看到 AI 半导体、机器人、CPO、算力、电力设备、创新药这些热点，很多人能感受到热度，却很难判断该看哪条产业链、哪类公司、哪只股票、哪个基金方向。

Serenity.skill 把 Serenity / @aleabitoreddit 公开内容中可观察到的投研路径做成 Agent Skill。它会从热点出发，拆产业链，找供应链瓶颈，筛候选公司和基金方向，再检查公告、财报、客户、产能和风险，最后整理成一份优先研究清单。

它的工作方式很简单：先把热点拆开，看真实需求在哪里，再看哪个环节更难扩产、更难替代，最后回到股票和基金方向，判断哪些线索更值得继续深挖。

它适合面对热点信息流、希望建立系统筛选流程的投资者：让 AI 先完成第一轮深度研究，把模糊热度变成有逻辑、有证据、有风险边界的研究方向。

Research support only. Serenity.skill 负责研究、排序和推理；最终买卖决策由你自己决定。

为什么是 Serenity 式方法

Serenity / @aleabitoreddit 在公开内容中长期围绕 AI、半导体、光通信、机器人等科技主题做供应链研究。他的核心思路很清楚：大行情里真正有价值的机会，常常藏在系统扩张时最难绕开的关键环节。

Serenity.skill 复用的是这套公开方法论中的研究路径：

• 从大热点开始，先看真实需求来自哪里。
• 把主题拆成下游需求、系统集成、芯片/器件、设备、材料、封测、基础设施。
• 找低供应商数量、长验证周期、扩产困难、客户认证严格、材料纯度要求高的环节。
• 再回到股票和基金方向，判断谁更靠近真实瓶颈，谁主要只是蹭主题。
• 最后检查公告、财报、问询函、订单、产能、客户和风险，给出优先研究排序。

这个仓库做的是公开资料研究工具。它吸收 Serenity 式研究的结构化思路，同时要求所有公司判断回到公告、交易所文件、财报、电话会、监管/项目文件、专利、标准、可信媒体和专业分析。

它能帮你做什么

直接复制这个 Prompt

用 serenity-skill 深度调研现在 A 股 AI 半导体产业链。
请联网查公告、财报、问询函、互动易、招投标、环评/能评、专利、客户认证和财务质量，
先排产业链层级，再找 5 个最值得优先研究的标的，
并说明卡住的环节、产业链位置、证据、排序理由和主要风险。

用 serenity-skill 帮我研究最近机器人方向。
先拆产业链，再判断哪些环节更接近真实供需瓶颈，
最后给出股票和基金方向的优先研究清单。

用 serenity-skill 挑战 [公司/股票代码]。
它到底卡在哪一层？证据够不够？市场可能高估了什么？
什么情况说明这个判断应该降级？

更多可复制模板见 assets/research-prompt-pack.md。

输出长什么样

我会先看 [方向 A]，再看 [方向 B] 和 [方向 C]。

如果你想找股票线索，我会优先研究这几家公司：

1. [公司 A]：最接近 [关键瓶颈环节]，上涨逻辑来自 [需求增长/产能紧张/客户验证/国产替代]。
2. [公司 B]：处在 [产业链位置]，适合跟踪 [订单/毛利率/产能利用率]。
3. [公司 C]：弹性更大，但需要确认 [核心风险或缺失证据]。

如果你更想买基金或 ETF，我会先看暴露在 [细分方向 A] 和 [细分方向 B] 的产品，
再检查它们的前十大持仓里有没有 [公司 A]、[公司 B] 这类真正靠近瓶颈的公司。

我会暂时降低 [热门方向 X] 的优先级，因为它的故事很热，但现在还缺 [订单证据/利润兑现/客户认证]。

下一步先查三件事：
1. [公司 A] 最新财报里 [关键业务] 的收入和毛利率有没有变化。
2. [公司 B] 有没有新的客户认证、订单或扩产公告。
3. [相关基金/ETF] 的持仓是不是集中在真正受益的环节。

完整示例：

• A 股 AI 半导体扫描
• AI 基建瓶颈研究
• 研究伙伴式对话

安装

Codex / OpenAI Agent Skills / 通用 Agent Skills 客户端

用户级安装：

SKILL_DIR="$HOME/.agents/skills/serenity-skill"
mkdir -p "$SKILL_DIR"
cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/

项目级安装：

SKILL_DIR=".agents/skills/serenity-skill"
mkdir -p "$SKILL_DIR"
cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/

Claude Code

用户级安装：

SKILL_DIR="$HOME/.claude/skills/serenity-skill"
mkdir -p "$SKILL_DIR"
cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/

项目级安装：

SKILL_DIR=".claude/skills/serenity-skill"
mkdir -p "$SKILL_DIR"
cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/

Hermes Agent

SKILL_DIR="$HOME/.hermes/skills/research/serenity-skill"
mkdir -p "$SKILL_DIR"
cp -R SKILL.md LICENSE references assets scripts examples agents "$SKILL_DIR"/

OpenClaw / 其他 AgentSkills-compatible 客户端

把 SKILL.md、LICENSE、references/、assets/、scripts/、examples/、agents/ 放进对应客户端的 serenity-skill/ 目录即可。README 和项目维护文档只用于 GitHub 展示，不需要安装到运行目录。

本地瓶颈打分

生成模板：

python scripts/serenity_scorecard.py --template > my-company.json

运行评分：

python scripts/serenity_scorecard.py --format md my-company.json

校验 Skill：

python scripts/validate_skill.py .

仓库结构

serenity-skill/
├── SKILL.md
├── README.md
├── README.en.md
├── README.zh-CN.md
├── references/
│   ├── deep-research-workflow.md
│   ├── evidence-ladder.md
│   ├── market-source-playbook.md
│   ├── public-profile-and-evaluation.md
│   └── risk-and-compliance.md
├── assets/
│   ├── bottleneck-scorecard.json
│   ├── research-prompt-pack.md
│   └── thesis-template.md
├── scripts/
│   ├── serenity_scorecard.py
│   └── validate_skill.py
├── examples/
│   ├── a-share-ai-semiconductor-demo.md
│   ├── ai-infrastructure-chokepoint-demo.md
│   └── demo-conversation.md
└── evals/
    └── test-cases.md

研究边界

Serenity.skill 是独立的公开方法论项目，灵感来自 Serenity / @aleabitoreddit 公开内容中可观察到的研究范式。它帮助做研究、排序和推理，功能范围限于研究辅助。

它提供研究优先级、证据链、风险核验和下一步检查清单。交易执行、账户操作、收益承诺和最终买卖判断始终由用户自己控制。

强结论应以公告、交易所文件、财报、电话会、监管/项目文件、专利、标准、可信媒体和专业分析为依据。社交媒体内容适合作为线索来源，最终判断要回到更强证据。

License

MIT