如何用Claude的三工具完成一篇個股深度研究：以Fabrinet (FN)為例

一、為什麼「跟 AI 聊天」不等於「用 AI 做研究」

你有沒有過這種經驗：跟 Claude 聊了三個小時，分析了一檔股票的方方面面，覺得收穫滿滿——然後下一次打開新對話，一切從零開始。上次討論過的產業邏輯、整理好的財務數據、推導出的估值區間，全部消失。你得重新解釋你是誰、你在做什麼、你的分析框架是什麼。

這不是 AI 的問題，是工作流設計的問題。

聊天介面（Chat）是一個很好的思考工具，但它有三個根本限制：沒有記憶——每次對話都是新的，上次的研究成果不會自動帶入；沒有標準化——你的分析品質取決於你當天的提問品質，心情好多問兩句，累了就放水；沒有累積——十次對話的知識散落在十個視窗裡，永遠無法匯流。

2026 年初，Claude 推出了三個功能，徹底改變了這個局面：Skill、Project、CoWork。這三層工具各解決一個問題，組合起來就是一套完整的研究系統。而且重要的是——這不是一個理論框架，是我每週實際在用的工作流。以下用 Fabrinet (FN) 的研究過程來示範。

二、三層工具的定位：辦公室、資料夾、SOP

在展示實戰之前，先用一個比喻講清楚三者的關係。

關鍵洞察：三者是嵌套關係。CoWork 是辦公室，Project 是辦公桌上某個案子的資料夾，Skill 是你貼在牆上的 SOP。CoWork 裡面可以開多個 Project，每個 Project 裡面可以掛多個 Skill。單獨用任何一個都有價值，但三者串聯才是真正的力量倍增器。

三、Phase 1：Skill 篩選——FN 如何從 300 檔裡浮出來

問題：面對幾百檔股票，從哪裡開始？

每週從 MarketSurge 下載的清單動輒 300-800 檔。Growth 250 有 300 檔、Minervini Trend 有 860 檔、Near Pivot 有 47 檔。如果靠人工逐一檢視，一檔花五分鐘，860 檔就是 70 小時。

我的做法是：把篩選規則封裝成一個 Skill——一次寫好，永久調用，不受人類狀態波動影響。

CANSLIM / SEPA 篩選 Skill 的規則

我建了一個名為 marketsurge-canslim-sepa-screener 的 Skill，裡面封裝了六項篩選門檻：

另外，Near Pivot 和 Recent Breakouts 清單額外要求 Base Stage ≤ 2（拒絕晚期型態），Ants List 要求機構買超 Count ≥ 2。這些規則寫死在 Skill 裡，不管我是週一精神飽滿還是週五累到不行，篩選標準完全一致。

實際操作：30 秒完成

Claude 自動辨識清單類型、套用六項門檻、產出分級報告——而且做交叉比對，找出同時出現在多份清單的標的。結果中，FN（Fabrinet）出現在 4 份清單：Technical Strength、Minervini Trend、Growth 250、William O'Neil，是當週交叉比對的最強訊號之一。

作為對比，同一批篩選裡 Cloudflare (NET) 因為 A/D Rating 只有 C，在第一關就被刷掉了。這不代表 NET 不是好公司——而是代表目前的機構籌碼面不支持用選擇權賣方進場。系統不帶感情，這正是它的價值。

Skill 的核心價值：消除「每次重新設定」的摩擦，確保品質一致性。同一套篩選規則，300 檔跑完只需要 30 秒，而且永遠不會因為「這家公司故事聽起來不錯」就放寬標準。

四、Phase 2：Project 建立研究工作區——讓 Claude 記住一切

問題：研究了三天，第四天打開對話一切歸零

FN 的深度研究我前後花了五天。第一天爬產業鏈、第二天拆財務、第三天做競爭分析、第四天估值、第五天排版發布。如果用普通 Chat，每天都要重新貼財報、重新解釋「我用六章結構」「品牌色是 #2d3f5e」——光是這些重複說明就耗掉 20 分鐘。Project 解決的就是這個問題。

我怎麼設置 FN 的 Project

在 CoWork 桌面版裡，我為 FN 建了一個專屬 Project，裡面放了三樣東西：

設置完成後，隔了三天回來打開 Project，Claude 立刻知道：你在研究 FN、用六章結構、上次做到競爭分析、財報數據在這裡、品牌格式在這裡。

Claude 不需要我重新說明公司背景、財務數據、產業邏輯——因為這些全在 Project 裡。

Project 的核心價值：讓研究可以「暫停、接續」，而不是「每次重來」。這聽起來很基本，但對於任何需要超過一天才能完成的研究，這是品質的分水嶺。

五、Phase 3：CoWork 動手——從產業地圖到發布上線

問題：AI 給你一堆文字，但你要的是可以發布的成品

Chat 模式下，Claude 的輸出是對話框裡的文字，你需要自己複製、排版、轉格式。CoWork 模式下，Claude 直接在你的電腦上產出檔案——HTML、Excel、Word，存進你指定的資料夾。這個差異看似微小，實際上改變了整個工作節奏。

五天的研究過程

第一天：產業地圖。FN 不是一家容易定位的公司。它不設計晶片、不做品牌、不直接面對終端客戶——它是 AI 資料中心光通訊供應鏈裡的「精密代工」角色。我請 Claude 搜尋 FN 在產業鏈中的位置：

Claude 整理出一個清晰的結構：GPU 互聯 → 光網路設備 → 光模組 → Fabrinet 製造。FN 不做設計，只做技術門檻極高的精密代工。這個定位的優勢是「不管哪家光模組廠贏，FN 都吃到單」；風險是客戶集中度——前兩大客戶可能佔營收超過 50%。

第二天：財務拆解。我把 FN 的財報數據丟進 Project 資料夾，請 Claude 產出格式化的比較表。CoWork 直接讀取本機檔案，不需要在對話框裡手動複製貼上。

第三天：護城河與競爭分析。這是我跟 Claude 最有張力的對話。我質疑：「FN 只是代工，護城河在哪裡？代工不就是比價格嗎？」

Claude 的回覆讓我重新理解了 FN 的護城河：光通訊模組的製造不是「組裝手機殼」那種低技術代工，而是需要次微米級精密對位。1.6T 光模組的製造良率是核心競爭力，FN 在這個領域積累了十年以上的製程經驗。客戶轉單的隱性成本（重新驗證、良率爬坡、交期延遲）遠比多付 5% 的代工費高。這不是成本護城河，是技術認證護城河。

這種「你提出質疑 → AI 回去查證 → 你再追問 → 逼出更深的結論」的互動，是研究品質的真正來源。如果你只問「FN 好不好」，你得到的是公關稿等級的答案。

第四天：估值情境推演。我沒有問「FN 值多少錢」，而是做三種情境推演：

當時 FN 的 PE 已經從歷史均值 20x 飆升到 42-52x。這告訴我：市場已經定價了牛市情境。如果要進場，必須確認自己相信的是比牛市更好的未來。

第五天：產出與發布。CoWork 直接產出完整的 HTML 報告（品牌模板、六章結構），同時生成 Ghost 推送腳本。跑一行 node push-fn-research.js，文章推進 Ghost 後台，確認後 Publish。整個發布流程五分鐘。

六、常見錯誤與避坑：我踩過的坑

用 AI 做投資研究不是沒有風險。以下是實際踩過的坑：

七、完整鏈路：從篩選到發布

把三個 Phase 串起來，整個工作流長這樣：

這條鏈路的每一段都是可重複的。下一次研究 FICO、MCO、SHW，不需要重新設計流程——換一份 Excel、開一個新 Project、跑同一套 Skill 和模板。研究品質不取決於我當天的狀態，而是取決於系統的設計。

時間成本的真實比較

注意最後一行：整體「只」節省 65%，不是 99%。因為真正花時間的是思考——質疑結論、交叉驗證、形成觀點。這部分不能也不應該被自動化。

AI 省下的是「組裝時間」（assembly time）：蒐集數據、排版格式、重複說明框架。讓你把精力集中在「判斷時間」（judgment time）：護城河是真的還是假的？估值反映了多少成長？我的帳戶能承受多少風險？

最貴的不是 AI 的月費，是你花在「組裝」上的時間。每週省下 10 小時的組裝時間，一年就是 500 小時。這 500 小時拿去深入思考、交叉驗證、或者單純休息讓自己做出更好的判斷——每一種用法都比手動排版有價值。

八、結語：系統比靈感重要

大多數人用 AI 做投資研究的方式，像是每次做菜都從「翻冰箱看有什麼」開始。靈感驅動、品質不穩定、無法累積。

Skill / Project / CoWork 的三層架構，讓你從「靈感驅動」轉向「系統驅動」：

Skill 保證了「怎麼做」的一致性。不管今天精神好不好，CANSLIM 門檻就是 Comp ≥ 90、A/D ≥ B+。FN 能通過是因為數字夠硬，NET 被刷掉是因為機構正在賣——系統不帶感情。

Project 保證了「知道什麼」的累積性。第一天的產業地圖不會消失，它會成為第四天估值的輸入。下一季財報出來，你打開同一個 Project，所有歷史分析都在——你不是從零開始，而是從上次的結論開始。

CoWork 保證了「產出什麼」的執行力。研究結論不是停留在聊天視窗裡的文字，而是直接變成可發布的報告、可推送到 Ghost 的 HTML、可追蹤的投資筆記。從想法到成品，中間不再有「我改天整理一下」的拖延空間。

如果你也在做個股研究，不管用的是 Claude、ChatGPT、還是 Gemini，核心原則是一樣的：先建系統，再做研究。花一天時間封裝你的篩選規則、建立你的研究模板、設定你的工作區——這一天的投資，會在未來每一次研究中回報你。

市場屬於活得最久的人。研究系統，也是。