给定一个投资主题**，这项技能将供应链与表面的被忽视的“瓶颈”股票反向映射——源自X/Twitter交易者**Serenity （@aleabitoreddit）**的公开分享方法论。

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）。

v0.2 ·核心工具 + 可选本地驾驶舱

保留原有七步研究方法、九大原型和判定阈值。本版修复独立目录运行、供应商代码转换、行情复权、报告元数据及提交校验，并提供可选本地驾驶舱。核心技能仍独立可用，龙头视角不在本次范围。

2026-09-29 同号更新：当前发布包标记为 cockpit-r2，已替换此前仅含核心工具的 v0.2.0 文件。曾下载旧包的用户请重新下载并核对 SHA256SUMS.txt。

驾驶舱提供主题地图、跟踪筛选、报告阅读、K 线与判定历史、手动告警、快照及计分卡。默认进入只读历史演示，接入个人目录后才启用手动取价；不会自动搜索或上传私库。

完整 ZIP / .skill 内已包含前端页面，使用驾驶舱不需要 Node.js。推荐 Python 3.12，在项目虚拟环境中安装后启动：

打开 http://127.0.0.1:8000。源码克隆者先构建前端；个人目录初始化与完整步骤见 驾驶舱说明。

先验证能跑通（Python 3.10+，不需要密钥或联网）:

打开生成的 reports/demo-report.html。示例使用公库原已公开的 2026-06-01 历史快照，自动执行严格数字对账，并写到独立演示跟踪文件；它不改动正式历史表，也不代表当前投资判断。

• 查看演示 HTML（下载后用浏览器打开）·示例输入和复现说明
• A 股／港股／美股的数据来源与安装 ·完整更新日志
• 下载 ZIP / .skill 发布包（解压后入口仍为 SKILL.md）

已有用户保留自己的研究 CSV、.env 和自定义报告。公开历史样本目前为 418 条，最新记录到 2026-06-12;旧 scorecard 和 scan 均为带日期的档案，不自动代表当前结果。真实取价、估值和评分另需安装依赖，并可能消耗数据服务额度。

⚡ 30 秒装上 / 快速开始

OpenAI 法典

macOS / Linux：

Serenity Bottleneck Hunter — a Codex & 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)。

v0.2 · 核心工具 + 可选本地驾驶舱

保留原有七步研究方法、九大原型和判定阈值。本版修复独立目录运行、供应商代码转换、行情复权、报告元数据及提交校验，并提供可选本地驾驶舱。核心技能仍独立可用，龙头视角不在本次范围。

2026-09-29 同号更新：当前发布包标记为 cockpit-r2，已替换此前仅含核心工具的 v0.2.0 文件。曾下载旧包的用户请重新下载并核对 SHA256SUMS.txt。

驾驶舱提供主题地图、跟踪筛选、报告阅读、K 线与判定历史、手动告警、快照及计分卡。默认进入只读历史演示，接入个人目录后才启用手动取价；不会自动搜索或上传私库。

完整 ZIP / .skill 内已包含前端页面，使用驾驶舱不需要 Node.js。推荐 Python 3.12，在项目虚拟环境中安装后启动：

python -m pip install -r cockpit/requirements.txt
python cockpit/run.py

打开 http://127.0.0.1:8000。源码克隆者先构建前端；个人目录初始化与完整步骤见 驾驶舱说明。

先验证能跑通（Python 3.10+，不需要密钥或联网）：

python scripts/run_demo.py

打开生成的 reports/demo-report.html。示例使用公库原已公开的 2026-06-01 历史快照，自动执行严格数字对账，并写到独立演示跟踪文件；它不改动正式历史表，也不代表当前投资判断。

• 查看演示 HTML（下载后用浏览器打开） · 示例输入和复现说明
• A 股／港股／美股的数据来源与安装 · 完整更新日志
• 下载 ZIP / .skill 发布包（解压后入口仍为 SKILL.md）

已有用户保留自己的研究 CSV、.env 和自定义报告。公开历史样本目前为 418 条，最新记录到 2026-06-12；旧 scorecard 和 scan 均为带日期的档案，不自动代表当前结果。真实取价、估值和评分另需安装依赖，并可能消耗数据服务额度。

⚡ 30 秒装上 / Quick start

OpenAI Codex

macOS / Linux:

git clone https://github.com/Mrjie7205/serenity-bottleneck-hunter.git \
  ~/.codex/skills/serenity-bottleneck-hunter

Windows PowerShell:

git clone https://github.com/Mrjie7205/serenity-bottleneck-hunter.git `
  "$HOME\.codex\skills\serenity-bottleneck-hunter"

安装后重新启动 Codex 或开启新会话，然后显式调用:

使用 $serenity-bottleneck-hunter 分析「AI 数据中心电力」主题，给出候选标的和论证。

也可以自然语言触发:

用 Serenity 瓶颈猎手方法分析「人形机器人」产业链，寻找被忽视的上游瓶颈股。

Codex 会从 ~/.codex/skills/serenity-bottleneck-hunter/SKILL.md 读取工作流；仓库中的 scripts/、reference/ 和 tracking/ 会作为配套资源使用。

Claude Code

# 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: