我把行业分析框架,炼成了一个 AI 工具skill

打开券商 App，搜研报。关键词太宽，跳出来 100 多篇。我挑了几篇最新的读完，发现一个问题——每篇都在讲成长逻辑、双面分歧、财务数据拆解，但没有一篇告诉我：这个行业现在所处的阶段最该关心什么？潜在市场多少？可服务市场多少？以及渗透率？海量数据查找分析，太难了！

正巧最近在读肖璟的《如何快速了解一个行业》这本书，基于这本书的行业分析框架、我的读书笔记，以及我的ima中有关行业分析三个大库中的上千条目录，做了一个 AI 工具（Skill），让它3分钟自动跑完一套完整的行业分析——带框架、带数据源、带风险提示。（“泡泡玛特行业分析报告”见上一篇，今天已进一步完善skill，输出将更完美）

这东西是什么

它不是"帮你搜研报"的搜索引擎，它也不是荐股工具，不输出买卖建议。

它是一个被硬编码了分析框架的"行业研究员"。

先判断行业在产业生命周期哪个位置，再根据该阶段最重要的维度，自动从 10,000+ 份研报知识库里搜数据、拆逻辑、给判断。每步都带框架，不跳、不凑、不编。

它的核心方法论来自肖璟在《如何快速了解一个行业》里的“以产业生命周期为轴心的八维行业研究框架"。

框架怎么搭出来的：踩了三个坑

第一版：太心急了。 只扔了八个维度的名字及方法进去，指望 AI 自己查自己写。跑出来全是废话——"市场空间广阔""行业竞争激烈"，每句话都对，什么信息量也没有。

第二版：上规矩了。 把肖璟的八维框架拆成结构化提示词，知识库也接上了。效果好了一大截——开始有数据有来源。但 AI 会跳步，常跳过证据链直接给结论；还会拿同一组关键词糊弄所有维度。

现在的版本加了四条硬规矩：

另外加了一份 20 条禁令速查表，每次分析都会对照执行。

核心框架：八大维度 × 生命周期权重

这是它的"大脑"。同一个维度，在不同生命周期阶段，重要程度可以差 5 倍。

逻辑不复杂：

不是一个静态清单，而是一个随行业阶段自动调重点的分析引擎。

八个维度都查什么

知识库：数据从哪来

框架是骨架，但骨架里得有血肉。

三个 IMA 行研知识库各有分工：

三个库合计 10,000+ 份研报。Skill 分析时会同时从三个库并行搜索，交叉验证。同时使用 WebSearch + WebFetch检索最新研报、公告，辅助认证输出。

四个兜底的设计

1. 强制框架——不让 AI 偷懒

生命周期判断没完成？后面所有分析节点全部锁死。20 条禁令是写进工作流的硬规则，不是贴在文档里的装饰：不跳过生命周期、不编造市场规模、不伪造研报来源、不输出"强烈看好"。每个维度独立搜索，不准拿上一个维度的结果凑数。代价是搜索次数大增（24+），但每个维度的素材都是专有的。

2. 数据信用三级标注

每条关键数据都标信用等级：[来源：XX机构 2025Q1] 可信 / [UNSOURCED] 无法确认来源 / [待验证：单一来源] 未交叉印证。这套标注不是为了好看——是逼着这个工具诚实。AI 编数字的成本太低了，必须有反制机制。

3. 降级兜底——宁缺毋滥

知识库搜不到怎么办？API 挂了怎么办？内置 fallback 链：IMA 不可用 → 自动降级到公开 WebSearch → 同时标注"因数据源受限，以下分析基于公开搜索结果，可能不完整"。宁可说"这里我不知道"，也不编一个看起来像的答案。

4. 20 条全流程禁令

写在工作流里的硬规则。分成四类：

工作流禁区：不跳过生命周期判断 / 不用上一次历史对话的结果 

数据禁区：不编造市场规模 / 不伪造研报来源 / 不用超过 2 年的数据作为"当前状况" / 关键数据必须至少 2 个独立来源交叉验证

分析禁区：不做技术分析 / 不输出目标价 

投资禁区：不荐股 / 不给买卖建议 / 不输出"推荐""强烈看好"等措辞

最后

知识的岛屿越大，无知的海岸线越长。

IMA 知识库覆盖的行业有深有浅，框架本身也会随着见识变多而迭代。

肖璟的框架+AI的能干+ima的资料库，我做的事主要把"框架 + 工具 + 数据"三位一体串起来。它是我目前"系统化"的行业分析工具。

以前做行业分析，要么靠慢慢翻研报，要么依赖分析师的二手结论。现在这个skill可以按框架自动跑一遍，3 分钟出结果，我可以花更多时间在"理解"和"判断"上，而不是在"翻"上。

AI 负责跑，人负责想。这个分工，我觉得刚刚好。

公众号后台回复「行业分析」，免费获取skill文件+ima行业分析库。

免责声明：AI行业分析提供的是认知框架，不是买卖依据。投资有风险，入市需谨慎。