第一性原理分析与问题解决 v3.1。三大核心能力:拆解、分析、解决问题。内置反思、知识蒸馏与跨技能集成。适用于企业诊断、财务分析、战略规划、投资研究。
第一性原理分析师
功能概述
第一性原理分析师是一项面向实际任务的技能,主要用于第一性原理分析 = 拆到基本真理 → 重新构建 → 交叉验证 → 持续记忆;🚀 快速指南(5分钟上手);
核心要点
- 从哪里开始;
- 企业/财务分析;
- Step 1 → 拆解财务数据;
使用与执行
references/financial-valuation.md;行业/竞争研究;Step 1 → 五层行业拆解;references/industry-analysis.md;投资/机遇评估。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
结果检查与注意事项
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
第一性原理分析师
核心原则
第一性原理分析 = 拆到基本真理 → 重新构建 → 交叉验证 → 持续记忆
🚀 快速指南(5分钟上手)
| 场景 | 从哪里开始 | 参考文件 |
|---|---|---|
| 企业/财务分析 | Step 1 → 拆解财务数据 | references/financial-valuation.md |
| 行业/竞争研究 | Step 1 → 五层行业拆解 | references/industry-analysis.md |
| 投资/机遇评估 | Step 1 → 四类机遇诊断 | references/opportunity-challenge.md |
| 战略/问题解决 | Step 1 → 问题定义 → Step 4 方案生成 | references/problem-solving.md |
💡 首次使用: 确保
memory/目录存在(技能目录下),然后直接从 Step 1 开始。
🔌 数据获取策略(跨技能集成)
第一性原理分析需要真实数据作为根基。按以下优先级获取数据:
推荐数据来源
| 需求 | 推荐技能/工具 | 用途 |
|---|---|---|
| 实时行情/日K线 | eastmoney-stock-v2 或 akshare-stock |
价格数据、量价关系 |
| 财务报表(三表) | neodata-financial-search 或 ifind-mcp |
利润表/资产负债表/现金流量表 |
| 基本面深度研究 | stock-research-engine 或 tradingagents-analysis |
管理层评估、业务拆解、催化剂 |
| 市场情绪/资金流向 | aj-stock-analysis |
主力资金、北向资金 |
| 行业/板块数据 | eastmoney-stock-v2 |
板块轮动、行业对比 |
| 宏观数据 | neodata-financial-search 或 ifind-mcp |
GDP、利率、CPI等 |
数据获取优先级(三级降级)
1️⃣ 东方财富/同花顺 API → 最全,优先使用 2️⃣ 新浪财经/百度财经 → 降级备选 3️⃣ neodata/ifind-mcp → 备用通道
无数据时的替代方案
- 使用
deconstruct命令做纯逻辑拆解 - 基于公开行业均值做合理假设(标注"假设")
- 在 Step 5 中用敏感性分析检验假设变化的影响
使用工作流(八步法,严格按顺序执行)
Step 0:加载记忆系统
1. 检查 memory/ 目录(位置:工作空间 .workbuddy/skills/first-principles-analyst/memory/ 下) 2. 读取 self-improvement.md(上次改进点,避免重复犯错) 3. 读取 knowledge-base.md(历史知识库) 4. 读取 user-preferences.md(用户偏好)
Step 1:定义与解构
将问题拆到不可再分的基本单元。
需要时读取:
- 财务/估值分析 →
references/financial-valuation.md - 行业/竞争分析 →
references/industry-analysis.md - 机遇/困境分析 →
references/opportunity-challenge.md - 方法论基础 →
references/methodology.md
Step 2:基本原理分析
Socratic追问法 → 每个单元至少追问5次"为什么"
同时使用 逻辑链分析 和 矛盾检测(详见 references/methodology.md)
Step 3:深度分析(v3.0 新增)
1. 逻辑链分析:绘制因果链 → 寻找断裂点和跳层 2. 假设驱动:先设定可证伪的假设 → 再验证 3. 矛盾检测:找出分析中的矛盾信号 → 追溯来源 4. 多视角交叉:至少从股东/客户/员工三个视角审视
Step 4:重新构建 → 方案生成(v3.0 升级)
基于第一性真理重建框架后,进入问题解决模式:
1. 方案生成:四象限矩阵(消除根因/绕过约束/改进/创新) 2. 方案筛选:3×3 影响-周期矩阵 3. 方案强度评估:效果×可行性×可持续性 4. 决策:加权评分矩阵 + 情景规划
详见 references/problem-solving.md
Step 5:量化计算与交叉验证
有计算需求时使用脚本工具:
# 估值类 python scripts/first-principles-analyzer.py dcf[years] — DCF估值 python scripts/first-principles-analyzer.py dcf-sensitivity [years] — DCF敏感性矩阵 python scripts/first-principles-analyzer.py wacc — WACC计算 python scripts/first-principles-analyzer.py cross-check — PE/DCF交叉验证 python scripts/first-principles-analyzer.py sotp <净债务> <折价> <业务1> <估值1> <方法1> ... — SOTP分部估值 # 财务分析 python scripts/first-principles-analyzer.py dupont — 杜邦分析 python scripts/first-principles-analyzer.py ccc — 现金转化周期 python scripts/first-principles-analyzer.py zscore — Altman Z-Score python scripts/first-principles-analyzer.py fcf-yield — FCF收益率 python scripts/first-principles-analyzer.py health-score — 健康评分 # 机遇评分 python scripts/first-principles-analyzer.py opp-score — 机遇评分 # 引导命令(生成分析框架) python scripts/first-principles-analyzer.py deconstruct — 拆解引导(MECE/问题树) python scripts/first-principles-analyzer.py solve — 问题解决引导 python scripts/first-principles-analyzer.py reflect — 反思引导 python scripts/first-principles-analyzer.py distill — 知识蒸馏引导 python scripts/first-principles-analyzer.py version — 显示版本信息
Step 6:知识蒸馏与记录(强制性)
确认本次发现的可复用知识并沉淀入库。
1. 运行 python scripts/first-principles-analyzer.py distill 获取蒸馏引导 2. 检查五个蒸馏问题: □ 本次分析发现了什么行业规律?是否是通用的? □ 有什么财务特征或陷阱值得记录? □ 分析中有没有可以复用的方法论? □ 有没有被数据推翻的常见误解? □ 用户有没有教授你新的知识? 3. 如果有新发现 → 创建 KBE 条目追加到 memory/knowledge-base.md 4. 无论是否有新发现 → 写入分析记录: ├── 追加 memory/case-library.md(案例摘要) ├── 如发现错误/用户纠正 → 更新 memory/self-improvement.md └── 如发现重复模式 → 更新 memory/patterns.md 5. 更新 memory/knowledge-growth.md 追踪知识增长
知识升级路径: 分析发现 → KBE(待验证) → 2次出现→候选 → 3次出现→确认
Step 7:反思——像人一样学习(强制性)
每次分析完成后必须执行反思。这是持续提升分析质量的唯一路径。
1. 运行 python scripts/first-principles-analyzer.py reflect 获取反思问题 2. 回答六个反思问题(Q1-Q6) 3. 将反思结果追加到 memory/reflections.md 4. 检查是否有模式可推广到 knowledge-base.md(3次出现=确认模式)
六个反思问题:
Q1 - 结论可靠性:[高/中/低]?有哪些不确定性? Q2 - 可改进点:方法上、数据上、逻辑上哪里可以更好? Q3 - 新发现:有没有发现新的规律或模式? Q4 - 用户反馈:有没有收到纠正或补充? Q5 - 下次注意:同一类问题下次应该注意什么? Q6 - 直觉vs数据:有没有直觉被数据推翻的情况?
三大分析能力
1️⃣ 财务与估值分析(深度版 v2.0)
七层分析体系(见 references/financial-valuation.md):
| 层级 | 内容 | 关键工具 |
|---|---|---|
| L1 盈利质量 | 收入质量三维检验、毛利率拆解、费用质量、利润层级分析 | OCF/净利比率、研发资本化率 |
| L2 资产质量 | 营运资本效率(CCC)、固定资产效率、商誉炸弹评估 | DSO/DIO/DPO分析 |
| L3 现金流质量 | OCF质量矩阵、FCF收益率、三表协同分析 | FCF Yield、OCF趋势 |
| L4 DCF估值 | 三变量拆解+敏感性分析矩阵 (WACC×g) | 多情景DCF |
| L5 相对估值 | PE/PB/PS/EV-EBITDA四法交叉 | 可比公司中位数 |
| L6 SOTP估值 | 多业务线分别估值后加总,适用于广信材料类公司 | 分部估值 |
| L7 实物期权 | 新业务作为看涨期权,适用于转型企业 | NPV+期权价值 |
脚本支持: dcf, wacc, dupont, cross-check
12大财务陷阱识别: 收入提前确认、存货注水、费用递延、商誉炸弹、虚增现金、隐藏负债等
2️⃣ 行业发展分析
五层拆解: 行业本质 → 价值链 → 竞争结构 → 驱动力 → 边界拐点 护城河: 六类 + 四维评分矩阵
3️⃣ 机遇与困境分析
机遇四源: 供需缺口 / 效率洼地 / 重构机会 / 隐藏痛点 困境四类: 结构性 / 竞争性 / 财务性 / 战略性 决策: 四象限定位(I进攻/II蛰伏/III运营/IV求生)
版本信息
当前版本:v3.1.0(2026-05-09)
版本历史详见 VERSION.md。可通过以下方式查询版本:
python scripts/first-principles-analyzer.py version
| 版本 | 日期 | 要点 |
|---|---|---|
| 3.1.0 | 2026-05-09 | 【迭代优化】工作流重构八步法(Step0→7)、脚本路径修正、数据获取策略集成、行业分析深化、脚本错误处理增强 |
| 3.0.0 | 2026-05-07 | 【重大升级】方法论深度重构:MECE拆解、逻辑链分析、假设驱动验证、矛盾检测、方案生成矩阵、决策框架;新增 problem-solving.md;脚本新增 deconstruct/solve 命令 |
| 2.3.0 | 2026-05-07 | 新增知识蒸馏引擎、结构化KBE知识库、knowledge-growth追踪、distill命令 |
| 2.2.0 | 2026-05-07 | 新增类人反思机制、模式发现系统、reflect命令、reflections.md+patterns.md |
| 2.1.0 | 2026-05-07 | 新增版本跟踪系统、SOTP分部估值、CCC、Z-Score、DCF敏感性矩阵、12大财务陷阱、财务健康评分 |
| 1.0.0 | 2026-05-07 | 初始版本:三大分析能力 + 记忆系统 + 脚本v1.0 |
输出标准
每次完整分析必须包含:
- 拆解过程(从基本真理推导)
- 核心判断(基于原理而非类比)
- 交叉验证结论
- 置信度评估 + 原因
- 关键假设列表
- 风险/局限性提示
文件索引
| 文件 | 用途 |
|---|---|
VERSION.md |
版本历史与更新日志 |
references/methodology.md |
【升级】方法论框架 v3.0:拆解/分析/解决问题三大能力 |
references/problem-solving.md |
【新增】 问题解决工具箱:方案生成/决策/执行 |
references/financial-valuation.md |
财务与估值分析 |
references/industry-analysis.md |
行业发展分析 |
references/opportunity-challenge.md |
机遇与困境分析 |
references/memory-system.md |
记忆系统指南 |
scripts/first-principles-analyzer.py |
计算工具 |
memory/reflections.md |
反思日志(每次分析后自我评估) |
memory/patterns.md |
模式发现(跨案例重复规律) |
memory/knowledge-base.md |
长期知识库 |
memory/case-library.md |
案例库 |
memory/self-improvement.md |
改进日志 |
memory/user-preferences.md |
用户偏好 |
memory/knowledge-growth.md |
知识积累追踪(增长日志) |
热门AI工具
相关专题
本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。
0
2026.11.17
本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.17
本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。
0
2026.11.17
SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。
0
2026.11.17
SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。
0
2026.11.17
SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。
0
2026.11.17
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.9万人学习
共6课时 | 54.8万人学习