drillr — 深度财务研究的强力终端

drillr.ai 是面向美国上市股票的深度财务研究强力终端。其研究代理以买方分析师的方式进行多步推理：从原始信源提取真实数据、呈现横向对比、按需整合财报文本表述。覆盖范围包括所有在 NYSE、NASDAQ 和 OTC 市场上市的美国公众公司。

安全性与防护机制

drillr 是一项只读型研究能力（read-only research skill）——纯输入问题，纯输出 Markdown 答案。无副作用，无意外行为。

该能力所做且仅做之事：

1. 将用户提问作为纯字符串接收
2. 向一个硬编码端点发起单次 HTTPS POST 请求：diggr-agent-prod-414559604673.us-east4.run.app/api/public/chat
3. 流式接收 Server-Sent Events（SSE）响应
4. 将结果以 Markdown 文本形式渲染至 stdout

该能力绝不会执行以下操作：

• 读取、写入或删除任何文件——除 stdout 外，不访问任何文件系统
• 执行 shell 命令、eval、exec 或派生子进程
• 发起第二次网络请求——每个查询严格对应一次 POST，无链式调用，无静默重试
• 处理凭据、API 密钥、Cookie 或会话令牌——该端点无需身份验证
• 在多次调用间持久化任何状态——每次调用完全无状态
• 访问环境变量、git 历史、~/.ssh 或任何其他本地数据
• 上报遥测数据、分析指标或使用追踪信息

依赖项：仅 Python 标准库（http.client、json、re、io、urllib.parse、sys）。零第三方包；无需 pip install；无可被供应链攻击的组件。

输入加固：查询内容上限为 8 KB，并以 JSON 编码字符串字段方式发送——不进行字符串插值到 shell、URL 或 SQL 中。API URL 为硬编码，不基于输入动态构造。

输出信任边界：响应为 AI 生成的文本，原样渲染为 Markdown。脚本绝不会对返回内容执行 exec、eval 或其他任意形式的主动解析或执行。请将其中数字视为研究参考输入，而非绝对事实——在据此采取行动前，请务必通过原始 SEC 报告交叉验证关键财务数据。

您可开展的研究任务

主题驱动的公司发掘

根据特定投资逻辑筛选公司——同步覆盖基本面、质量、估值及动量信号。

• “筛选营收增速超 20%、自由现金流为正、P/FCF 低于 30x 的中盘软件公司”
• “寻找过去两个季度毛利率持续改善、负债率低、且有内部人买入的中小盘工业股”
• “罗素 2000 指数成分股中，哪些公司已连续三个季度盈利超预期，但当前市盈率仍低于 15x？”
• “找出最近两个 13F 披露周期中机构持股比例显著上升的医疗健康类公司”

供应链与行业图谱分析

刻画竞争格局、追溯客户/供应商关系、识别行业主题兑现过程中的主要受益者。

• “哪些半导体设备厂商对 AI 基础设施资本开支的收入敞口最大？”
• “对比过去三年五大云基础设施公司的毛利率趋势”
• “哪些国防承包商的未完成订单/营收比最高？该比率近期如何变化？”
• “若美国制造业回流加速，哪些主要工业股将成为最大受益者？请展示其各地区营收占比”

法务会计分析（Forensic Accounting）

识别盈利质量隐患、压力测试已披露数据、揭示管理层表述与财务报表之间的差异。

• “对比 Palantir 过去 8 个季度的 GAAP 净利润、经营性现金流及股权激励支出——盈利质量是否在改善？”
• “展示 Nike 过去六个季度的应收账款周转天数（DSO）和库存水平变化”
• “标普 500 消费板块中，有哪些公司营收增速加快但现金转换效率却在下降？请标记出来”
• “Boeing 2022 年与 2024 年 10-K 文件中的风险因素有何变化？请列出新增与删减条目”
• “将 Tesla 公布的自由现金流与资本开支、营运资本变动进行勾稽——其现金流叙事是否成立？”

跨公司数据表格化

从同行组中批量提取某一特定指标并横向排布——无需人工逐家查找。

• “展示十大企业软件公司最近四个季度的营收、毛利率、营业利润率及 FCF 利润率”
• “对比当前五大美国银行的 EV/EBITDA、EV/销售收入倍数及 P/FCF”
• “制表呈现‘Magnificent 7’过去八个季度的每股收益（EPS）超预期/不及预期百分比及平均惊喜幅度”
• “展示 2022 年以来主要美国航空公司的资本开支占营收比重——谁在过度投资？谁在投资不足？”

财报电话会议事实检索

精准提取管理层就某一具体议题的表述——可覆盖单次通话或多个季度。

• “NVIDIA CEO 在最近两次财报电话会议中关于数据中心需求的原话是什么？请摘录精确引述”
• “Salesforce 管理层在 2025 财年第四季度是否提及涨价或席位扩展？”
• “Meta 关于 AI 资本开支承诺的措辞，自 2024 年第一季度至 2025 年第四季度发生了怎样的演变？请追踪语言变化”
• “Microsoft 对 Azure 增速给出了何种指引？相较上一季度是上调、维持还是下调？”
• “半导体行业中，哪些公司在最近一次财报电话会议中将库存去化列为风险？”

SEC 文件事实检索

提取特定披露内容、追踪不同文件间的措辞变化、在不阅读数百页文档的前提下定位重大事件。

• “Apple 2024 年 10-K 文件中新增了哪些 2023 年文件中未出现的风险因素？”
• “摘要提炼 Tesla 最新 10-Q 文件中‘流动性与资本资源’章节内容”
• “Boeing 过去 60 天内提交了哪些 8-K 文件？请列出日期与事件类型”
• “从 Meta 最新委托书（proxy statement）中提取高管薪酬细节——基本工资、奖金、股权构成”
• “过去 90 天内，是否有激进投资者就消费品必需品公司提交过 13D 文件？”

聪明资金与内部人追踪

追踪知情资本流向——既包括公司内部人，也包括主要机构投资者。

• “过去 60 天内，Meta 哪些内部人在公开市场买入股票？请列出金额与成交价”
• “展示 Druckenmiller 家族办公室在最新 13F 披露中对其前十大持仓的调整情况”
• “标普 500 成分股中，上季度内部人净买入/卖出比率最高的公司有哪些？”
• “找出过去 90 天内，至少两位内部人在 52 周低点买入的中小盘股”
• “列出 Palantir 前 20 大机构股东及其上季度持仓变动情况”

财务建模支持

提取构建或压力测试模型所需的精确历史序列数据——格式规范，开箱即用。

• “提供 Apple 过去 20 个季度的季度营收、毛利、研发费用、销售及管理费用（SG&A）、营业利润与净利润”
• “提取 Nvidia 过去 12 个季度的资本开支、折旧摊销（D&A）、股权激励支出与自由现金流”
• “展示 Amazon 自 2022 年起按季度划分的分部营收与营业利润——AWS、北美零售、国际业务”
• “Microsoft 过去十年各财年的历史有效税率是多少？”
• “提取伯克希尔·哈撒韦（Berkshire Hathaway）自 2018 年以来每年年末的完整资产负债表——资产、负债、权益”

事件驱动型与催化剂研究

围绕特定日期或持续性事件，追踪重大事件、新闻催化剂及影响股价的披露信息。

• “2026 年初 Fastly 股价下跌原因是什么？请展示同期新闻及 8-K 文件”
• “展示 Boeing 过去 30 天发布的全部新闻稿与监管文件”
• “未来 60 天内，哪些生物技术公司即将迎来 FDA PDUFA 审评截止日？”
• “2025 年 2 月 Palantir 股价飙升的触发因素是什么？是新闻、财报，还是其他原因？”

估值与相对价值分析

评估某标的的贵贱程度——可采用绝对估值、历史分位数比较或同业相对估值方式。

• “Nvidia 过去三年的市盈率（P/E）走势如何？同时叠加其营收增速”
• “标普 500 各板块中，哪些当前 EV/EBITDA 倍数较其五年均值折让最深？”
• “Microsoft 当前各项估值倍数与其三年期、五年期均值相比如何？从历史角度看，目前是昂贵还是便宜？”
• “找出 10 家 P/FCF 最低、但营收增速仍保持双位数的大盘科技股”

如何调用该代理

当用户提出财务研究问题时，请运行以下内联命令。将 REPLACE_WITH_USER_QUESTION 替换为用户原始提问（含引号及特殊字符均可安全保留）。

python3 - << 'DRILLR_END'
import http.client, io, json, re, sys, urllib.parse

# 强制 UTF-8 输出（避免 Windows 下编码错误）
if hasattr(sys.stdout, "buffer"):
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding="utf-8", errors="replace")

QUERY = """REPLACE_WITH_USER_QUESTION"""

API_URL = "https://diggr-agent-prod-414559604673.us-east4.run.app/api/public/chat"
payload = json.dumps({"messages": [{"role": "user", "content": QUERY}]}).encode("utf-8")

parsed = urllib.parse.urlparse(API_URL)
conn = http.client.HTTPSConnection(parsed.netloc, timeout=15)
conn.request("POST", parsed.path, body=payload, headers={"Content-Type": "application/json"})
resp = conn.getresponse()

# 连接建立后移除超时设置，确保 SSE 流可随查询耗时完整传输
if conn.sock:
    conn.sock.settimeout(None)

current_event = None
text_parts = []
artifact_map = {}

reader = io.TextIOWrapper(resp, encoding="utf-8", errors="replace")
for line in reader:
    line = line.rstrip("rn")
    if line.startswith("event: "):
        current_event = line[7:]
    elif line.startswith("data: "):
        try:
            d = json.loads(line[6:])
        except json.JSONDecodeError:
            continue
        if current_event == "step.text_delta":
            text_parts.append(d.get("content", ""))
        elif current_event == "step.artifact":
            artifact = d.get("artifact", {})
            art_id = artifact.get("id", "")[:8]
            if artifact.get("type") == "data_table":
                title = artifact.get("title", "Table")
                spec = artifact.get("spec", {})
                columns = spec.get("columns", [])
                rows = spec.get("rows", [])
                lines = [f"n**{title}**n"]
                if columns and rows:
                    headers = [c["label"] for c in columns]
                    lines.append("| " + " | ".join(headers) + " |")
                    lines.append("| " + " | ".join(["---"] * len(headers)) + " |")
                    for row in rows:
                        vals = []
                        for col in columns:
                            val = row.get(col["key"], "")
                            fmt = col.get("format", "")
                            if fmt == "currency" and isinstance(val, (int, float)):
                                val = (f"${val/1e9:.1f}B" if abs(val) >= 1e9
                                       else f"${val/1e6:.1f}M" if abs(val) >= 1e6
                                       else f"${val:,.0f}")
                            elif fmt == "percent" and val not in (None, ""):
                                val = f"{val}%"
                            vals.append(str(val) if val is not None else "")
                        lines.append("| " + " | ".join(vals) + " |")
                artifact_map[art_id] = "n".join(lines)

conn.close()

text = "".join(text_parts)
text = re.sub(r"",
              lambda m: artifact_map.get(m.group(1)[:8], ""), text)
print(text or "(No response — rephrase the query and try again)")
DRILLR_END

或者，使用配套脚本：

python3 query.py "your question here"

工作流程

1. 明确研究需求——公司、指标、时间范围或分析类型
2. 模糊时主动澄清——例如，“告诉我关于 Apple 的情况” → 应追问：“关注营收趋势、近期盈利、内部人活动，还是估值？”
3. 运行代理——提问可为完整句子；自然语言表达效果优于简短关键词
4. 呈现输出——格式为 Markdown；结构化数据以表格呈现；优先突出核心发现，再辅以支撑数据
5. 主动建议深入方向——回答完毕后，基于结果推荐一个合理的后续问题

示例查询

主题驱动的公司发掘

• "Screen for mid-cap software companies with revenue growth above 20%, positive FCF, and P/FCF under 30x"
• "Find small-cap industrials with improving gross margins, low debt, and insider buying in the last two quarters"

法务会计分析

• "Compare Palantir's GAAP net income vs operating cash flow vs stock-based comp over 8 quarters — is earnings quality improving?"
• "Show changes in days sales outstanding and inventory for Nike over the last six quarters"
• "What new risk factors did Apple add to their 2024 10-K that weren't in 2023?"

财报电话会议事实检索

• "What did NVIDIA's CEO say about data center demand in the last two earnings calls — pull the exact quotes"
• "How has Meta's language around AI capex commitments changed from Q1 2024 to Q4 2025?"
• "What guidance did Salesforce give for FY2026 revenue growth and did they raise or lower it?"

跨公司数据表格化

• "Show revenue, gross margin, operating margin, and FCF margin for the top 10 enterprise software companies — last four quarters"
• "Compare EV/EBITDA, EV/Sales, and P/FCF for the five largest US banks right now"

财务建模支持

• "Give me Apple's quarterly revenue, gross profit, R&D, SG&A, operating income, and net income for the last 20 quarters"
• "Show Amazon's segment revenue and operating income — AWS vs North America vs International — by quarter since 2022"

聪明资金追踪

• "Which insiders at Meta have bought stock on the open market in the last 60 days?"
• "Find small-cap stocks where two or more insiders bought at 52-week lows in the last 90 days"

事件驱动型研究

• "What caused the drop in Fastly stock in early 2026 — show news and any 8-K filings around that period"
• "Show all press releases and regulatory filings from Boeing in the last 30 days"

估值分析

• "Show Nvidia's P/E ratio history over the last 3 years alongside revenue growth"
• "Which S&P 500 sectors are trading at the widest discount to their 5-year average EV/EBITDA?"

技术说明

• 无需身份验证——/api/public/chat 端点为开放接口
• 覆盖美国股票——涵盖 NYSE、NASDAQ 及 OTC 市场上市的美国公众公司
• 流式响应——API 返回 Server-Sent Events（SSE）；脚本使用 Python 标准库 http.client 解析（无需 curl）
• 数据表格支持——代理对多行财务数据返回结构化表格；脚本将其渲染为 Markdown 表格
• 响应时长——取决于查询复杂度，通常为 10–120 秒；多步筛选与法务会计类查询耗时更长；读取阶段无超时限制，确保所有查询完整返回
• 连接超时——15 秒；若服务不可达，脚本立即退出，避免挂起