Stats
Actions
Tags
How this skill is triggered — by the user, by Claude, or both
Slash command
/investment-research:critical-questions <公司名称> <资料目录路径>When to use
用户说"识别盲区"、"提出关键问题"、"交叉验证"、"投研提问"、"关键问题"、"critical questions"时使用。也可在 company-research 之后自动推荐。
<公司名称> <资料目录路径>This skill is limited to the following tools:
The summary Claude sees in its skill listing — used to decide when to auto-load this skill
对投资目标公司的资料进行系统性审查，识别投资盲区、交叉验证信息一致性，提出投决必知的关键问题。
对投资目标公司的资料进行系统性审查，识别投资盲区、交叉验证信息一致性，提出投决必知的关键问题。
核心原则：PE 投资决策的质量取决于问题的质量，而非答案的数量。技术驱动型公司尤其需要技术维度的深度验证。
先读取统一配置，再决定输出方式。配置策略参考：
../../shared/references/collaboration-policy.md../../shared/references/search-policy.md../../shared/references/lark-collaboration.md配置读取顺序：
${CLAUDE_PLUGIN_DATA}/investment-research-config.jsonuserConfig：${user_config.collaboration_mode}、${user_config.lark_reference_mode}ask，首次运行时询问用户选择，并写入 ${CLAUDE_PLUGIN_DATA}/investment-research-config.json协作模式：
| 模式 | 输入 | 输出 |
|---|---|---|
| 本地模式 | 本地文件目录 | 本地 Markdown 文件 |
| 飞书协作模式 | 本地文件 + 可选飞书云文档 | 飞书云文档 + 本地备份 |
如果配置为飞书协作模式：
lark-cli docs +fetch 读取飞书文档内容如果飞书工具不可用或权限不足，回退到本地 Markdown 输出，不中断研究。
使用文档加载器读取资料目录中的所有文档：
python "${CLAUDE_PLUGIN_DIR}/shared/scripts/doc_loader.py" <资料目录路径>
加载后的文档缓存到 _doc_cache/ 目录，后续步骤直接读取缓存。
飞书文档：如果第零步选择了飞书协作模式，将飞书文档内容与本地文件合并，统一处理。
运行盲区识别脚本，自动检测投资盲区：
python "${CLAUDE_SKILL_DIR}/scripts/blindspots.py" <资料目录路径>
脚本输出 JSON 格式的盲区列表，包含以下类型：
| 盲区类型 | 检测逻辑 | 严重性 |
|---|---|---|
| 产品细节缺失 | 产品被提及但缺少功能/参数/客户反馈 | 高 |
| 行业关键指标缺失 | 行业核心指标（TAM/市占率/增速等）未涉及 | 高 |
| 客户集中度风险 | 客户数量少或完全缺失 | 高 |
| 客户信息完全缺失 | 资料中未提及任何客户信息 | 高 |
| 竞争格局模糊 | 声称有优势但未指明竞争对手 | 中 |
| 竞争格局不完整 | 仅提及1-2个竞争对手 | 中 |
| 退出路径未讨论 | 无 IPO/并购/回购信息 | 高 |
| 创始人信息不足 | 提及创始人但无背景，或完全未提及 | 中 |
| 技术架构缺失 | 声称技术优势但无架构/技术栈描述 | 高 |
| 技术性能指标缺失 | 声称技术领先但无量化指标/benchmark | 高 |
| 技术壁垒证据缺失 | 声称有壁垒但无专利/数据/具体证据 | 高 |
| 研发投入信息缺失 | 无研发团队/投入/技术负责人信息 | 中 |
| 技术路线风险未讨论 | 有技术内容但未讨论替代/颠覆风险 | 中 |
行业识别：脚本自动从文本中推测行业，匹配行业关键指标。如果行业未识别，使用通用指标。
盲区优先级排序：
对资料中的关键信息进行一致性验证，识别矛盾和红旗信号。
检查资料中的数字是否自洽：
检查论述逻辑是否自洽：
评估关键声明的证据支撑：
| 证据等级 | 标准 | 示例 |
|---|---|---|
| 强证据 | 第三方验证+量化数据 | 审计财报、专利证书、benchmark 测试报告 |
| 中等证据 | 公司自述+部分佐证 | 融资材料、媒体报道、客户证言 |
| 弱证据 | 仅公司自述，无外部验证 | BP 中的声明、官网描述 |
| 无证据 | 仅有结论，无任何支撑 | "技术领先"但无任何数据 |
重点关注技术声明的证据强度：
识别需要特别警惕的信号：
基于盲区识别和交叉验证的结果，提出投决必知的关键问题。
问题配比：技术 30% / 商业 20% / 其他内容 30% / 盲区 20%
问题框架参考：references/tech-question-framework.md
针对技术维度的深度验证问题：
针对商业模式和财务的验证问题：
基于交叉验证发现的问题：
基于第二步识别的盲区：
每个问题按以下格式输出：
### Q{n}. {问题标题}
**类别**：技术/商业/内容/盲区
**严重性**：高/中/低
**背景**：资料中关于此问题的现有信息（如有）
**问题**：具体的提问内容
**为什么重要**：此问题对投资决策的影响
**建议追问方向**：如果初步回答不充分，后续追问的角度
问题优先级排序：
最终输出包含以下部分：
输出方式：
前置技能：
company-research（推荐）：先完成公司画像，再识别盲区和提出问题更有针对性后续技能：
competitive-analysis（推荐）：关键问题中的竞争相关问题可通过竞对分析深入company-research（可选）：如果关键问题发现了重大信息缺口，可回到公司研究补充npx claudepluginhub iriould/investment-research --plugin investment-researchCreates, edits, and optimizes skills for Claude Code, including drafting, evaluating with test prompts, iterating on performance, and improving skill descriptions for better triggering accuracy.