investment-research-briefs

Erstellen Sie prägnante Investment-Research-Briefings, Unternehmens-Memos, Branchen-Snapshots, Portfolio-Überwachungs-Updates, Gewinn-/Nachrichtenzusammenfassungen, Risiko- und Katalysator-Briefings, …

npx skills add https://github.com/tavily-ai/use-case-skills --skill investment-research-briefs

Investment Research Briefs

Workflow

Use search and extract for quick investor briefs and source checks, research for full investment memos, and map or crawl only for large known source collections. Keep this skill focused on research design, source selection, verification, and synthesis; execution mechanics should come from companion endpoint skills.

Treat the guidance below as base guidance; adapt it to the user's request when appropriate.

  • Define the target, investor lens, geography, timeframe, asset type, and desired depth.
  • For quick briefs, split into short subqueries under 400 characters: business overview, market position, financial/operating signals, recent developments, competitors, risks, catalysts, and valuation/comps if requested.
  • Prefer filings, investor relations pages, earnings materials, company pages, regulators, exchanges, reputable financial media, and market sources.
  • For deeper memos, provide a clear research goal, known context, constraints, target market, and desired output shape.
  • Verify specific metrics, quotes, management claims, filings, and high-impact assertions against original or authoritative sources.
  • Separate sourced facts, inferred interpretation, and open diligence questions.

Research Budget

  • Start with a small focused search set covering business context, recent developments, financial/operating signals, and risks/catalysts.
  • Extract only the strongest sources before drafting a concise brief.
  • Add more searches only for named gaps, such as missing filing evidence, missing earnings context, or missing competitor context.
  • Do not use map unless a known investor-relations, filing, transcript, or presentation library has buried pages.
  • Do not use research unless the user asks for a full memo, sector landscape, or multi-source thesis.

Capability Guidance

  • Use search for fast discovery across companies, sectors, filings, news, competitors, and market context.
  • Use extract to verify metrics, quotes, filings, management claims, transcripts, and other high-impact assertions.
  • Use research for full investment memos, sector landscapes, or multi-source thesis work.
  • Use map or crawl only for large investor-relations, filing, transcript, or presentation libraries.

Query And Source Guidance

  • Use company legal name, ticker, product names, segment names, geography, competitor names, and reporting period in queries.
  • For public companies, prioritize original filings, earnings calls, investor presentations, regulator pages, and exchange notices.
  • For private companies, triangulate from company pages, funding announcements, customer stories, hiring, product documentation, and credible press.
  • For recent developments, make the timeframe explicit in the query.
  • For competitor or sector work, build separate subqueries for category, demand drivers, pricing, regulation, customer adoption, and risks.
  • Include known assumptions or prior context in broad research requests to avoid rediscovering what is already known.
  • Report failed or unavailable sources when they affect filings, transcripts, IR pages, market data, or cited claims.

Output Template

Use this markdown structure and adapt sections to the user's mandate:

# Investment Brief: <company/sector/theme>

## Executive Summary
<concise bullets with the main investor-relevant takeaways>

## Business And Market Context
- Business model:
- Customers/segments:
- Market position:
- Competitors:

## Recent Developments
- <dated development with source>

## Signals
- Financial or operating signals:
- Product, customer, hiring, or partnership signals:
- Regulatory or macro signals:

## Risks
- <risk>: <evidence and uncertainty>

## Catalysts And Watch Items
- <catalyst/watch item>: <why it matters>

## Open Diligence Questions
- <question>

## Sources
- [Source title](URL) - <what it supports>

Do not provide personalized financial advice. State when source coverage is thin, stale, or incomplete.

Mehr Skills von tavily-ai

academic-scientific-research
tavily-ai
Finden, prüfen und synthetisieren Sie wissenschaftliche Arbeiten, wissenschaftliche Literatur, technische Berichte, Preprints, klinische oder biomedizinische Publikationen und Evidenz rund um ein…
crawl
tavily-ai
Website-Inhalte extrahieren und als Markdown-Dateien für den Offline-Zugriff und die Analyse speichern. Unterstützt konfigurierbare Crawl-Tiefe (1-5 Ebenen), Breitenbegrenzungen und Seitenobergrenzen, um Abdeckung und Leistung auszugleichen. Enthält Pfadfilterung mittels Regex-Mustern, um sich auf bestimmte Abschnitte zu konzentrieren und irrelevante Inhalte auszuschließen. Bietet zwei Modi: vollständige Seitenextraktion für die Datensammlung oder semantisches Chunking mit natürlichen Sprachinstruktionen, um Ergebnisse in den LLM-Kontext einzuspeisen. Stellt eine begleitende Map-API für URLs bereit...
extract
tavily-ai
Extrahiere saubere Inhalte von bestimmten URLs mithilfe der Tavily-Extraktions-API. Unterstützt bis zu 20 URLs pro Anfrage mit optionalem query-basiertem Reranking, um sich auf relevante Inhaltsabschnitte zu konzentrieren. Zwei Extraktionsmodi: Basis für schnelle Textextraktion, erweitert für JavaScript-gerenderte Seiten und strukturierte Daten. Automatische OAuth-Authentifizierung über den Browser beim ersten Start oder manuelle API-Schlüsselkonfiguration in den Einstellungen. Gibt Markdown- oder Klartextformat mit optionalen Bild-URLs und konfigurierbarem Timeout von bis zu 60 Sekunden zurück.
product-competitor-intelligence
tavily-ai
Konkurrenzprodukte, SKUs, Preisgestaltung, Verpackung, Positionierung, Funktionsvergleiche, Produktkataloge, Kategorieseiten, Händlerlisten, Marktplatz …
research
tavily-ai
Umfassende Recherche zu jedem Thema mit automatischer Quellensammlung, Analyse und Zitaten. Führt mehrquellige Web-Recherche mit expliziten Zitaten durch, ideal für Vergleiche, aktuelle Ereignisse, Marktanalysen und detaillierte Berichte. Bietet drei Modelloptionen: Mini für gezielte Ein-Themen-Recherche (~30s), Pro für umfassende Multi-Perspektiven-Analyse (~60-120s) und Auto für API-gesteuerte Komplexitätserkennung. Authentifiziert sich über OAuth durch den Tavily MCP-Server mit automatischem browserbasiertem Login auf...
sales-account-intelligence
tavily-ai
Erstellen Sie verkaufsbereite Account-Intelligenz für Unternehmen, Interessenten, Kunden, Partner und Zielkäufer. Verwenden Sie dies, wenn der Benutzer nach Vertriebsvorbereitung, Account-Briefing usw. fragt.
search
tavily-ai
Web-Suche mit LLM-optimierten Ergebnissen, Relevanzbewertung und flexiblen Filtern. Unterstützt vier Suchtiefenmodi (ultraschnell, schnell, einfach, erweitert) mit konfigurierbaren Latenz- und Relevanzabwägungen. Enthält Domain-Filterung, Zeitbereichseinschränkungen, Datumsbereiche, Länder-Boosting und Rohinhalts-Extraktion. Gibt Ergebnisse mit Titel, URL, Inhaltsausschnitt und Relevanzbewertung zurück; optionale Bild-Ergebnisse und Favicons. Automatische OAuth-Authentifizierung über Tavily MCP-Server oder API-Key-Konfiguration;...
tavily-best-practices
tavily-ai
Websuch-API für LLMs mit Echtzeit-Datenzugriff, Inhalts-Extraktion, Site-Crawling und KI-gestützter Recherche. Fünf Kernmethoden: search() für Webergebnisse, extract() für URL-Inhalte, crawl() für siteweite Extraktion, map() für URL-Erkennung und research() für durchgängige KI-Synthese. Unterstützt Python- und JavaScript-SDKs mit asynchronen Clients für parallele Abfragen und konfigurierbare Suchtiefe (ultra-fast/fast/basic/advanced). Die Crawl-Methode akzeptiert semantische Anweisungen, um die Extraktion auf... zu fokussieren.