Codex adapter note

This skill is generated from skills/private-company-research.md so Claude Code and Codex users share one canonical workflow.

Treat $ARGUMENTS as the user's request in the current Codex thread.
When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
Use shared project tools from 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.
Before starting research, run the 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.
Preserve the research quality rules from AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

未上市公司研究：多Agent并行深度研究框架

对 $ARGUMENTS 进行团队化深度研究分析。专为蚂蚁集团、小红书、SpaceX、Stripe 等未上市公司设计。

最终目标：在信息天然稀缺的条件下，尽可能还原这家公司的真实价值——不是市场给的估值，而是生意本身值多少钱。

框架特点

未上市公司 vs 上市公司研究的核心差异：

无标准化财报：需多源拼凑、交叉验证
估值锚定少：依赖融资轮次、可比公司法、情景推演
信息不对称大：需要更多"拼图式"研究方法
退出路径不确定：IPO/并购/二级转让均有可能

AI研究偏见自觉（本框架的核心前提）

未上市公司是AI研究偏见最严重的领域。必须时刻警惕以下陷阱：

核心矛盾：AI擅长结构化已有信息，但未上市公司的信息天然稀缺。这会导致：

虚假保守：因为资料少，AI倾向给出保守/模糊的结论，但资料少≠公司不好
虚假精确：为了填满报告模板，AI可能用"合理推测"伪装成"有据分析"
对标陷阱：强行与上市公司对标时，会继承上市公司的估值逻辑，忽略未上市公司的独特价值
幸存者偏差：网上能搜到的公司信息往往有正面偏向（公司主动传播的多是好消息）

应对原则：

宁可留白说"不知道"，也不要用推测填满表格伪装确定性
每个数据点必须标注置信度（🟢高/🟡中/🔴低），让读者自己判断
区分"可验证的事实"与"AI的推理"，用不同格式标注
对于信息极度稀缺的公司，切换为"第一性原理模式"——不追求报告完整，只回答几个核心问题：
1. 这门生意解决什么真实问题？需求是真需求还是伪需求？
2. 为什么是这个团队？他们有什么独特优势？
3. 如果成功了，天花板有多高？如果失败了，最可能死在哪里？
4. 当前阶段的关键验证节点是什么？

反向利用信息不对称：市场对未上市公司信息少→定价效率低→恰恰可能是超额收益的来源。AI研究的目标不是消除信息不对称（做不到），而是在有限信息中提取最关键的判断依据。

执行流程

第一步：展示团队框架

向用户展示以下团队结构，确认后启动：

角色	职责	核心视角
team-lead（你自己）	统筹协调、信息拼图、交叉验证、输出最终报告	投资决策整合
business-decoder	商业模式拆解 & 产品用户分析	"这门生意的本质是什么"
financial-detective	财务数据拼凑 & 估值推演	"在信息缺失下尽可能还原真实财务面貌"
competitive-mapper	行业格局 & 竞争态势 & 替代威胁	"谁在和它竞争，谁可能颠覆它"
risk-governance-analyst	风险全景 & 管理层/治理/投资人评估	"什么可能出错，谁在掌舵"
tech-ip-analyst	技术栈/专利/研发能力/技术护城河	"技术壁垒是真是假，能撑多久"
signal-miner	替代数据挖掘：招聘/专利/诉讼/App数据/供应链	"常规信息之外，还有什么蛛丝马迹"

第二步：创建团队

使用 TeamCreate 创建团队：

team_name: {公司名}-private-research（英文小写，如 ant-group-private-research）
agent_type: team-lead

第三步：创建6个任务

使用 TaskCreate 创建以下6个任务（每个都要有 subject、description、activeForm）：

任务1：商业模式与产品用户深度分析

subject: 拆解{公司名}商业模式、产品矩阵与用户生态
activeForm: 分析{公司名}商业模式与用户生态
description 包含：

## 商业模式深度拆解

### 1. 核心生意定义
- 用一句话定义这门生意的本质（段永平式定义：用最朴素的语言，把这门生意讲给一个聪明但不懂行的人听）
- 公司解决什么问题？为谁创造价值？
- 价值主张与同类产品的差异化
- 这个问题如果公司不存在，用户会怎么解决？替代方案的代价有多高？
- 需求的"刚性"判断：经济下行时用户会砍掉这个支出吗？

### 2. 收入模式拆解
- 收入构成：广告/佣金/订阅/交易抽成/金融服务/SaaS/硬件/授权费等
- 各收入线占比（如有数据）及增长趋势
- 变现效率指标推算：ARPU、Take Rate、广告加载率、转化率等
- 收入质量评估：
  - 经常性收入 vs 一次性收入的占比
  - 收入集中度：前5大客户/渠道占比
  - 收入的可预测性（合同型/订阅型 vs 交易型）
  - 收入确认方式是否合理（有无提前确认收入的迹象）
- 与同业上市公司变现效率对标

### 3. 单位经济模型（UE）推算
- CAC（获客成本）推算：
  - 付费获客 vs 自然增长的占比
  - 分渠道CAC（如有）
  - CAC趋势：随规模增长是上升还是下降？
- LTV（生命周期价值）推算：
  - ARPU × 预期生命周期
  - 考虑交叉销售和升级销售
- LTV/CAC 比值、回本周期
- 边际成本结构：新增用户/交易的边际成本趋势
- 规模经济拐点：何时/是否已过盈亏平衡点

### 4. 产品矩阵与飞轮效应
- 核心产品 + 延伸产品 + 孵化产品
- 飞轮如何运转：网络效应/数据飞轮/规模效应
- 产品之间的协同效应与交叉导流
- 产品生命周期：各产品分别处于哪个阶段
- 产品迭代速度：App/产品更新频率、近12个月重大功能更新

### 5. 商业模式画布（BMC）
用以下9要素完整描述商业模式：
| 要素 | 内容 |
|------|------|
| 价值主张 | |
| 客户细分 | |
| 渠道通路 | |
| 客户关系 | |
| 收入来源 | |
| 核心资源 | |
| 关键活动 | |
| 重要伙伴 | |
| 成本结构 | |

### 6. 用户深度分析
- 用户规模：MAU/DAU（从QuestMobile、Sensor Tower、SimilarWeb等推算）
- 用户增长曲线：处于S曲线哪个阶段（用具体数据论证）
- 用户粘性指标：
  - DAU/MAU 比率（日活/月活比）
  - 平均使用时长、打开频次
  - 次日/7日/30日留存率（如有）
  - 用户增长 vs 留存趋势对比（虚假增长识别）
- 用户画像：年龄/地域/消费力/职业分布
- 用户口碑：
  - App Store/Google Play评分趋势（近12个月变化）
  - 社交媒体舆情分析
  - 知乎/微博/小红书上的用户真实反馈
  - 负面评价的主要集中点
- 用户获取效率：
  - 付费获客 vs 自然增长 vs 口碑传播比例
  - 是否依赖单一获客渠道

### 7. 定价权评估
- 过去3年是否有提价历史？提价后用户流失情况？
- 与竞品的价格对比：是价格领导者还是跟随者？
- 用户对价格的敏感度评估
- 佣金/抽成比例在产业链中的合理性

### 8. 护城河评估
对以下6个维度逐一验证并打分(★1-5)：

| 护城河类型 | 评分 | 证据 | 趋势 | 持久性评估 |
|-----------|------|------|------|-----------|
| 网络效应 | | 用户越多，价值越大？是单边还是双边/多边？ | 加宽/稳定/收窄 | |
| 转换成本 | | 用户迁移到竞品的代价？数据/关系/习惯迁移成本？ | | |
| 品牌心智 | | 品类=品牌？NPS推算？ | | |
| 数据壁垒 | | 数据飞轮是否形成？独有数据资产？数据量级？ | | |
| 监管牌照 | | 是否有准入门槛？牌照获取难度？ | | |
| 规模经济 | | 规模带来的成本优势是否显著？ | | |

综合护城河评级：宽/中/窄/无

### 9. 国际化分析（如适用）
- 海外市场拓展情况
- 国际化收入占比
- 本土化策略与挑战
- 海外竞争格局差异

任务2：财务数据拼凑与估值推演

subject: 拼凑{公司名}财务数据并进行估值分析
activeForm: 拼凑{公司名}财务数据与估值
description 包含：

## 财务数据拼凑（侦探式研究）

未上市公司没有标准财报，需要多源拼凑、交叉验证。每一个数据都要追溯到具体来源，标明时间和置信度。

### 1. 数据来源矩阵
**按优先级搜索以下来源**：

| 优先级 | 来源类型 | 具体来源 | 可信度 | 搜索方法 |
|--------|---------|---------|--------|---------|
| 1 | 招股书/监管文件 | SEC Filing、港交所、证监会披露的招股书草案 | 🟢高 | 搜索"公司名 + 招股书/prospectus/IPO filing" |
| 2 | 母公司/关联上市公司财报 | 如阿里年报中蚂蚁数据、Google Cloud年报 | 🟢高 | 搜索母公司年报中的关联披露 |
| 3 | 监管处罚/合规披露 | 央行、证监会、市场监管总局处罚文件 | 🟢高 | 搜索"公司名 + 处罚/罚款/整改" |
| 4 | 债券/ABS发行文件 | 如蚂蚁花呗ABS说明书中的底层数据 | 🟢高 | 搜索"公司名 + 债券/ABS/信托" |
| 5 | 工商登记信息 | 天眼查/企查查的工商年报、实缴资本 | 🟡中高 | |
| 6 | 融资新闻 | 估值、融资金额、投资方 | 🟡中 | 搜索"公司名 + 融资/估值/valuation" |
| 7 | 第三方研报 | 券商、咨询公司、行业协会研报 | 🟡中 | 搜索"公司名 + 研报/report" |
| 8 | 深度媒体报道 | 晚点LatePost、The Information、36氪、Bloomberg | 🟡中 | 直接搜索这些媒体+公司名 |
| 9 | 行业数据推算 | 通过行业总量和市场份额反推 | 🔴低-中 | |
| 10 | 前员工/内部人爆料 | Blind、脉脉、论坛 | 🔴低 | 仅作参考，不作为主要依据 |

### 2. 关键财务指标推算
尽可能推算以下数据，**每个数据点必须标明**：来源、时间、置信度、推算方法。

**收入端**：
- 总收入规模与增速（近3年，年度/季度颗粒度）
- 收入结构拆解（按业务线/产品线）
- 收入增长驱动因素分解：量（用户/交易量）× 价（ARPU/客单价）
- 收入的季节性波动模式

**成本端**：
- 毛利率推算（对标同业上市公司，说明选取逻辑）
- 研发费用率推算（通过员工数 × 人均薪酬，或研发人员占比推算）
- 销售费用率推算（通过获客渠道和投放数据推算）
- 管理费用率推算

**利润端**：
- 经营利润/EBITDA 推算
- 净利润/调整后净利润推算
- 盈利时间线：何时盈利？如果尚未盈利，预计何时？

**现金流端**：
- 经营现金流判断（正/负，是否自我造血）
- 资本开支水平和趋势
- 自由现金流推算
- 账上现金/烧钱速度（通过融资金额、融资间隔、员工数推算）
- 现金跑道：按当前烧钱速度还能撑多久？

**效率指标**：
- 员工数量与人效（人均收入、人均利润）
- 资本效率：每融1元钱产生多少收入
- 与同业上市公司效率指标对标

### 3. 财务数据交叉验证
- 同一指标如果有多个来源，全部列出并说明差异
- 用不同方法推算同一指标，检查结果是否收敛
- 标注无法验证的"孤证"数据

| 指标 | 来源A（数据/时间） | 来源B（数据/时间） | 差异 | 采信判断 |
|------|-------------------|-------------------|------|---------|

### 4. 融资历史与估值演变
整理完整融资时间线：

| 轮次 | 时间 | 金额 | 投前估值 | 投后估值 | 领投方 | 跟投方 | 估值倍数增长 | 备注 |
|------|------|------|---------|---------|--------|--------|------------|------|

分析：
- 估值增长曲线是否健康（每轮增长倍数是否合理）
- 融资间隔是否合理（过于频繁=烧钱快？过于稀疏=融资困难？）
- 是否出现估值倒挂（Down Round）
- 老股东是否持续加注（信心信号）
- 最新一轮的投资条款推测：
  - 优先清算权（1x/2x/participating）
  - 反稀释保护（full ratchet/weighted average）
  - 对赌条款（业绩/上市时间）
  - 这些条款对普通股价值的影响

### 5. 估值分析（多方法交叉）

**方法1：最近融资估值法**
- 最近一轮估值及时间
- 考虑优先清算权等条款后的"普通股等价估值"（通常需要打折20-40%）
- 距今时间差异调整
- 这一轮投资人的动机分析（财务投资 vs 战略投资，战略投资者可能溢价）

**方法2：可比上市公司法**
- 选择3-5家上市可比公司，说明选取理由
- 关键倍数对比：

| 可比公司 | P/S | P/E | EV/EBITDA | EV/Revenue | 增速 | 利润率 |
|---------|-----|-----|-----------|------------|------|--------|

- 应用的调整：
  - 流动性折价：20-30%（标注具体取值和理由）
  - 增速溢价/折价
  - 规模折价
  - 监管/政策风险折价

**方法3：DCF 情景分析**
三种情景，每种都要列出关键假设：

| 假设 | 悲观 | 中性 | 乐观 |
|------|------|------|------|
| 未来5年收入CAGR | | | |
| 终态经营利润率 | | | |
| 终态增长率 | | | |
| WACC | | | |
| 终值倍数(EV/EBITDA) | | | |

每个假设要有论据支撑，不能凭空假设。

**方法4：终局市值倒推法**
- 假设5年/10年后这门生意在终态时的市场地位
- 终态收入和利润率假设
- 终态合理倍数（参考同行业成熟公司）
- 倒推当前合理估值区间
- 隐含的年化回报率

**方法5：交易对标法**
- 同行业近2年的并购/融资交易
- 交易倍数（P/S、P/E）
- 交易背景和溢价/折价因素

### 6. 估值综合判断

| 方法 | 估值区间 | 置信度 | 权重 | 加权估值 |
|------|---------|--------|------|---------|

- 不同方法得出的估值是否收敛？如果差异大，分析原因
- 最终给出的估值区间要区分"合理估值"和"保守估值"（安全边际估值）

任务3：行业格局与竞争态势分析

subject: 分析{公司名}所在行业的竞争格局与替代威胁
activeForm: 分析{公司名}行业格局与竞争态势
description 包含：

## 行业格局与竞争态势

### 1. 行业定位与市场规模
- 公司所在的核心赛道定义（注意：公司自己定义的赛道可能是美化过的，要独立判断）
- TAM/SAM/SOM 三层市场规模：
  - TAM（总可寻址市场）：整个大行业
  - SAM（可服务市场）：公司技术/模式能覆盖的
  - SOM（可获得市场）：当前实际能获取的
- 市场规模数据来源对比（不同研究机构的预测可能差异很大）
- 市场渗透率：当前 vs 天花板
- 行业所处阶段：萌芽期/成长期/成熟期/衰退期（附论据）
- 行业增长驱动因素：哪些力量在推动/阻碍行业增长

### 2. 产业链全景地图
绘制完整产业链结构（文本图）：

上游供应方（谁？议价能力？） ↓ 公司所处环节（价值链中哪个位置？利润池占比？） ↓ 下游客户/用户（集中度？替代选择？） ↕ 竞争对手 / 替代品 / 潜在进入者


- 利润池分析：产业链各环节的利润分配
- 公司在产业链中的议价能力（上游/下游）
- 上下游依赖度分析：是否存在单一供应商/客户依赖
- 产业链正在发生的结构性变化

### 3. 波特五力分析（量化打分）

| 力量 | 强度(★1-5) | 关键因素 | 对公司影响 |
|------|-----------|---------|-----------|
| 行业内竞争 | | 集中度、差异化程度、退出壁垒 | |
| 新进入者威胁 | | 资本壁垒、技术壁垒、监管壁垒、品牌壁垒 | |
| 替代品威胁 | | 替代品性价比、转换成本 | |
| 供应商议价能力 | | 供应商集中度、转换成本 | |
| 买方议价能力 | | 客户集中度、信息透明度 | |

综合行业吸引力评分：★1-5

### 4. 竞争格局深度扫描

| 竞争对手 | 类型 | 市场份额(推算) | 收入规模 | 融资/市值 | 核心优势 | 主要劣势 | 威胁等级 |
|---------|------|---------------|---------|----------|---------|---------|---------|
| 直接竞争者1 | 直接 | | | | | | |
| 直接竞争者2 | 直接 | | | | | | |
| 间接竞争者1 | 跨界 | | | | | | |
| 潜在进入者1 | 巨头 | | | | | | |

重点分析：
- **直接竞争者**：同赛道直接对手，逐个分析其战略意图和资源投入
- **间接竞争者**：跨界潜在竞争，特别是大厂的相关业务
- **替代品威胁**：不同技术路线/模式，特别是AI可能带来的颠覆
- **潜在进入者**：巨头可能入局的概率和方式（自建/收购/投资）

### 5. 竞争对手深度对比
选择2-3个最直接的竞争对手（含上市和未上市），进行多维对比：

| 维度 | {公司名} | 竞争者A | 竞争者B | 竞争者C |
|------|---------|---------|---------|---------|
| 成立时间 | | | | |
| 用户规模(MAU) | | | | |
| 收入规模 | | | | |
| 收入增速 | | | | |
| 融资总额/市值 | | | | |
| 估值/收入倍数 | | | | |
| 变现效率(ARPU) | | | | |
| 毛利率 | | | | |
| 盈利状态 | | | | |
| 员工数量 | | | | |
| 技术能力 | | | | |
| 差异化定位 | | | | |
| 国际化程度 | | | | |

### 6. 竞争动态与趋势
- 近12个月的竞争格局关键变化（融资、并购、产品发布、人事变动）
- 竞争对手的战略方向推断（从招聘、专利、产品更新推断）
- 行业正在发生的结构性转变
- 技术变革对竞争格局的影响（特别是AI/大模型）
- 监管政策对竞争格局的影响
- 是否存在"赢家通吃"的行业特征？还是会形成稳定的多寡头格局？

### 7. 竞争情景推演
- 情景A：公司胜出——需要什么条件？概率？
- 情景B：均势共存——各自的生存空间？
- 情景C：被颠覆——最可能的颠覆者和路径？

### 8. 全球对标分析
寻找海外/国内的对标公司（已上市），分析：

| 维度 | 对标公司A | 对标公司B | {公司名}对标启示 |
|------|---------|---------|----------------|
| 发展路径 | | | |
| 当前估值水平 | | | |
| 从类似阶段到上市的时间 | | | |
| 上市后股价表现 | | | |
| 成功/失败的关键因素 | | | |

- 对标的局限性说明（中国市场特殊性、监管差异、用户习惯差异）

任务4：风险全景与治理评估

subject: 评估{公司名}全维度风险与管理层/治理结构
activeForm: 评估{公司名}风险与治理结构
description 包含：

## 风险全景与治理评估

### 1. 创始人/CEO 深度评估

> "买股票就是买人。" —— 段永平

- **背景与履历**：教育、职业经历、创业经历
  - 有无连续创业经历？上一次创业的结果？
  - 行业相关经验年限
  - 之前管理的最大团队/业务规模
- **战略眼光**：搜索CEO过去3年的公开发言（演讲、访谈、内部信、社交媒体）
  | 时间 | CEO的判断/预测 | 实际结果 | 准确度 |
  |------|--------------|---------|--------|
  - 有无做过超前于市场的正确判断？
  - 有无在大家都看好时保持冷静？
- **执行力**：关键里程碑是否按时达成
  | 承诺 | 承诺时间 | 承诺场合 | 兑现情况 | 评价 |
  |------|---------|---------|---------|------|
- **格局与价值观**：
  - 对用户/员工/社会的态度（从具体事件判断，不看口号）
  - 面对困难时的选择（裁员方式、危机处理、利益冲突时的取舍）
  - 对短期利润 vs 长期价值的取舍
- **争议事件**：是否有负面记录（搜索"CEO名字 + 争议/丑闻/问题"）
- **评级**：★1-5（附详细理由）

### 2. 核心团队评估
- 核心高管团队名单与背景（CTO/CFO/COO/VP等）
  | 姓名 | 职位 | 背景 | 任期 | 此前经历 |
  |------|------|------|------|---------|
- 关键人才流动分析：
  - 近2年重要高管离职情况（谁走了？去了哪？为什么？）
  - 近2年重要高管加入情况（从哪挖来的？说明什么？）
  - 人才净流入还是净流出？
- 团队互补性：创始团队的能力是否互补？有无明显短板？
- 团队文化信号：
  - Glassdoor/脉脉评分与趋势（近12个月变化方向比绝对值重要）
  - 员工推荐意愿（Would recommend to a friend）
  - CEO支持率
  - 加班文化、组织氛围的舆论
- 关键人物依赖度：如果CEO/CTO离开，公司会怎样？

### 3. 股权结构与治理

**股权架构**：
| 股东 | 持股比例 | 投票权比例 | 类型 | 备注 |
|------|---------|-----------|------|------|

- 创始人控制权结构：AB股/一致行动人/VIE架构
- 创始人持股比例变化趋势（每轮融资稀释情况）
- 员工持股计划：覆盖面、行权条件、与上市对赌

**治理结构**：
- 董事会构成（独立董事占比、投资方席位）
- 重大决策机制
- 潜在的利益冲突：
  - 关联交易（创始人其他公司与本公司的交易）
  - 同业竞争
  - 大股东利益与小股东利益的冲突点

### 4. 投资人阵容深度分析

| 投资方 | 轮次 | 金额 | 估算持股 | 类型 | 战略价值 | 退出压力 |
|--------|------|------|---------|------|---------|---------|

分析：
- 领投机构的品牌背书意义（顶级VC vs 不知名基金）
- 产业资本的战略协同价值（是否带来资源/渠道）
- 投资人退出压力评估：
  - 基金存续期还剩多久？
  - 是否已在二级市场抛售老股？
  - 对赌条款是否临近到期？
- 投资人阵容的红旗信号：
  - 是否有声誉不佳的投资人？
  - 早期投资人是否已清仓？
  - 最近一轮的跟投情况（老股东不跟=不看好？）

### 5. 全维度风险清单

| 风险类型 | 具体风险 | 概率(高/中/低) | 影响(高/中/低) | 严重度 | 是否可对冲 | 监控指标 |
|---------|---------|---------------|---------------|--------|-----------|---------|
| 监管风险 | 反垄断、数据安全、行业整顿、牌照风险 | | | | | |
| 竞争风险 | 巨头入场、新模式颠覆、价格战 | | | | | |
| 技术风险 | 平台迁移、AI颠覆、技术路线失败 | | | | | |
| 人才风险 | 创始人/核心团队流失 | | | | | |
| 融资风险 | 资金链、估值倒挂、融资困难 | | | | | |
| IPO风险 | 上市窗口、监管审批、市场环境 | | | | | |
| 地缘风险 | 中美关系、跨境数据、制裁 | | | | | |
| 商业化风险 | 变现不及预期、用户反弹 | | | | | |
| 治理风险 | 关联交易、信息不透明、投资人冲突 | | | | | |
| 合规风险 | 数据隐私(GDPR/个保法)、内容合规 | | | | | |
| 宏观风险 | 经济周期、利率环境、资本市场冷热 | | | | | |
| ESG风险 | 环境/社会/治理相关风险 | | | | | |

### 6. 退出路径分析

| 退出方式 | 可能性(★1-5) | 预计时间窗口 | 预期估值区间 | 关键前提 | 主要障碍 |
|---------|-------------|------------|------------|---------|---------|
| A股IPO | | | | | |
| 港股IPO | | | | | |
| 美股IPO | | | | | |
| 被并购 | | 潜在买家是谁？ | | | |
| 二级市场转让 | | 流动性如何？ | | | |
| SPAC | | | | | |
| 长期不退出 | | | | | |

- 最可能的退出路径及理由
- 退出时间线推演
- 各退出路径下的预期回报分析

### 7. 最坏情景分析（芒格式逆向思考）

> "反过来想，总是反过来想。" —— 芒格

- 这家公司最可能怎么**失败**？列出3种具体失败路径
- 每种失败路径的概率评估和触发条件
- 最坏情景下，投资人能收回多少？（清算价值分析）
- 聪明人为什么**不投**这家公司？（至少列出5条理由）
- 历史上类似定位/阶段的公司，有哪些失败了？为什么？
- 什么信号出现意味着"论文已破"，应该止损？

任务5：技术能力与知识产权分析

subject: 分析{公司名}技术栈、专利布局与研发能力
activeForm: 分析{公司名}技术能力与知识产权
description 包含：

## 技术能力与知识产权深度分析

> 对科技公司而言，技术壁垒的真假和持久性直接决定估值的合理性。

### 1. 技术栈分析
- 核心技术架构推断（从招聘信息、技术博客、开源项目、会议演讲推断）
- 技术栈选择是否合理（是否用了正确的工具解决正确的问题）
- 技术债务信号：
  - 招聘岗位中是否大量招"重构/迁移"类角色
  - 是否在做大规模技术栈切换
  - 用户端是否有频繁的bug/故障投诉

### 2. 专利布局分析
搜索专利数据库（Google Patents、CNIPA、USPTO）：

| 专利指标 | 数据 | 来源 |
|---------|------|------|
| 专利总数（已授权） | | |
| 专利申请中 | | |
| 近2年新增专利数 | | |
| 核心技术领域分布 | | |
| 关键专利的引用次数 | | |
| 专利的国际布局 | | |

- 专利质量评估（不只看数量）：
  - 是否有核心/基础专利？
  - 专利覆盖的技术领域是否与主营业务一致？
  - 是否存在专利诉讼（被诉或主动起诉）？
- 专利趋势：申请速度在加快还是放缓？技术方向有无转移？
- 与竞争对手的专利对比

### 3. 研发能力评估
- **研发投入**：
  - 研发人员数量/占比（从招聘平台、LinkedIn推算）
  - 研发费用推算（人数 × 平均薪酬 + 基础设施）
  - 研发费用率（与同业对比）
  - 研发投入趋势：在加大还是缩减？
- **研发产出**：
  - 学术论文发表（搜索Google Scholar、arXiv）
  - 技术会议演讲（搜索KDD、NeurIPS、SIGIR等顶会）
  - 开源贡献（搜索GitHub组织账号）
  - 技术博客/公众号输出
- **研发效率**：
  - 从技术研发到产品落地的速度
  - 技术成果的商业转化率

### 4. 技术人才评估
- **核心技术领导者**：CTO/VP Eng/首席科学家的背景和能力
  | 姓名 | 职位 | 学历 | 前公司 | 技术影响力 |
  |------|------|------|--------|-----------|
- **技术人才密度**：
  - 来自哪些公司/实验室？（Google/Meta/MSRA/BAT等顶尖机构占比）
  - 技术岗位的薪酬竞争力（从招聘信息推算）
  - 技术团队的流失率信号（LinkedIn上离职动态）
- **招聘信号**：
  - 当前在招什么技术岗位？（反映技术战略方向）
  - 技术岗位的招聘难度和填充速度
  - 是否在建新的技术团队/实验室？

### 5. 技术护城河评估

| 技术壁垒维度 | 评分(★1-5) | 证据 | 持久性 |
|-------------|-----------|------|--------|
| 算法/模型壁垒 | | 是否有独创算法？是否可被复制？ | |
| 数据壁垒 | | 数据量级、独有数据、数据飞轮速度 | |
| 工程壁垒 | | 系统复杂度、长时间积累的工程能力 | |
| 人才壁垒 | | 核心技术人才是否难以替代 | |
| 生态壁垒 | | 开发者生态、API/SDK覆盖、技术标准 | |

- 综合技术护城河评级：强/中/弱
- 技术护城河的衰减速度评估（AI时代技术壁垒的半衰期可能很短）

### 6. AI/新技术影响评估
- 公司的AI能力和布局
- AI对公司核心业务的影响（增强 vs 威胁 vs 中性）
- 公司是AI变革的受益者还是被颠覆者？
- 其他新兴技术（Web3/AR/VR/量子计算等）的影响评估

### 7. 技术风险清单
| 风险 | 具体描述 | 概率 | 影响 |
|------|---------|------|------|
| 技术路线失败 | 押注的技术方向被证伪 | | |
| 开源替代 | 核心技术被开源方案替代 | | |
| 平台依赖 | 对特定云/芯片/操作系统的依赖 | | |
| 安全漏洞 | 数据泄露/系统被攻击 | | |
| 人才流失 | 核心技术人员出走 | | |

任务6：替代数据信号挖掘

subject: 挖掘{公司名}的非常规数据信号与隐藏线索
activeForm: 挖掘{公司名}替代数据信号
description 包含：

## 替代数据信号挖掘

> 未上市公司的常规信息有限，替代数据往往能提供比新闻报道更真实的经营信号。
> 本任务的目标是：在常规信息源之外，挖掘一切可能有用的蛛丝马迹。

### 1. 招聘信号分析
搜索 LinkedIn、Boss直聘、脉脉、Indeed、Glassdoor 上的招聘信息：

**招聘规模与趋势**：
- 当前在招岗位总数
- 近6个月招聘趋势（加速/平稳/缩减）
- 与竞争对手的招聘规模对比

**招聘结构分析**：
| 岗位类别 | 数量 | 占比 | 信号解读 |
|---------|------|------|---------|
| 研发/工程 | | | 技术方向 |
| 产品 | | | 产品战略 |
| 销售/BD | | | 商业化阶段 |
| 市场/运营 | | | 增长策略 |
| 数据/AI | | | AI布局 |
| 国际化 | | | 出海计划 |
| 合规/法务 | | | 监管应对/IPO准备 |
| 财务/IR | | | IPO准备信号 |

**关键信号捕捉**：
- 是否在招IR（投资者关系）= IPO信号
- 是否在招合规/数据安全 = 监管压力或IPO准备
- 是否在招海外岗位 = 国际化布局
- 高级岗位的薪酬范围 = 公司财力和人才竞争力
- 岗位JD中提到的技术栈/业务方向 = 战略方向

### 2. App/产品数据分析
搜索 App Store、Google Play、七麦数据、SimilarWeb：

| 指标 | 数据 | 来源 | 趋势 |
|------|------|------|------|
| App Store排名 | | | 近6个月趋势 |
| 用户评分 | | | 变化方向 |
| 评分数量 | | | 增速 |
| 下载量估算 | | | |
| App更新频率 | | | |
| 最近更新的主要功能 | | | |

- App Store评论中的高频关键词和情感分析
- 近期差评的主要集中点（bug？收费？体验下降？）
- Web流量数据（SimilarWeb）：UV、PV、访问时长、跳出率

### 3. 社交媒体与舆情信号
搜索微博、知乎、小红书、Twitter/X、Reddit：

- 公司官方账号的互动数据（粉丝/转发/评论趋势）
- 用户自发讨论的热度和情感（正/负/中性）
- 行业KOL/大V对公司的评价
- 近3个月的舆情热点事件
- 负面舆情清单及公司应对方式
- 是否有内部人（前员工/现员工）的爆料

### 4. 企业工商与法律信号
搜索天眼查/企查查/启信宝：

**工商信息**：
- 注册资本及变更历史
- 实缴资本
- 股东/股权变更记录
- 子公司/关联公司清单（新设=新业务？注销=业务收缩？）
- 经营范围变更（新增范围=新业务方向）

**法律信息**：
| 类型 | 数量 | 重要案件摘要 |
|------|------|-------------|
| 作为原告的诉讼 | | |
| 作为被告的诉讼 | | |
| 知识产权纠纷 | | |
| 劳动仲裁 | | |
| 行政处罚 | | |
| 被执行人记录 | | |

- 重大诉讼/仲裁的详情和潜在财务影响
- 行政处罚记录（环保/税务/劳动/数据安全等）

### 5. 供应链与合作伙伴信号
- 已知的核心供应商/合作伙伴清单
- 供应商是否上市？其财报中是否提到与该公司的合作数据？
- 招标/采购信息（政府采购网、企业招标平台）
- 合作伙伴的评价和合作深度

### 6. 域名与数字足迹
搜索 domain/subdomain 信息：
- 公司注册的域名清单（新注册的域名可能暗示新业务/新产品）
- 子域名分析（api.xx.com、pay.xx.com等暗示业务架构）
- SSL证书信息
- 商标注册情况（新注册商标=新品牌/新产品线）

### 7. 行业会议与曝光信号
- 公司高管近12个月的会议演讲/参会记录
- 行业奖项/媒体榜单（是否进入"独角兽榜"、"最具创新力"等）
- 政府/行业协会的互动（政策咨询、标准制定参与）
- 媒体曝光频率和质量的变化趋势

### 8. 二级市场交易信号（如有）
- 是否存在老股交易市场（SharesPost、EquityZen、微信群等）
- 老股交易的隐含估值 vs 最近一轮融资估值
- 买卖双方的供需状况
- 是否有大量员工在抛售期权/RSU

### 9. 信号综合评分

| 信号类别 | 方向(正/负/中性) | 强度(强/中/弱) | 置信度 | 核心发现 |
|---------|----------------|---------------|--------|---------|
| 招聘信号 | | | | |
| 产品数据 | | | | |
| 舆情信号 | | | | |
| 法律信号 | | | | |
| 供应链信号 | | | | |
| 数字足迹 | | | | |
| 行业曝光 | | | | |
| 二级交易 | | | | |

**信号合力判断**：各信号是否指向同一方向？有无矛盾信号？

### 10. 反常信号清单（最重要）
列出所有"不寻常"的发现——这些往往是最有价值的信息：
- 与公司对外叙事不一致的信号
- 与行业常识不符的数据
- 突然出现的变化（招聘急缩/急扩、高管密集离职等）
- 无法解释的现象

第四步：启动6个并行Agent

使用 Agent 工具同时启动6个Agent（必须在同一条消息中并行调用）：

每个Agent的配置：

subagent_type: general-purpose
run_in_background: true

每个Agent的prompt模板：

你是{公司名}未上市公司研究团队中的"{角色中文名}"。

你正在研究一家**未上市公司**，这意味着：
- 没有标准化的公开财报，需要从多个来源拼凑信息
- 数据可能不完整或相互矛盾，需要标注置信度
- 需要更多的推理和合理推算，但要透明展示推算过程
- 搜不到信息 ≠ 信息不存在，搜到的信息可能有偏差

请完成以下研究任务：{任务subject}

具体要求：
{任务description的内容}

**研究方法**：
1. 使用 WebSearch 搜索最新公开信息，每个维度至少搜索3-5次，用不同关键词组合
2. 搜索关键词策略：
   - 中文：公司名+收入/估值/融资/用户数/MAU/IPO/招股书/裁员/整改
   - 英文：Company Name + revenue/valuation/funding/users/IPO/filing
   - 具体人名+公司名（搜索管理层相关信息）
   - 公司名+具体竞争对手名（搜索竞争动态）
3. 重点信息源：
   - 高可信度：招股书、监管文件、上市公司年报中的关联披露
   - 中可信度：晚点LatePost、The Information、36氪、Bloomberg、Reuters、TechCrunch
   - 辅助验证：知乎、脉脉、Glassdoor、天眼查、企查查
4. 使用 WebFetch 获取关键文章的全文（不要只看搜索摘要）
5. 对重要数据，至少用2个不同来源交叉验证

**数据标注规范（严格执行）**：
- 每个关键数据标注来源（具体到媒体名称和文章标题）
- 标注数据时间（精确到年月）
- 标注置信度：🟢高（招股书/官方披露）/ 🟡中（可信媒体/研报）/ 🔴低（推算/传闻）
- 不同来源数据有冲突时，**全部列出**并说明差异和你的判断
- 区分"事实"和"推理"：事实用正常字体，推理/推算用*斜体*并标注推算方法
- 无法获取的信息明确标注"数据缺失"，不要编造

**输出要求**：
- 报告要详尽，使用Markdown表格呈现关键数据
- 每个分析维度要有明确结论和评分
- 推算过程要完全透明（展示计算逻辑和每一步假设）
- 在报告末尾提供：
  1. 本维度的总体评分（★1-5）和核心判断
  2. 本维度信息完整度自评（充分/适中/不足/严重不足）
  3. 最重要的3个发现
  4. 最大的信息盲区（什么信息缺失最影响判断）

第五步：接收报告并跟踪进度

向用户实时展示进度表（哪些Agent已完成、哪些仍在研究中）
每收到一份报告，更新进度并展示该报告的核心要点（3-5条）
等待全部6份报告到齐

第六步：交叉验证与信息拼图

这是增强版框架最关键的新增步骤。在汇总前，team-lead 需要：

数据冲突仲裁：
- 提取各Agent报告中的关键数据
- 识别不同Agent引用的相同数据是否一致
- 对冲突数据进行仲裁：列出所有来源，说明采信哪个、为什么
信号一致性检验：
- 业务增长信号（business-decoder）vs 招聘信号（signal-miner）是否一致？（如果说业务快速增长，但招聘在缩减，需要解释）
- 技术领先叙事（tech-ip）vs 专利/人才数据（signal-miner）是否支撑？
- 估值水平（financial-detective）vs 竞争地位（competitive-mapper）是否匹配？
- 管理层公开叙事（risk-governance）vs 实际行动信号（signal-miner）是否一致？
信息拼图还原：
- 将6份报告中的信息碎片拼合，看能否还原出更完整的画面
- 标注信息"白区"（确认已知）、"灰区"（有线索但不确定）、"黑区"（完全未知）
反偏见检查：
- 检查报告中是否存在"正面信息详细、负面信息简略"的偏差
- 确认每个正面判断都有对应的反面检验

第七步：汇总最终报告

综合6份分析报告，输出以下结构的最终报告：

1. 一句话结论

用一段话（50-100字）概括这家未上市公司的真实价值判断：生意值多少钱，为什么。

2. 公司画像速览

项目	内容	置信度
公司名称
成立时间
总部
创始人/CEO
核心业务
员工规模
最新估值
最新融资轮次
推算收入规模
推算利润状态
推算用户规模
主要投资方
VIE/红筹架构

3. 六维评分总表

维度	分析师	评分(★1-5)	核心判断	置信度	信息完整度
商业模式 & 用户	business-decoder
财务 & 估值	financial-detective
行业 & 竞争	competitive-mapper
风险 & 治理	risk-governance-analyst
技术 & 知识产权	tech-ip-analyst
替代数据信号	signal-miner

综合评分：★X / 5

4. 关键数据拼图（交叉验证后）

整合各分析师拼凑的数据，仅保留经过交叉验证的数据：

指标	数据	来源数量	来源明细	置信度	备注

5. 信号一致性矩阵

检验项	信号A	信号B	一致性	解读
增长叙事 vs 招聘趋势			✅/⚠️/❌
技术领先叙事 vs 专利数据
估值水平 vs 竞争地位
管理层叙事 vs 实际行动

6. 各维度分析摘要

每个维度摘取3-5条最重要的发现（标注来源和置信度）

7. 真实价值评估

生意本质判断：

这是一门什么样的生意？（一句话）
这门生意的"确定性"有多高？
段永平式判断：这是不是一门"对的生意"？

护城河评分卡：

护城河类型	评分(★1-5)	核心证据	趋势	持久性
网络效应			加宽/稳定/收窄
转换成本
品牌心智
数据壁垒
监管牌照
规模经济
技术壁垒

估值判断：

估值方法	估值区间	置信度	说明
最近融资估值（调整后）
可比公司法
DCF情景分析
终局市值倒推
交易对标法

综合真实价值区间：

保守估值（安全边际估值）：$XXB
合理估值（中性假设）：$XXB
乐观估值（最优情景）：$XXB
当前市场估值：$XXB
安全边际：当前估值 vs 保守估值 = XX%

8. 投资论点（看多 vs 看空）

🟢 看多逻辑（5-7条，每条附证据来源）
🔴 看空逻辑（5-7条，每条附证据来源）
⚖️ 哪一方的论据更有说服力？为什么？

9. 风险矩阵

风险	概率	影响	综合严重度	是否可对冲	监控指标

Top 3 核心风险及应对策略

10. 退出路径评估

最可能的退出方式、时间窗口、预期回报

11. 投资决策表

一页纸决策表：

┌──────────────────────────────────────────────┐
│  公司：XXX    最新估值：$XXB                  │
│  阶段：[种子/成长/成熟/Pre-IPO]              │
│  信息完整度：[充分/适中/不足/严重不足]        │
├──────────────────────────────────────────────┤
│  核心投资逻辑（3句话以内）：                  │
│  1. ________________________________________  │
│  2. ________________________________________  │
│  3. ________________________________________  │
├──────────────────────────────────────────────┤
│  真实价值判断：                               │
│  合理估值区间：$XXB - $XXB                    │
│  当前估值 vs 合理估值：偏贵/合理/偏低         │
│  安全边际：____%                              │
├──────────────────────────────────────────────┤
│  关键假设 & 验证方式：                        │
│  假设1 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设2 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设3 → 跟踪指标 → 验证节点 → 验证时间      │
├──────────────────────────────────────────────┤
│  致命风险 & "论文已破"信号：                  │
│  风险1 → 如果X发生，结论翻转 → 止损策略       │
│  风险2 → 如果Y发生，结论翻转 → 止损策略       │
├──────────────────────────────────────────────┤
│  结论：投资 / 观望 / 回避                     │
│  如果观望：重新评估的触发条件是什么？          │
│  预期退出：IPO / 并购 / 二级转让              │
│  预期回报倍数：X - Y 倍                      │
│  预期时间框架：X - Y 年                      │
│  年化回报率：X% - Y%                         │
└──────────────────────────────────────────────┘

分层建议：

投资者类型	建议	理由
PE/VC机构（领投）
PE/VC机构（跟投）
二级市场转让
IPO后买入
不建议参与

关键催化剂：

看多催化剂	预计时间	看空催化剂	预计时间

12. 信息盲区地图

维度	已知信息	缺失信息	缺失影响	获取建议

这些信息盲区是否影响核心结论的可靠性？如果影响，明确说明"在X信息缺失的情况下，以上结论的置信度为Y"。

13. 持续跟踪清单

跟踪事项	频率	信息来源	关注指标	预警阈值

14. 总结段落

150-250字的最终总结，包含：

这门生意的本质
真实价值判断
当前估值的合理性
最大的确定性和不确定性
最终建议和核心理由

第八步：保存报告

将完整最终报告写入 reports/{公司名}/{公司名}-private-{YYYYMMDD}.md。

第九步：清理团队

使用 TeamDelete 清理团队资源。

重要注意事项

6个Agent必须并行启动——在同一条消息中调用6次Agent工具
数据置信度标注——未上市公司数据来源参差不齐，每个关键数据必须标注来源和置信度
推算要透明——所有推算过程要展示计算逻辑，不能凭空给数字
交叉验证——关键数据至少2个来源交叉验证，来源冲突时都列出
信号一致性检验——汇总阶段必须做跨维度的信号一致性检查
结论要明确——不回避给出投资/观望/回避建议，但同时说明结论的置信度
耐心等待——6个Agent研究需要几分钟，实时向用户更新进度
中英文搜索——未上市公司信息可能分布在中英文媒体，需要两种语言搜索
反偏见核心原则——资料少≠公司不好，AI分析篇幅短≠投资确定性低。对于信息极度稀缺的公司，切换"第一性原理模式"聚焦核心问题，不追求报告形式完整
诚实留白——报告中明确区分"有据分析"和"推测填充"，允许出现"此维度数据不足，无法给出有意义的结论"
替代数据不是噪音——招聘、专利、诉讼、App数据等替代数据可能比新闻报道更接近真实经营状况
真实价值导向——最终目标是判断这门生意值多少钱，不是输出一份好看的报告。如果信息不足以做出可靠的估值判断，直接说"信息不足，无法给出可靠估值"

Codex adapter note

This skill is generated from skills/private-company-research.md so Claude Code and Codex users share one canonical workflow.

Treat $ARGUMENTS as the user's request in the current Codex thread.
When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
Use shared project tools from 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.
Before starting research, run the 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.
Preserve the research quality rules from AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

未上市公司研究：多Agent并行深度研究框架

对 $ARGUMENTS 进行团队化深度研究分析。专为蚂蚁集团、小红书、SpaceX、Stripe 等未上市公司设计。

最终目标：在信息天然稀缺的条件下，尽可能还原这家公司的真实价值——不是市场给的估值，而是生意本身值多少钱。

框架特点

未上市公司 vs 上市公司研究的核心差异：

无标准化财报：需多源拼凑、交叉验证
估值锚定少：依赖融资轮次、可比公司法、情景推演
信息不对称大：需要更多"拼图式"研究方法
退出路径不确定：IPO/并购/二级转让均有可能

AI研究偏见自觉（本框架的核心前提）

未上市公司是AI研究偏见最严重的领域。必须时刻警惕以下陷阱：

核心矛盾：AI擅长结构化已有信息，但未上市公司的信息天然稀缺。这会导致：

虚假保守：因为资料少，AI倾向给出保守/模糊的结论，但资料少≠公司不好
虚假精确：为了填满报告模板，AI可能用"合理推测"伪装成"有据分析"
对标陷阱：强行与上市公司对标时，会继承上市公司的估值逻辑，忽略未上市公司的独特价值
幸存者偏差：网上能搜到的公司信息往往有正面偏向（公司主动传播的多是好消息）

应对原则：

宁可留白说"不知道"，也不要用推测填满表格伪装确定性
每个数据点必须标注置信度（🟢高/🟡中/🔴低），让读者自己判断
区分"可验证的事实"与"AI的推理"，用不同格式标注
对于信息极度稀缺的公司，切换为"第一性原理模式"——不追求报告完整，只回答几个核心问题：
1. 这门生意解决什么真实问题？需求是真需求还是伪需求？
2. 为什么是这个团队？他们有什么独特优势？
3. 如果成功了，天花板有多高？如果失败了，最可能死在哪里？
4. 当前阶段的关键验证节点是什么？

执行流程

第一步：展示团队框架

向用户展示以下团队结构，确认后启动：

角色	职责	核心视角
team-lead（你自己）	统筹协调、信息拼图、交叉验证、输出最终报告	投资决策整合
business-decoder	商业模式拆解 & 产品用户分析	"这门生意的本质是什么"
financial-detective	财务数据拼凑 & 估值推演	"在信息缺失下尽可能还原真实财务面貌"
competitive-mapper	行业格局 & 竞争态势 & 替代威胁	"谁在和它竞争，谁可能颠覆它"
risk-governance-analyst	风险全景 & 管理层/治理/投资人评估	"什么可能出错，谁在掌舵"
tech-ip-analyst	技术栈/专利/研发能力/技术护城河	"技术壁垒是真是假，能撑多久"
signal-miner	替代数据挖掘：招聘/专利/诉讼/App数据/供应链	"常规信息之外，还有什么蛛丝马迹"

第二步：创建团队

使用 TeamCreate 创建团队：

team_name: {公司名}-private-research（英文小写，如 ant-group-private-research）
agent_type: team-lead

第三步：创建6个任务

使用 TaskCreate 创建以下6个任务（每个都要有 subject、description、activeForm）：

任务1：商业模式与产品用户深度分析

subject: 拆解{公司名}商业模式、产品矩阵与用户生态
activeForm: 分析{公司名}商业模式与用户生态
description 包含：

## 商业模式深度拆解

### 1. 核心生意定义
- 用一句话定义这门生意的本质（段永平式定义：用最朴素的语言，把这门生意讲给一个聪明但不懂行的人听）
- 公司解决什么问题？为谁创造价值？
- 价值主张与同类产品的差异化
- 这个问题如果公司不存在，用户会怎么解决？替代方案的代价有多高？
- 需求的"刚性"判断：经济下行时用户会砍掉这个支出吗？

### 2. 收入模式拆解
- 收入构成：广告/佣金/订阅/交易抽成/金融服务/SaaS/硬件/授权费等
- 各收入线占比（如有数据）及增长趋势
- 变现效率指标推算：ARPU、Take Rate、广告加载率、转化率等
- 收入质量评估：
  - 经常性收入 vs 一次性收入的占比
  - 收入集中度：前5大客户/渠道占比
  - 收入的可预测性（合同型/订阅型 vs 交易型）
  - 收入确认方式是否合理（有无提前确认收入的迹象）
- 与同业上市公司变现效率对标

### 3. 单位经济模型（UE）推算
- CAC（获客成本）推算：
  - 付费获客 vs 自然增长的占比
  - 分渠道CAC（如有）
  - CAC趋势：随规模增长是上升还是下降？
- LTV（生命周期价值）推算：
  - ARPU × 预期生命周期
  - 考虑交叉销售和升级销售
- LTV/CAC 比值、回本周期
- 边际成本结构：新增用户/交易的边际成本趋势
- 规模经济拐点：何时/是否已过盈亏平衡点

### 4. 产品矩阵与飞轮效应
- 核心产品 + 延伸产品 + 孵化产品
- 飞轮如何运转：网络效应/数据飞轮/规模效应
- 产品之间的协同效应与交叉导流
- 产品生命周期：各产品分别处于哪个阶段
- 产品迭代速度：App/产品更新频率、近12个月重大功能更新

### 5. 商业模式画布（BMC）
用以下9要素完整描述商业模式：
| 要素 | 内容 |
|------|------|
| 价值主张 | |
| 客户细分 | |
| 渠道通路 | |
| 客户关系 | |
| 收入来源 | |
| 核心资源 | |
| 关键活动 | |
| 重要伙伴 | |
| 成本结构 | |

### 6. 用户深度分析
- 用户规模：MAU/DAU（从QuestMobile、Sensor Tower、SimilarWeb等推算）
- 用户增长曲线：处于S曲线哪个阶段（用具体数据论证）
- 用户粘性指标：
  - DAU/MAU 比率（日活/月活比）
  - 平均使用时长、打开频次
  - 次日/7日/30日留存率（如有）
  - 用户增长 vs 留存趋势对比（虚假增长识别）
- 用户画像：年龄/地域/消费力/职业分布
- 用户口碑：
  - App Store/Google Play评分趋势（近12个月变化）
  - 社交媒体舆情分析
  - 知乎/微博/小红书上的用户真实反馈
  - 负面评价的主要集中点
- 用户获取效率：
  - 付费获客 vs 自然增长 vs 口碑传播比例
  - 是否依赖单一获客渠道

### 7. 定价权评估
- 过去3年是否有提价历史？提价后用户流失情况？
- 与竞品的价格对比：是价格领导者还是跟随者？
- 用户对价格的敏感度评估
- 佣金/抽成比例在产业链中的合理性

### 8. 护城河评估
对以下6个维度逐一验证并打分(★1-5)：

| 护城河类型 | 评分 | 证据 | 趋势 | 持久性评估 |
|-----------|------|------|------|-----------|
| 网络效应 | | 用户越多，价值越大？是单边还是双边/多边？ | 加宽/稳定/收窄 | |
| 转换成本 | | 用户迁移到竞品的代价？数据/关系/习惯迁移成本？ | | |
| 品牌心智 | | 品类=品牌？NPS推算？ | | |
| 数据壁垒 | | 数据飞轮是否形成？独有数据资产？数据量级？ | | |
| 监管牌照 | | 是否有准入门槛？牌照获取难度？ | | |
| 规模经济 | | 规模带来的成本优势是否显著？ | | |

综合护城河评级：宽/中/窄/无

### 9. 国际化分析（如适用）
- 海外市场拓展情况
- 国际化收入占比
- 本土化策略与挑战
- 海外竞争格局差异

任务2：财务数据拼凑与估值推演

subject: 拼凑{公司名}财务数据并进行估值分析
activeForm: 拼凑{公司名}财务数据与估值
description 包含：

## 财务数据拼凑（侦探式研究）

未上市公司没有标准财报，需要多源拼凑、交叉验证。每一个数据都要追溯到具体来源，标明时间和置信度。

### 1. 数据来源矩阵
**按优先级搜索以下来源**：

| 优先级 | 来源类型 | 具体来源 | 可信度 | 搜索方法 |
|--------|---------|---------|--------|---------|
| 1 | 招股书/监管文件 | SEC Filing、港交所、证监会披露的招股书草案 | 🟢高 | 搜索"公司名 + 招股书/prospectus/IPO filing" |
| 2 | 母公司/关联上市公司财报 | 如阿里年报中蚂蚁数据、Google Cloud年报 | 🟢高 | 搜索母公司年报中的关联披露 |
| 3 | 监管处罚/合规披露 | 央行、证监会、市场监管总局处罚文件 | 🟢高 | 搜索"公司名 + 处罚/罚款/整改" |
| 4 | 债券/ABS发行文件 | 如蚂蚁花呗ABS说明书中的底层数据 | 🟢高 | 搜索"公司名 + 债券/ABS/信托" |
| 5 | 工商登记信息 | 天眼查/企查查的工商年报、实缴资本 | 🟡中高 | |
| 6 | 融资新闻 | 估值、融资金额、投资方 | 🟡中 | 搜索"公司名 + 融资/估值/valuation" |
| 7 | 第三方研报 | 券商、咨询公司、行业协会研报 | 🟡中 | 搜索"公司名 + 研报/report" |
| 8 | 深度媒体报道 | 晚点LatePost、The Information、36氪、Bloomberg | 🟡中 | 直接搜索这些媒体+公司名 |
| 9 | 行业数据推算 | 通过行业总量和市场份额反推 | 🔴低-中 | |
| 10 | 前员工/内部人爆料 | Blind、脉脉、论坛 | 🔴低 | 仅作参考，不作为主要依据 |

### 2. 关键财务指标推算
尽可能推算以下数据，**每个数据点必须标明**：来源、时间、置信度、推算方法。

**收入端**：
- 总收入规模与增速（近3年，年度/季度颗粒度）
- 收入结构拆解（按业务线/产品线）
- 收入增长驱动因素分解：量（用户/交易量）× 价（ARPU/客单价）
- 收入的季节性波动模式

**成本端**：
- 毛利率推算（对标同业上市公司，说明选取逻辑）
- 研发费用率推算（通过员工数 × 人均薪酬，或研发人员占比推算）
- 销售费用率推算（通过获客渠道和投放数据推算）
- 管理费用率推算

**利润端**：
- 经营利润/EBITDA 推算
- 净利润/调整后净利润推算
- 盈利时间线：何时盈利？如果尚未盈利，预计何时？

**现金流端**：
- 经营现金流判断（正/负，是否自我造血）
- 资本开支水平和趋势
- 自由现金流推算
- 账上现金/烧钱速度（通过融资金额、融资间隔、员工数推算）
- 现金跑道：按当前烧钱速度还能撑多久？

**效率指标**：
- 员工数量与人效（人均收入、人均利润）
- 资本效率：每融1元钱产生多少收入
- 与同业上市公司效率指标对标

### 3. 财务数据交叉验证
- 同一指标如果有多个来源，全部列出并说明差异
- 用不同方法推算同一指标，检查结果是否收敛
- 标注无法验证的"孤证"数据

| 指标 | 来源A（数据/时间） | 来源B（数据/时间） | 差异 | 采信判断 |
|------|-------------------|-------------------|------|---------|

### 4. 融资历史与估值演变
整理完整融资时间线：

| 轮次 | 时间 | 金额 | 投前估值 | 投后估值 | 领投方 | 跟投方 | 估值倍数增长 | 备注 |
|------|------|------|---------|---------|--------|--------|------------|------|

分析：
- 估值增长曲线是否健康（每轮增长倍数是否合理）
- 融资间隔是否合理（过于频繁=烧钱快？过于稀疏=融资困难？）
- 是否出现估值倒挂（Down Round）
- 老股东是否持续加注（信心信号）
- 最新一轮的投资条款推测：
  - 优先清算权（1x/2x/participating）
  - 反稀释保护（full ratchet/weighted average）
  - 对赌条款（业绩/上市时间）
  - 这些条款对普通股价值的影响

### 5. 估值分析（多方法交叉）

**方法1：最近融资估值法**
- 最近一轮估值及时间
- 考虑优先清算权等条款后的"普通股等价估值"（通常需要打折20-40%）
- 距今时间差异调整
- 这一轮投资人的动机分析（财务投资 vs 战略投资，战略投资者可能溢价）

**方法2：可比上市公司法**
- 选择3-5家上市可比公司，说明选取理由
- 关键倍数对比：

| 可比公司 | P/S | P/E | EV/EBITDA | EV/Revenue | 增速 | 利润率 |
|---------|-----|-----|-----------|------------|------|--------|

- 应用的调整：
  - 流动性折价：20-30%（标注具体取值和理由）
  - 增速溢价/折价
  - 规模折价
  - 监管/政策风险折价

**方法3：DCF 情景分析**
三种情景，每种都要列出关键假设：

| 假设 | 悲观 | 中性 | 乐观 |
|------|------|------|------|
| 未来5年收入CAGR | | | |
| 终态经营利润率 | | | |
| 终态增长率 | | | |
| WACC | | | |
| 终值倍数(EV/EBITDA) | | | |

每个假设要有论据支撑，不能凭空假设。

**方法4：终局市值倒推法**
- 假设5年/10年后这门生意在终态时的市场地位
- 终态收入和利润率假设
- 终态合理倍数（参考同行业成熟公司）
- 倒推当前合理估值区间
- 隐含的年化回报率

**方法5：交易对标法**
- 同行业近2年的并购/融资交易
- 交易倍数（P/S、P/E）
- 交易背景和溢价/折价因素

### 6. 估值综合判断

| 方法 | 估值区间 | 置信度 | 权重 | 加权估值 |
|------|---------|--------|------|---------|

- 不同方法得出的估值是否收敛？如果差异大，分析原因
- 最终给出的估值区间要区分"合理估值"和"保守估值"（安全边际估值）

任务3：行业格局与竞争态势分析

subject: 分析{公司名}所在行业的竞争格局与替代威胁
activeForm: 分析{公司名}行业格局与竞争态势
description 包含：

## 行业格局与竞争态势

### 1. 行业定位与市场规模
- 公司所在的核心赛道定义（注意：公司自己定义的赛道可能是美化过的，要独立判断）
- TAM/SAM/SOM 三层市场规模：
  - TAM（总可寻址市场）：整个大行业
  - SAM（可服务市场）：公司技术/模式能覆盖的
  - SOM（可获得市场）：当前实际能获取的
- 市场规模数据来源对比（不同研究机构的预测可能差异很大）
- 市场渗透率：当前 vs 天花板
- 行业所处阶段：萌芽期/成长期/成熟期/衰退期（附论据）
- 行业增长驱动因素：哪些力量在推动/阻碍行业增长

### 2. 产业链全景地图
绘制完整产业链结构（文本图）：


- 利润池分析：产业链各环节的利润分配
- 公司在产业链中的议价能力（上游/下游）
- 上下游依赖度分析：是否存在单一供应商/客户依赖
- 产业链正在发生的结构性变化

### 3. 波特五力分析（量化打分）

| 力量 | 强度(★1-5) | 关键因素 | 对公司影响 |
|------|-----------|---------|-----------|
| 行业内竞争 | | 集中度、差异化程度、退出壁垒 | |
| 新进入者威胁 | | 资本壁垒、技术壁垒、监管壁垒、品牌壁垒 | |
| 替代品威胁 | | 替代品性价比、转换成本 | |
| 供应商议价能力 | | 供应商集中度、转换成本 | |
| 买方议价能力 | | 客户集中度、信息透明度 | |

综合行业吸引力评分：★1-5

### 4. 竞争格局深度扫描

| 竞争对手 | 类型 | 市场份额(推算) | 收入规模 | 融资/市值 | 核心优势 | 主要劣势 | 威胁等级 |
|---------|------|---------------|---------|----------|---------|---------|---------|
| 直接竞争者1 | 直接 | | | | | | |
| 直接竞争者2 | 直接 | | | | | | |
| 间接竞争者1 | 跨界 | | | | | | |
| 潜在进入者1 | 巨头 | | | | | | |

重点分析：
- **直接竞争者**：同赛道直接对手，逐个分析其战略意图和资源投入
- **间接竞争者**：跨界潜在竞争，特别是大厂的相关业务
- **替代品威胁**：不同技术路线/模式，特别是AI可能带来的颠覆
- **潜在进入者**：巨头可能入局的概率和方式（自建/收购/投资）

### 5. 竞争对手深度对比
选择2-3个最直接的竞争对手（含上市和未上市），进行多维对比：

| 维度 | {公司名} | 竞争者A | 竞争者B | 竞争者C |
|------|---------|---------|---------|---------|
| 成立时间 | | | | |
| 用户规模(MAU) | | | | |
| 收入规模 | | | | |
| 收入增速 | | | | |
| 融资总额/市值 | | | | |
| 估值/收入倍数 | | | | |
| 变现效率(ARPU) | | | | |
| 毛利率 | | | | |
| 盈利状态 | | | | |
| 员工数量 | | | | |
| 技术能力 | | | | |
| 差异化定位 | | | | |
| 国际化程度 | | | | |

### 6. 竞争动态与趋势
- 近12个月的竞争格局关键变化（融资、并购、产品发布、人事变动）
- 竞争对手的战略方向推断（从招聘、专利、产品更新推断）
- 行业正在发生的结构性转变
- 技术变革对竞争格局的影响（特别是AI/大模型）
- 监管政策对竞争格局的影响
- 是否存在"赢家通吃"的行业特征？还是会形成稳定的多寡头格局？

### 7. 竞争情景推演
- 情景A：公司胜出——需要什么条件？概率？
- 情景B：均势共存——各自的生存空间？
- 情景C：被颠覆——最可能的颠覆者和路径？

### 8. 全球对标分析
寻找海外/国内的对标公司（已上市），分析：

| 维度 | 对标公司A | 对标公司B | {公司名}对标启示 |
|------|---------|---------|----------------|
| 发展路径 | | | |
| 当前估值水平 | | | |
| 从类似阶段到上市的时间 | | | |
| 上市后股价表现 | | | |
| 成功/失败的关键因素 | | | |

- 对标的局限性说明（中国市场特殊性、监管差异、用户习惯差异）

任务4：风险全景与治理评估

subject: 评估{公司名}全维度风险与管理层/治理结构
activeForm: 评估{公司名}风险与治理结构
description 包含：

## 风险全景与治理评估

### 1. 创始人/CEO 深度评估

> "买股票就是买人。" —— 段永平

- **背景与履历**：教育、职业经历、创业经历
  - 有无连续创业经历？上一次创业的结果？
  - 行业相关经验年限
  - 之前管理的最大团队/业务规模
- **战略眼光**：搜索CEO过去3年的公开发言（演讲、访谈、内部信、社交媒体）
  | 时间 | CEO的判断/预测 | 实际结果 | 准确度 |
  |------|--------------|---------|--------|
  - 有无做过超前于市场的正确判断？
  - 有无在大家都看好时保持冷静？
- **执行力**：关键里程碑是否按时达成
  | 承诺 | 承诺时间 | 承诺场合 | 兑现情况 | 评价 |
  |------|---------|---------|---------|------|
- **格局与价值观**：
  - 对用户/员工/社会的态度（从具体事件判断，不看口号）
  - 面对困难时的选择（裁员方式、危机处理、利益冲突时的取舍）
  - 对短期利润 vs 长期价值的取舍
- **争议事件**：是否有负面记录（搜索"CEO名字 + 争议/丑闻/问题"）
- **评级**：★1-5（附详细理由）

### 2. 核心团队评估
- 核心高管团队名单与背景（CTO/CFO/COO/VP等）
  | 姓名 | 职位 | 背景 | 任期 | 此前经历 |
  |------|------|------|------|---------|
- 关键人才流动分析：
  - 近2年重要高管离职情况（谁走了？去了哪？为什么？）
  - 近2年重要高管加入情况（从哪挖来的？说明什么？）
  - 人才净流入还是净流出？
- 团队互补性：创始团队的能力是否互补？有无明显短板？
- 团队文化信号：
  - Glassdoor/脉脉评分与趋势（近12个月变化方向比绝对值重要）
  - 员工推荐意愿（Would recommend to a friend）
  - CEO支持率
  - 加班文化、组织氛围的舆论
- 关键人物依赖度：如果CEO/CTO离开，公司会怎样？

### 3. 股权结构与治理

**股权架构**：
| 股东 | 持股比例 | 投票权比例 | 类型 | 备注 |
|------|---------|-----------|------|------|

- 创始人控制权结构：AB股/一致行动人/VIE架构
- 创始人持股比例变化趋势（每轮融资稀释情况）
- 员工持股计划：覆盖面、行权条件、与上市对赌

**治理结构**：
- 董事会构成（独立董事占比、投资方席位）
- 重大决策机制
- 潜在的利益冲突：
  - 关联交易（创始人其他公司与本公司的交易）
  - 同业竞争
  - 大股东利益与小股东利益的冲突点

### 4. 投资人阵容深度分析

| 投资方 | 轮次 | 金额 | 估算持股 | 类型 | 战略价值 | 退出压力 |
|--------|------|------|---------|------|---------|---------|

分析：
- 领投机构的品牌背书意义（顶级VC vs 不知名基金）
- 产业资本的战略协同价值（是否带来资源/渠道）
- 投资人退出压力评估：
  - 基金存续期还剩多久？
  - 是否已在二级市场抛售老股？
  - 对赌条款是否临近到期？
- 投资人阵容的红旗信号：
  - 是否有声誉不佳的投资人？
  - 早期投资人是否已清仓？
  - 最近一轮的跟投情况（老股东不跟=不看好？）

### 5. 全维度风险清单

| 风险类型 | 具体风险 | 概率(高/中/低) | 影响(高/中/低) | 严重度 | 是否可对冲 | 监控指标 |
|---------|---------|---------------|---------------|--------|-----------|---------|
| 监管风险 | 反垄断、数据安全、行业整顿、牌照风险 | | | | | |
| 竞争风险 | 巨头入场、新模式颠覆、价格战 | | | | | |
| 技术风险 | 平台迁移、AI颠覆、技术路线失败 | | | | | |
| 人才风险 | 创始人/核心团队流失 | | | | | |
| 融资风险 | 资金链、估值倒挂、融资困难 | | | | | |
| IPO风险 | 上市窗口、监管审批、市场环境 | | | | | |
| 地缘风险 | 中美关系、跨境数据、制裁 | | | | | |
| 商业化风险 | 变现不及预期、用户反弹 | | | | | |
| 治理风险 | 关联交易、信息不透明、投资人冲突 | | | | | |
| 合规风险 | 数据隐私(GDPR/个保法)、内容合规 | | | | | |
| 宏观风险 | 经济周期、利率环境、资本市场冷热 | | | | | |
| ESG风险 | 环境/社会/治理相关风险 | | | | | |

### 6. 退出路径分析

| 退出方式 | 可能性(★1-5) | 预计时间窗口 | 预期估值区间 | 关键前提 | 主要障碍 |
|---------|-------------|------------|------------|---------|---------|
| A股IPO | | | | | |
| 港股IPO | | | | | |
| 美股IPO | | | | | |
| 被并购 | | 潜在买家是谁？ | | | |
| 二级市场转让 | | 流动性如何？ | | | |
| SPAC | | | | | |
| 长期不退出 | | | | | |

- 最可能的退出路径及理由
- 退出时间线推演
- 各退出路径下的预期回报分析

### 7. 最坏情景分析（芒格式逆向思考）

> "反过来想，总是反过来想。" —— 芒格

- 这家公司最可能怎么**失败**？列出3种具体失败路径
- 每种失败路径的概率评估和触发条件
- 最坏情景下，投资人能收回多少？（清算价值分析）
- 聪明人为什么**不投**这家公司？（至少列出5条理由）
- 历史上类似定位/阶段的公司，有哪些失败了？为什么？
- 什么信号出现意味着"论文已破"，应该止损？

任务5：技术能力与知识产权分析

subject: 分析{公司名}技术栈、专利布局与研发能力
activeForm: 分析{公司名}技术能力与知识产权
description 包含：

## 技术能力与知识产权深度分析

> 对科技公司而言，技术壁垒的真假和持久性直接决定估值的合理性。

### 1. 技术栈分析
- 核心技术架构推断（从招聘信息、技术博客、开源项目、会议演讲推断）
- 技术栈选择是否合理（是否用了正确的工具解决正确的问题）
- 技术债务信号：
  - 招聘岗位中是否大量招"重构/迁移"类角色
  - 是否在做大规模技术栈切换
  - 用户端是否有频繁的bug/故障投诉

### 2. 专利布局分析
搜索专利数据库（Google Patents、CNIPA、USPTO）：

| 专利指标 | 数据 | 来源 |
|---------|------|------|
| 专利总数（已授权） | | |
| 专利申请中 | | |
| 近2年新增专利数 | | |
| 核心技术领域分布 | | |
| 关键专利的引用次数 | | |
| 专利的国际布局 | | |

- 专利质量评估（不只看数量）：
  - 是否有核心/基础专利？
  - 专利覆盖的技术领域是否与主营业务一致？
  - 是否存在专利诉讼（被诉或主动起诉）？
- 专利趋势：申请速度在加快还是放缓？技术方向有无转移？
- 与竞争对手的专利对比

### 3. 研发能力评估
- **研发投入**：
  - 研发人员数量/占比（从招聘平台、LinkedIn推算）
  - 研发费用推算（人数 × 平均薪酬 + 基础设施）
  - 研发费用率（与同业对比）
  - 研发投入趋势：在加大还是缩减？
- **研发产出**：
  - 学术论文发表（搜索Google Scholar、arXiv）
  - 技术会议演讲（搜索KDD、NeurIPS、SIGIR等顶会）
  - 开源贡献（搜索GitHub组织账号）
  - 技术博客/公众号输出
- **研发效率**：
  - 从技术研发到产品落地的速度
  - 技术成果的商业转化率

### 4. 技术人才评估
- **核心技术领导者**：CTO/VP Eng/首席科学家的背景和能力
  | 姓名 | 职位 | 学历 | 前公司 | 技术影响力 |
  |------|------|------|--------|-----------|
- **技术人才密度**：
  - 来自哪些公司/实验室？（Google/Meta/MSRA/BAT等顶尖机构占比）
  - 技术岗位的薪酬竞争力（从招聘信息推算）
  - 技术团队的流失率信号（LinkedIn上离职动态）
- **招聘信号**：
  - 当前在招什么技术岗位？（反映技术战略方向）
  - 技术岗位的招聘难度和填充速度
  - 是否在建新的技术团队/实验室？

### 5. 技术护城河评估

| 技术壁垒维度 | 评分(★1-5) | 证据 | 持久性 |
|-------------|-----------|------|--------|
| 算法/模型壁垒 | | 是否有独创算法？是否可被复制？ | |
| 数据壁垒 | | 数据量级、独有数据、数据飞轮速度 | |
| 工程壁垒 | | 系统复杂度、长时间积累的工程能力 | |
| 人才壁垒 | | 核心技术人才是否难以替代 | |
| 生态壁垒 | | 开发者生态、API/SDK覆盖、技术标准 | |

- 综合技术护城河评级：强/中/弱
- 技术护城河的衰减速度评估（AI时代技术壁垒的半衰期可能很短）

### 6. AI/新技术影响评估
- 公司的AI能力和布局
- AI对公司核心业务的影响（增强 vs 威胁 vs 中性）
- 公司是AI变革的受益者还是被颠覆者？
- 其他新兴技术（Web3/AR/VR/量子计算等）的影响评估

### 7. 技术风险清单
| 风险 | 具体描述 | 概率 | 影响 |
|------|---------|------|------|
| 技术路线失败 | 押注的技术方向被证伪 | | |
| 开源替代 | 核心技术被开源方案替代 | | |
| 平台依赖 | 对特定云/芯片/操作系统的依赖 | | |
| 安全漏洞 | 数据泄露/系统被攻击 | | |
| 人才流失 | 核心技术人员出走 | | |

任务6：替代数据信号挖掘

subject: 挖掘{公司名}的非常规数据信号与隐藏线索
activeForm: 挖掘{公司名}替代数据信号
description 包含：

## 替代数据信号挖掘

> 未上市公司的常规信息有限，替代数据往往能提供比新闻报道更真实的经营信号。
> 本任务的目标是：在常规信息源之外，挖掘一切可能有用的蛛丝马迹。

### 1. 招聘信号分析
搜索 LinkedIn、Boss直聘、脉脉、Indeed、Glassdoor 上的招聘信息：

**招聘规模与趋势**：
- 当前在招岗位总数
- 近6个月招聘趋势（加速/平稳/缩减）
- 与竞争对手的招聘规模对比

**招聘结构分析**：
| 岗位类别 | 数量 | 占比 | 信号解读 |
|---------|------|------|---------|
| 研发/工程 | | | 技术方向 |
| 产品 | | | 产品战略 |
| 销售/BD | | | 商业化阶段 |
| 市场/运营 | | | 增长策略 |
| 数据/AI | | | AI布局 |
| 国际化 | | | 出海计划 |
| 合规/法务 | | | 监管应对/IPO准备 |
| 财务/IR | | | IPO准备信号 |

**关键信号捕捉**：
- 是否在招IR（投资者关系）= IPO信号
- 是否在招合规/数据安全 = 监管压力或IPO准备
- 是否在招海外岗位 = 国际化布局
- 高级岗位的薪酬范围 = 公司财力和人才竞争力
- 岗位JD中提到的技术栈/业务方向 = 战略方向

### 2. App/产品数据分析
搜索 App Store、Google Play、七麦数据、SimilarWeb：

| 指标 | 数据 | 来源 | 趋势 |
|------|------|------|------|
| App Store排名 | | | 近6个月趋势 |
| 用户评分 | | | 变化方向 |
| 评分数量 | | | 增速 |
| 下载量估算 | | | |
| App更新频率 | | | |
| 最近更新的主要功能 | | | |

- App Store评论中的高频关键词和情感分析
- 近期差评的主要集中点（bug？收费？体验下降？）
- Web流量数据（SimilarWeb）：UV、PV、访问时长、跳出率

### 3. 社交媒体与舆情信号
搜索微博、知乎、小红书、Twitter/X、Reddit：

- 公司官方账号的互动数据（粉丝/转发/评论趋势）
- 用户自发讨论的热度和情感（正/负/中性）
- 行业KOL/大V对公司的评价
- 近3个月的舆情热点事件
- 负面舆情清单及公司应对方式
- 是否有内部人（前员工/现员工）的爆料

### 4. 企业工商与法律信号
搜索天眼查/企查查/启信宝：

**工商信息**：
- 注册资本及变更历史
- 实缴资本
- 股东/股权变更记录
- 子公司/关联公司清单（新设=新业务？注销=业务收缩？）
- 经营范围变更（新增范围=新业务方向）

**法律信息**：
| 类型 | 数量 | 重要案件摘要 |
|------|------|-------------|
| 作为原告的诉讼 | | |
| 作为被告的诉讼 | | |
| 知识产权纠纷 | | |
| 劳动仲裁 | | |
| 行政处罚 | | |
| 被执行人记录 | | |

- 重大诉讼/仲裁的详情和潜在财务影响
- 行政处罚记录（环保/税务/劳动/数据安全等）

### 5. 供应链与合作伙伴信号
- 已知的核心供应商/合作伙伴清单
- 供应商是否上市？其财报中是否提到与该公司的合作数据？
- 招标/采购信息（政府采购网、企业招标平台）
- 合作伙伴的评价和合作深度

### 6. 域名与数字足迹
搜索 domain/subdomain 信息：
- 公司注册的域名清单（新注册的域名可能暗示新业务/新产品）
- 子域名分析（api.xx.com、pay.xx.com等暗示业务架构）
- SSL证书信息
- 商标注册情况（新注册商标=新品牌/新产品线）

### 7. 行业会议与曝光信号
- 公司高管近12个月的会议演讲/参会记录
- 行业奖项/媒体榜单（是否进入"独角兽榜"、"最具创新力"等）
- 政府/行业协会的互动（政策咨询、标准制定参与）
- 媒体曝光频率和质量的变化趋势

### 8. 二级市场交易信号（如有）
- 是否存在老股交易市场（SharesPost、EquityZen、微信群等）
- 老股交易的隐含估值 vs 最近一轮融资估值
- 买卖双方的供需状况
- 是否有大量员工在抛售期权/RSU

### 9. 信号综合评分

| 信号类别 | 方向(正/负/中性) | 强度(强/中/弱) | 置信度 | 核心发现 |
|---------|----------------|---------------|--------|---------|
| 招聘信号 | | | | |
| 产品数据 | | | | |
| 舆情信号 | | | | |
| 法律信号 | | | | |
| 供应链信号 | | | | |
| 数字足迹 | | | | |
| 行业曝光 | | | | |
| 二级交易 | | | | |

**信号合力判断**：各信号是否指向同一方向？有无矛盾信号？

### 10. 反常信号清单（最重要）
列出所有"不寻常"的发现——这些往往是最有价值的信息：
- 与公司对外叙事不一致的信号
- 与行业常识不符的数据
- 突然出现的变化（招聘急缩/急扩、高管密集离职等）
- 无法解释的现象

第四步：启动6个并行Agent

使用 Agent 工具同时启动6个Agent（必须在同一条消息中并行调用）：

每个Agent的配置：

subagent_type: general-purpose
run_in_background: true

每个Agent的prompt模板：

你是{公司名}未上市公司研究团队中的"{角色中文名}"。

你正在研究一家**未上市公司**，这意味着：
- 没有标准化的公开财报，需要从多个来源拼凑信息
- 数据可能不完整或相互矛盾，需要标注置信度
- 需要更多的推理和合理推算，但要透明展示推算过程
- 搜不到信息 ≠ 信息不存在，搜到的信息可能有偏差

请完成以下研究任务：{任务subject}

具体要求：
{任务description的内容}

**研究方法**：
1. 使用 WebSearch 搜索最新公开信息，每个维度至少搜索3-5次，用不同关键词组合
2. 搜索关键词策略：
   - 中文：公司名+收入/估值/融资/用户数/MAU/IPO/招股书/裁员/整改
   - 英文：Company Name + revenue/valuation/funding/users/IPO/filing
   - 具体人名+公司名（搜索管理层相关信息）
   - 公司名+具体竞争对手名（搜索竞争动态）
3. 重点信息源：
   - 高可信度：招股书、监管文件、上市公司年报中的关联披露
   - 中可信度：晚点LatePost、The Information、36氪、Bloomberg、Reuters、TechCrunch
   - 辅助验证：知乎、脉脉、Glassdoor、天眼查、企查查
4. 使用 WebFetch 获取关键文章的全文（不要只看搜索摘要）
5. 对重要数据，至少用2个不同来源交叉验证

**数据标注规范（严格执行）**：
- 每个关键数据标注来源（具体到媒体名称和文章标题）
- 标注数据时间（精确到年月）
- 标注置信度：🟢高（招股书/官方披露）/ 🟡中（可信媒体/研报）/ 🔴低（推算/传闻）
- 不同来源数据有冲突时，**全部列出**并说明差异和你的判断
- 区分"事实"和"推理"：事实用正常字体，推理/推算用*斜体*并标注推算方法
- 无法获取的信息明确标注"数据缺失"，不要编造

**输出要求**：
- 报告要详尽，使用Markdown表格呈现关键数据
- 每个分析维度要有明确结论和评分
- 推算过程要完全透明（展示计算逻辑和每一步假设）
- 在报告末尾提供：
  1. 本维度的总体评分（★1-5）和核心判断
  2. 本维度信息完整度自评（充分/适中/不足/严重不足）
  3. 最重要的3个发现
  4. 最大的信息盲区（什么信息缺失最影响判断）

第五步：接收报告并跟踪进度

向用户实时展示进度表（哪些Agent已完成、哪些仍在研究中）
每收到一份报告，更新进度并展示该报告的核心要点（3-5条）
等待全部6份报告到齐

第六步：交叉验证与信息拼图

这是增强版框架最关键的新增步骤。在汇总前，team-lead 需要：

数据冲突仲裁：
- 提取各Agent报告中的关键数据
- 识别不同Agent引用的相同数据是否一致
- 对冲突数据进行仲裁：列出所有来源，说明采信哪个、为什么
信号一致性检验：
- 业务增长信号（business-decoder）vs 招聘信号（signal-miner）是否一致？（如果说业务快速增长，但招聘在缩减，需要解释）
- 技术领先叙事（tech-ip）vs 专利/人才数据（signal-miner）是否支撑？
- 估值水平（financial-detective）vs 竞争地位（competitive-mapper）是否匹配？
- 管理层公开叙事（risk-governance）vs 实际行动信号（signal-miner）是否一致？
信息拼图还原：
- 将6份报告中的信息碎片拼合，看能否还原出更完整的画面
- 标注信息"白区"（确认已知）、"灰区"（有线索但不确定）、"黑区"（完全未知）
反偏见检查：
- 检查报告中是否存在"正面信息详细、负面信息简略"的偏差
- 确认每个正面判断都有对应的反面检验

第七步：汇总最终报告

综合6份分析报告，输出以下结构的最终报告：

1. 一句话结论

用一段话（50-100字）概括这家未上市公司的真实价值判断：生意值多少钱，为什么。

2. 公司画像速览

项目	内容	置信度
公司名称
成立时间
总部
创始人/CEO
核心业务
员工规模
最新估值
最新融资轮次
推算收入规模
推算利润状态
推算用户规模
主要投资方
VIE/红筹架构

3. 六维评分总表

维度	分析师	评分(★1-5)	核心判断	置信度	信息完整度
商业模式 & 用户	business-decoder
财务 & 估值	financial-detective
行业 & 竞争	competitive-mapper
风险 & 治理	risk-governance-analyst
技术 & 知识产权	tech-ip-analyst
替代数据信号	signal-miner

综合评分：★X / 5

4. 关键数据拼图（交叉验证后）

整合各分析师拼凑的数据，仅保留经过交叉验证的数据：

指标	数据	来源数量	来源明细	置信度	备注

5. 信号一致性矩阵

检验项	信号A	信号B	一致性	解读
增长叙事 vs 招聘趋势			✅/⚠️/❌
技术领先叙事 vs 专利数据
估值水平 vs 竞争地位
管理层叙事 vs 实际行动

6. 各维度分析摘要

每个维度摘取3-5条最重要的发现（标注来源和置信度）

7. 真实价值评估

生意本质判断：

这是一门什么样的生意？（一句话）
这门生意的"确定性"有多高？
段永平式判断：这是不是一门"对的生意"？

护城河评分卡：

护城河类型	评分(★1-5)	核心证据	趋势	持久性
网络效应			加宽/稳定/收窄
转换成本
品牌心智
数据壁垒
监管牌照
规模经济
技术壁垒

估值判断：

估值方法	估值区间	置信度	说明
最近融资估值（调整后）
可比公司法
DCF情景分析
终局市值倒推
交易对标法

综合真实价值区间：

保守估值（安全边际估值）：$XXB
合理估值（中性假设）：$XXB
乐观估值（最优情景）：$XXB
当前市场估值：$XXB
安全边际：当前估值 vs 保守估值 = XX%

8. 投资论点（看多 vs 看空）

🟢 看多逻辑（5-7条，每条附证据来源）
🔴 看空逻辑（5-7条，每条附证据来源）
⚖️ 哪一方的论据更有说服力？为什么？

9. 风险矩阵

风险	概率	影响	综合严重度	是否可对冲	监控指标

Top 3 核心风险及应对策略

10. 退出路径评估

最可能的退出方式、时间窗口、预期回报

11. 投资决策表

一页纸决策表：

┌──────────────────────────────────────────────┐
│  公司：XXX    最新估值：$XXB                  │
│  阶段：[种子/成长/成熟/Pre-IPO]              │
│  信息完整度：[充分/适中/不足/严重不足]        │
├──────────────────────────────────────────────┤
│  核心投资逻辑（3句话以内）：                  │
│  1. ________________________________________  │
│  2. ________________________________________  │
│  3. ________________________________________  │
├──────────────────────────────────────────────┤
│  真实价值判断：                               │
│  合理估值区间：$XXB - $XXB                    │
│  当前估值 vs 合理估值：偏贵/合理/偏低         │
│  安全边际：____%                              │
├──────────────────────────────────────────────┤
│  关键假设 & 验证方式：                        │
│  假设1 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设2 → 跟踪指标 → 验证节点 → 验证时间      │
│  假设3 → 跟踪指标 → 验证节点 → 验证时间      │
├──────────────────────────────────────────────┤
│  致命风险 & "论文已破"信号：                  │
│  风险1 → 如果X发生，结论翻转 → 止损策略       │
│  风险2 → 如果Y发生，结论翻转 → 止损策略       │
├──────────────────────────────────────────────┤
│  结论：投资 / 观望 / 回避                     │
│  如果观望：重新评估的触发条件是什么？          │
│  预期退出：IPO / 并购 / 二级转让              │
│  预期回报倍数：X - Y 倍                      │
│  预期时间框架：X - Y 年                      │
│  年化回报率：X% - Y%                         │
└──────────────────────────────────────────────┘

分层建议：

投资者类型	建议	理由
PE/VC机构（领投）
PE/VC机构（跟投）
二级市场转让
IPO后买入
不建议参与

关键催化剂：

看多催化剂	预计时间	看空催化剂	预计时间

12. 信息盲区地图

维度	已知信息	缺失信息	缺失影响	获取建议

这些信息盲区是否影响核心结论的可靠性？如果影响，明确说明"在X信息缺失的情况下，以上结论的置信度为Y"。

13. 持续跟踪清单

跟踪事项	频率	信息来源	关注指标	预警阈值

14. 总结段落

150-250字的最终总结，包含：

这门生意的本质
真实价值判断
当前估值的合理性
最大的确定性和不确定性
最终建议和核心理由

第八步：保存报告

将完整最终报告写入 reports/{公司名}/{公司名}-private-{YYYYMMDD}.md。

第九步：清理团队

使用 TeamDelete 清理团队资源。

重要注意事项

6个Agent必须并行启动——在同一条消息中调用6次Agent工具
数据置信度标注——未上市公司数据来源参差不齐，每个关键数据必须标注来源和置信度
推算要透明——所有推算过程要展示计算逻辑，不能凭空给数字
交叉验证——关键数据至少2个来源交叉验证，来源冲突时都列出
信号一致性检验——汇总阶段必须做跨维度的信号一致性检查
结论要明确——不回避给出投资/观望/回避建议，但同时说明结论的置信度
耐心等待——6个Agent研究需要几分钟，实时向用户更新进度
中英文搜索——未上市公司信息可能分布在中英文媒体，需要两种语言搜索
反偏见核心原则——资料少≠公司不好，AI分析篇幅短≠投资确定性低。对于信息极度稀缺的公司，切换"第一性原理模式"聚焦核心问题，不追求报告形式完整
诚实留白——报告中明确区分"有据分析"和"推测填充"，允许出现"此维度数据不足，无法给出有意义的结论"
替代数据不是噪音——招聘、专利、诉讼、App数据等替代数据可能比新闻报道更接近真实经营状况
真实价值导向——最终目标是判断这门生意值多少钱，不是输出一份好看的报告。如果信息不足以做出可靠的估值判断，直接说"信息不足，无法给出可靠估值"

private-company-research

让 AI 帮你安装

Codex adapter note

未上市公司研究：多Agent并行深度研究框架

框架特点

AI研究偏见自觉（本框架的核心前提）

执行流程

第一步：展示团队框架

第二步：创建团队

第三步：创建6个任务

任务1：商业模式与产品用户深度分析

任务2：财务数据拼凑与估值推演

任务3：行业格局与竞争态势分析

任务4：风险全景与治理评估

任务5：技术能力与知识产权分析

任务6：替代数据信号挖掘

第四步：启动6个并行Agent

第五步：接收报告并跟踪进度

第六步：交叉验证与信息拼图

第七步：汇总最终报告

1. 一句话结论

2. 公司画像速览

3. 六维评分总表

4. 关键数据拼图（交叉验证后）

5. 信号一致性矩阵

6. 各维度分析摘要

7. 真实价值评估

8. 投资论点（看多 vs 看空）

9. 风险矩阵

10. 退出路径评估

11. 投资决策表

12. 信息盲区地图

13. 持续跟踪清单

14. 总结段落

第八步：保存报告

第九步：清理团队

重要注意事项

链接

创作者

Codex adapter note

未上市公司研究：多Agent并行深度研究框架

框架特点

AI研究偏见自觉（本框架的核心前提）

执行流程

第一步：展示团队框架

第二步：创建团队

第三步：创建6个任务

任务1：商业模式与产品用户深度分析

任务2：财务数据拼凑与估值推演

任务3：行业格局与竞争态势分析

任务4：风险全景与治理评估

任务5：技术能力与知识产权分析

任务6：替代数据信号挖掘

第四步：启动6个并行Agent

第五步：接收报告并跟踪进度

第六步：交叉验证与信息拼图

第七步：汇总最终报告

1. 一句话结论

2. 公司画像速览

3. 六维评分总表

4. 关键数据拼图（交叉验证后）

5. 信号一致性矩阵

6. 各维度分析摘要

7. 真实价值评估

8. 投资论点（看多 vs 看空）

9. 风险矩阵

10. 退出路径评估

11. 投资决策表

12. 信息盲区地图

13. 持续跟踪清单

14. 总结段落

第八步：保存报告

第九步：清理团队

重要注意事项