Serenity Bottleneck Hunter — a Claude Skill

Given an investment theme, this skill reverse-maps the supply chain to surface overlooked upstream "bottleneck" stocks — distilled from the publicly shared methodology of X/Twitter trader Serenity (@aleabitoreddit).

给定一个投资主题,复用 X 博主 Serenity 公开分享的"供应链瓶颈逆向映射"方法,独立挖出被市场忽视的上游瓶颈股(而非抄他已喊过的票)。

⚡ 30 秒装上 / Quick start

Claude Code(推荐):

# 克隆到个人 skills 目录,立即生效
git clone https://github.com/Mrjie7205/serenity-bottleneck-hunter.git ~/.claude/skills/serenity-bottleneck-hunter

然后在 Claude Code 里直接说:

用 Serenity 瓶颈猎手方法,分析「AI 数据中心电力」这个主题,给出候选标的

claude.ai / Claude Desktop:把仓库打包上传为 skill,或直接把 SKILL.md 拖进对话让 Claude 照着执行。

价格数据(可选):export EODHD_API_KEY=你的key(EODHD 全球覆盖最广,海外股推荐);没有 key 时自动回退 yfinance(美股 OK)。禁止用 WebSearch 猜价格 — 这是 skill 的硬纪律。

📊 输出长什么样 / Report anatomy

每个主题产出一份自包含单文件 HTML 报告(零依赖,浏览器直接打开,模板见 reference/report_template.html),从上到下:

报告中的每个 🟢🟡🔴 判定同步写入 tracking/forward_picks.csv(带日期锁定),供日后向前验证。

每份报告交付前过 scripts/verify_report.py 契约校验(区块齐全 / 每候选 §A、🟢 带 §B / 标尺三价齐 / 价格逐字段对账 scan / 入轨 forward_picks / 状态断言带日期 / 无占位符残留 / 折叠开合平衡),有【拦】先修再交付——把"分析做了但漏交付块、漏刷状态、漏入库"挡在交付前。

What it does / 做什么

Theme → reverse supply-chain map → apply 9 "bottleneck archetypes" → output a short list of overlooked upstream candidates with: thesis, archetype, valuation, entry-timing (Mode-A "buy early momentum, not the dip"), target/timeframe, and risks. The edge is being early to the theme, not chasing crowded names.

主题 → 逆向拆解供应链 → 套用 9 大瓶颈原型 → 产出被忽视的上游候选 + 论点/估值/入场时机/目标价/风险。核心是早于机构发现主题,不追拥挤标的。

🛡️ 工程化纪律 / Engineering discipline

这个 skill 的差异点不只是方法论,是把 LLM 的已知失败模式工程化拦截。每条纪律都来自一次真实翻车,完整复盘档案在 reference/lessons.md(SKILL.md 只留祈使句 + 锚点指针,保持执行路径干净)。分两条战线 —— 让数据可信 + 让判断可问责:

① 让数据可信(input trust)

② 让判断可问责(judgment accountability) — 把 skill 从"找理由买"逼成"先想怎么会亏"

Use / 用法

• As a Claude skill: drop this folder into your skills directory (or install the .skill bundle), then ask Claude e.g. "用 Serenity 的方法分析 AI 数据中心电力 这个主题,给候选标的".
• Or just point Claude at SKILL.md.
• 进阶:跨主题取交集找"被多个 capex 周期同时锁定"的标的(Serenity ⑤原型),见 tracking/cross_theme_scan.py。

Structure / 结构

SKILL.md                         # 主流程:主题→挖股 7 步 + 两套择时 + 输出模板(§A 红队/§B 证伪)
reference/
  lessons.md                     # 翻车档案:每条纪律对应一次真实事故(SKILL.md 用锚点指过来)
  methodology.md                 # 方法论(理念/筛选清单/两套择时/回避清单/风险)
  supply-chain-and-archetypes.md # 元框架 + 产业链速查表 + 9 大瓶颈原型库
  example_commercial_space.md    # 完整 worked example(商业航天)
  company_desc.md                # 公司业务描述库(带时间戳,90 天 freshness)
  ticker_truth.csv               # ticker ground-truth 库(L1,防 hallucination 错位)
  TICKER_HYGIENE.md              # L1+L2+L3 三层防御使用文档
scripts/
  price.py                       # 价格/动量(EODHD → yfinance 回退,严禁猜价)
  theme_etf_coverage.py          # ETF 持仓穷尽性 audit(A+ 防漏)
  ticker_truth.py                # ticker 验证/解析 API(L2)
  verify_tickers.py              # git pre-commit hook 扫描器(L3)
  render_report.py               # 报告统一渲染引擎(克隆合格报告外壳 + 数据驱动真 chain-viz/标尺/§A§B;agent 只写薄主题 SPEC,报告没法手搓/降级)
  verify_report.py               # 交付契约 linter(报告交付前必跑:区块/§A§B/标尺三价/价格对账/入轨/真 chain-viz/揭示类脚本)
tracking/
  forward_picks.csv              # 向前(样本外)验证:带日期锁定的候选记录 + invalidation 证伪列
  theme_benchmark.csv            # 主题 → 基准 ETF 映射(算 Alpha 用)
  score_tracker.py               # Alpha 打分(🟢-vs-🔴 内部对照 + vs 主题 ETF + 证伪触发检查)
  scorecard.md                   # 最近一次打分结果(诚实标注样本不足)
  cross_theme_scan.py            # 跨主题节点矩阵(⭐ 跨 capex cycle 信号)

Data / 数据

• Price & timing: scripts/price.py 自动按 EODHD(EODHD_API_KEY)→ yfinance 顺序回退。EODHD 全球覆盖最广(海外股推荐);yfinance 无需 key,美股 OK 但非美股常有 gap。WebSearch 一律不用于抓价格——猜测视为流程错误。
• Valuation(二轴的第二轴): scripts/price.py 的 valuation() 多源 —— A股 → akshare(百度 PE-TTM + 东财券商一致预期算 forward + 东财财务增速)· 美股 → yfinance · 缺字段互兜底 · 带 src 可交叉验证。估值是全 skill 最弱的数据(单源不可信),故 A股改用中国源 + sanity 层拦小基数算爆的异常值(如 +610% 增速、749x trailing)。
• Fundamentals & bottleneck judgment: web research per candidate — the skill's real edge is qualitative (is it a true single-source chokepoint?), which no data feed provides.

Validation honesty / 验证说明

The only credible test is forward / out-of-sample: see tracking/forward_picks.csv (dated, rules-locked picks) + tracking/score_tracker.py (re-pulls prices later and scores them). Any in-sample "backtest" suffers look-ahead & survivorship bias and is not a performance claim.

打分纪律(score_tracker):

• 量 Alpha = 标的收益 − 同期主题 ETF(theme_benchmark.csv 映射),不量 raw return —— 牛市里随便选个上游小票也涨,raw return 看不出选股有没有 alpha。
• 最硬的检验是 🟢 候选篮子 vs 🔴 排除篮子内部对照:两篮共享同一主题 beta,差额 = 纯选股能力,不依赖任何外部基准。
• ⚠️ forward_picks.csv 里含 历史种子 / record_date ≤ 2026-02-01 的行是回填参照锚点(Serenity 原始 call,2026-01-02 价),做任何业绩统计必须剔除——混入即循环论证(我们踩过:含种子时 🟢 均 α 灌水到 +90%,剔除后真实样本为负且观察期未满)。真实向前基线自 2026-05-26 起算。
• 样本期太短 + N<30 → 当前只装仪表、不下结论。 可信度由时间长出来,不由功能加出来。

⚠️ Disclaimer / 免责声明

• Not financial advice — educational / research use only. / 非投资建议,仅供研究教育。
• This project distills a methodology from Serenity's public posts. It does not redistribute his content and is not affiliated with, sponsored by, or endorsed by him. / 本项目只提炼其公开方法论,不转载其原始内容,与本人无任何关联或背书。
• Any "validation" inside is logic-consistency + forward tracking, NOT an audited performance record. Markets are risky; do your own research. / 文中"验证"为逻辑自洽 + 向前跟踪,非经审计的业绩。投资有风险,务必独立判断。

License / 协议

MIT (see LICENSE). Methodology credit: Serenity (@aleabitoreddit) — this is an independent, fan-made distillation of publicly shared ideas.