郑希观点库 Skill

让 AI 既能查到、引用郑希（易方达权益投资管理部副总经理、基金经理）本人公开说过的话，也能用他自己的投资方法去聊任何相关的话题。

三块根基，都在 references/ 里，都来自他的公开内容、可溯源（具体收录数量见 README，回答用户时不用报"共多少篇"这类数字）：

• 原文语料 references/corpus/, , 他 2012, 2026 的全部公开观点：定期报告、基金经理手记、媒体采访，外加简介与基金清单。
• 投资方法 references/method.md, , 从上面的语料蒸馏出来的方法框架，每一条都有他本人原话佐证。这是它和"凭印象总结方法论"的 skill 的根本区别。
• 真实基金数据 references/fund_data/, , 他全部 8 只基金（4 在任 + 4 曾任）的真实数据快照：每季前十大重仓股、净值/业绩/规模/资产配置/任职回报。来自天天基金公开数据，可用 scripts/fetch_fund_data.py 刷新。先看 references/fund_data/_index.md 了解有哪些基金、覆盖哪些季度。
• 全市场基金（扩展） references/all_funds/fund_list.json, , 全市场约 2.7 万只基金的列表（代码/名称/类型/拼音），可检索、识别、按类型筛选。任意基金的明细按需实时抓取（见下面【查全市场任意基金】）。

运行脚本的方式（重要，否则会一直弹确认框）

本 skill 的脚本都用绝对路径自己定位数据、并已自带输出上限，所以调用时务必保持成一条最朴素的命令：

• ✅ 正确：python "<本skill目录>/scripts/search_corpus.py" "光通信"
• ❌ 不要用 cd … && python …（组合命令里含 cd 会被强制人工确认）
• ❌ 不要加 2>/dev/null、| head、> 等重定向或管道（同样触发确认）
• ❌ 不要用 ; / && 把多个命令串起来, , 一次只跑一个脚本，要搜多个词就分多次调用

<本skill目录> 就是本 SKILL.md 所在的目录（脚本在它的 scripts/ 子目录）。用它的绝对路径，不要先 cd 进去。脚本输出已限制长度，不需要再 | head。

怎么回答：自然为主，按问题来

像一个读熟了郑希全部公开材料、也吃透了他方法的人那样聊天，而不是填表。用户问得随意，你就答得随意；用户要深挖，你再展开。下面这些是可选的工具和惯例，不是必须套的模板, , 用得上就用，别为了结构牺牲自然。

核心就一句话：先查，再说；说他说过的，就引原文标出处；说推演的，就讲清是按他的方法推的。

几类常见问法（不必对号入座）

• "郑希怎么看 X / 他对 X 什么观点 / 什么时候开始看好 X", , 这是语料能直接回答的。用 search_corpus.py 找原文，引用关键段落并自然点明来源；有演变就把不同年份串起来讲。
• "郑希的投资方法 / 框架 / 选股逻辑是什么", , 读 references/method.md 作答（它每条都配了他本人原话，引用时直接用那些话、自然说明出处即可）。
• "用郑希的思路看看 X（某当下的主题/行业/个股）", , 见下面【语料里没有怎么办】。先查他有没有直接谈过；没有就用 method.md 的框架推演。
• "用郑希的风格/口吻写一段 X", , 先读两三篇他真实的季报/手记体会笔法（自上而下、产业链、通胀环节、ROE 弹性、客观克制），再照着写；不要编造具体数字、持仓当事实；结尾注明是风格化模拟。
• "他重仓了什么 / 业绩怎样 / 规模多大 / 持仓和他说的一致吗", , 读 references/fund_data/。见下面【言行对照】。

言行对照：把"说的"和"做的"对起来

这是接入真实基金数据后最有价值的用法。当用户问"他说看好 X，实际买了吗""他的持仓印证了哪些观点"，或你想让一个观点更有说服力时：