核心观点：
　　六大技能不是并列的独立工具：借鉴Claude for finance从协同办公到业务工作流的范式，我们通过投研工作流的思路设计了一套从宏观数据、研究资料等整合的六大技能工作流体系，补齐了总量研究和组合回溯的拼图。AI以“基金/ETF身份识别”为共同起点，按用户问题类型路由到具体技能，而非机械跑遍全部六项。宏观背景技能、研报影响技能可独立回答当下环境，也可作为涨跌归因技能的证据输入。
　　风险处理链条：相关性风险技能→风险贡献校验技能→动态对冲技能构成一条完整工作流，先识别风险簇，再校验风险贡献是否合理，最后判断对冲工具是否可执行，并给出有效、弱有效、不建议的可执行性评级。
　　核心技能持续做厚：涨跌归因技能按三层递进：第一层核对真实涨跌与持仓贡献，第二层对重仓个股逐只归因，第三层用国内外新闻、产业链、资金流与基本面证据链交叉验证；前述三个技能向涨跌归因技能供给证据，动态对冲技能向涨跌归因技能反馈对冲结论，形成研究闭环。
　　数据与输出标准：通过Wind MCP、同花顺MCP等数据接口来提升信源准确性；所有技能统一输出“结论→证据→拆解表→风险/数据缺口→下一步验证”，重要结论标注高/中/低置信度。
　　数据缺口显性化：不把“字段缺失”写成结论。缺少NAV、最新持仓、订单、北向/ETF资金或公告验证时，工作流说明缺了什么、影响哪个判断、采用了什么替代口径，并在涉及方向、贡献或因果判断时相应下调置信度；边际变化优先，避免重复静态的基金或标的介绍。
　　设计价值在于按需独立调用与链式协同并存。既保留按用户问题灵活路由到单一技能的能力，也通过证据交叉验证，让穿透研究结论更可验证、行动建议更可执行。
　　风险提示：本文档及配套技能仅作为辅助支撑场景，不构成任何投资建议；基金持仓与净值数据受披露频率限制，分析应以最新披露口径为准。