serenity-skill
<div align="center"> # Serenity.skill ### 让 AI 用 Serenity 式投研方法，筛出上涨逻辑更清楚的股票和基金方向 [](LICENSE) [](SKILL.md) [](README.md) [](README.en.md) </div> 看到 AI 半导体、机器人、CPO、算力、电力设备、创新药这些热点，很多人能感受到热度，却很难判断该看哪条产业链、哪类公司、哪只股票、哪个基金方向。 Serenity.skill 把 [Serenity / @aleabitoreddit](https://x.com/aleabitoreddit) 公开内容中可观察到的投研路径做成 Agent Skill。它会从热点出发，拆产业链，找供应链瓶颈，筛候选公司和基金方向，再检查公告、财报、客户、产能和风险，最后整理成一份优先研究清单。 它的工作方式很简单：先把热点拆开，看真实需求在哪里，再看哪个环节更难扩产、更难替代，最后回到股票和基金方向，判断哪些线索更值得继续深挖。 它适合面对热点信息流、希望建立系统筛选流程的投资者：让 AI 先完成第一轮深度研究，把模糊热度变成有逻辑、有证据、有风险边界的研究方向。 > Research support only. Serenity.skill 负责研究、排序和推理；最终买卖决策由你自己决定。 ## 为什么是 Serenity 式方法 [Serenity / @aleabitoreddit](https://x.com/aleabitoreddit) 在公开内容中长期围绕 AI、半导体、光通信、机器人等科技主题做供应链研究。他的核心思路很清楚：大行情里真正有价值的机会，常常藏在系统扩张时最难绕开的关键环节。 Serenity.skill 复用的是这套公开方法论中的研究路径： - 从大热点开始，先看真实需求来自哪里。 - 把主题拆成下游需求、系统集成、芯片/器件、设备、材料、封测、基础设施。 - 找低供应商数量、长验证周期、扩产困难、客户认证严格、材料纯度要求高的环节。 - 再回到股票和基金方向，判断谁更靠近真实瓶颈，谁主要只是蹭主题。 - 最后检查公告、财报、问询函、订单、产能、客户和风险，给出优先研究排序。 这个仓库做的是公开资料研究工具。它吸收 Serenity 式研究的结构化思路，同时要求所有公司判断回到公告、交易所文件、财报、电话会、监管/项目文件、专利、标准、可信媒体和专业分析。 ## 它能帮你做什么 | 你现在遇到的问题 | 可以这样问 AI | Serenity.skill 会帮你看什么 | |---|---|---| | 刷到一个热点，感觉全网都在说，自己不知道从哪下手 | `最近 AI 半导体很火，普通人应该先研究哪些方向？` | 先拆产业链，再把更接近真实需求和扩产瓶颈的方向排出来 | | 想买机器人方向，分不清整机、零部件、减速器、传感器谁更关键 | `机器人产业链里，哪些环节更可能先出机会？` | 比较不同环节的供需紧张度、竞争格局和证据强弱 | | 看到别人推荐一只股票，担心它只是蹭热点 | `帮我挑战这家公司是不是 CPO 核心供应商` | 查它在产业链里的真实位置、客户证据、收入质量和主要风险 | | 想买主题基金或 ETF，分不清哪个细分方向更值得看 | `机器人主题基金应该重点看哪些上游环节？` | 找基金背后的核心受益链条，提示需要核验的持仓方向 | | 手里有几只候选股，想让 AI 帮你排个研究顺序 | `比较 A、B、C 三家公司，谁的上涨逻辑更清楚？` | 按产业链位置、证据强度、估值压力、风险点做优先级排序 | | 每天刷消息很焦虑，想建立一套固定筛选流程 | `带我学 Serenity 式产业链研究，每次只问我一个问题` | 从热点、需求、卡点、证据、风险一步步建立研究框架 | ## 直接复制这个 Prompt ```text 用 serenity-skill 深度调研现在 A 股 AI 半导体产业链。 请联网查公告、财报、问询函、互动易、招投标、环评/能评、专利、客户认证和财务质量， 先排产业链层级，再找 5 个最值得优先研究的标的， 并说明卡住的环节、产业链位置、证据、排序理由和主要风险。 ``` ```text 用 serenity-skill 帮我研究最近机器人方向。 先拆产业链，再判断哪些环节更接近真实供需瓶颈， 最后给出股票和基金方向的优先研究清单。 ``` ```text 用 serenity-skill 挑战 [公司/股票代码]。 它到底卡在哪一层？证据够不够？市场可能高估了什么？ 什么情况说明这个判断应该降级？ ``` 更多可复制模板见 [assets/research-prompt-pack.md](assets/research-prompt-pack.md)。 ## 输出长什么样 ```text 我会先看 [方向 A]，再看 [方向 B] 和 [方向 C]。 如果你想找股票线索，我会优先研究这几家公司： 1. [公司 A]：最接近 [关键瓶颈环节]，上涨逻辑来自 [需求增长/产能紧张/客户验证/国产替代]。 2. [公司 B]：处在 [产业链位置]，适合跟踪 [订单/毛利率/产能利用率]。 3. [公司 C]：弹性更大，但需要确认 [核心风险或缺失证据]。 如果你更想买基金或 ETF，我会先看暴露在 [细分方向 A] 和 [细分方向 B] 的产品， 再检查它们的前十大持仓里有没有 [公司 A]、[公司 B] 这类真正靠近瓶颈的公司。 我会暂时降低 [热门方向 X] 的优先级，因为它的故事很热，但现在还缺 [订单证据/利润兑现/客户认证]。 下一步先查三件事： 1. [公司 A] 最新财报里 [关键业务] 的收入和毛利率有没有变化。 2. [公司 B] 有没有新的客户认证、订单或扩产公告。 3. [相关基金/ETF] 的持仓是不是集中在真正受益的环节。 ``` 完整示例： - [A 股 AI 半导体扫描](examples/a-share-ai-semiconductor-demo.md) - [AI 基建瓶颈研究](examples/ai-infrastructure-chokepoint-demo.md) - [研究伙伴式对话](examples/demo-conversation.md) ## 安装 ### Codex / OpenAI Agent Skills / 通用 Agent Skills 客户端 用户级安装： ```bash SKILL_DIR="$HOME/.agents/skills/serenity-skill" mkdir -p "$SKILL_DIR" cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/ ``` 项目级安装： ```bash SKILL_DIR=".agents/skills/serenity-skill" mkdir -p "$SKILL_DIR" cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/ ``` ### Claude Code 用户级安装： ```bash SKILL_DIR="$HOME/.claude/skills/serenity-skill" mkdir -p "$SKILL_DIR" cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/ ``` 项目级安装： ```bash SKILL_DIR=".claude/skills/serenity-skill" mkdir -p "$SKILL_DIR" cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/ ``` ### Hermes Agent ```bash SKILL_DIR="$HOME/.hermes/skills/research/serenity-skill" mkdir -p "$SKILL_DIR" cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/ ``` ### OpenClaw / 其他 AgentSkills-compatible 客户端 把 `SKILL.md`、`LICENSE`、`references/`、`assets/`、`scripts/`、`examples/`、`agents/` 放进对应客户端的 `serenity-skill/` 目录即可。README 和项目维护文档只用于 GitHub 展示，不需要安装到运行目录。 ## 本地瓶颈打分 生成模板： ```bash python scripts/serenity_scorecard.py --template > my-company.json ``` 运行评分： ```bash python scripts/serenity_scorecard.py --format md my-company.json ``` 校验 Skill： ```bash python scripts/validate_skill.py . ``` ## 仓库结构 ```text serenity-skill/ ├── SKILL.md ├── README.md ├── README.en.md ├── README.zh-CN.md ├── references/ │ ├── deep-research-workflow.md │ ├── evidence-ladder.md │ ├── market-source-playbook.md │ ├── public-profile-and-evaluation.md │ └── risk-and-compliance.md ├── assets/ │ ├── bottleneck-scorecard.json │ ├── research-prompt-pack.md │ └── thesis-template.md ├── scripts/ │ ├── serenity_scorecard.py │ └── validate_skill.py ├── examples/ │ ├── a-share-ai-semiconductor-demo.md │ ├── ai-infrastructure-chokepoint-demo.md │ └── demo-conversation.md └── evals/ └── test-cases.md ``` ## 研究边界 Serenity.skill 是独立的公开方法论项目，灵感来自 [Serenity / @aleabitoreddit](https://x.com/aleabitoreddit) 公开内容中可观察到的研究范式。它帮助做研究、排序和推理，功能范围限于研究辅助。 它提供研究优先级、证据链、风险核验和下一步检查清单。交易执行、账户操作、收益承诺和最终买卖判断始终由用户自己控制。 强结论应以公告、交易所文件、财报、电话会、监管/项目文件、专利、标准、可信媒体和专业分析为依据。社交媒体内容适合作为线索来源，最终判断要回到更强证据。 ## License MIT