lyra81604/zhengxi-views

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。

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：

下面是 skill 的真实输出（稍作精简）。

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。

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

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。

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

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。）

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：

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 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。

⚠️ = 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/。

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。

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。

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。

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。

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。

• 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（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。

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。

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。

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"。

感谢 AtomGit 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。

MIT