差；巴菲特视角审计财务质量，判断赚的是真钱还是假钱；芒格视角解读竞争格局变化；李录视角猎取风险信号，关注管理层是否隐瞒信息。
阶段二·合成：Team Lead 综合四个视角，寻找共识点、矛盾点和被忽略的角落，产出研究报告初稿。
阶段三·发布：编辑 Agent 将研究报告改写为公众号文章，读者评审 Agent 从普通投资者视角提出修改意见，Team Lead 最终定稿。
技能还包含资料可得性评级（A/B/C 级）、管理层语气分析、承诺追踪、附注与隐藏信息挖掘、电话会 Q&A 精选、永久性资本损失风险评估等内容。
使用方式
该技能由 skills/earnings-team.md 生成，Claude Code 和 Codex 用户共享同一工作流。使用时将 $ARGUMENTS 视为当前线程中的用户请求。当源文件提到 Claude 专属能力（如 Task、Agent、WebSearch、Bash、Read、Write）时，使用当前会话中最接近的 Codex 能力：可用时使用子代理，需要时使用网络搜索，本地工具使用 shell 命令，工作区文件使用普通文件编辑。
使用仓库 tools/ 中的共享项目工具，优先从仓库根目录运行命令，例如 python3 tools/financial_rigor.py ...；如果当前线程从仓库外启动，先定位实际检出路径。
开始研究前运行 date 命令确认今天日期，将其作为“最新”数据的基准，并在报告头部注明数据截止日期。不要根据训练数据假设当前日期。
保留 AGENTS.md 中的研究质量规则：交叉核对财务数据，估值和数学计算使用精确算术工具，明确标注不确定性和来源缺口。
适用场景
适用于重要公司的关键财报，需要深度解读并发布公众号文章的场景。与 /earnings-review（单 Agent 快速过一遍）和 /investment-team（四 Agent 全面公司研究，用于首次研究一家公司）形成互补。
限制
该技能依赖一手资料的获取，资料可得性分为 A/B/C 级，C 级时需聚焦核心数据变化、跳过附注挖掘并标注“一手资料不足”。关键数据需交叉验证，估值计算需使用 financial_rigor.py 工具验算。最终文章需通过 report_audit.py 抽检，全部通过方可发布。具体收费、价格、平台等信息暂未提供。