investment-research-briefs

Créez des briefs de recherche en investissement concis, des mémos d'entreprise, des aperçus sectoriels, des mises à jour de suivi de portefeuille, des résumés de résultats et d'actualités, des briefs sur les risques et les catalyseurs,…

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.

Plus de skills de tavily-ai

academic-scientific-research
tavily-ai
Trouver, filtrer et synthétiser des articles académiques, de la littérature scientifique, des rapports techniques, des prépublications, des publications cliniques ou biomédicales, et des preuves autour d'un…
crawl
tavily-ai
Extraire et enregistrer le contenu de sites web sous forme de fichiers markdown pour un accès et une analyse hors ligne. Prend en charge une profondeur de crawl configurable (1 à 5 niveaux), des limites de largeur et des plafonds de pages pour équilibrer la couverture et les performances. Inclut un filtrage de chemin via des expressions régulières pour se concentrer sur des sections spécifiques et exclure le contenu non pertinent. Propose deux modes : extraction de page entière pour la collecte de données, ou découpage sémantique avec des instructions en langage naturel pour alimenter les résultats dans le contexte d’un LLM. Fournit une API Map complémentaire pour les URL...
extract
tavily-ai
Extraire le contenu propre d'URL spécifiques à l'aide de l'API d'extraction de Tavily. Prend en charge jusqu'à 20 URL par requête avec un reclassement optionnel basé sur une requête pour se concentrer sur les extraits de contenu pertinents. Deux modes d'extraction : basique pour une extraction rapide de texte, avancé pour les pages rendues par JavaScript et les données structurées. Authentification OAuth automatique via le navigateur lors de la première exécution, ou configuration manuelle de la clé API dans les paramètres. Renvoie le format markdown ou texte brut avec des URL d'images optionnelles et un délai d'attente configurable jusqu'à 60 secondes.
product-competitor-intelligence
tavily-ai
Rechercher les produits concurrents, les SKU, les prix, le packaging, le positionnement, les comparaisons de fonctionnalités, les catalogues produits, les pages de catégorie, les listes de détaillants, les marketplaces…
research
tavily-ai
Recherche approfondie sur n'importe quel sujet avec collecte automatique des sources, analyse et citations. Effectue des recherches web multi-sources avec citations explicites, idéal pour les comparaisons, l'actualité, l'analyse de marché et les rapports détaillés. Propose trois options de modèle : mini pour une recherche ciblée sur un seul sujet (~30s), pro pour une analyse complète multi-angle (~60-120s), et auto pour la détection de complexité via API. S'authentifie via OAuth via le serveur MCP Tavily avec connexion automatique basée sur le navigateur...
sales-account-intelligence
tavily-ai
Construisez une intelligence de compte prête pour la vente pour les entreprises, prospects, clients, partenaires et acheteurs cibles. À utiliser lorsque l’utilisateur demande une préparation commerciale, un brief de compte,…
search
tavily-ai
We need to translate the given English text into French, preserving the name "search" if it appears. The text is a description of a web search agent skill. The instruction says to translate only the text inside <text>, and not include the name unless it appears in the source text. The name "search" is not in the provided text? Actually the text starts with "Web search..." so "search" is part of the phrase "Web search". But the instruction says "Name to preserve: search" - that likely means the skill name is "search", but it's not explicitly in the text as a standalone name. The text says "Web search" which includes "search". We should preserve that as is? The instruction says "Do not include the name unless it appears in the source text." Since "search" appears as part of "Web search", we should keep "Web search" as is? But we are translating to French, so "Web search" would become "Recherche Web" or "Recherche sur le Web"? However, the instruction says
tavily-best-practices
tavily-ai
API de recherche web pour LLMs avec accès aux données en temps réel, extraction de contenu, exploration de sites et recherche assistée par IA. Cinq méthodes principales : search() pour les résultats web, extract() pour le contenu d'URL, crawl() pour l'exploration complète d'un site, map() pour la découverte d'URL, et research() pour la synthèse IA de bout en bout. Prend en charge les SDK Python et JavaScript avec des clients asynchrones pour les requêtes parallèles et une profondeur de recherche configurable (ultra-rapide/rapide/basique/avancée). La méthode crawl accepte des instructions sémantiques pour concentrer l'extraction sur...