Codex adapter note

This skill is generated from skills/news-pulse.md so Claude Code and Codex users share one canonical workflow.

• Treat $ARGUMENTS as the user's request in the current Codex thread.
• When the source mentions Claude-only surfaces such as Task, Agent, WebSearch, Bash, Read, or Write, use the closest Codex capability available in this session: subagents when available, web search when needed, shell commands for local tools, and normal file edits for workspace files.
• Use shared project tools from tools/ in this repository. Prefer running commands from the repository root with paths like python3 tools/financial_rigor.py ...; if the current thread starts outside the repo, locate the actual checkout path first instead of assuming a fixed home-directory path.
• Before starting research, run the date command to confirm today's date; treat it as the baseline for "latest" data and state the data cutoff date in the report header. Never assume the current date from training data.
• Preserve the research quality rules from AGENTS.md: cross-check financial data, use exact arithmetic tools for valuation/math, and clearly label uncertainty and source gaps.

公司新闻脉搏：股价异动快速归因团队

对 $ARGUMENTS 进行最近新闻侦察与异动归因。这不是深度投研，是情报快速响应——目标是 10 分钟内回答："这家公司最近发生了什么？股价异动的真因是什么？要不要重审投资论文？"

适用场景

• 持仓/关注股票股价大涨/大跌（一般触发线：单日 ±5%、一周 ±10%）
• 财报后股价异动，想快速搞清市场在反应什么
• 看到新闻标题，但不确定是噪音还是真信号
• 不适用：完整投研（用 /investment-team）、财报深读（用 /earnings-review）、长期论文跟踪（用 /thesis-tracker）

执行流程

第一步：确认参数与场景

向用户澄清以下信息（如未在 $ARGUMENTS 中提供）：

如果用户只说了公司名，先反问："最近多少天的新闻？有具体的股价异动要解释吗？"——不要默默假设。

第二步：信息可得性分级

参考 investment-team.md 的 A/B/C 评级，但维度不同：

将评级告知每个 Agent，影响其侦察方式。

第三步：创建团队

使用 TeamCreate 创建团队：

• team_name: {公司名}-newspulse（英文小写，如 pdd-newspulse）
• agent_type: team-lead

第四步：创建 4 个侦察任务

使用 TaskCreate 创建以下 4 个任务：

任务 1：公司事件侦察（company-event-scout）

• subject: 侦察 {公司名} 近 {N} 天的公司本体事件
• description:
  1. 官方公告：港交所/SEC/巨潮 等监管披露平台最近披露
  2. 财报与业绩指引：最新季报/年报、业绩预告、业绩会要点
  3. 管理层动作：高管变动、增减持、回购、分红、股权激励
  4. 重大业务事件：新产品发布、并购重组、业务剥离、大客户/大订单
  5. 资本运作：再融资、可转债、ADR 转换、回 A/退市动议
  6. 诉讼与合规：被起诉、自行披露的合规事件
  7. 每条事件标注：日期 / 来源链接 / 一句话摘要 / 与股价异动可能相关性（高/中/低）
  8. 输出按时间倒序的时间线表格

任务 2：监管与政策（regulatory-watcher）

• subject: 侦察 {行业/公司} 近 {N} 天的监管与政策变化
• description:
  1. 行业监管：所在行业的新规、罚款、整改、牌照变化
  2. 跨境政策：中美关系（中概股）、关税、出口管制、数据安全
  3. 税收政策：增值税、企业所得税、个税相关变化
  4. 反垄断与竞争法：调查、罚款、并购否决
  5. 特殊行业政策：医药集采、教育双减、地产三道红线、互联网平台规制等
  6. 货币与外汇：影响该公司的汇率/利率/资本管制变化
  7. 每条政策标注：日期 / 来源 / 直接影响该公司的程度（直接/间接/无关）
  8. 重点判断：是否有"政策黑天鹅"刚刚落地

任务 3：行业与竞争对手（industry-peer-analyst）

• subject: 侦察 {公司名} 行业格局与对手近 {N} 天的动态
• description:
  1. 直接对手：列出 3-5 个核心竞争对手，逐个查最近事件（财报、产品、价格战、人事）
  2. 产业链上下游：上游原材料/供应商、下游客户/渠道，最近的价格、产能、订单变化
  3. 行业整体：行业景气度数据、出货量、需求侧信号（消费数据、招标数据等）
  4. 替代品威胁：新技术、新业态对该行业的冲击
  5. 行业指数表现：同行业股票最近表现，该公司是跑赢/跑输/同步
  6. 关键判断：这是公司个体事件，还是整个行业的 beta 波动？
  7. 每条事件标注来源和日期

任务 4：市场情绪与卖方/大V（sentiment-tracker）

• subject: 侦察 {公司名} 近 {N} 天的市场情绪与机构观点变化
• description:
  1. 卖方评级变动：高盛、摩根、中金等最近的评级/目标价调整
  2. 机构持仓变化：13F 披露（美股）、港股通持仓、北上资金流向
  3. 做空数据：做空比例、新发布的做空报告（如有）
  4. 大 V 观点：可调用 python3 tools/xueqiu_scraper.py 抓段永平等大 V 最近相关发言
     • 段永平 user_id: 1247347556
     • 命令示例：python3 tools/xueqiu_scraper.py --user-id 1247347556 --keywords {公司名},{股票代码} --output /tmp/dyp-{公司名}.md
     • 仅在该公司是段永平/李录关注标的时调用，否则跳过节省时间
  5. 传言与小作文：媒体未证实的传言、社交媒体讨论热点（雪球/X/Reddit）
  6. 技术面信号：是否触及关键支撑/阻力、是否有大宗交易、融资融券异常
  7. 关键判断：是基本面驱动还是情绪/资金面驱动？

第五步：并行启动 4 个 Agent

必须在同一条消息中并行调用 4 次 Task 工具。每个 Agent 配置：

• subagent_type: general-purpose
• run_in_background: true
• team_name: {公司名}-newspulse
• name: 对应角色名（company-event-scout / regulatory-watcher / industry-peer-analyst / sentiment-tracker）

每个 Agent 的 prompt 模板：

你是 {公司名} 新闻脉搏团队中的"{角色中文名}"，负责侦察 {侦察维度} 维度的最近 {N} 天事件。

时间窗口：{起始日期} ~ {今日日期}
股价异动背景：{用户提供的异动信息，无则写"无特定异动，常规体检"}
信息可得性等级：{A/B/C}

请完成任务 #{任务编号}：{任务subject}

具体侦察要求：
{任务description的内容}

**侦察方法**：
- 优先使用 WebSearch 搜索时效性查询（关键词加日期或"最近"、"latest"、"2026"）
- 关键事件用 WebFetch 精读原始来源（公告原文、财报、监管文件）
- 对每个事件做"独立信源验证"——传言至少要 2 个独立来源
- **不要被标题党误导**：标题与正文不符的事件要标注"标题误导"

**输出格式（重要）**：
1. **核心发现**：3-5 条最关键的事件，每条 1-2 句话
2. **完整事件时间线表格**（按日期倒序）：
   | 日期 | 事件 | 来源 | 与股价异动相关性 | 持续性 |
3. **本维度归因结论**：基于侦察到的事件，回答"这个维度能否解释股价异动？置信度多少？"
4. **数据缺口声明**：哪些信息没找到、哪些有疑点、哪些需要等更多信息
5. 严格区分"事实"与"推测"，遵循 CLAUDE.md 客观性原则

**完成后**：
1. 使用 TaskUpdate 将任务标记为 completed
2. 通过 SendMessage 把完整侦察报告发送给 team-lead（type: "message", recipient: "team-lead"）

第六步：实时跟踪进度

• 每收到一份侦察报告，向用户展示该维度的 3 条核心发现
• 等待全部 4 份到齐
• 全部到齐后，通过 SendMessage 向 4 个 Agent 发送 shutdown_request

第七步：team-lead 综合归因

汇总 4 份侦察报告，输出异动归因报告（不是研究报告，重点是"判断"）：

1. 一句话归因

用一段话（30-60 字）说明：这次股价异动的主因 + 次因 + 性质判断（价值事件/情绪波动/不明）

2. 完整事件时间线（合并 4 个维度）

按日期倒序，合并所有维度的事件：

权重图例：🔴 高（足以单独解释异动）/ 🟡 中（贡献一部分）/ ⚪ 低（背景噪音）

3. 异动归因表

4. 性质判断（核心结论）

打勾其一：

• 价值事件：基本面发生了真实变化（业绩、护城河、管理层、终局），需要重审投资论文
• 情绪/技术波动：基本面无变化，是资金面/情绪/Beta 驱动，可视为机会或噪音
• 真因不明：找不到能匹配股价异动幅度的事件——这是最危险的结论，要么是市场提前知道了什么（内幕/抢跑），要么是我们漏掉了信息源
• 混合：部分价值事件 + 部分情绪放大

5. 各维度侦察摘要

每维度 3-5 条最重要发现 + 该维度归因贡献度。

6. 行动建议

7. 接下来 7-30 天的跟踪清单

• 待披露事件 1（如：5/15 业绩会）
• 待跟踪指标 2
• 关键观察信号 3

8. 信息缺口声明

诚实列出本次侦察没能解决的疑点、找不到的信息、需要等更多披露的事项。宁可标"不确定"，也不用推测填满。

第八步：保存报告

写入 reports/{公司名}/{公司名}-news-{YYYYMMDD}.md。如果 reports/{公司名}/ 目录不存在则创建（说明该公司还没建过任何研究报告）。

第九步：清理团队

使用 TeamDelete 清理团队资源。

关键原则

1. 快胜过全——这个 skill 的核心价值是 10-15 分钟内给出归因判断，不要陷入深度分析（那是其他 skill 的职责）
2. 归因优先于罗列——发现事件不难，难的是判断"哪个事件配得上这次股价异动"。要做减法，不要做加法
3. 诚实面对"不明"——找不到主因时，明确写"真因不明"。这比硬凑因果链更有价值（市场可能在抢跑利空消息）
4. 不预设立场——不要因为持仓就倾向于"这是情绪波动，没事"。证据指向哪边就写哪边
5. 区分"催化剂"和"巧合"——同一时间发生的事件不一定是异动主因，要看影响量级是否匹配
6. 尊重信息可得性——C 级公司可能就是查不到任何新闻，这个结论本身就要写出来
7. 遵循 CLAUDE.md 客观性原则——所有判断附数据来源，区分事实与观点
8. 不替用户做决策——给出归因和行动建议清单，但买卖决策由用户做