Codex adapter note

This skill is generated from skills/investment-research.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.

投资研究：巴菲特-芒格-段永平-李录 四大师综合分析框架

对 $ARGUMENTS 进行系统化投资研究分析。

研究框架

基于巴菲特、芒格、段永平、李录四位投资大师的方法论，按以下七个模块顺序执行研究：

前置步骤：AI研究偏见自觉（必须执行）

在开始研究前，先评估该公司的"AI可研究性"，识别潜在的数据偏见：

信息丰富度评级：

等级	特征	AI研究陷阱	应对策略
A级（信息充裕）	上市多年、券商覆盖多、媒体报道密集	共识过强，AI输出趋同于市场定价，alpha有限	重点做反面检验：聪明人为什么不买？被忽略的风险是什么？
B级（信息适中）	上市1-3年、覆盖有限、部分数据需推算	AI可能用"合理推测"填补空白，看起来完整实则虚假确定性	每个推算数据标注置信度，区分"有据推算"和"凭空填充"
C级（信息稀缺）	刚上市/冷门股/新兴市场、几乎无覆盖	AI会因资料不足而过度保守，误判为"看不清=不好"	用第一性原理提问（见下方），从有限信息中提取商业本质

C级公司的第一性原理研究法： 当公开资料不足时，不要试图拼凑出"看起来完整"的报告，而是聚焦以下底层问题：

1. 客户是谁？为什么付钱？有没有替代选择？
2. 复购靠什么驱动？是习惯、锁定、还是持续创造新价值？
3. 竞争对手拿100亿能复制这门生意吗？
4. 管理层做过什么关键决策？这些决策反映了什么判断力和价值观？