Chokepoint Atlas五维Lane评分法：约束、证据、共识与错配分数怎么打

Chokepoint Atlas五维Lane评分法约束、证据、共识与错配分数怎么打【免费下载链接】chokepoint-atlas项目地址: https://gitcode.com/gh_mirrors/ch/chokepoint-atlasChokepoint Atlas卡脖子美股战法是一个把AI 产业链热门叙事翻译成供应链研究的开源工具它的核心输出之一就是Lane 评分Lane Score用约束、证据、共识、错配、催化剂五个维度给每条研究方向Lane打出 1-5 分的可比较分数帮你决定下一步该把研究时间花在哪个方向。Lane 评分是解决什么问题的当你在 AI 产业链里找到多条候选方向比如HBM 测试与先进封装、数据中心供电与液冷、光互连直觉会说都很热但研究时间有限。Lane 评分的作用很简单把每条 Lane 的研究优先级排个序并说清楚为什么。它的五条铁律写在 references/scoring-framework.md 里评分是为了比较 Lane、比较 Lane 内的公司、解释为什么这条线现在更值得做评分不是交易信号也不是假装精确先有论点thesis再打分没有论点就不打分五维评分速览表维度英文核心问题高分意味着约束分Constraint瓶颈有多真供给集中、难替代、交期长、认证难证据分Evidence证明有多硬一手来源、多源交叉验证共识分Consensus市场有多忽视分数越高 关注度越低 越好错配分Mispricing角色是否被低估系统内角色大于市场关注度/估值催化剂分Catalyst近期有没有事件财报、认证完成、量产、扩产公告每个维度独立打 1-5 分五维取平均就是 Lane 总分满分 5。逐维拆解分数到底怎么打1. 约束分先问这个瓶颈是真的吗对照四项检查清单见 references/scoring-framework.md供给集中度几家供应商在供替代难度换一家要多久交期lead time扩产要等多久认证摩擦qualification friction客户认证周期多长四项都硬的 Lane约束分可以到 5只是故事上听着卡脖子的给 2-3。2. 证据分多公司互证 单一来源看三点来源质量财报电话会、IR 材料是强证据社媒帖是弱证据项目内置证据等级A/B/C/D 对应 Confirmed / Inferred / Weak / Needs verification确认来源的数量是否有多家不同位置的公司描述同一个约束——这是最高质量的证据形态3. 共识分方向越冷门分越高注意这个维度的方向和另外几个相反高分4-5 市场还没聚焦故事没成共识低分1-2 人人都知道了拥挤交易4. 错配分角色 vs 关注度问一个问题这家公司/这一层在系统里的作用是否大于当前市场关注度和估值所暗示的典型形态小市值供应商能卡住巨头的需求放量市值和角色严重不匹配。5. 催化剂分近期有没有逼市场重估的事件例财报、认证完成、量产启动、资本开支/产能公告。事件越近、越确定分越高。实战示例一条 Lane 的打分长什么样项目示例输入 examples/lane_compare_input.json 里有两条现成的 Lane 可以直接参考。以HBM 测试与先进封装为例其中 FormFactor 的五维打分为Name Score公司层面 - Constraint: 4/5 - Evidence: 5/5 - Consensus: 3/5 - Mispricing: 3/5 - Catalyst: 4/5Lane 层级的标准输出格式来自 references/scoring-framework.mdLane Score - Constraint: 4/5 - Evidence: 5/5 - Consensus: 3/5 - Mispricing: 4/5 - Catalyst: 4/5 - Total view: High-priority lane⚠️ 注意区分两套分数Lane Score给赛道/层级用Name Score给赛道成立之后的个股用含 stack 角色、重估路径、风险顺序不能反。总分怎么换算成优先级脚本 scripts/build_research_pack.py 会把五维取平均保留两位小数再映射成四档优先级Lane 总分/5优先级建议动作≥ 4.2Very high-priority lane立刻投入研究时间≥ 3.6High-priority lane排进本周计划≥ 3.0Watch closely列入观察清单 3.0Lower-priority lane for now先放一放一键生成评分compare_lanes 流程不用手算。把多条 Lane 按输入格式参考 examples/lane_compare_input.json写成 JSON运行 scripts/compare_lanes.pypython scripts/compare_lanes.py --input examples/lane_compare_input.json --output out/lane_compare产出四件套lane_ranking.json按总分降序的排名ranked_lane_table.md五维分数 总分的对比表格lane_compare_memo.md排序逻辑 每条 Lane 的瓶颈、最强证据、头部公司lane_details.json完整研究包明细单条 Lane 也可以直接用 scripts/build_research_pack.py示例输入 examples/ai_factory_lane_input.json产出scorecard.json、quick_scan.md等。三个防假精确的原则这是整个评分框架的灵魂来自 SKILL.md 的 Hard Rules不要先报股再找理由——先定系统和瓶颈打分是排序工具不是喊单工具永远分开已确认证据 / 管理层说法 / 推断 / 猜测证据等级A-D 档要标在每条证据上必须说清什么会打破这个论点thesis breaker——没有反证清单的分数没有意义相关模块路径评分框架定义references/scoring-framework.md多 Lane 对比脚本scripts/compare_lanes.py研究包生成脚本scripts/build_research_pack.py对比输入示例examples/lane_compare_input.json单 Lane 输入示例examples/ai_factory_lane_input.json2.0 输出模板Ranked Lane Table 等references/output-formats-v2.md产品总览README.md、SKILL.md总结Lane 评分法的精髓是一句话不是给市场算收益而是给你的研究时间算性价比。五维约束 4、证据 5、共识 3、错配 4、催化剂 4 这类逐项对照清单打分平均后按 4.2 / 3.6 / 3.0 三档排序再配上什么会打破论点的清单——这套流程就能把你手里的新闻、财报和研报稳定地变成一张可比较的研究优先级表。【免费下载链接】chokepoint-atlas项目地址: https://gitcode.com/gh_mirrors/ch/chokepoint-atlas创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考