前言¶

给 A 股个股写深度研报，常见做法是让模型自由发挥：章节想写多少写多少，图表样式各节不一，缺数据的地方用描述性语言兜过去。改两轮之后，上一版能过审的版式在下一只股票上就丢了。T-DIVS 报告这个 Skill 想解决的就是这个问题——把研报的章节骨架、图表规范、配色纪律、数据诚实口径全部固化进一套流程，让任意股票都能产出同一质量基线的单文件 HTML 报告。它由社区开发者 user_7f0ed823 发布在 SkillHub（community 来源，data-analysis 分类），当前发行版 1.0.12，页面评分 100000、下载 1128 次。

这是什么¶

一句话定位：输入一只 A 股个股，输出一份深色主题、单文件 HTML 的深度分析报告，基于 T-DIVS 整合框架，数据来自 Tushare / westock 真实接口实测，而不是模型凭记忆生成。报告固定 10 节模板、统一内联尺寸的图表、注脚必须解释图表并加重点色、缺数只标注不臆测，内置结构校验脚本，全部门禁通过方可交付。适用于写个股深度研报、八维 + T-DIVS 框架分析、量化估值建模、亏损股 PB/NAV 重建等场景。标签 requires_api_key=true，意味着需要有效的数据接口密钥。

核心功能¶

T-DIVS 框架的四个组成部分¶

报告的质量基线由四层构成，缺一层就会出现口径漂移：

1. 八维 0–8 制评分：壁垒、错杀、资金、益价、基本面、政策、大宗、量能真实性/庄股排除，克隆标杆骨架后这八维是固定口径。
2. V4 量化估值层：PE×EPS 等估值范式、估值锚（中性档价、高于中性档%、锚 EPS、PE 档四个数）必须跨节口径单一。
3. V5 定价范式扩展层：定价范式三态判定、增长归因、筹码结构、催化日历、相对强弱五个维度。
4. 三支柱联锁 + 四共振触发：估值、资金、基本面之间互相印证，不单点下结论。

固定 10 节模板与统一版式¶

章节骨架固定，每节有明确的标题位和图表槽位。图表统一内联尺寸，SVG 宽度按 420/560/640 三档（门禁放宽为三档 + 440 兼容）。版式纪律细化到：注脚必须是「解释图表」的三层结构（结论行 → 要点 → 依据）、语义配色只标重点词语（不超过 2 组关键词）、语义按「对持有者是否有利」判定。配色层是独立文件 css-semantic-layer.css，A 股红涨绿跌口径：利好红 #ff7b72、利空绿 #3fb950、待观察黄、标题统一蓝 #58a6ff；文字语义色另有一套 .cr/.cg/.cy，图标字形必须与同段文字同色。

数据诚实口径¶

缺数只标注不臆测，禁止为凑版式填虚构数字；「折价」统一归利空（绿 .cg），不论估值折价还是大宗折价一律不得标红。单票报告不做跨票横向对比，「对比某票、硬锚 vs 一致预期差 X%」类句子必须泛化。

交付门禁：五道关连续全过¶

这是这套 Skill 区别于普通提示词模板的核心。生成报告的交付链是：

分片骨架比对 → preflight 预检 → validate_structure(24项) →
密度 + 克隆签名 + 体例 → SVG 槽位角色 → verify_report(残留)

每一步的作用：

1. 分片骨架比对（check_frag_parity.py）：逐分片比对容器标签序列，把问题前移到写作阶段。
2. preflight 预检（scripts/preflight_source_check.py）：构建前扫 P1–P13，包括旧色残留、禁用 emoji、标题内联色、资料库 nodeid 噪声、script 标签、「折价」错色、viewBox 越界、克隆源指纹等，把「构建 → 校验 → 定位 → 改 → 重建」的周期缩短为一次扫描。
3. validate_structure（24 项）：结构合法性与估值口径联锁自洽，含配色纪律六查。
4. 密度对齐 + 克隆签名 + 体例对齐（check_density_parity.py）：h2/h3/h4/table/svg 与标杆天齐 v100（10 h2 / 31 h3 / 6 h4 / 26 表 / 9 SVG）逐项比对，任一低于 80% 禁止交付；viewBox 集合与章节 id 序列须与标杆一致；style 块数、card/ul/li/p 的体例指标须对齐。
5. SVG 槽位角色对齐（check_svg_slot_parity.py）：逐槽位校验 9 张图是不是「该图形的那个图形」，而非只看计数。

任一关 FAIL 即回炉，严禁带 FAIL 入库。这套防线是多次事故逐次固化的：德业 v100 元素计数全对但渲染高度只有标杆 69%，催生密度门禁；高德红外 v3 四关全绿但 3 张图槽位错位，催生第 5 道门禁；新锐股份 v100 五关全绿但体例退化成段落体，催生体例判据；新宙邦案例发现分片比对器的静默跳过会造假绿，随即加固。

克隆手术与发布包纪律¶

以标杆样本为底稿做克隆时，固化了「克隆手术残留四查」（查重复章节头、查重复 HTML id、查底稿残留关键词、查颜色联动）和「样式对齐复验」五要素。发布包用 scripts/pack_release.py 打包：自动排除平台托管的 _icon.png 和 .DS_Store/pycache 等文件，根目录平铺，用 Python zipfile 写 UTF-8 文件名标志避免中文名乱码。

安装与启用¶

SkillHub 页面没有提供单一安装命令，按 SkillHub 生态的通用方式获取：在 SkillHub 页面（https://www.skillhub.cn/skills/user_7f0ed823/stockdivsreport）将 Skill 安装到你的 Agent 环境后，在对话中按坐标调用即可。官方地址：https://api.skillhub.cn/user_7f0ed823/stockdivsreport。

启用前必须准备好数据接口：标签 requires_api_key=true，数据来自 Tushare / westock 真实接口，因此需要在环境里配置对应的 API Key。未配置密钥时报告无法取得实测数据。

典型用法¶

用户给出指令后，Skill 的典型工作流是分片写作 + 底稿拼装 + 五关校验。可直接复现的指令形态（来自 Skill 迭代记录中的真实用户指令）：

• 「写一份 XX 股票的深度分析/研报，按 T-DIVS 框架出个股报告」
• 「按天齐锂业的格式、数据维度改吧」——以标杆样本为版式基准克隆到新股票
• 「保持和天齐一致」——触发克隆签名、槽位角色、体例三判据的对齐校验

产出的 HTML 是单文件深色主题报告，可直接在浏览器打开或上传资料库。发布到资料库前还会执行 check_lib_dup 查重，命中即覆盖对应节点。

适用场景与注意¶

适合：需要批量产出格式统一、数据可追溯的 A 股个股深度研报；需要量化估值建模或亏损股 PB/NAV 重建；要求报告可被机器校验、可复现同版式的场景。

注意三点：

1. 五道门禁只保证结构与口径合法，不保证内容厚度和投资结论正确，交付前仍需人工复核数据本身。
2. 配色语义有明确纪律（标题、子标题、表头避开三色，图标字形与文字同色），手工改 HTML 时容易破坏，修改后必须重跑门禁而非只看一项。
3. 克隆必须走「分片 + 底稿拼装」架构，禁止另写独立生成器直接吐 HTML——门禁全绿不等于版式与标杆同源。

结尾¶

这个 Skill 的价值不在研报内容本身，而在把研报的版式纪律、数据口径和校验门禁变成了可执行的工程流程：任意股票复现同一质量基线。如果你也在做个股研报的自动化产出，可以从官方地址获取后，用天齐锂业的标杆样本先跑一遍完整链路。官方地址：https://api.skillhub.cn/user_7f0ed823/stockdivsreport。输出为研究分析工具，不构成投资建议。