zhengxi-views
可溯源的郑希(易方达基金经理)投研 Agent Skill——基于他全部公开观点原文 + 有原话佐证的投资方法 + 全市场基金真实数据,能溯源问答、按他框架给基金打分,绝不杜撰。⚠️仅研究学习辅助,不构成投资建议‼️website是郑希主页!
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/lyra81604--zhengxi-views)HTML
<a href="/listings/lyra81604--zhengxi-views"><img src="/api/listings/lyra81604--zhengxi-views/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
Claude Code(原生,推荐)
macOS / Linux:
mkdir -p "$HOME/.claude/skills/zhengxi-views" cp -R SKILL.md README.md references scripts "$HOME/.claude/skills/zhengxi-views"/
Windows PowerShell:
$dst = "$HOME\.claude\skills\zhengxi-views" New-Item -ItemType Directory -Force $dst | Out-Null Copy-Item -Recurse SKILL.md,README.md,references,scripts $dst
装好后**完整重启** Claude Code,问一句"郑希怎么看光通信"即可触发。
依赖(仅"抓取基金数据 / 评分"需要)
纯语料检索不依赖第三方库;要用 `fetch_*` / `score_fund` 抓全市场数据时,先装:
pip install -r requirements.txt # requests / beautifulsoup4 / lxml
减少每步确认(Claude Code,可选)
skill 会运行 python 脚本。Claude Code 默认每次运行都要确认。想免确认,在 `~/.claude/settings.json` 的 `permissions.allow` 里加 python 放行规则:
{
"permissions": {
"allow": ["Bash(python:*)", "Bash(python3:*)"]
}
}(会放行所有 python 命令,仅建议在个人机器上使用,随时可删。脚本调用本身已设计为单条命令、无 `cd`/重定向,以避免安全确认。)
<a id="other-ai"></a>
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 117 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.
- ---
- name: zhengxi-views
- description: >-
- 郑希观点库——基于易方达基金经理郑希 2012–2026 年全部公开观点原文语料,外加从语料蒸馏、有本人原话佐证的郑希投资方法的可溯源 research skill。能做:
- (1) 溯源问答——他怎么看 AI算力/光通信/新能源/半导体/ROE 等,引用其原话作答;
- (2) 讲解他的投资方法/框架/选股逻辑;(3) 前瞻应用——用他的方法分析当下任意主题/行业/个股,语料没谈过也能据框架推演;
- (4) 风格化点评——用他季报/手记的口吻写市场点评、季度展望;
- (5) 言行对照——用他全部基金真实数据(季度持仓/净值/业绩/规模/任职回报)核对"说的"与"买的",或答他的业绩/重仓/规模;
- (6) 全市场查询对比——内置约 2.7 万只基金列表,按需抓任意基金真实数据做查询或与郑希对比;
- (7) 郑希框架评分——给一只基金按他的方法打分(多像郑希会买的)。
- When the user mentions 郑希/易方达郑希/zhengxi, asks his view on a sector/stock/theme, his 投资方法/框架/选股/风格/持仓/业绩/净值/规模, wants to apply his approach,
- a commentary 用郑希口吻, to check words vs holdings, or to look up/compare/score ANY China mutual fund (任意基金/某基金经理/同类对比/给基金打分)——use this skill, even if they
- don't say "skill", even if the topic isn't in his corpus (fall back to his method). 引用忠于原文、不杜撰;推演与原话区分。研究学习辅助,非投资建议。
- metadata:
- author: personal project (primary-source corpus of public materials)
- source: https://www.efunds.com.cn/manager/462.shtml
- license: 个人学习用途;语料为郑希公开披露内容
- ---
- # 郑希观点库 Skill
- 让 AI 既能查到、引用郑希(易方达权益投资管理部副总经理、基金经理)**本人公开说过的话**,也能用**他自己的投资方法**去聊任何相关的话题。
- 三块根基,都在 `references/` 里,都来自他的公开内容、可溯源(具体收录数量见 README,**回答用户时不用报"共多少篇"这类数字**):
- - **原文语料** `references/corpus/` —— 他 2012–2026 的全部公开观点:定期报告、基金经理手记、媒体采访,外加简介与基金清单。
- - **投资方法** `references/method.md` —— 从上面的语料蒸馏出来的方法框架,**每一条都有他本人原话佐证**。这是它和"凭印象总结方法论"的 skill 的根本区别。
- - **真实基金数据** `references/fund_data/` —— 他全部 8 只基金(4 在任 + 4 曾任)的真实数据快照:每季前十大重仓股、净值/业绩/规模/资产配置/任职回报。来自天天基金公开数据,可用 `scripts/fetch_fund_data.py` 刷新。先看 `references/fund_data/_index.md` 了解有哪些基金、覆盖哪些季度。
- - **全市场基金(扩展)** `references/all_funds/fund_list.json` —— 全市场约 2.7 万只基金的列表(代码/名称/类型/拼音),可检索、识别、按类型筛选。**任意基金**的明细按需实时抓取(见下面【查全市场任意基金】)。
- ## 运行脚本的方式(重要,否则会一直弹确认框)
- 本 skill 的脚本都用绝对路径自己定位数据、并已自带输出上限,所以**调用时务必保持成一条最朴素的命令**:
- - ✅ 正确:`python "<本skill目录>/scripts/search_corpus.py" "光通信"`
- - ❌ 不要用 `cd … && python …`(组合命令里含 cd 会被强制人工确认)
- - ❌ 不要加 `2>/dev/null`、`| head`、`>` 等重定向或管道(同样触发确认)
- - ❌ 不要用 `;` / `&&` 把多个命令串起来——**一次只跑一个脚本**,要搜多个词就分多次调用
- `<本skill目录>` 就是本 SKILL.md 所在的目录(脚本在它的 `scripts/` 子目录)。用它的绝对路径,不要先 `cd` 进去。脚本输出已限制长度,不需要再 `| head`。
- ## 怎么回答:自然为主,按问题来
- 像一个**读熟了郑希全部公开材料、也吃透了他方法的人**那样聊天,而不是填表。用户问得随意,你就答得随意;用户要深挖,你再展开。下面这些是**可选的工具和惯例,不是必须套的模板**——用得上就用,别为了结构牺牲自然。
- 核心就一句话:**先查,再说;说他说过的,就引原文标出处;说推演的,就讲清是按他的方法推的。**
- ### 几类常见问法(不必对号入座)
- - **"郑希怎么看 X / 他对 X 什么观点 / 什么时候开始看好 X"** —— 这是语料能直接回答的。用 `search_corpus.py` 找原文,引用关键段落并自然点明来源;有演变就把不同年份串起来讲。
- - **"郑希的投资方法 / 框架 / 选股逻辑是什么"** —— 读 `references/method.md` 作答(它每条都配了他本人原话,引用时直接用那些话、自然说明出处即可)。
- - **"用郑希的思路看看 X(某当下的主题/行业/个股)"** —— 见下面【语料里没有怎么办】。先查他有没有直接谈过;没有就用 method.md 的框架推演。
- - **"用郑希的风格/口吻写一段 X"** —— 先读两三篇他真实的季报/手记体会笔法(自上而下、产业链、通胀环节、ROE 弹性、客观克制),再照着写;不要编造具体数字、持仓当事实;结尾注明是风格化模拟。
- - **"他重仓了什么 / 业绩怎样 / 规模多大 / 持仓和他说的一致吗"** —— 读 `references/fund_data/`。见下面【言行对照】。
- ### 言行对照:把"说的"和"做的"对起来
- 这是接入真实基金数据后最有价值的用法。当用户问"他说看好 X,实际买了吗""他的持仓印证了哪些观点",或你想让一个观点更有说服力时:
- 1. 从语料拿到他对某方向的**表态**(自然点明出处),再从 `references/fund_data/{基金}/季度持仓.md` 拿到**对应季度的真实持仓**,两相对照。
- - 例:他在 2026 年 6 月采访说"光通信去年二季度开始重仓";查 001513 持仓,2025Q2 起中际旭创、新易盛、源杰科技、光库科技等光通信股确实进入前十大——言行一致。
- 2. 业绩/规模/重仓问题直接读 `净值业绩规模.md`(净值、区间收益、最大回撤、任职回报、规模、资产配置、业绩评价都在里面)。
- 3. **务必只用他任职区间内的季度**:曾任基金(如价值精选、科瑞、基金科瑞)的持仓数据覆盖了**整只基金历史**,包含别的经理任职的季度。每个基金 `_index.md` 和文件头都标了郑希的任职起止,对照前先按这个区间过滤,别把别人的持仓算到他头上。
- 4. 持仓数据是**季度快照**(季报披露),不是实时;引用时带上季度和数据日期。
- ### 查全市场任意基金(不止郑希)
- 用户可能问别的基金、别的经理,或要把郑希和同类比。这时走全市场能力:
- 1. **先定位代码**:知道基金名不知代码,用 `python scripts/fund_lookup.py 关键词`(支持名称/拼音/代码、`--type` 按类型筛)。
- 2. **再抓明细**:`python scripts/fetch_any_fund.py <代码>`(可多只一起抓,用于对比),数据落到 `references/fund_data_cache/{代码}_{名称}/`,结构和郑希的一样(季度持仓 + 净值业绩规模)。读缓存里的文件作答。
- 3. **对比场景**:要把郑希的基金和别的基金比,就把对方代码抓下来,和 `references/fund_data/` 里郑希的数据并列分析(收益/回撤/持仓风格/重仓行业)。
- 4. 注意:① 抓任意基金**需要联网**,缓存默认 7 天,过期或要最新数据加 `--force`;② 郑希自己的 8 只基金用 `references/fund_data/` 里的精编快照,不必用 fetch_any_fund;③ 全市场数据同样是公开披露的季度快照,引用标日期,不杜撰。
- ### 给基金打分(郑希框架评分)
- 用户说"给 XX 基金打个分""用郑希的标准评评这只基金""这只基金郑希会买吗"时:
- 1. **一条命令搞定准备**:`python scripts/score_fund.py <代码或名称>`。它会自动:解析代码 → 备齐数据(郑希的用精编快照,别的实时抓取并缓存)→ 算好集中度、换手代理、业绩/回撤、规模、资产配置、任职回报等机械指标,打印一份证据档案。**不用再单独跑 lookup/fetch/读文件**。
- 2. **按评分卡打分**:读 `references/scorecard.md`,用它的六维(景气方向·ROE低位弹性·全球比较优势·流动性·集中度与周期拼接·业绩印证)逐项给分,给总分、评级、理由,并和郑希自己的基金对比风格。
- 3. **守住定位**:这套分衡量的是"**与郑希投资风格的契合度**",不是基金好坏的绝对评判——防御型/红利/纯债基金天然低分很正常,要讲清楚,别让用户误以为"低分=差基金"。个股 ROE、流动性等无数据项标"需核实"。
- ### 关键:语料里没有这个话题怎么办
- 这是上一版的短板——以前碰到语料没覆盖的就只回一句"未见",显得很干。**正确做法是退守到他的方法**:
- 1. 先检索,确认语料里确实没有他对该话题的直接表态;
- 2. **回答的第一句话就要加粗声明这不是郑希的原话**,例如:**"郑希没有公开谈过创新药,以下是按他一贯的投资方法做的推演,不代表他本人的观点。"** 让用户一眼就知道下面是推演而非他说过的话;
- 3. **再用 `references/method.md` 的框架去推演**:"按他的方法看——他会先问 X 里哪一层在涨价/有通胀,是不是供给端创造的需求,中国在哪一环有比较优势,哪些标的 ROE 低位有修复弹性、流动性够……"。把方法落到这个具体话题上,给出有内容的判断。
- 4. 推演里用到的、当前没把握的具体事实(公司、价格、产能、订单等)标一下"需核实"。
- 这样语料外的问题也能答得有料,而不是空手。
- ## 引用与诚实(这部分别松)
- skill 的全部价值在于"可信"。可以灵活,但下面几条是底线:
- - **引用要忠于原文**:引郑希的话,必须和 `references/corpus/` 里的文字一致,不改写、不缩写后当原话。
- - **出处要自然、干净**:点明来源时用人话,比如"他在 2026 年 6 月接受中国证券报采访时说""在 2025 年中报里他写道"。**不要把内部记号写进回答**——诸如 `[采2606]`、`method.md`、`§1`、`(类型|日期|标题)` 这类格式、或语料的文件名/路径,都不要出现在给用户的文字里。来源的真实性已在 README 说明,正文里自然带一句即可,不必堆砌。
- - **分清三种话**:①**他的原话**(忠实引用 + 自然出处)②**按他方法的推演**(你的延伸,要讲清是推的)③**需核实的事实**(具体公司/价格/数字,没来源就别当真)。读者要能分得清哪句是他说的、哪句是推的。
- - **不报数量**:不要在回答里说"基于 57 篇定期报告/15 篇手记"这类收录数量,自然作答即可。
- - **不杜撰**:编造他没说过的话、或凭空捏造持仓/业绩/目标价,是最大的禁区。具体持仓、净值、业绩数字**只能来自 `references/fund_data/`**(并注明季度/日期),不能自己编;语料和数据里都没有的,就如实说没有。
- ## 工具
- - `scripts/search_corpus.py "关键词"` —— 在语料里搜,返回命中段落 + 出处。`--any` 命中任一词,`--type 定期报告` 限类型,`--context 2` 带上下文。中文术语跨年份措辞会变(光模块/光通信、算力/AI Capex),命中少时换近义词或加 `--any`。
- - `references/corpus_index.json` —— 全部语料目录(类型/标题/日期/出处/路径),先看它了解有哪些材料。
- - `references/method.md` —— 投资方法框架,回答方法类问题、做前瞻推演、写风格化点评时读它。
- - `references/fund_data/_index.md` —— 8 只基金的数据快照入口;每只基金目录下有 `季度持仓.md`(前十大重仓股,逐季)与 `净值业绩规模.md`(净值/收益/回撤/任职回报/规模/资产配置/业绩评价),另有同名 `.json` 供精确取数。
- - `scripts/fund_lookup.py 关键词` —— 在全市场 2.7 万只基金里按名称/拼音/代码/类型查找,把基金名解析成代码、找同类基金。
- - `scripts/fetch_any_fund.py <代码>` —— 按需抓取任意基金的持仓/净值/业绩到 `references/fund_data_cache/`(需联网,可多只、可 `--force`)。
- - `scripts/score_fund.py <代码或名称>` —— **评分一键入口**:自动找代码+备数据+算机械指标,输出证据档案,配合 `references/scorecard.md` 打分。
- - `references/scorecard.md` —— 郑希框架评分卡(六维规则、打分区间、输出格式)。
- - 数据更新:语料变了重跑 `python scripts/build_index.py`;郑希基金快照刷新跑 `python scripts/fetch_fund_data.py`(可加代码只刷一只);全市场列表刷新跑 `python scripts/build_fund_list.py`。
- ## 边界
- 研究与学习辅助,不构成投资建议,不预测涨跌、不给买卖指令、不承诺收益。语料与方法均来自郑希公开内容。
README.md · README · 345 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.
- <div align="center">
- # 🔎 基金经理 · 郑希观点库 Skill
- ### 可溯源 · 原文为据 · 接入全市场基金 · 跨 AI 平台
- *「查观点 · 学方法 · 做前瞻 · 仿口吻写点评 · 言行对照 · 全市场基金对比与评分 —— 让任意 AI 读懂易方达郑希」*
- 
- 
- 
- 
- 
- [安装](#install) · [它能做什么](#features) · [推荐用法](#recommended-usage) · [在其他 AI 里用](#other-ai) · [目录结构](#structure) · [数据来源](#sources) · [边界](#limits)
- </div>
- ---
- 很多关于"某基金经理怎么看 X"的回答,听起来头头是道,其实是模型凭印象编的——查无此言。这个 skill 解决的就是这个问题:它的根基是**郑希(易方达权益投资管理部副总经理、基金经理)本人留下的原始文本**,任何结论都能追溯到"哪一年、哪一篇、原话是什么"。
- 它有**三块根基**,都来自公开内容、可溯源:
- - 📚 **原文语料**(`references/corpus/`)——2012–2026 年郑希的全部公开观点:定期报告中的投资运作分析(季报 / 中报 / 年报)、基金经理手记、媒体采访报道,外加基金经理简介、在任 / 曾任基金清单。
- - 🧭 **投资方法**(`references/method.md`)——从上面的语料**蒸馏**出来的方法框架,**每一条都有他本人原话佐证**。它让 skill 在语料没直接谈过的话题上,也能用郑希自己的方法去推演,而不是一句"查无此言"。
- - 📊 **真实基金数据**(`references/fund_data/`)——他全部 8 只基金(4 在任 + 4 曾任)的真实数据快照:每季前十大重仓股、净值/业绩/规模/资产配置/任职回报。再加上 `references/all_funds/` 里**全市场约 2.7 万只基金**列表,可按需抓取任意基金做对比与评分。
- **⚠️ 仅供研究与学习辅助,不构成投资建议。**
- <a id="features"></a>
- ## 🎯 它能帮你做什么
- | 你想做的 | 怎么问 | skill 会怎么做 |
- |---|---|---|
- | 查清他对某方向的真实看法 | `郑希怎么看光通信?他什么时候开始看好的?` | 检索语料,给**带原文出处的引用**,并梳理观点演变 |
- | 了解他的投资方法 | `郑希的选股逻辑是什么?为什么偏好低 ROE?` | 用有原话佐证的方法框架作答,可回原文展开 |
- | 用他的思路做前瞻判断 | `用郑希的思路看看创新药值不值得关注` | 语料有就引原文;**没有就用他的方法推演**,并在首句声明非他本人观点 |
- | 用他的口吻写点评 | `模仿郑希季报的风格写一段 2026 二季度科技展望` | 参照他季报的结构与笔法成文,不捏造数字持仓,声明为风格化模拟 |
- | 言行对照 / 查业绩持仓 | `郑希说看好光通信,持仓真印证了吗?业绩如何?` | 把语料里的表态和真实逐季持仓对照,并给净值/收益/回撤等真实数据 |
- | 查 / 对比全市场任意基金 | `把郑希和葛兰的中欧医疗比一比` | 全市场 2.7 万只里查代码 → 实时抓取 → 与郑希的基金并列对比 |
- | 用郑希框架给基金打分 | `用郑希的标准给招商中证白酒打个分,他会买吗?` | 一条命令备好数据,按六维评分卡给总分/评级/理由(衡量"多像郑希会买的",非基金优劣) |
- <a id="recommended-usage"></a>
- ## ⭐ 推荐用法
- 把腾讯 **WorkBuddy**、`zhengxi-views` skill 和 **MCP** 接起来后,可以把它做成一个交易日自动化研究助手:在每个交易日按固定时间触发,自动读取市场行情、基金/持仓数据、财报与产业新闻,再用郑希的方法框架生成结构化分析报告,并通过邮件 MCP 推送到指定邮箱。
- 一个典型流程是:
- 1. 在 WorkBuddy 里启用 `zhengxi-views` skill,并配置可调用的 MCP 连接器,例如行情/资讯数据源、TDX 数据连接器、QQ 邮箱或企业邮箱连接器。
- 2. 建立交易日定时任务,例如工作日盘前、盘后或财报密集期定时执行。
- 3. 让任务按固定链路采集指数、ETF、个股/基金、产业新闻、公司财报和郑希原文/方法论材料。
- 4. 用 skill 的溯源约束和方法框架生成日报、财报解读、热点板块分析、持仓验证和郑希视角推演。
- 5. 将 HTML 或 Markdown 报告通过邮件 MCP 自动发送到自己或团队邮箱,沉淀为可复盘的交易日研究流水线。
- 下面是 WorkBuddy 自动化配置和邮件报告效果示例:
- <div align="center">
- <img src="assets/recommended-usage/01-workbuddy-automation-config.jpg" width="32%" alt="WorkBuddy 自动化任务配置">
- <img src="assets/recommended-usage/02-daily-tech-market-report.jpg" width="32%" alt="每日全球科技行情分析报告">
- <img src="assets/recommended-usage/03-hot-reports.jpg" width="32%" alt="热点报告聚合与摘要">
- </div>
- <br>
- <div align="center">
- <img src="assets/recommended-usage/04-gold-section.jpg" width="32%" alt="黄金与关键事件分析">
- <img src="assets/recommended-usage/05-zhengxi-view-analysis.jpg" width="32%" alt="郑希视角分析">
- <img src="assets/recommended-usage/06-method-deduction.jpg" width="32%" alt="按郑希方法框架推演">
- </div>
- ## 💬 示例 · 看看它怎么答
- 下面是 skill 的**真实输出**(稍作精简)。
- <details>
- <summary><b>① 溯源问答 —— “郑希怎么看光通信?什么时候开始看好的?”</b></summary>
- <br>
- > 他在 **2026 年 6 月接受中国证券报采访**时把逻辑讲得很清楚:
- >
- > > “全球 AI 资本开支已经来到万亿美元级别。AI 产业链中,数据传输是重要一环,而光通信则是远距离传输的关键路径。叠加我国在光通信领域的全球比较优势,未来光通信市场规模有望进一步提升。”
- >
- > 时间点上,他说对“光”的重仓**可追溯到 2025 年二季度**。对照他管理的 **易方达信息产业(001513)持仓**:2025Q2 起,中际旭创、新易盛、源杰科技、光库科技等光通信标的确实集体进入前十大——**言行一致**。
- </details>
- <details>
- <summary><b>② 语料里没谈过的方向 —— “用郑希的思路看看创新药?”</b></summary>
- <br>
- > **郑希没有公开谈过创新药这个方向,下面是按他一贯的投资方法做的推演,不代表他本人的观点。**
- >
- > 在他全部公开材料里,“创新药”基本只是季报复盘里“顺带提一句”的角色,从没专门展开。所以把他的方法搬过来看:
- > - **第 1 关·有没有“供给端创造的需求”**:创新药靠新靶点/新疗法创造原本不存在的需求,属于他偏爱的“科技型通胀”,这一关最对味;
- > - **第 2 关·中国比较优势在哪**:原始创新策源地在海外,中国更占优的是 CXO / 出海 BD 这类“卖水人”环节;
- > - **第 3 关·低 ROE 弹性**:未盈利 Biotech 是典型“预先研发型低 ROE”,符合他的偏好;但**流动性**这关会筛掉一批日成交清淡的小票。
- >
- > *(涉及具体公司/估值标“需核实”;非投资建议。)*
- </details>
- <details>
- <summary><b>③ 郑希框架评分 —— “用郑希的标准给招商中证白酒打个分,他会买吗?”</b></summary>
- <br>
- > # 用郑希框架给【招商中证白酒指数(012414)】打分:**21 / 100 · 不契合**
- >
- > 一句话:这是一只合格的行业指数工具,但几乎不像“郑希会买的基金”。**低分 ≠ 差基金**,只是风格和他几乎相反。
- >
- > | 维度 | 得分 | 一句话依据 |
- > |---|---|---|
- > | 景气方向 / 通胀属性 | 4 / 25 | 前十大清一色高端白酒,当前处于去库存**下行周期**,是“被压价”而非“在涨价” |
- > | ROE 低位弹性 | 6 / 20 | 全是 ROE 长期高位的白酒白马,非他要的“低位待修复” |
- > | 全球视野 / 中国比较优势 | 2 / 15 | 纯内需消费,与全球技术周期无关 |
- > | 流动性 | 7 / 10 | 重仓全是流动性最好的大盘龙头(唯一亮点) |
- > | 集中度与周期拼接 | 2 / 15 | 集中度 85.8% 但**被动躺平**,近 5 季换手代理仅 ~5%,与他“周期拼接/高换手”相反 |
- > | 业绩与回撤印证 | 0 / 15 | 近 1 年 −23.9%、最大回撤 −63.2%,大幅跑输 |
- >
- > **他会买吗?几乎不会**——一只被动锁定单一传统行业的指数基金,和他“自上而下找通胀、偏科技成长、买低 ROE 弹性、动态周期拼接”的方法全对不上。
- </details>
- <details>
- <summary><b>④ 全市场对比 —— “把郑希的信息产业和葛兰的中欧医疗比一比”</b></summary>
- <br>
- > | | 郑希 · 信息产业 001513 | 葛兰 · 中欧医疗 003095 |
- > |---|---|---|
- > | 赛道 | 科技(光通信·算力·半导体) | 医药(CXO·创新药) |
- > | 风格 | 自上而下、产业链轮动、**高换手** | 核心资产**长持**、低换手 |
- > | 近 1 年 | **+290%** | −5.4% |
- > | 最大回撤 | −46.3% | −63.9% |
- >
- > 一句话:两人都是高仓位单赛道选手,但郑希靠“踩对当下景气 + 动态轮动”把弹性变成收益,葛兰靠“长拿核心资产”在医药下行期完整承接了更深回撤。
- > *(数据为公开季度快照,截至 2026-06;非投资建议。)*
- </details>
- ## ⚖️ 和"投资框架/方法论"类 skill 的区别
- | | 方法论 / 框架类 skill | 本项目(郑希观点库) |
- |---|---|---|
- | 根基 | 抽象出的投资"方法",**不引原文** | 郑希**本人原话语料** + **有原话佐证的方法蒸馏** |
- | 朝向 | 前瞻——把方法套到任意标的去选股 | 以**溯源**为根,前瞻与方法都锚定他原话 |
- | 产出 | 选股清单 / 评分 | 带出处的引用 / 观点演变 / 有据可查的前瞻与点评 |
- | 核心约束 | —— | **不杜撰**:语料有就引原文,没有就标明"按他的方法推演" |
- ## 🧩 它是 Agent Skill 吗?
- **是。** 它符合 Agent Skill 规范:根目录有 `SKILL.md`(YAML frontmatter 含 `name` + `description`)+ 渐进式加载的 `references/`、`scripts/` 资源,能通过官方工具校验并打成 `.skill` 包。
- - **Claude Code / Claude.ai** 原生支持 Agent Skill,放进技能目录即自动加载。
- - **腾讯 WorkBuddy** 用 `skill.yml` 清单组织 Skill,本仓库已附一份,放进它的 `skills/` 目录即可(已实测可用)。
- - 在 **ChatGPT / Gemini / Cursor** 等没有"技能自动加载器"的工具里,用"自定义指令 + 知识文件"的方式复刻,见 [在其他 AI 工具里使用](#other-ai)。
- <a id="structure"></a>
- ## 🗂️ 目录结构
- ```text
- zhengxi-views/
- ├── SKILL.md
- ├── skill.yml # 腾讯 WorkBuddy 清单(Claude 用法可忽略)
- ├── WORKBUDDY部署.md
- ├── README.md
- ├── references/
- │ ├── method.md
- │ ├── scorecard.md
- │ ├── corpus_index.json
- │ ├── corpus/
- │ │ ├── 定期报告/
- │ │ ├── 基金经理手记/
- │ │ ├── 媒体报道/
- │ │ ├── 简介.md
- │ │ ├── 管理基金_在任.md
- │ │ └── 管理基金_曾任.md
- │ ├── fund_data/
- │ │ ├── _index.md
- │ │ ├── 001513_易方达信息产业混合/
- │ │ └── …(共 8 只基金,每只含 季度持仓.md 与 净值业绩规模.md)
- │ └── all_funds/
- │ └── fund_list.json
- └── scripts/
- ├── search_corpus.py
- ├── build_index.py
- ├── fetch_fund_data.py
- ├── build_fund_list.py
- ├── fund_lookup.py
- ├── fetch_any_fund.py
- └── score_fund.py
- ```
- <a id="install"></a>
- ## ⚙️ 安装
- ### Claude Code(原生,推荐)
- macOS / Linux:
- ```bash
- mkdir -p "$HOME/.claude/skills/zhengxi-views"
- cp -R SKILL.md README.md references scripts "$HOME/.claude/skills/zhengxi-views"/
- ```
- Windows PowerShell:
- ```powershell
- $dst = "$HOME\.claude\skills\zhengxi-views"
- New-Item -ItemType Directory -Force $dst | Out-Null
- Copy-Item -Recurse SKILL.md,README.md,references,scripts $dst
- ```
- 装好后**完整重启** Claude Code,问一句"郑希怎么看光通信"即可触发。
- ### 依赖(仅"抓取基金数据 / 评分"需要)
- 纯语料检索不依赖第三方库;要用 `fetch_*` / `score_fund` 抓全市场数据时,先装:
- ```bash
- pip install -r requirements.txt # requests / beautifulsoup4 / lxml
- ```
- ### 减少每步确认(Claude Code,可选)
- skill 会运行 python 脚本。Claude Code 默认每次运行都要确认。想免确认,在 `~/.claude/settings.json` 的 `permissions.allow` 里加 python 放行规则:
- ```json
- {
- "permissions": {
- "allow": ["Bash(python:*)", "Bash(python3:*)"]
- }
- }
- ```
- (会放行所有 python 命令,仅建议在个人机器上使用,随时可删。脚本调用本身已设计为单条命令、无 `cd`/重定向,以避免安全确认。)
- <a id="other-ai"></a>
- ## 🌐 在其他 AI 工具里使用
- 本项目是 Agent Skill,**Claude 系原生支持**;其他工具靠"指令 + 知识文件"复刻。能用的功能取决于该工具**能否运行 Python 并联网**:
- | 功能 | 所需能力 | Claude Code | WorkBuddy | Cursor | Claude.ai | ChatGPT | Gemini |
- |---|---|:---:|:---:|:---:|:---:|:---:|:---:|
- | 溯源问答 / 方法讲解 / 风格点评 | 读文件 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
- | 郑希 8 只基金言行对照(自带快照) | 读文件 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
- | 全市场任意基金实时抓取 / 评分 | Python + 联网 | ✅ | ✅ | ✅ | ⚠️ | ⚠️ | ❌ |
- > 腾讯 **WorkBuddy** 本地运行、能跑脚本联网,因此可用**全部功能**(含实时抓取);它用 `skill.yml` 作清单,本仓库已附一份,详见 [腾讯 WorkBuddy](#腾讯-workbuddy)。
- >
- > 腾讯 **ima**(知识库)只读不跑脚本,支持问答/方法/点评/郑希自带基金数据,不支持实时抓取,详见 [腾讯 ima](#ima)。
- > ⚠️ = 沙箱通常**无外网**,实时抓取多半失败;但可以在本地先用 `fetch_any_fund.py` 把目标基金抓好,再把生成的数据文件一起上传,离线评分照常进行。
- **通用思路(任何支持自定义指令 + 文件上传的 AI)**:
- - **指令**:把 `SKILL.md` 正文粘进"系统提示 / 自定义指令"。其中"运行脚本的方式"那段是 Claude Code 专属,可删或改为"用代码解释器运行上传的脚本";务必保留行为约束(溯源、不杜撰、推演与原话分开、语料外首句加粗声明非原话)。
- - **知识**:上传 `references/` 全部内容(`method.md`、`scorecard.md`、`corpus/`、`fund_data/`、`all_funds/fund_list.json`);要跑脚本的再上传 `scripts/`。
- ### 腾讯 WorkBuddy
- WorkBuddy 是本地运行的 AI 工作台,自定义 Skill 约定为 **`skill.yml` 清单 + 实现文件(scripts)+ README**。本仓库已附 `skill.yml`,可直接用:
- 1. 把整个文件夹放进 WorkBuddy 的 **`skills/` 技能目录**,按 `skill.yml` 导入启用(**已实测可用**)。
- 2. 先 `pip install -r requirements.txt` 装好脚本依赖;因本地运行,**实时抓取/评分等全部功能均可用**。
- 3. 触发词示例:"郑希怎么看光通信""用郑希的标准给招商中证白酒打个分"。
- > `skill.yml` 字段按通用约定编写;若 WorkBuddy 提示字段不符,对照其 schema 微调即可(行为逻辑都在 `SKILL.md`)。完整步骤与备选方案见 [`WORKBUDDY部署.md`](WORKBUDDY部署.md)。
- ### Cursor(IDE,功能最全,接近 Claude Code)
- 1. 把整个 `zhengxi-views/` 文件夹放进工作区。
- 2. 新建 `.cursor/rules/zhengxi.mdc`,把 `SKILL.md` 正文粘进去作为 Rule。
- 3. Cursor 的 Agent 有本机终端,能跑 python + 联网——检索、实时抓取、评分全部可用,用法与 Claude Code 一致。
- ### ChatGPT(自定义 GPT)
- 1. 新建一个 GPT(My GPTs → Create)。
- 2. **Instructions**:粘贴 `SKILL.md` 正文(按上面"通用思路"调整脚本相关措辞)。
- 3. **Knowledge**:上传 `method.md`、`scorecard.md`、`corpus/`(可打包成 zip)、`fund_data/`、`all_funds/fund_list.json`,以及 `scripts/*.py`。
- 4. 打开 **Code Interpreter(数据分析)**。
- - 可用:溯源问答、方法、风格点评、郑希基金数据,以及对上传数据用脚本检索 / 评分。
- - 受限:全市场**实时抓取**(Code Interpreter 无外网)——改为本地先抓好再上传。
- ### Gemini(Gem / Google AI Studio)
- 1. 新建一个 Gem。
- 2. 指令栏粘贴 `SKILL.md` 正文;知识栏上传 `method.md`、`scorecard.md`、`corpus/`、`fund_data/`。
- 3. 主要支持读类功能(问答 / 方法 / 点评 / 已打包数据对照);无代码 + 外网,实时抓取与脚本评分请在本地跑好再带结果提问。
- <a id="ima"></a>
- ### 腾讯 ima(ima.copilot 知识库 · 纯问答)
- ima 是知识库 / RAG 问答应用,**不跑脚本、不联网**,所以只支持"读类"功能:溯源问答、方法讲解、风格点评、郑希 8 只基金言行对照;**全市场实时抓取与评分用不了**。
- 1. 在 ima 新建一个知识库(例如"郑希观点库")。
- 2. 上传 `references/` 里的资料:`corpus/`(语料)、`method.md`、`scorecard.md`、`fund_data/`(郑希基金数据)。ima 支持整文件夹上传;若不接受 `.md`,先转成 PDF / DOCX / TXT 再传。
- 3. 配置一个"智能体",把 `SKILL.md` 的行为约束作为它的提示词:可溯源、引用忠于原文、原话与推演分开、语料外话题首句加粗声明非郑希本人观点、研究学习辅助非投资建议。
- 4. 选中该知识库提问,如"郑希怎么看光通信""郑希的投资方法是什么"。
- 5. 想要某只全市场基金的数据?先在本地用 `fetch_any_fund.py` 抓好,把生成的 `.md` 传进知识库,再让 ima 基于它回答。
- ### Claude.ai(网页 / 桌面)
- - 若你的账号支持上传 Skill,直接上传打包好的 `.skill`;或新建一个 Project,把 `SKILL.md` 与 `references/`、`scripts/` 作为项目知识上传。
- - 网页沙箱可能无外网,实时抓取或受限;自带语料与郑希基金数据正常。
- ### 腾讯 Marvis(暂不支持正式部署)
- 腾讯 Marvis(马维斯)是操作系统级 AI 助手(文件 / 系统 / 应用 / 浏览器 / 搜索等内置 Agent)。截至目前,它**没有公开的自定义 skill / 知识库 / 插件(MCP)入口**,因此**无法像 WorkBuddy 那样正式安装本 skill**。
- 临时变通(非持久、不保证):把本 skill 文件夹放在本地,让 Marvis 的**文件 Agent** 读取 `references/` 资料、并在对话中把 `SKILL.md` 的规则作为要求;若其版本允许执行命令,可让它运行 `python "<路径>/scripts/score_fund.py" <基金>` 等脚本。要正式支持,需等官方开放自定义 Agent / MCP / 知识库接口。建议优先用 **WorkBuddy** 或 **Claude Code**。
- ## 🛠️ 脚本速查
- ```text
- search_corpus.py "光通信" 在语料里检索,返回命中段落 + 出处(新→旧)
- search_corpus.py "ROE" "弹性" --any 命中任一关键词
- fund_lookup.py 中欧医疗 全市场按名称/代码/类型查基金代码
- fetch_any_fund.py 003095 按需抓取任意基金的持仓/净值/业绩到缓存
- score_fund.py 招商中证白酒 郑希框架评分一键入口(找代码+备数据+算指标)
- build_index.py / build_fund_list.py 语料 / 全市场列表更新后重建
- ```
- > 在 Claude Code / Cursor 里,AI 会自己调用这些脚本,你通常不必手动敲。
- <a id="sources"></a>
- ## ✅ 数据来源与真实性
- 语料、投资方法佐证、基金数据,全部来自郑希及其管理基金的**公开披露内容**——易方达官网的定期报告、基金经理手记、媒体报道,以及天天基金的公开基金数据。均为真实材料、可追溯原文,skill 只检索引用、不编造、不杜撰。
- <a id="limits"></a>
- ## 🚧 边界
- 研究与学习辅助,**不构成投资建议**,不预测涨跌、不给买卖指令、不承诺收益。引用须忠于原文;最大的禁区是**编造他没说过的话**或**改写原文冒充原话**——拿不准就回到语料,或如实说"未见"。
- ## 🎉 鸣谢
- 感谢 [AtomGit](https://atomgit.com/lyra81604/zhengxi-views) 对本项目的支持,项目已入驻AtomGit,中国大陆用户使用下载项目更便捷。
- ## 📄 License
- MIT
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.