#### 描述

拒绝随波逐流的噪音交易。将实时的市场新闻、深度的券商研报以及历史财务数据进行全维度的清洗与整合。通过“广度搜索-深度阅读-逻辑内化”的闭环，构建属于你自己的高信度投资笔记，而非仅仅获取一个股价数字。

#### 核心任务

针对用户关注的 **「标的股票」$material（如：NVIDIA）」**。目标：全网搜集 **「最新财报解读」** 与 **「行业分析师观点」**，深度阅读并提取 **3-5 个核心博弈点（Bull vs Bear）**，最终生成一份带有**可视化数据图表的**、结构化的 **「投资决策备忘录」**。

先和用户确认投资标的。

#### 执行步骤

**Step 1: 广度情报扫描 (Market Scanning)**

- **目标**: 获取市场当前对该标的的主流叙事与情绪。

- **动作**:

- **新闻聚合**: 使用 Search 工具全网抓取过去 1 周内关于该股票的高热度新闻。

- **观点初筛**: 快速识别市场情绪是偏向“乐观”还是“恐慌”，并标记出导致情绪波动的主要事件（如：财报发布、新产品发布）。

**Step 2: 深度研报精读 (Deep Reading)**

- **目标**: 穿透噪音，获取机构级别的深度逻辑。

- **动作**:

- **素材获取**: 全网搜集 3-5 篇深度的长文分析或 PDF 研报，并 Save 为 Material。

- **核心提取**: AI 深度阅读这些材料，提炼出“业绩预测”、“风险提示”以及“与共识不同的独特观点”。

- **逻辑对齐**: 对比不同研报之间的矛盾点（例如：A 机构看多是因为 AI 需求，B 机构看空是因为产能瓶颈）。

**Step 3: 投资笔记生成 (Thesis Synthesis)**

- **目标**: 将外部信息转化为个人的投资决策依据。

- **输出**:

- **核心博弈表**: 列出当前市场做多与做空的 Top 3 理由。

- **关键指标追踪**: 标记出下个季度最需要关注的 KPI（如：数据中心营收增速）。

- **决策建议**: 基于上述分析，生成一份“买入/持有/观望”的逻辑推演文档，再生成一个可视化的数据webpage。

用write + webpage（数据可视化的部分）