用途
industry-funnel 是面向价值投资的行业选股漏斗技能。当你给出一个行业或投资方向（例如“AI 算力”“创新药”“机器人”），它从全市场扫描开始，用统一标准逐层过滤掉故事股与质量不足的公司，最终聚焦到真正值得深度研究的 3 家头部标的。其目标是不遗漏重要标的（含 A 股、港股、美股、未上市候选），每层留弃标准明确、可复盘、可追溯。
与 industry-research 的区别：industry-research 偏重产业链结构与全景、环节切片；industry-funnel 偏重个股筛选漏斗。两者可互补，先用 industry-research 看清产业链格局，再用 industry-funnel 精选标的。
主要能力
漏斗结构分为四层：
- 第一层：全市场扫描 30-60 家。扫描池 = A 类（近 30 天日均成交额排名行业前列，各市场取前 30）∪ B 类（近 30 天涨幅前 20 与近 90 天涨幅前 20 的并集）∪ C 类（行业内市值前 30）。
- 第二层：粗筛 ≤ 10 家。对 30-60 家公司逐家应用价值投资 5 条硬指标：PE 估值合理（高成长可放宽到 PEG < 1.5）、ROE > 15% 或近 3 年趋势改善、经营现金流为正且占净利润 > 70%、资产负债率 < 60%（公用事业/电力可放宽至 70%）、护城河 ★★★ 以上。
- 第三层：精细分析 ≤ 10 家，每家 300-500 字结构化分析，覆盖商业模式、财务质量、护城河深度、主要风险、估值快评与是否进入终选。
- 第四层：四大师深度分析 3 家，每家 800-1200 字，分别从段永平（生意本质）、巴菲特（护城河深度）、芒格（风险与失败模式）、李录（文明级趋势定位）四个视角展开，并给出综合推荐度、仓位类型、建议买入区间、建议持仓比例与关键监测指标。
护城河分为 5 类：品牌/定价权、转换成本/用户黏性、网络效应、规模效应、技术/牌照/资源壁垒。
终选 3 家并非按打分排序取前 3，而是按“投资组合互补性”选择：至少 1 家“高确定性低弹性”（巴菲特型）、至少 1 家“中等确定性中等弹性”（成长型），可选 1 家“高弹性高风险”（期权型）。若某子赛道找不到 3 家足够好的，宁可写“终选 2 家 + 1 家观察”，不凑数。
使用方式
以行业或方向作为参数（$ARGUMENTS）触发。执行前先运行 date 命令确认当天日期，作为“最新”数据的基准，并在报告头部标注数据截止日期。研究前须搜索 A 股（沪深）、港股、美股、国际市场（日韩台欧，特别是半导体、电子）以及未上市公司，未上市公司单列“未来 IPO 候选”小节并注明最新估值与潜在 IPO 时间窗。
输出要求：报告位置为 reports/{行业名}-funnel-{YYYYMMDD}.md；语言为中文；风格直接犀利；所有数据标注来源，估计值标“估计”；先摆数据再推逻辑后出结论；每个核心判断附反面论据；每层留淘汰记录（被淘汰公司也留名字+理由）。
数据抽检（准出流程）：报告写入后执行三步——
# Step 1 — 提取抽检清单（15% 随机抽样）
python3 tools/report_audit.py extract \
--report <报告文件路径>
# Step 2 — 对清单每项从可靠信源取数（参见 skills/financial-data.md）
# Step 3 — 输出准出/打回判决
python3 tools/report_audit.py verdict \
--results '<填好的JSON>' \
--report <报告文件名>
全部通过则可发布；有不通过则修正后重审。
后续动作：漏斗终选 3 家后，对每家可单独执行 /investment-team（完整四大师并行深度研究）、/investment-checklist（巴菲特买入前 checklist）、/management-deep-dive（管理层纵深研究）。industry-funnel 是入口，后续 skill 是深挖。
适用场景
当你说出一个行业或投资方向并希望：不遗漏任何重要标的；用统一标准过滤掉故事股与质量不足的公司；把精力聚焦到真正值得深度研究的 3 家头部；每层有明确留弃标准且可复盘可追溯时，适用本技能。
限制与注意事项
技能内置 AI 研究偏见自觉，需规避：龙头偏好（按硬指标与护城河打分，不按报告篇幅排序）、英文偏好（必须中英文都搜，A/H 公司不能漏）、故事偏好（区分“AI 收入占比”与“AI 故事占比”）、当下偏好（第二层粗筛允许“趋势改善”作为放宽条件）、上市偏好（必须列“未来 IPO 候选”）。
报告中须包含信息充分度自评（公司财务数据完整性、估值数据时效性、行业格局判断、管理层信息，各为 A/B/C 等级）与待更新数据点（哪些是估计值、哪些需核实、哪个季度财报需重点跟踪），以及按财报、研报、新闻、行业报告分类的资料来源清单。
本技能为 Codex adapter 说明，从 skills/industry-funnel.md 生成，使 Claude Code 与 Codex 用户共享同一工作流。使用共享项目工具时应从仓库根目录运行（如 python3 tools/financial_rigor.py ...）；若线程起始位置在仓库外，先定位实际检出路径。涉及 Claude 专属界面（Task、Agent、WebSearch、Bash、Read、Write）时，改用当前会话中最接近的 Codex 能力。研究质量规则（交叉核对财务数据、用精确算术工具做估值、明确标注不确定性与来源缺口）需保留。
关于该技能的收费、价格、平台与具体效果，资料暂未提供。