muxuuu/serenity-skill

Serenity.skill – AI 輔助投資研究技能

是什麼

• 適用於 OpenAI Codex 或 Anthropic Claude Code 等 AI 代理的 技能（插件）。它編碼了「Serenity」研究方法論——一種將市場熱門議題（如 AI 芯片、機器人等）結構化地轉換為真正接近供應鏈瓶頸的股票或基金短名單的方法。
• 此倉儲 不包含 模型或訓練程式碼。它提供一個 SKILL.md 檔案、提示範本、參考文件和一個微型驗證腳本，讓代理能載入該技能並以自然語言查詢呼叫它。

如何運作

1. 輸入 – 使用者向代理提出問題，例如「研究現在 A 股 AI 半導體產業鏈」。
2. 提示生成 – 該技能插入一個預先撰寫好的提示（參見 assets/research-prompt-pack.md），告訴模型：
   • 將熱門主題分解為下游需求 → 系統整合 → 芯片/元件 → 設備 → 材料 → 封裝 → 基礎設施；
   • 尋找供應商少、驗證週期長、擴產困難、客戶認證嚴格、材料純度高的節點；
   • 拉取公開資料（公告、 filings、財報、專利、招標文件等）來驗證這些瓶頸的存在。
3. 推理 – LLM（在宿主客戶端執行）執行研究，對候選公司/基金進行排序，並返回一份簡潔報告，列出：
   • 最具潛力的 3–5 個目標；
   • 每個目標為何接近「真實」瓶頸；
   • 任何缺失證據和主要風險。
4. 輸出 – 一份格式完全與 README 中範例一致的純文字摘要（公司名稱、瓶頸、證據、風險、下一步檢查清單）。

你可以讓它做什麼

情況	你可以向代理提出的示例查詢	Serenity.skill 回傳的內容
你看到一個熱門議題但不知從何著手	最近 AI 半導體很火，普通人應該先研究哪些方向？	AI 半導體供應鏈的層級結構及值得研究的前幾個環節。
你想知道機器人產業鏈中哪個環節最受限	機器人產業鏈裡，哪些環節更可能先出機會？	機器人系統、執行器、感測器、減速器各層的對比，基於稀缺性和擴產難度的排名。
你懷疑某隻股票只是「蹭熱點」	幫我挑戰天孚通信是 CPO 核心供應商的說法	逐項事實核對：客戶名單、訂單證據、擴產公告、風險評估。
你需要一份真正受益於某個主題的基金/ETF 短名單	機器人主題基金應該重點看哪些上游環節？	最重要的上游環節以及其前十大持股與這些環節匹配的基金。
你有幾個候選股票，想排個研究優先順序	比較 A、B、C 三家公司，誰的上漲邏輯更清楚？	一份排名表，包含瓶頸接近度、證據強度、估值壓力和風險標誌。

安裝與使用

• 該技能只是一個 Markdown 檔案夾。要讓代理客戶端識別它，只需將整個檔案夾複製到客戶端的技能目錄中（例如，Codex 為 ~/.agents/skills/serenity-skill，Claude Code 為 ~/.claude/skills/serenity-skill）。
• 該技能本身不需要 Python 執行環境；一個小型輔助腳本（scripts/validate_skill.py）可本地執行以驗證檔案夾結構。
• 安裝後，你可以在客戶端透過斜線命令呼叫它，例如：

  $serenity-skill 研究現在 A 股 AI 半導體產業鏈，說明優先研究方向、證據和反方理由。
  

  或

  /serenity-skill 挑戰天孚通信是 CPO 核心供應商的說法，逐項核對原始披露。
  

它不做的事

• 它 不 取得即時市場資料、執行交易或保證任何投資回報。
• 它不包含任何機器學習程式碼；繁重的工作由宿主客戶端提供的底層 LLM 完成。
• 倉儲中的範例截至 2026-09-14，且不會持續更新。

為什麼可能有用

• 為希望利用 LLM 但又不依賴模糊「熱詞」分析的投資者提供可重複、以證據為先的工作流程。
• 將領域特定的研究方法（「Serenity」方法）封裝為可重複使用的技能，可從任何相容的代理平台呼叫。
• 保持研究過程透明：每個建議都附帶資料來源和推導邏輯。

授權

• MIT – 你可以自由複製、修改和分發該技能檔案。