紫苏叶选股法 Perilla Leaf Screener
/install perilla-leaf-screener
紫苏叶选股法(Perilla Leaf Screener)
帮用户用 Serenity 的供应链瓶颈方法论挖掘美股 + A 股投资线索。定位是研究方法论工具,不是荐股机。
理论内核(三句话)
- 烤肉桌上,和牛(NVIDIA/Tesla/人形机器人整机)是主菜,人人都盯着;紫苏叶不起眼、便宜,但每片肉都要配一片——不买烤肉,买紫苏叶。
- 顺着宏大叙事逐层下钻供应链,找到那些缺了它整条链就停摆的战略瓶颈环节:供给集中、产能受限、认证周期长、切换成本高、技术/良率门槛硬。
- 目标标的通常市值小、关注度低、尚未被市场定价——价值在于"系统性必需"而非"故事性感"。
Serenity 验证过的紫苏叶原型:InP 磷化铟衬底(AXTI)、SOI 绝缘体上硅晶圆(Soitec)、化合物半导体外延(IQE)、光模块测试设备、CPO 外置光源。注意这些已被他喊过、已被定价——本 skill 的任务是用同样的方法找下一批,而不是复读他的持仓。
铁律
- 永远不直接推荐"主菜/牛肉"型标的(终端巨头、明星整机),那是对理论的背叛。
- 任何标的没有当日联网搜索到的供货证据,不得进入输出表。供应链格局一年一变,禁止依赖训练记忆下结论。
- 仅覆盖美股与 A 股;港股、日股等其他市场明确拒绝并说明。
- 输出末尾必须附免责声明(见 Step 6)。
工作流(六步,按序执行,不可跳步)
Step 0:定主菜
和用户确认(或根据其输入判断)赛道与终端产品:"主菜"是什么?
- AI 供应链 → GPU/ASIC 服务器、CPO/光互连、HBM、AI 手机/PC
- 物理 AI 供应链 → 自动驾驶域控、激光雷达、工业机器人、低空飞行器
- 具身智能 → 人形机器人整机(Optimus/Figure/宇树等)、灵巧手、机器狗
用户没指明时,列出 2–3 个主菜候选请用户选择,或按当下景气度自行选定并说明理由。
Step 1:拆链下钻
对主菜做 BOM/工艺流程分解,逐层下钻:终端 → 模组 → 器件 → 材料/设备/测试/耗材。
- 每一层都问:"这一层里,哪个东西量小价低但缺了不行?"
- 用联网搜索查当下(以当前日期为准)的供应链格局、扩产新闻、认证进展。
- 材料、设备、测试、耗材四类是紫苏叶高发区;整机和明星模组是"牛肉",默认排除。
Step 2:瓶颈六问(逐项过筛)
对每个候选环节回答:
- 必配性:主菜出货一单位,它是否必然消耗/配套?attach rate 接近 100%?
- 价值占比:占下游 BOM \x3C5%?(占比低 → 下游对它涨价不敏感,降本时不会先砍它)
- 供给格局:全球/国内是否 ≤3 家有效供应商?是否独家认证?
- 扩产速度:产能是否难以快速扩张(工艺 know-how、设备交期、良率爬坡 ≥1 年)?
- 切换成本:换供应商是否需要重新认证 6 个月以上?是否绑定大客户 roadmap?
- 定价状态:市值是否还小(美股 \x3C$50 亿、A 股 \x3C300 亿为参考线)?近 6 个月涨幅是否尚未反映瓶颈逻辑?
Step 3:评分卡
六问各 0–2 分(否=0 / 部分=1 / 强=2),总分 ≥9 进入候选池。第 6 问(定价状态)得 0 分的直接淘汰——已被定价的紫苏叶就是牛肉。
Step 4:落地到具体标的(仅美股 + A股)
- 把环节映射到上市公司:美股给 ticker,A 股给代码+市场(SH/SZ/BJ)。
- 每个标的必须联网验证其确实供货该环节(公告、客户认证、产能数据),并给出来源链接。A 股"蹭概念"极多,无实锤供货证据的标记为 ⚠️ 伪紫苏叶并剔除。
- 写出一句话压力测试:"如果这家公司明天停产,链条上谁会停摆?" 答不上来 → 不是紫苏叶。
Step 5:反检验(蓝军视角)
对候选池逐个攻击:
- 是否已被 Serenity 或市场喊单导致拥挤/抢跑?(搜近期讨论热度)
- 是否存在被下游内制化或技术路线替代的风险(如铜退光进、路线切换)?
- 客户集中度:单一客户 >50% 营收?
- A 股标的:解禁、减持、商誉等公司治理雷。 经不起攻击的标注风险等级,不直接删除,让用户看到完整推理。
Step 6:输出
交付一张表 + 简短论述:
| 标的(代码/市场) | 紫苏叶环节 | 主菜 | 评分 | 一句话瓶颈逻辑 | 主要风险 | 证据链接 |
|---|
表后给出:
- 候选池里最有信心的 1–3 个及理由;
- 被剔除的伪紫苏叶及原因(同样有价值);
- 免责声明:本输出为方法论演示与研究线索,不构成投资建议;紫苏叶理论本质是高赔率高波动策略,标的多为小市值,流动性与回撤风险极大。
三条链的下钻起点地图(参考,非答案,需实时验证)
- AI 算力链:光模块上游(光芯片衬底/外延、FAU/MT 插芯、光引擎测试)、高速铜连接、HBM 测试与封装材料、PCB 上游(高端覆铜板树脂/玻璃布/铜箔)、液冷快接头/冷板、电源(PSU 上游磁性件)、电网侧变压器。
- 物理 AI 链:车规/机器人 MCU 与 SerDes、IMU 惯导、毫米波/激光雷达上游(VCSEL、滤光片)、线控底盘核心件、高精地图/仿真数据闭环。
- 具身智能链:行星滚柱丝杠(及其磨床设备)、谐波/摆线减速器、空心杯电机与绕线设备、六维力/触觉传感器、灵巧手腱绳材料、轴承钢与微型轴承、稀土磁材与电机磁钢、机器人专用编码器。
注意:上面列的环节里凡是已成市场共识的(如谐波减速器龙头),大概率已是牛肉——下钻到它们的上游设备与材料再找一层。
作者与致谢
- Skill 作者:walter([email protected],ClawHub @chujindan-dotcom)。
- 理论原创者致谢:紫苏叶理论(供应链瓶颈选股模型)由 Serenity(白毛股神,X @aleabitoreddit) 原创并以公开推文形式分享。本 skill 是对其公开方法论的学习、整理与工程化复刻,所有理论功劳归原作者;向这位把"半年 45 倍"的方法论无偿公开的散户致敬。
- 独立性声明:本 skill 与 Serenity 本人无任何关联、合作或背书关系;对其方法论的理解与转述如有偏差,责任在 skill 作者,与原作者无关。
免责声明
- 本 skill 及其全部输出仅为方法论演示与投资研究线索,不构成任何投资建议、买卖推荐或要约。
- 紫苏叶理论是高赔率、高波动策略,标的多为小市值公司,存在流动性差、回撤剧烈、信息验证滞后等风险;历史业绩(包括 Serenity 的)不代表未来表现。
- 输出中的供货关系、市值、涨幅等数据来自公开网络检索,可能存在错误或过时,请以公司正式公告与监管披露为准。
- 使用者应自行决策并承担全部投资风险;skill 作者与理论原创者均不对任何投资损失负责。投资有风险,入市需谨慎。
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install perilla-leaf-screener - 安装完成后,直接呼叫该 Skill 的名称或使用
/perilla-leaf-screener触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
紫苏叶选股法 Perilla Leaf Screener 是什么?
基于白毛股神 Serenity 的"紫苏叶理论"(供应链瓶颈选股模型)挖掘投资标的。适用于 AI 供应链、物理 AI 供应链、具身智能/人形机器人方向,覆盖美股与 A 股。当用户要求挖掘上述赛道的上游/二线标的、找供应链瓶颈、或点名按 Serenity 方法选股时使用。需要联网搜索能力。Triggers 触发词:... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 37 次。
如何安装 紫苏叶选股法 Perilla Leaf Screener?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install perilla-leaf-screener」即可一键安装,无需额外配置。
紫苏叶选股法 Perilla Leaf Screener 是免费的吗?
是的,紫苏叶选股法 Perilla Leaf Screener 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。
紫苏叶选股法 Perilla Leaf Screener 支持哪些平台?
紫苏叶选股法 Perilla Leaf Screener 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 紫苏叶选股法 Perilla Leaf Screener?
由 chujindan-dotcom(@chujindan-dotcom)开发并维护,当前版本 v1.0.1。