---
name: industry-deep
description: 查询行业深度研报数据。当用户询问任何行业分析、市场规模、竞争格局、产业链、投资逻辑、政策法规、技术趋势时使用。支持原始Markdown(Part)查询、行业摘要、跨行业排名对比。关键词：行业分析、行业数据、行业报告、景气度、industry analysis。
---

# 行业深度研报查询 (Industry Deep Analysis)

连接 MySQL 数据库，查询行业深度研报数据。
覆盖 ~20 个行业，每个行业包含 8 个 Part 深度分析原文（约 8-14K 字/Part）。

## 数据架构

### 核心数据源：Part 原文（`report_raw_parts` 表）

Part 是 LLM 按固定 prompt 生成的深度分析 Markdown，**信息最完整、上下文最丰富**，是首选查询目标。

每个行业包含 9 个 Part（0-8），子章节结构跨行业基本一致（约 85% 一致性）：

| Part | 主题 | 子章节结构 | 典型字数 |
|------|------|-----------|---------|
| 0 (meta) | 目录 + 执行摘要 | YAML 元数据、目录索引、报告概览表、Part 生成明细 | ~1.4K |
| 1 | 行业定义与边界 | **1.1** GB/T 4754-2017 标准定义（分类层级表）→ **1.2** 与相邻行业的边界划分（多维对比表）→ **1.3** 核心产品/服务清单（市场规模） | ~7K |
| 2 | 市场规模追踪 | **2.1** 十年规模追踪 2015-2024（年度数据表+关键节点分析）→ **2.2** 规模预测 2025-2030（三情景分析+假设条件）→ **2.3** 细分市场结构（按产品/应用/区域）→ **2.4** 增长驱动因素深度分析 | ~9K |
| 3 | 竞争格局 | **3.1** 集中度分析（CR5/CR10/HHI 追踪表+驱动因素）→ **3.2** 龙头企业分层分析（Tier1/2/3 + 财务对标数据）→ **3.3** 竞争壁垒评估 | ~9K |
| 4 | Survival Metrics | 多个**生死指标**，每个含：定义 → 为何是生死线 → 基准值体系 → 龙头企业实测数据 → 改善路径。*指标因行业而异*（如轮胎业=产能利用率/替换配套比；细胞治疗=IND 获批数/临床转化率） | ~10K |
| 5 | 产业链价值分布 | **5.1** 产业链全景图（ASCII 结构图 + 各环节核心企业）→ **5.2** 各环节毛利率与话语权分析（利润分布表）→ **5.3** 成本结构深度拆分（总成本+分产品+头部企业对比） | ~14K |
| 6 | 政策法规监管 | **6.1** 核心政策清单（含文号、发布机构、日期、影响评级的完整表格）→ **6.2** 行业专项政策演进（按重点领域分类）→ **6.3** 审批注册要求 | ~10K |
| 7 | 技术演进创新 | **7.1** 当前主流技术路线（多维对比表 + 市场占比）→ **7.2** 技术发展历程（时间线 + 关键突破）→ **7.3** 技术迭代周期与驱动因素 | ~13K |
| 8 | 投资逻辑风险 | **8.1** 核心增长逻辑重构（3-4 条逻辑链，每条含数据支撑）→ **8.2** 风险清单（概率-影响矩阵 + 详细风险表）→ **8.3** 估值参考（上市公司估值对比表） | ~10K |

### 辅助数据源：行业摘要（`industry_reports` 表）

汇总表，存储每个行业的核心指标数值，适合**快速查数字**和**跨行业对比**：
- 景气度星级(1-5)、CAGR、毛利率、净利率、CR5/CR10/HHI、集中度趋势、headline

### 补充数据源：Module（`report_modules` 表）

从 Part 提取的结构化 JSON，主要服务前端 UI 展示。LLM 消费场景下一般不需要，Part 原文信息更完整。

## 命令接口

脚本路径: `~/.claude/skills/industry-deep/scripts/query_industry.py`

### 1. 查找行业
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py lookup "轮胎"
python ~/.claude/skills/industry-deep/scripts/query_industry.py lookup "C2911"
```

### 2. 行业摘要（快速数字）
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py summary C2911
```

### 3. Part 原文（深度分析，首选）
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py part C2911 2      # Part 2 市场规模
python ~/.claude/skills/industry-deep/scripts/query_industry.py part C2911 3,5    # 多个 Part
python ~/.claude/skills/industry-deep/scripts/query_industry.py part C2911 all    # 全部（慎用，~84K 字）
```

### 4. 跨行业排名
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py rank stars --top 5
python ~/.claude/skills/industry-deep/scripts/query_industry.py rank cagr --top 10
python ~/.claude/skills/industry-deep/scripts/query_industry.py rank gross_margin --top 5
```

### 5. 列出所有行业
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py list
```

### 6. 结构化 Module（可选，通常不需要）
```bash
python ~/.claude/skills/industry-deep/scripts/query_industry.py module C2911 1
```

## 回答策略

1. **先 lookup 确认行业代码**（除非用户已给出代码）
2. **Part 原文优先**: 根据问题类型查对应的 Part，信息最完整
3. **summary 用于快速数字**: 只需要 CAGR、景气度等单个指标时用 summary
4. **rank 用于跨行业对比**: 排名、筛选场景
5. **按需查询，不要一次查 all**: 根据问题精准选择 1-2 个 Part

### 场景速查表

| 用户问题类型 | 推荐命令 | 关键子章节 |
|-------------|---------|-----------|
| "XXX 行业是什么，包含哪些" | part 1 | 1.1 标准定义、1.2 边界划分、1.3 产品清单 |
| "XXX 市场有多大" | part 2 | 2.1 十年追踪、2.2 预测、2.3 细分市场 |
| "XXX 行业增长驱动因素" | part 2 | 2.4 增长驱动因素 |
| "XXX 行业集中度/龙头" | part 3 | 3.1 集中度(CR5/HHI)、3.2 企业分层 |
| "XXX 行业哪些公司风险高" | part 4 | 各生死指标 + 龙头实测数据 |
| "XXX 产业链结构" | part 5 | 5.1 全景图、5.2 毛利率话语权 |
| "XXX 行业成本结构" | part 5 | 5.3 成本拆分 |
| "XXX 行业有哪些政策" | part 6 | 6.1 政策清单、6.2 专项演进 |
| "XXX 行业技术趋势" | part 7 | 7.1 技术路线、7.2 发展历程 |
| "XXX 值不值得投资" | part 8 | 8.1 增长逻辑、8.2 风险、8.3 估值 |
| "XXX 行业景气度" | summary | 快速查星级+CAGR+毛利率 |
| "哪些行业景气度最高" | rank stars | 跨行业对比 |
| "高成长行业有哪些" | rank cagr | 跨行业对比 |
| 综合分析（多维度） | part 0 + 相关 Parts | 先读 meta 执行摘要，再查具体 Part |

## 安装

```bash
pip install -r ~/.claude/skills/industry-deep/requirements.txt
```

唯一第三方依赖为 `pymysql`。

## 约束

- 数据库: MySQL @ 192.168.1.10:3306 (局域网，需在局域网内访问)
- 数据库连接信息可通过环境变量 `INDUSTRY_DEEP_DB_*` 覆盖（见 `scripts/db_config.py`）
- 当前约 20 个行业，数据来源为 V3 深度研报 LLM 生成
- Part 原文为 LLM 生成的 Markdown，子章节结构约 85% 跨行业一致，个别行业可能有小幅偏差