AI Berkshire skill: 看懂XX公司（深度公司系列）：3-8 篇长文拆一家公司. Source: skills/deep-company-series.md.
复制下面这句话，粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具，它会读取安装说明并在你确认后完成安装。
请阅读 https://ai.atlankj.com/install/asset/gh-deep-company-series-bd19415993e3 ，按照其中的说明把「deep-company-series」安装到你（当前 AI 工具）中。执行前先告诉我将运行的命令和写入的位置，等我确认。
查看 AI 将读取的安装说明正在读取 GitHub 原文…
内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看
This skill is generated from skills/deep-company-series.md so Claude Code and Codex users share one canonical workflow.
$ARGUMENTS as the user's request in the current Codex thread.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.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.AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.为 $ARGUMENTS 撰写一个《看懂XX》深度长文系列（3-8 篇，按公司复杂度定，见"篇数适配"），发布在公众号/视频号等公开渠道。核心 IP 不是"会写"，而是"会改"——99% 的财经文章在违反本 skill 的事实核查标准。
参考样本：reports/腾讯/《看懂腾讯》/
用户希望为一家公司做"教科书级别"的深度研究，并以系列长文形式公开发布。区别于一篇研报：
不适合用本 skill 的场景：单篇研报、季报点评、行业研究——那些用 /investment-research、/earnings-review、/industry-research。
篇数不固定为 8。 8 篇是腾讯这种"多业务 + 万亿投资组合 + 20 年管理层故事"的公司才撑得起的容量。写之前先问：这家公司有几个能用"一个尖锐问题"独立成文的主轴？有几个写几篇。
| 复杂度 | 特征 | 篇数 | 例子 |
|---|---|---|---|
| 高 | 多条业务线各自成生意 + 隐藏资产/投资组合 + 管理层史料丰富 | 7-8 篇 | 腾讯 |
| 中 | 2-3 条业务线 + 一个重大时代变量 | 4-6 篇 | — |
| 低 | 主业清晰、核心问题少而集中 | 3 篇 | 快手 |
3 篇的标准合并方式（下面 8 主轴仍是检查清单，全部要覆盖，只是折进 3 篇）：
| # | 篇名方向 | 折入的主轴 |
|---|---|---|
| 01 | 你以为你看懂了 X（开篇 + 生意与护城河） | 认知重置 + 护城河 + 利润引擎概览 |
| 02 | X 的最大变量（当下叙事/隐藏资产） | 隐藏资产 + AI/时代变量 |
| 03 | 多少钱值得买，什么信号必须卖（财务 + 决策终章） | 财务深度 + 管理层要点 + 估值决策 |
判断信号：如果某篇写到一半发现在"凑内容"（同一事实换说法重复出现），说明篇数定多了——合并。反之，某篇超过 12,000 字还塞不下，拆开。
| # | 篇名模板 | 核心问题 | 字数 |
|---|---|---|---|
| 01 | 你以为你看懂了 X，其实没有 | 认知重置：破 3 个常见错觉 | 4,000-5,000 |
| 02 | X 的护城河——<生意本质一句话> | 护城河深不深、未来 5/10 年还在不在 | 6,000-8,000 |
| 03 | X 的最大利润引擎——<最赚钱业务> | 主业是什么、为什么能持续 | 6,000-8,000 |
| 04 | X 藏在账上的另一家公司——<隐藏资产> | 投资组合 / 子公司 / 隐藏价值 | 8,000-10,000 |
| 05 | AI（或当下叙事）时代，X 是赢家还是输家 | 时代变量：分业务拆 AI 影响 | 8,000-10,000 |
| 06 | 用巴菲特方式拆 X 的财报 | 财务深度：毛利率/FCF/ROE/SBC | 8,000-10,000 |
| 07 | <管理层金句>——X 的管理层值不值得托付 | 资本配置纪律 + 诚信检验 + 接班人 | 8,000-10,000 |
| 08 | 多少钱值得买，什么信号必须卖（系列终章） | DCF 三情景 + 红线清单 + 仓位框架 | 10,000-12,000 |
加一篇 00-系列说明.md 作为目录索引，不发表。
篇目必须适配公司：模板是腾讯长出来的，不是套子。某篇没有独立内容（如没有投资组合的公司写不了 04），就替换成该公司特有的主轴（如快手的可灵 AI、电商），或按上面的合并方式折进更少的篇数。判断标准：这一篇能否用"一个尖锐问题"独立成文。
每篇不是自由发挥，有固定骨架。共性结构：
> 《看懂X》系列 · 第 0N 篇 · <主轴>，开篇加阅读时间## 本篇要点回顾（5-8 条，数字与正文严格一致）+ ## 下期预告（用尖锐问题预告，不剧透结论）*本文是《看懂X》系列第 0N 篇...* + *本系列基于公开信息和价值投资框架研究，不构成任何投资建议。*各篇专属骨架：
| 篇 | 骨架 |
|---|---|
| 01 开篇 | 股价被市场反复"重新定性"的历史曲线 → 三个常见错觉（每个用财报数据破）→ "需要同时戴几副眼镜"阅读地图表（链接到 02-08）→ 估值钩子数字表（只留悬念不给结论） |
| 02 护城河 | 挑战者失败名单（有名有姓有年份）→ 迁移成本的本质（用户迁不走什么）→ 生态飞轮 → 5 年/10 年后护城河还在吗 → 一个反向思维实验（"如果我有 1000 亿能不能复制它"） |
| 03 利润引擎 | 反常识数字开场 → 核心产品为何长青（拆到定价权层面）→ 增长空间量化（份额路径 + 反面论据：故事不工作的可能）→ 组织能力（为什么能持续出产品）→ 市场为什么低估 → AI/时代变量对本业务的影响 → 5 年后图景 |
| 04 隐藏资产 | TOP 持仓表（只统计未并表部分，并表的单独说明防双算）→ 会计处理差异（哪些进利润表哪些不进）→ "不会卖 vs 可能减持"分类 → 市场为何打折价（逐条）→ 几个意外发现 → 估算折扣的简单方法 |
| 05 AI/时代变量 | 让市场担心的数字 → 分业务拆赢家/输家（严重分化，不给整体结论）→ 关键反问（"X 输了单点之争，还能赢吗"）→ 5-10 年被绕过的场景推演（逐条反驳或承认）→ 5 个情景 → 未来一年监控信号清单 |
| 06 财务 | 一条反常曲线开场 → 利润表（毛利率变化归因）→ 口径选择（Non-IFRS vs GAAP，为什么）→ EPS 与回购 → 资产负债表（净现金）→ 现金流与 FCF Yield → 股东回报按"1 美元测试"→ ROE 变化是好是坏 → 估值横向+历史比较 → 价值投资 10 项 Checklist 逐条过 → 把财报压缩成三句话 |
| 07 管理层 | 核心团队表 → 关键人物的长期贡献（用具体决策，不用形容词）→ 利益对齐（持股/薪酬占利润比）→ 诚信检验：挑一次真实危机看应对 → 5 年承诺兑现率（逐条核对当年原话）→ 资本配置纪律 → 接班人隐忧（不回避）→ "买人三问"（诚实/能干/热爱）→ 综合评分 |
| 08 决策 | SOTP 分部估值（说清"你买的到底是什么"）→ 历史估值分位 + 必须警告"后视镜不是导航仪" → 未来利润三情景表（乐观/中性/保守 + 隐含增速，标明"是预测不是事实"）→ 红线清单（触发≠必卖，但必须重审）→ 赔率思维收尾 |
| 禁用 | 原因 | 替代 |
|---|---|---|
| 显然 / 必然 / 一定 | 主观绝对化 | 数据显示 / 证据表明 |
| 我认为 / 我觉得 | 主观腔调 | 删除或改为"按本框架" |
| 教科书级别 / 神来之笔 | 流量党褒奖 | 描述具体事实 |
| 严重不匹配 / 严重低估 | 强主观词 | 给具体折让百分比 |
| 完美 / 无可挑剔 | 单边判断 | 加上反方观察 |
<本质判断>"）30% × A + 50% × B + 20% × C = 期望 +X% 这种计算几乎全是垃圾——概率分配是纯主观，给读者错误精确感。只列情景 + 触发条件 + 方向，不算加权期望。2025 年 +33% × 5 年复合 → 2030 年 X 是金融文盲式预测。情景假设 + 高/低区间 + 不是承诺。□ 1. 跨篇数字一致性：总市值、Non-IFRS 净利润、关键持股 % 全系列对齐
□ 2. 口径标注：Non-IFRS / GAAP / Non-IFRS-SBC / FCF 各用哪个，全文清楚
□ 3. 重复加计扫描：已并表子公司不在"投资组合"里、SOTP 不双算
□ 4. 横向比较公平性：不能"主业 PE（剔除现金+组合）" vs "对手 PE（不剔）"
□ 5. 概率加权全删：见上一条
□ 6. 绝对化表述全弱化：grep "显然|必然|严重|教科书|完美"
□ 7. 第三方数据来源标注：每条非财报数据后跟"（来源：X）"
写之前先列出已知硬错误风险：
/investment-team 或 /investment-research 先生成内部研究底稿reports/{公司名}/《看懂{公司名}》/0X-XX.mdreports/{公司名}/《看懂{公司名}》/ 已存在（旧版系列），不覆盖、不混放——新系列写入带日期后缀的新文件夹 reports/{公司名}/《看懂{公司名}》-{YYYYMMDD}/，旧文件夹原样保留派 Explore agent 并行扫描全系列做以下检查：
# 推送前必须本地 grep 一次（按 ai-berkshire 隐私规则）
grep -r "<本机用户名>\|/Users/\|<个人身份信息>" reports/ | head
确认无误后才 git pull --rebase && git commit && git push。
用户给修订意见时，按以下顺序处理：
如果用户说"X 数据不对"，先用 Bash/Read 找原始数据交叉验证：
| 级别 | 类型 | 处理 |
|---|---|---|
| 🔥 硬错误 | 数字错、归因错、口径错 | 必改，不需犹豫 |
| ⚠️ 主观化 | 强主观词、绝对化、流量党比喻 | 弱化或删除 |
| 🔬 颗粒度 | 来源标注、口径细化 | 优先级低，按可读性平衡 |
| ❓ 不可靠 | 第三方测算差异大 | 删比改更稳（用户明确指示） |
修一处先想"哪些地方还会引用这个数字/概念"。例：
推送成功（commit hash）。
[N] 处修订总结 [带表]：
- 改了什么
- 联动改了什么
- 还有什么没改
下一步等指示。
/Users/ / 真实姓名 等隐私字段写《看懂 X 系列》的核心能力 ≠ 写得好，而是改得严—— 89% 的财经长文死于伪精确数字、主观加权期望值、绝对化表述。本 skill 的存在就是为了把这些坑全部标记出来，写之前避开，写之后扫干净。