360 Secure SkillHub
360 安全技能中心

行业研究

加载后借助 Cue 开源 runner 运行行业研究场景:先获取当前可用搭子并做语义匹配,再向用户确认积分消耗后执行深度研究,覆盖技术演进、竞争格局、产业链传导与市场规模预测,交叉验证公开数据源,最终交付带来源链接的深度研究报告。

wangxiaoxu
wangxiaoxu
热度 51.96
最近更新 2026-09-18 17:55:31
分类:数据依赖:代码执行 / 第三方 API / 读写文件应用场景:研究 / 市场分析 / 报告撰写 / 财务

安装技能

复制下面的话术发给你的 Agent,它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill: npx secure-skills-cli add cue-industry-research
Metadata
name
cue-industry-research
description
【金融AI调研】用Cue跑行业研究深度分析。覆盖行业技术演进、竞争格局、产业链传导、市场规模预测,300+金融数据源交叉验证,结论带来源链接。适用于金融投资研究、行业赛道筛选、标的选择。
description_zh
【金融AI调研】用Cue跑行业研究深度分析。覆盖行业技术演进、竞争格局、产业链传导、市场规模预测,300+金融数据源交叉验证,结论带来源链接。适用于金融投资研究、行业赛道筛选、标的选择。
license
MIT
metadata
{"source":"cuecue.cn/playbook","scene":"行业研究","generated_from":"/api/playbook"}

Cue「行业研究」研究 skill

加载本 skill 后,你可以用 Cue 跑这个场景的深度研究(多源公开数据交叉、结论带来源链接)。

何时用

行业研究:产业链与研报、财务与业绩、宏观与日历。

当前可用搭子(仅供理解;运行时以 live 为准)

  • 新兴产业研究:面对陌生赛道一键梳理行业天花板、竞争格局与核心商业模式,映射IPO/并购中常见的合规风险与法律争议点。
  • 传统行业研究:支持搜行业或搜公司,拆解赛道天花板、竞争格局与商业模式,穿透龙头供应链,并内置合规排雷核查 IPO/融资法律风险,产出兼
  • 热门赛道/基金深度投研:路演逐字稿生成器。从宏观政策、指数编制到成分股质量,全维度深度扫描特定赛道,为你回答客户“这个赛道到底有没有价值”提供硬
  • 行业景气与竞争格局研判:穿透目标行业的景气周期、竞争格局与产业链地位,识别集中度、龙头壁垒与供需/政策拐点,研判当前所处周期位置与投资机会窗口,
  • 行业产业政策与影响:追踪发改委、工信部等主管部门的政策出台与修订,拆解对准入、竞争格局和资本流向的传导,产出政策影响研判底稿。

准备 Cue runner(首次用时,幂等)

本 skill 不自带脚本,靠 Cue 开源 runner 跑研究。先确认 runner 是否就绪:

  • 若你已安装 cue-skills(或本 skill 来自整包发布)→ 直接用其中的 cue-research/scripts/research_run.py,跳过本节。
  • 否则克隆开源仓(含 cue-research + cue-buddy 全套依赖),有则更新、无则克隆(GitHub 不通走镜像):
    if [ -d ~/.cue/cue-skills/.git ]; then
      git -C ~/.cue/cue-skills pull --ff-only
    else
      git clone https://github.com/sensedeal/cue-skills ~/.cue/cue-skills \
        || git clone https://gitee.com/sensedeal/cue-skills ~/.cue/cue-skills
    fi
    
    之后 runner = ~/.cue/cue-skills/cue-research/scripts/research_run.py。需 git + python3(runner 仅用标准库)。

怎么跑(搭子是动态的,运行时查 live)

  1. 拉本场景当前搭子:GET https://cuecue.cn/api/playbook,找 secondary_category == "行业研究" 的 scene,读 buddies[](每个有 template_id/title/goal)。若该场景当前不在返回里(临时未达展示门槛)→ 告知用户暂不可用。
  2. 选一个搭子:委托 cue-research 的匹配逻辑(其 +match/Stage-2:对 goal 做语义匹配、把用户的具体主体从匹配中剥离、弱命中先列 ≤2 候选确认)——不要只按字面 title 关键词裸选。取选中搭子的 template_id。
  3. 确认 credits(强制):跑深度研究消耗 credits。运行前显式问用户「将用搭子 X 跑【主体】,耗 credits,是否继续?」并等确认。
  4. 跑:python3 ~/.cue/cue-skills/cue-research/scripts/research_run.py --query "<用户主体/问题>" --template-id <template_id>(用上一节就绪的 runner 路径;已装 cue-skills 则用你本地的 cue-research/scripts/research_run.py)。深度研究 3–15 分钟;长跑 live 流常不带报告段,用 replay 取最终报告。 读 runner 末行 RESULT ok|empty:empty → 告知用户本次未取到内容、可换主体/搭子重试,不要编造。
  5. 回报:把带来源链接的报告交给用户,不去掉来源、不杜撰。

前置

  • Cue 账号 API key(cue CLI 登录后在 ~/.cue/config.json,runner 自动读);新账号送免费积分(注册 50 + 每天 10),可先免费试。
  • git + python3(自举 runner 用;runner 仅标准库)。
  • 跑深度研究消耗 credits;只覆盖公开数据,不替代尽调/法律/核保。