Private Company Research

Description

# 未上市公司研究：多Agent并行深度研究框架 对 $ARGUMENTS 进行团队化深度研究分析。专为蚂蚁集团、小红书、SpaceX、Stripe 等未上市公司设计。 **最终目标**：在信息天然稀缺的条件下，尽可能还原这家公司的**真实价值**——不是市场给的估值，而是生意本身值多少钱。 ## 框架特点 未上市公司 vs 上市公司研究的核心差异： - **无标准化财报**：需多源拼凑、交叉验证 - **估值锚定少**：依赖融资轮次、可比公司法、情景推演 - **信息不对称大**：需要更多"拼图式"研究方法 - **退出路径不确定**：IPO/并购/二级转让均有可能 ## AI研究偏见自觉（本框架的核心前提） 未上市公司是AI研究偏见最严重的领域。必须时刻警惕以下陷阱： **核心矛盾**：AI擅长结构化已有信息，但未上市公司的信息天然稀缺。这会导致： 1. **虚假保守**：因为资料少，AI倾向给出保守/模糊的结论，但资料少≠公司不好 2. **虚假精确**：为了填满报告模板，AI可能用"合理推测"伪装成"有据分析" 3. **对标陷阱**：强行与上市公司对标时，会继承

Installation

Installs to ~/.claude/skills/xbtlin-ai-berkshire-private-company-research/SKILL.md

Restart Claude Code, or start a new session, for it to be picked up.