資料、準確性與負責任使用
本站最重要的一頁。InvestSkill 讓 AI 像分析師一樣推理——但它的好壞，取決於你餵入的資料，以及你施加的檢驗。本頁說明數字從何而來、如何辨識錯誤，以及你必須遵守的限制。
各技能如何取得資料
InvestSkill 本身不抓取資料。 外掛中沒有執行環境、沒有 API、沒有即時行情——每個技能都是一段提示詞，告訴 AI 如何推理。資料來自兩處之一：
- 你貼進去的內容——10-K 摘錄、法說逐字稿、你的持股、一張財務數據表。這是最可靠的路徑，因為你掌控了來源。
- 宿主 AI 能存取的內容——若你的助理具備網路／搜尋／工具能力（例如具網路搜尋的 Claude、已連接的資料工具），它可能自行檢索數字。這很方便，但必須驗證——模型可能引用過時、近似或張冠李戴的數字。
後果： 若你在沒有資料、也沒有工具存取的情況下問「評估 AAPL」，模型只能憑訓練記憶作答——那是過時且可能錯誤的。請務必以最新、第一手的資料來錨定分析。
這也正是 InvestSkill 免費、且不需要 API 金鑰的原因。 沒有要訂閱的資料源，也沒有要認證的 API 端點——你永遠不必輸入任何金鑰，除了你手上已在使用的 AI 助理（免費方案或離線本機模型也可以）之外，跑這些框架不會產生任何費用。代價就是上面那件事：把好資料放到模型面前，是你的責任。
資料與來源標頭（Data & Sources）
由於產出品質完全取決於數字的來源，每一份分析都應在最前面申報其出處。請要求——並預期——任何報告開頭都帶有這樣的 Data & Sources 區塊：
Data & Sources
As of: 2026-07-02
Source: SEC EDGAR 10-K（FY2025）· 公司 IR · FRED
Retrieval: 使用者貼上 （或：網路／工具檢索 · 模型記憶）
Confidence: HIGH — 第一手、最新
| 欄位 | 告訴你什麼 |
|---|---|
| As of | 數字所代表的日期——任何過時者都應被標示 |
| Source | 數字背後的第一手文件 |
| Retrieval | 數字如何到達模型：貼上（最可靠）→ 網路／工具（需驗證）→ 模型記憶（最不可靠，視為近似值） |
| Confidence | HIGH（第一手、最新）· MEDIUM（混合／次級）· LOW（記憶或資料缺漏） |
經驗法則： 若 Retrieval 一行寫著「模型記憶」，在你以第一手來源確認之前，請把每個數字都當成佔位符。綜合報告（
full-report、research-bundle）應始終帶有此標頭，並以一次result-validator驗證作結。
建議的資料來源
| 需求 | 第一手來源 |
|---|---|
| 財務報表、10-K／10-Q／8-K | SEC EDGAR（免費、權威） |
| 法說會逐字稿 | 公司 IR 網站、逐字稿服務商 |
| 內部人交易（Form 4） | SEC EDGAR |
| 機構持股（13F） | SEC EDGAR |
| 價格／成交量／技術面 | 你的券商、看盤平台 |
| 股利歷史 | 公司 IR、股利追蹤工具 |
| 總經指標 | 央行／統計機構發布（例如 FRED） |
最佳做法： 把實際數字複製進提示詞中（或讓具工具能力的助理直接讀取該份文件），而非倚賴模型的記憶。針對申報文件，financial-report-analyst 即是設計來直接吃下你貼上的 10-K／10-Q 段落。
自備資料：無金鑰的 EDGAR 路徑
「不需要 API 金鑰」是一項設計選擇，而非死路。申報文件類技能所需的一切，SEC 都免費公開、無須註冊。把資料放到模型面前有三種方式——挑第一個適合你環境的，並在 Data & Sources 標頭中註明你用了哪一種。
1. 讓具工具能力的助理自行抓取文件（Retrieval: web/tool retrieval）
10k-digest、financial-report-analyst 與 fact-check 現在都內建這份步驟，具網路能力的助理可以自行照做：
| 步驟 | URL | 取得什麼 |
|---|---|---|
| 股票代號 → CIK | https://www.sec.gov/files/company_tickers.json |
找到 ticker 相符的項目（BRK.B 要寫成 BRK-B）；把 cik_str 補零到 10 位 |
| 申報文件索引 | https://data.sec.gov/submissions/CIK##########.json |
filings.recent.form、filingDate、reportDate、accessionNumber、primaryDocument 五個陣列以索引對齊——取最新一筆 10-K／10-Q／8-K／DEF 14A／4（Form 4 也會登錄在發行公司的 CIK 之下） |
| 機構持股 | 用基金經理人的 CIK，而非公司的——或全文檢索 https://www.sec.gov/edgar/search/#/q=%22<公司名或 CUSIP>%22&forms=13F-HR |
13F-HR 是由投資經理人申報的，因此絕不會出現在標的公司的 CIK 之下；請在經理人的持股明細表中以標的的 CUSIP 核對部位 |
| 文件本體 | https://www.sec.gov/Archives/edgar/data/<CIK>/<去掉連字號的 accession>/<primaryDocument> |
完整申報文件（HTML）；同一資料夾下的 <accession>-index.htm 列出所有附件 |
| 財報標籤數據 | https://data.sec.gov/api/xbrl/companyfacts/CIK##########.json |
公司標記過的每一個 US-GAAP 數字，依概念與期間排列——交叉核對 Item 8 最快的方法 |
| 全文檢索 | https://www.sec.gov/edgar/search/#/q=%22<片語>%22&forms=10-K |
沒有股票代號時，以片語定位文件 |
任何自動化客戶端都須遵守 SEC 的兩條規則：送出能識別你身分的 User-Agent（姓名 電子郵件），且每秒不超過 10 次請求。外國私人發行人申報的是 20-F（年報）與 6-K（期中），而非 10-K／10-Q。
2. 自己下載，再貼上（Retrieval: pasted by user）
若你的助理無法上網——本機模型、沒有工具的聊天介面——本倉庫附有兩支可選、零相依的 Node 腳本，替你走同一條路。它們不屬於外掛本體、不呼叫任何資料商，只需要 Node ≥ 18：
# 文件本體：HTML + 可直接貼上的純文字，外加一份含標頭欄位的 .json
node scripts/fetch-edgar.js AAPL --form 10-K # → data/filings/AAPL/AAPL_2025_10-K.txt
node scripts/fetch-edgar.js AAPL --form 10-Q --limit 2 # 最近兩季
node scripts/fetch-edgar.js TSLA --form "DEF 14A" # 委託書
node scripts/fetch-edgar.js PLTR --form 4 --limit 10 --list
# 由 XBRL 標籤數據產生、已對帳的財報資料包（損益表、資產負債表、現金流量表、本年度與前一年度、
# 推導出的 FCF／淨負債／利潤率）——與評測樣本相同格式
node scripts/fetch-fundamentals.js AAPL # → data/fixtures/AAPL.md
請先設定 EDGAR_USER_AGENT="你的姓名 你的電子郵件"——SEC 要求每個客戶端表明身分。下載結果放在 data/filings/，產生的資料包放在 data/fixtures/，兩者皆已被 git 忽略：那是你的工作資料，而真實數字會過時。XBRL 資料包刻意沒有價格欄——SEC 不公布報價——所以在要求 P/E、市值或殖利率之前，請先從券商補上今天的價格。
3. 貼上你手邊已有的東西
公司 IR 網站上的 10-K PDF、券商對帳單、試算表匯出檔：貼上所需段落，或在助理支援的情況下上傳檔案。標示為 Retrieval: pasted by user；技能會把它視為第一級的使用者提供來源，驗證止於你的文件。
這些都不改變的事： InvestSkill 仍然沒有執行環境，也永遠看不到你的資料。這份說明與腳本只是縮短了第一手來源到提示詞之間的距離。
辨識幻覺數字
AI 可能信心十足地說出錯誤數字。留意這些徵兆：
- 可疑地過於整齊的數字（剛好 15.0% 利潤率、$100.0B 營收）。
- 兜不攏的數字——例如 EPS 與所述的淨利 ÷ 股數對不起來。
- 與今日報價不符的過時股價或市值。
- 你未提供底層資料，卻冒出帶來源的指標。
- 與資料不相稱的信心水準——對一檔你零資料的股票給出 HIGH 信心，本身就是警訊。
你可以手動做的對帳檢查：
| 檢查 | 是否成立？ |
|---|---|
| EPS × 股數 ≈ 淨利 | 不成立，則必有一數有誤 |
| 股利 ÷ 股價 ≈ 所述殖利率 | 揪出殖利率錯誤 |
| 營運現金流 − 資本支出 ≈ FCF | 揪出現金流杜撰 |
| 本益比 × EPS ≈ 股價 | 揪出估值漂移 |
若某個數字連自身算術都通不過，就丟棄整段，並以明確資料重跑。
驗證 AI 產出
有兩個技能負責這件事，它們回答的是不同的問題：
fact-check——輸入是真的嗎？ 它把報告裡每一個數字與事實陳述抽成一張查核表，逐條對照第一手來源（SEC 申報文件、公司 IR 新聞稿、FRED、發行商資料，或你貼上的文件），重算每一個衍生數字，然後交回一份附行內引用[n]與參考文獻章節的修正版報告，以及一個查核分數。無法查核的陳述保留並標示[?]；任何數字都不會被悄悄更改，也絕不憑空捏造來源。result-validator——分析建構得好嗎？ 方法論、訊號一致性、風險涵蓋、推理透明度——這是對推理的信心評分。它的「資料品質」維度不應高於查核分數所能支持的水準。
事關重大時請依序執行：先 fact-check，再 result-validator。
/fact-check ← 貼上報告（與其來源）——取得查核表、修正版、引用
/result-validator ← 貼上分析輸出（或綜合訊號區塊）
result-validator 是第一線步驟，而非可有可無。請把它從「小技巧」升格為「習慣」：
何時執行： 任何高風險分析之後；綜合結果（research-bundle、full-report）後務必執行；以及任何時候訊號好得令人起疑時。
它評什麼： 資料品質、方法論的嚴謹度、訊號一致性——回傳一個信心分數與一份缺口清單。
/result-validator ← 貼上分析產出（或綜合訊號區塊）
手動複核檢查表（即使無法執行驗證器，也照做）：
- [ ] 數字對得攏嗎？（用上表）
- [ ] 資料是最新的嗎？ 對照今日的股價／日期。
- [ ] 訊號與敘事相符嗎？ 一段滿是風險的文字上頂著 BULLISH 方塊，是矛盾的。
- [ ] 信心與證據相稱嗎？ 資料薄弱就該對應較低的信心。
- [ ] 子訊號彼此一致嗎？ 綜合結果中，分歧應降低信心並被標示——而非被平均掉。
- [ ] 資料是我提供的，還是模型自己編的？
限制與負責任使用
這是教育性工具，並非投資建議。 用它來建構你自己的思考，而非外包你的決策。
- 並非投資建議。 沒有任何技能知道你的目標、稅務、風險承受度或時間框架。產出是框架，不是推薦。
- 取決於模型。 同一段提示詞在不同模型與版本下會產出不同結果。請用你手上最強的模型並交叉複核。
- 不保證即時。 除非你的助理具備即時工具存取，數字可能過時。請對照第一手來源驗證。
- 訊號區塊是決策輔助。 它把大量判斷壓縮成一個方塊——並不能取代閱讀分析、申報文件與風險本身。
- 第一手來源為準。 當 AI 與申報文件衝突時，以申報文件為準。
- 決策由你負責。 個人投資決策請考慮諮詢有牌照的財務專業人士。
唯一鐵則： 絕不要對一個你尚未以真實資料對帳、也尚未針對空頭情境壓力測試過的訊號區塊採取行動。這些框架讓你更快；它們不會讓你正確。
延伸閱讀： 概念 → 訊號區塊解剖 · 使用情境 → 反模式 · 術語表。
僅供教育用途。並非投資建議。