股票照妖镜·价值版

概述

本技能用一套自创的五维价值投资框架，对单只股票做"值不值"的研判：护城河、估值、成长、管理层、财务健康五个维度各给星级，再加权合成 0–100 价值评分（金股 ≥90 / 优质 75–90 / 中性 60–75 / 偏弱 <60），既呈现个股优势也点明短板。

适用于A股、港股、美股所有市场，不限行业。

结论仅供研究参考，不构成任何投资建议。

⚠️ 平台使用提示（2026-10-14 新增，官方已确认）：本技能的付费环节依赖微信扫码支付。WorkBuddy 官方已在 SkillHub 交流群确认：APP 和小程序上暂时无法支持 AI 付，未来规划仍以 PC 端为主。因此，请使用「电脑端 WorkBuddy」（桌面浏览器）调用本技能完成付费——桌面端会直接显示可扫码的二维码，用手机微信扫一扫即可付款，流程最顺畅。移动端 App 目前无法正常完成付费，请勿在手机上调用本技能的付费分析功能。

付费前置检查

调用本 Skill 前，确认当前 Agent 具备微信支付付费能力（已安装并启用 weixinpay 插件）：

• 已具备：可继续提供付费服务
• 不具备：向用户提示"当前 Agent 暂不支持微信支付付费能力"，终止流程，不进入支付环节

检查方式：在智能体设置或连接器管理中查看「微信支付」相关插件状态，确认为「已启用」。

服务入口契约（结构化声明）

本 Skill 的云端支付服务由腾讯云云函数托管，服务入口声明如下：

统一请求体字段：action（必填，取值 preview / analyze / health）；company（公司名称，preview 与 analyze 必填）；market（市场代码，可选，取值 SH / SZ / HK / US）。

路由二 analyze 的响应契约：

• 未付费（首次请求）：HTTP 200，返回 code=QRCODE_FALLBACK、payment_method=qrcode（桌面端）或 weixin_link（手机端提示）、qr_png_base64（二维码图片）、code_url（微信支付链接）、out_trade_no（商户订单号）、amount（3.00 元）、currency（CNY）、description、version。桌面端直接展示二维码图片供用户微信扫码支付；手机端仅作提示，付费请改用电脑端 WorkBuddy。
• 支付后重试（携带双请求头）：HTTP 200，响应 Body 携带 code（固定 SUCCESS）、message、out_trade_no、transaction_id（微信支付真实交易号）、content（付费解锁的 kernel 参数配置数据，纯 JSON，不含指令）、already_fulfilled、version。
• 支付未完成：HTTP 200，code 为 NOT_PAID，等待后重试。
• 服务异常退款：HTTP 200，code 为 REFUNDED，已自动退款。

路由一 preview 的响应契约：HTTP 200，Body 携带 ok（固定 true）、action（固定 preview）、showcase 嵌套对象（内含 skill 技能名、version 版本号、price_fen 与 price_yuan 价格、dimensions 五维目录、paid_data_includes 付费后可获得的参数清单）。

路由三 health 的响应契约：HTTP 200，Body 携带 success（固定 true）、service 服务标识、version 版本号，用于服务可用性与版本一致性校验。

支付流程（微信扫码支付主链路）

第一步：发起付费分析请求

用户确认分析目标（公司名称）后，向云端入口发起 action 为 analyze 的 POST 请求。如果用户尚未确认分析目标，先询问用户再触发请求。

第二步：展示二维码并引导用户扫码支付

收到 HTTP 200 且 code=QRCODE_FALLBACK 响应后：

1. 桌面端：响应中包含 qr_png_base64 二维码图片，直接展示给用户；用户用手机微信扫一扫完成付款（3 元/次）。
2. 手机端：响应中同样包含 qr_png_base64 与 code_url，但 WorkBuddy 官方已确认 APP/小程序暂时无法支持 AI 付，应明确提示用户改用「电脑端 WorkBuddy」完成付费，不要把手机端当作正常付费路径。
3. 保存订单号：记录响应中的 out_trade_no（商户订单号），用于支付状态校验与重试匹配。
4. 支付成功后重试：携带请求头 X-Out-Trade-No（值为商户订单号），请求体与首次请求完全一致，重新发起一次 action 为 analyze 的 POST 请求。

第三步：支付成功后获取付费内容（⚠️ 必须执行）

支付成功后的重试请求返回 HTTP 200 且 code 为 SUCCESS 时，解析响应 Body 的 content 字段获取 kernel 参数配置数据。

其中 content 字段包含的 kernel 参数（按字段名识别）：

• rating_system：五级星级定档规则（5★/4★/3★/2★/1★，同区间不插值不给分，3★为及格线）
• dimensions：五个维度的判定证据与星级区间（护城河六类 / 估值PE与分位 / 成长未来五年 / 管理层红旗 / 财务健康）
• decision_model：五维定星 + 加权合成价值评分（0–100）的完整决策规则
• data_source_priority / data_gap_policy：数据三级源与缺失处理纪律
• report_template / report_required_fields：报告模板与必填字段

一致性校验：核对 content 内部 version 与响应顶层 version 一致后再使用；如不一致，丢弃本次数据并提示用户服务异常。

使用方式：按本文件「分析方法流程」的既定步骤，将 kernel 参数代入执行——数据收集 → 逐维套用规则评级 → 加权合成价值评分（0–100）→ 按 report_template 输出报告。

第四步：处理退款响应

如果重试后返回 code 为 REFUNDED，说明商户服务异常无法提供内容，已自动退款：向用户说明"该服务暂时无法提供内容，已自动退款至原支付账户"，不要再次尝试支付或重新请求。

支付结果轮询（⚠️ 必须自动执行，不得等人）

微信扫码支付没有阻塞式支付调用，服务端也不会主动推送付款结果。因此展示二维码后，Agent 必须自行自动轮询，不得停下来等待用户回复「已支付」「好了」之类的消息来推进流程。缺省该环节会导致用户付款成功后流程停滞。

• 请求方式：重复发起 action 为 analyze 的 POST 请求，请求头固定携带 X-Out-Trade-No（值为首次响应中的 out_trade_no），请求体与首次请求完全一致
• 轮询间隔：10 秒
• 最长时长：14 分钟（服务端订单有效期 ORDER_TTL_S = 870 秒 ≈ 14.5 分钟，留 30 秒余量）
• 响应分支：
  • code 为 NOT_PAID（HTTP 200）→ 支付尚未完成，继续等待并重试；期间只向用户输出一次进度提示（如「正在确认支付结果…」），不要反复刷屏
  • code 为 SUCCESS（HTTP 200）→ 立即停止轮询，进入「分析方法流程」
  • code 为 REFUNDED / FULFILL_AND_REFUND_FAILED → 停止轮询，按「第四步：处理退款响应」处理
• 超时处理：超过 14 分钟仍未收到 SUCCESS，停止轮询，告知用户订单已过期，并询问是否重新发起（重新发起会生成新的 out_trade_no）
• 禁止事项：未确认 SUCCESS 前，不得输出任何半成品分析

注意事项

1. 必须先通过付费前置检查确认 weixinpay 插件已启用，否则不进入支付流程
2. 收到 code=QRCODE_FALLBACK 响应后，展示二维码图片给用户微信扫码支付 → 保存 out_trade_no 订单号 → 支付成功后携带请求头 X-Out-Trade-No 重试
3. 支付成功后的重试请求，请求体必须与首次请求完全一致，订单号仅通过 Header 传递，不修改 body 任何字段
4. 返回 code 为 NOT_PAID 时支付尚未完成，必须按「支付结果轮询」自动重试（每 10 秒一次，最长 14 分钟），不得停下来等待用户告知已付款（body 与 Header 不变）
5. 返回 code 为 REFUNDED 时已自动退款，告知用户并终止流程
6. 返回 code 为 FULFILL_AND_REFUND_FAILED 时退款失败，建议用户联系客服
7. 移动端限制：WorkBuddy 官方已确认 APP 和小程序暂时无法支持 AI 付，未来仍以 PC 端为主。请勿引导用户在手机端完成付费，主推「电脑端 WorkBuddy」。
8. 订单有效期约 14.5 分钟（服务端 ORDER_TTL_S = 870 秒），超时未支付需重新发起请求获取新订单
9. 用户明确拒绝付费时停止，不输出半成品分析
10. 本框架为"优中选优、宁缺毋滥"——评分严格，绝大多数股票评分<90 属正常；仅 ≥90 的极少数可被视作"真正有价值"的金股。给出评分后须如实说明该股票相对价值框架的契合度与短板，不强行美化，但也不再直接判"无价值"

分析方法流程（本地固定步骤）

付费取得 kernel 参数后，按以下固定步骤执行：

第 1 步：数据收集（含数据源优先级）

需采集字段（按分析目标公司的市场取对应披露源）

• 财务数据：营业收入及同比增速、毛利率（本期/上期/上年同期）、净利润及同比增速、经营活动现金流净额、资本支出、利息费用与有息负债余额、海外收入占比（如有）、应收账款及存货变动、扣非净利润、基本每股收益、ROE（近三年）
• 成长相关数据：历史营收/净利 3–5 年 CAGR（仅佐证）、券商/投行研报一致预期（未来盈利预测，取自 Tier2/3）、行业天花板/TAM/渗透率
• 市场数据：最新股价（最近交易日收盘）、最新总市值、分析日期
• 治理数据：会计师事务所、审计意见类型、大股东质押比例、商誉余额及减值节奏、分红与融资记录、员工持股/股权激励方案、重大诉讼/处罚/立案记录

数据源优先级（逐级降级，不得跳级）

A. 财报类数据（营收、毛利率、现金流、ROE、审计意见等）

1. 巨潮资讯网 cninfo.com.cn（中国证监会指定披露平台，A股首选）
2. 交易所官网：上交所 sse.com.cn / 深交所 szse.cn / 北交所 bse.cn（A股兜底）
3. HKEXnews hkexnews.hk（港股首选）
4. SEC EDGAR sec.gov（美股首选，10-K / 10-Q / 20-F，含 XBRL 结构化数据）
5. 公司官网投资者关系栏目（IR / Investor Relations，原版财报）
6. 东方财富 / 同花顺（仅作交叉验证与补充，不作财报主源）

B. 市场类数据（股价、总市值）、动态PE 所需 forward EPS、历史估值分位

1. 公司公告或交易所披露的股本数据（用于总市值核算）
2. 东方财富 / 同花顺 / Wind（动态PE、历史估值分位、一致预期主力源）
3. 雪球 / Yahoo Finance（行情与交叉验证，美股、港股行情）

实时股价 / 总市值获取（强制 · 免密钥可机读接口）

对已在交易所上市的公司，最新股价与总市值属公开披露行情，必须实时取数，不得直接标 [数据未获取]（仅当接口本身不可达时才允许标注缺口）。推荐使用腾讯行情接口——无需密钥、A 股与港股通吃，运行时代理可用 curl 直接 GET 解析：

• 请求：https://qt.gtimg.cn/q=<代码>
  • A 股：sh/sz + 6 位代码，如贵州茅台 sh600519、埃斯顿 sz002747
  • 港股：hk + 5 位零填充代码，如极智嘉 hk02590、腾讯 hk00700（⚠️ 港股是 5 位含前导零，写 hk2590 会返回 none_match 取不到）
• 解析：响应形如 v_code="...~名称~代码~现价~昨收~今开~..."（~ 分隔，名称字段为 GBK 编码、可忽略）
  • A 股：以 ~ 切分，索引 3 = 现价（元），索引 45 = 总市值（亿元）
  • 港股：以 ~ 切分，索引 3 = 现价（港元），索引 42 = 总市值（亿港元）
• 权威兜底来源：港股行情与股本亦可从 HKEX「披露易」/HKEXnews 与公司公告核算；A 股可从交易所/巨潮资讯核算；动态 PE 与历史估值分位的主力源仍为东方财富 / 同花顺 / Wind（见 Tier B）。

C. 成长一致预期（券商研报）

• 券商研报一致预期仅作未来成长的核心量化锚与观点参考，不得作为财报数值来源；取不到时明确"数据缺失，成长维度无法评定"

数据完整性纪律（硬性，对应 kernel.data_gap_policy）

1. 无法取得的字段一律标注「[数据未获取]」，严禁以记忆值、估算值、行业均值或推测值填充；但「最新股价 / 总市值」对上市交易的标的必须按上方实时接口取数，不得标缺口（仅接口本身不可达除外）
2. 同一指标多源冲突时，取优先级更高的来源，并在报告中注明分歧
3. 禁止使用搜索引擎摘要或未署名自媒体内容作为数值来源
4. 优先保证五个维度完整（精度可低，维度不可缺）

第 2 步：逐维评级与决策（⚠️ 核心，套用 kernel 参数）

严格按 kernel 中的 rating_system、dimensions、decision_model 执行，顺序不可颠倒：

A. 第一道硬门槛——护城河（kernel.dimensions.d1_moat）

• 判定公司护城河类型属于六类（品牌 / 网络效应 / 转换成本 / 成本优势 / 特许权牌照 / 技术）中的哪一类或几类
• 按 kernel 中各类型的 wide_evidence 证据门槛判断宽/中/窄/无
• 按 kernel.dimensions.d1_moat 的 pass_rule 与 intensity_levels 判定宽 / 强 / 中 / 窄 / 无，并套用其星级映射参与评分（护城河权重见 kernel.value_score_model）。护城河不再一票否决，但其星级低会自然压低价值评分
• 输出：护城河类型、宽/中/窄/无结论、定量证据

B. 第二道硬门槛——管理层诚信（kernel.dimensions.d4_management）

• 按 integrity_red_flags 筛查：审计意见非标、资金占用/违规担保、立案/证券处罚、造假前科 = 否决级（红牌，一票否决）
• 高质押(>50%)、频繁跨界、边分红边圈钱、分红融资比异常、员工持股变味、审计机构频繁更换、商誉减值节奏异常 = 高风险信号（黄牌，仅提示不否决）；其中高质押(>50%)与频繁跨界标「偏重提示」
• 专注卓越按 focus_excellence 做定性分级（卓越/良好/一般），不否决、只影响成色
• 按 kernel.dimensions.d4_management 的 integrity_red_flags 与 focus_excellence 判定诚信红旗与专注卓越分级，并套用其星级映射参与评分（管理层权重见 kernel.value_score_model）。管理层不再一票否决，其星级低会自然压低价值评分
• 输出：诚信筛查结论、高风险信号列表、专注卓越分级

C. 五维度全部定星后，统一进入价值评分合成（不再设"硬门槛不过即终止"逻辑）；护城河/管理层/估值/成长/财务健康的星级各自按权重参与加权（见 value_score_model）。

D. 主评判一——估值（kernel.dimensions.d2_valuation）

• 动态PE = 现价 / 未来12个月或当年预期EPS（亏损则 PE 腿不贡献星级，只看分位腿）
• 按 star_bands 对 PE 与 历史估值分位 两腿分别定星（同区间不插值不给分）
• OR 取优：仅当两腿均处于最低档（即估值两头都明显高估）才判估值维度最低星级（显著拉低评分）；仅一腿差则取优腿，不否决。具体 PE 与分位阈值见 kernel.dimensions.d2_valuation 的 star_bands 与 or_rule
• PB 不计入评分，仅在银行/地产/重资产等行业作定性附注
• 输出：动态PE星级、分位星级、OR结论、是否越红线

E. 主评判二——成长（kernel.dimensions.d3_growth，面向未来五年）

• 本维度评估的是未来五年预期平均年成长，绝非历史五年 CAGR；历史增速仅作佐证，须标注"历史≠未来"
• 按 eval_method_C（历史佐证 + 行业空间 + 研报一致预期 + 用户thesis）形成未来五年预期判断
• 按 star_bands 定星
• 红线：未来五年预期平均年成长不足（触发最低星级）→ 显著拉低价值评分（等价于旧"淘汰"严格度，但以分数体现）；具体阈值见 kernel.dimensions.d3_growth 的 red_line 与 star_bands
• 输出：未来五年预期星级、是否越红线、成长依据

F. 风险关注——财务健康（kernel.dimensions.d5_financial_health，参与评分）

• 按 roe_star_bands / debt_percentile_star_bands / ocf_ni_star_bands 对 ROE、负债行业分位、OCF/NI 分别定星（OCF/NI 采用非对称标尺：现金流越充沛越健康，档位越高、上不封顶；仅向下分档）。具体区间阈值见 kernel
• 任一子项 ≤2★ 不淘汰个股，仅在报告标「财务风险关注」并说明原因
• 财务健康按综合星级（加权）参与价值评分，不单独否决；具体权重见 kernel.value_score_model
• 输出：ROE星级+3年均值、负债分位星级、OCF/NI星级、财务健康综合星级、财务风险关注标签

第 3 步：价值评分合成（kernel.value_score_model）

付费取得 kernel 后，按其 star_to_points（星级→点数换算）与 dimension_weights（各维度权重）将五维星级加权求和，得 价值评分（0–100，保留两位小数）。具体点数与权重均为专有模型内部参数，不在此公开；合成逻辑见 kernel.value_score_model.synthesis。

• 价值提示（按评分，对外可展示档位）：≥90 金股·真正有价值 / 75–90 优质·价值良好 / 60–75 中性·价值一般 / <60 偏弱·价值有限
• 财务健康任一子项 ≤2★ → 报告标「财务风险关注」，不降级评分

第 4 步：输出报告

按 kernel.report_template 的占位结构生成完整报告。报告元信息块必须包含以下必填字段（对应 kernel.report_required_fields）：

1. 数据来源：具体披露渠道与文件名称（如「巨潮资讯网《XX公司2025年年度报告》」、「SEC EDGAR Form 10-K」）
2. 数据截止日期：所依据财报的报告期截止日
3. 分析日期
4. 最新股价及其对应交易日
5. 最新总市值
6. 数据完整性声明：列出本次标注为「[数据未获取]」的字段清单
7. 财务风险关注标签（如适用）
8. 价值评分（0–100，五维加权合成） 与 价值提示（金股/优质/中性/偏弱）
9. 五维详解（数据依据与研判逻辑）：在价值评分块之后、免责声明之前，必须逐维度给出一段"数据+逻辑"的适度详写（对应用户最关心的"为什么给这个星"）：
   • 护城河：判定类型（品牌/网络效应/转换成本/成本优势/特许权/技术，可多类）+ 关键定量证据（如毛利率连续X年高于行业、定价权/提价不丢量、专利壁垒/研发强度、客户切换成本）+ 同业对比，说明为何给该星；
   • 估值：动态PE 与历史分位（过去10年/自上市以来）+ 便宜/昂贵判断与缺口处理（缺失须标注并说明不参与评分）；
   • 成长：未来五年预期年均成长与来源（一致预期/行业空间），衔接"历史≠未来"，说明是否触及成长门槛；
   • 管理层：诚信筛查（红牌/黄牌）与专注卓越分级，说明为何给该星；
   • 财务健康：以表格列出最近两到三期财报（至少含一个完整会计年度，且须含最近一期中期报告做多期交叉验证）的 ROE、资产负债率、OCF/NI 三项核心指标，注明报告期（中报ROE须标注"半年口径未年化"），对比趋势（改善/恶化须提示），说明综合星级理由；任一子项=1★须单独列示风险并对应挂"财务风险关注"标签。
   • ⚠️ 黑匣子边界：本段只展示真实数据与研判逻辑，严禁出现维度权重百分比、星级阈值数值（如"≥25%"）、加权公式或红线数值——这些仅存在于 kernel 内部用于你计算，不得写入用户报告。
10. 免责声明

报告末尾保留免责声明：本分析仅基于公开数据，按五维价值框架做研究参考，不构成任何投资建议。

免费预览（preview 路由）

preview 路由免费向用户展示五维框架目录、免费范围与价格（不触发支付）。免费能力包括：五维框架目录与评级哲学讲解、价值投资概念解释、使用方式咨询。付费能力仅为对指定公司执行"单次五维价值研判"（请求云端分析参数并输出完整报告）。

设计说明：预览展示"本工具怎么判"（五维 + 星级哲学 + 价值评分机制），但不展示精确阈值；精确星级区间与决策规则在付费后由 kernel 下发。这既让用户付费前看懂工具价值、自行判断是否值得买，也避免"买个否"的落差感——用户已知本工具给每只股票打 0–100 价值评分，绝大多数<90，仅 ≥90 才是真正金股，过程透明可预期。

五维目录（橱窗）

付费解锁的参数数据包含：

• 五维框架精确标尺：护城河六类判定证据、估值PE/分位星级区间、成长未来五年星级区间、管理层七类红旗+四高风险信号、财务健康ROE/负债/OCF·NI星级区间
• 决策模型：五维定星 + 加权合成价值评分（0–100）的完整规则与价值提示分档
• 数据三级源优先级表与数据缺失处理纪律（严禁编造）
• 完整报告输出模板（含数据来源/数据截止日期/股价/市值/财务风险标签/免责声明）
• 报告必填字段清单

报告样式（脱敏示例）

以下为报告结构占位说明，实际输出按 kernel.report_template 的字段渲染。本节仅展示报告骨架（不含任何接口调用与参数细节）：

• 标题行：「🔍 股票照妖镜·价值版 | [公司名称] [股票代码] | [市场]」
• 元信息块：分析日期 / 数据来源（披露渠道与文件名）/ 数据截止日期 / 最新股价（最近交易日收盘）/ 最新市值
• 数据完整性声明段：声明本报告所基于的财报版本与「[数据未获取]」字段清单
• 五步判定块：第一步护城河（硬门槛）→ 第二步估值 → 第三步成长（未来五年）→ 第四步管理层（硬门槛）→ 第五步财务健康（风险关注），每块按"数据 → 阈值比对 → 星级/结论"呈现（付费参数解锁后生成）
• 价值评分块：五维星级一览 + 价值评分（0–100）+ 价值提示（金股/优质/中性/偏弱）
• 五维详解块：逐维度一段"数据+逻辑"详写（护城河/估值/成长/管理层各一段；财务健康须含近2–3期 ROE/资产负债率/OCF·NI 指标表，至少含一个完整年报且含最近中报）
• 核心判断段 + 风险点段 + 估值成长备注
• ⚠️ 黑匣子原则：报告与预览均不得出现维度权重百分比、星级阈值区间、加权公式或红线数值（这些仅存在于 kernel 内部用于你计算）。你(智能体)在生成报告时，只输出各维度星级、综合价值评分与价值提示即可，专有模型细节不对外披露。
• 末尾固定声明：本分析仅基于公开数据，按五维价值框架做研究参考，不构成任何投资建议

使用示例

用户输入：

帮我用股票照妖镜判断一下贵州茅台到底值不值得买

AI 执行（X402 主链路）：

1. 付费前置检查：确认 weixinpay 插件已启用
2. 向云端入口发起 action 为 analyze 的 POST 请求（company 为贵州茅台）
3. 云端返回付费凭据：主链路收到 HTTP 402 与 WeixinPay-Required 支付凭证码（或回退为微信支付二维码），发起微信支付，等待用户确认付款（3 元/次），保存 X-Out-Trade-No 订单号
4. 支付成功后携带双请求头（WeixinPay-Required 与 X-Out-Trade-No）、请求体不变地重试 analyze 请求；若走的是二维码兜底通道，展示二维码后必须自动轮询支付结果（每 10 秒一次，最长 14 分钟），不得停下等用户告知
5. 收到 HTTP 200 且 code 为 SUCCESS：解析 content 参数配置数据（核对版本一致性）
6. 按「分析方法流程」收集茅台数据，逐维套用 kernel 规则（护城河→管理层→估值→成长→财务健康）评级，按 value_score_model 合成价值评分（0–100）与价值提示，按 report_template 输出完整报告

常见问题

本技能由明道札记开发，基于自创五维价值投资框架设计，适合希望用系统化框架做个股价值判断的个人投资者使用。支付链路基于微信支付 X402 预下单协议与 SkillHub SkillPay；单次五维价值研判 3 元/次，价格以发布页配置与 preview 接口返回为准。