最近，围绕 X 上投资研究账号 Serenity（@aleabitoreddit）的一批开源 AI Agent Skill 开始被集中讨论。
这些项目做的事情不是给出“买入卖出信号”，而是把 Serenity 公开内容里反复出现的投研路径，整理成可以放进 Claude、Codex、Cursor 等 Agent 工具里的工作流：先拆产业链，再找真正难扩产、难替代、供应商少的关键瓶颈，过滤掉单纯蹭热点的公司，最后回到财报、公告、客户、产能、订单和风险验证。
这类工具真正有意思的地方，是让 AI 不只是总结新闻，而是按一套固定研究框架反复追问：需求是不是真的？卡点在哪里？扩产壁垒多高？认证周期多长？公司收入是否已经体现？当前估值是不是已经 price in？
为什么 Serenity 式投研适合做成 Agent Skill？
Serenity 方法的核心，不是追逐最热的概念，而是寻找热潮背后真正“卡脖子”的物理环节。
比如 AI、半导体、光通信、机器人、电力设备、创新药这些方向，市场经常先炒大叙事，但真正的超额线索往往藏在更上游、更小、更难替代的环节：材料、设备、器件、封测、客户认证、产能爬坡、供应商数量、交付周期。
这正好适合交给 AI Agent 做第一轮筛查。因为 AI 的优势不是拍脑袋推荐股票，而是高吞吐地整理信息、按框架追问、把散乱材料变成研究清单。
目前值得看的 5 个开源项目
1. muxuuu/serenity-skill：主打 Chokepoint 第一轮拆解
项目地址：https://github.com/muxuuu/serenity-skill
这个项目把 Serenity 式研究路径做成一个比较标准的 Agent Skill。README 里明确写到，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。
它最适合用来做第一轮产业链拆解：先不要急着问“买哪只”，而是先问“这个主题里哪个环节最难扩产、最难替代、供应商最少”。
2. wbh604/UZI-Skill：多框架股票分析引擎
项目地址：https://github.com/wbh604/UZI-Skill
UZI-Skill 不是单纯 Serenity 方法复刻，而是一个更大的股票分析 Skill。项目介绍里写到，它融合了多位投资人物方法、22 维数据、180 条量化规则和 17 种机构分析方法，覆盖 A 股、港股、美股。
它更像是一个“全市场深度分析框架”，适合已经有具体股票代码时，让 Agent 做快速扫描、深度报告、估值、风险检查和多维评分。对于想把 Serenity 的卡点思路和更传统的财务/估值/交易数据结合起来的人，这类项目更实用。
3. lanfuli/aleabito-serenity-skills：追踪 Serenity 注意力流向
项目地址：https://github.com/lanfuli/aleabito-serenity-skills
这个项目更偏“数据层 + 方法层 + 雷达层”。README 中说明，它基于 Serenity 公开归档内容，覆盖约 11 个月、6120 条帖子、750 个 ticker，并拆成 follow-aleabito、serenity-method、serenity-radar 三类技能。
它的价值不只是“像 Serenity 一样分析”，还包括观察她的注意力变化：哪些 ticker 最近升温，哪些主题在轮动，哪些方向可能进入研究视野。适合想长期跟踪研究矩阵、主题轮动和注意力迁移的人。
4. haskaomni/serenity：SQLite + Dashboard + 单票信号分
项目地址：https://github.com/haskaomni/serenity
这个项目的方向更工程化。它会从 X GraphQL 请求中解析 @aleabitoreddit 的帖子、回复和订阅内容，抽取股票符号，写入本地 SQLite，并用 Yahoo chart 接口下载价格数据，生成 Serenity Signal Dashboard。
仓库里还内置了一个 Codex Skill，可以基于本地 Serenity SQLite 快照，对单个 ticker 输出 0-100 的 Serenity 语料信号分。它适合想把投研线索沉淀成本地数据库、长期做跟踪和可视化的人。
5. W-Y-P/Serenity-aleabitoreddit-skill：结构清晰的通用 Chokepoint Skill
项目地址：https://github.com/W-Y-P/Serenity-aleabitoreddit-skill
这个项目的 SKILL.md 结构很清晰，定位是 Serenity Chokepoint Investing。它强调用供应链卡点思维分析股票：稀缺物理瓶颈、小型垄断或双寡头节点、催化剂节奏、估值错配和风险控制。
它的边界也写得比较明确：社交媒体内容只能作为线索，不是证据；不能直接输出买卖指令；需要检查当前价格、财报、公告、会议纪要、稀释、做空和流动性风险。这点很重要。
真正值得学的是 6 个问题
这些 Skill 本质上不是“神奇荐股插件”，而是一套逼你反复追问的研究框架。比较有用的问题包括：
- 刚需性：下游需求是真增长，还是单纯叙事？
- 扩产壁垒：产能为什么不能快速复制？设备、材料、工艺、资金还是人才卡住？
- 认证时间差：客户验证和导入周期有多长？新进入者能不能绕过？
- 垄断度：供应商数量到底有多少？公司是真的稀缺，还是宣传稀缺？
- 财报验证：收入、毛利率、订单、产能利用率有没有体现？
- Price-in：市场是不是已经把好消息提前计入估值？
如果 AI Agent 能稳定按这 6 个问题工作，它就不是简单的信息搬运工，而是一个研究流程执行器。
使用这类 Skill 时要注意什么？
第一，社交媒体内容只能当线索，不能当事实。尤其是小盘股、热门主题、流动性较差标的，信息传播本身就可能影响价格。
第二，Skill 输出的是研究清单，不是交易结论。真正要下判断，还必须回到公司公告、财报、监管文件、客户验证、产能数据、订单和估值。
第三，AI 很容易把“逻辑链”写得很好看，但证据可能不足。最重要的不是让它写一篇漂亮报告，而是让它列出证据缺口、反例和失效条件。
第四，DYOR。任何自动化研究工具都不应该替代自己的风险承受能力、仓位管理和独立判断。
结语
Serenity 相关 Skill 的爆火，说明 AI 投研正在从“帮我总结一家公司”进入到“帮我执行一套研究方法”的阶段。
它真正的价值不是告诉你买什么，而是把一个模糊热点拆成产业链、瓶颈、证据、风险和跟踪清单。对于普通投资者来说，这已经比刷碎片化消息强很多。
但边界也要说清楚：Skill 是研究工具，不是买卖信号；Agent 是信息吞吐和框架执行器，不是承担亏损的人。
以上内容仅为开源工具分享和研究方法讨论，不构成任何投资建议。
发表回复