muxuuu/serenity-skill

Serenity.skill – AI 지원 투자 리서치 스킬

무엇인가요

OpenAI Codex 또는 Anthropic Claude Code와 같은 AI 에이전트용 스킬(플러그인)입니다. "Serenity" 리서치 방법론을 코딩한 것으로, 시장의 핫 테마(예: AI 칩, 로봇 등)를 공급망의 버블넥에 실제로 가까운 주식이나 펀드의 단기 리스트로 전환하는 체계적인 방법을 제공합니다.
리포지토리는 모델이나 학습 코드를 포함하지 않습니다. SKILL.md 파일, 프롬프트 템플릿, 참고 문서, 그리고 에이전트가 스킬을 로드하고 자연어 질의로 호출할 수 있도록 해주는 작은 검증 스크립트를 포함합니다.

작동 방식

입력 – 사용자가 "연구现在 A 股 AI 半导体产业链"과 같은 질문을 에이전트에 요청합니다.
프롬프트 생성 – 스킬은 미리 작성된 프롬프트(자세한 내용은 assets/research-prompt-pack.md 참조)를 삽입하여 모델에게 다음을 지시합니다:
- 핫 테마를 하류 수요 → 시스템 통합 → 칩/장치 → 장비 → 재료 → 패키징 → 인프라로 분해;
- 공급업체가 적고, 검증 주기가 길며, 용량 확장이 어려우며, 고객 인증이 엄격하고, 재료 순도가 높은 노드를 찾기;
- 공개 데이터(발표, 제출서류, 실적, 특허, 입찰 문서 등)를 가져와 이러한 버블넥의 존재를 검증하기.
추론 – LLM(호스트 클라이언트에서 실행)이 리서치를 수행하고, 후보 기업/펀드를 순위 매기며, 다음과 같은 내용을 포함하는 간결한 보고서를 반환합니다:
- 가장 유망한 3~5개 타겟;
- 각 타겟이 "실제" 버블넥에 가까운 이유;
- 누락된 증거와 주요 리스크.
출력 – README에 있는 예시와 정확히 동일한 형식의 플레인 텍스트 요약(기업명, 버블넥, 증거, 리스크, 다음 단계 체크리스트).

할 수 있는 작업

상황	에이전트에게 줄 수 있는 예시 질의	Serenity.skill이 반환하는 내용
히트 테마를 봤지만 어디서 시작해야 할지 모름	`最近 AI 半导体很火，普通人应该先研究哪些方向？`	AI 반도체 공급망의 계층 구조와 연구 가치가 높은 상위 몇 개 세그먼트.
로봇 공급망의 어느 부분이 가장 제약이 있는지 알고 싶음	`机器人产业链里，哪些环节更可能先出机会？`	로봇 시스템, 액추에이터, 센서, 기어박스 계층 간 비교 및 희귀성과 확장 난이도 기반 순위.
주식이 단순히 "히트 트렌드"를 타고 있다고 의심	`帮我挑战天孚通信是 CPO 核心供应商的说法`	고객 목록, 주문 증거, 용량 발표를 단계별로 검증하는 사실 확인.
테마에 진정으로 이익을 보는 펀드/ETF의 단기 리스트 필요	`机器人主题基金应该重点看哪些上游环节？`	가장 중요한 상류 세그먼트와 해당 세그먼트와 일치하는 상위 보유 종목을 가진 펀드.
여러 후보 주식이 있고 연구 우선순위가 필요	`比较 A、B、C 三家公司，谁的上涨逻辑更清楚？`	버블넥 근접도, 증거 강도, 평가 압력, 리스크 플래그를 포함한 순위표.

설치 및 사용법

스킬은 마크다운 파일의 디렉터리입니다. 에이전트 클라이언트에서 인식되게 하려면, 전체 폴더를 클라이언트의 스킬 디렉터리에 복사합니다 (예: Codex는 ~/.agents/skills/serenity-skill, Claude Code는 ~/.claude/skills/serenity-skill).
스킬 자체에는 Python 런타임이 필요하지 않습니다. 작은 헬퍼 스크립트(scripts/validate_skill.py)를 로컬에서 실행해 폴더 구조를 검증할 수 있습니다.

설치 후 클라이언트에서 슬래시 명령어로 호출합니다. 예:

$serenity-skill 研究现在 A 股 AI 半导体产业链，说明优先研究方向、证据和反方理由。

또는

/serenity-skill 挑战天孚通信是 CPO 核心供应商的说法，逐项核对原始披露。

하지 않는 일

왜 유용할 수 있는가

모호한 "단어 블룸" 분석에 의존하지 않고 LLM을 활용하고자 하는 투자자에게 반복 가능하고 증거 중심의 워크플로우를 제공합니다.
도메인 특화된 리서치 방법론("Serenity" 접근법)을 재사용 가능한 스킬로 캡슐화하여, 어떤 호환 가능한 에이전트 플랫폼에서도 호출할 수 있게 합니다.
리서치 프로세스를 투명하게 유지합니다: 모든 추천은 데이터 소스와 그에 이르는 논리적 단계와 함께 제공됩니다.

라이선스