investment-research-briefs

Create concise investment research briefs, company memos, sector snapshots, portfolio monitoring updates, earnings/news summaries, risk and catalyst briefs,…

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

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...
official
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
official
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...
official
tavily-cli
tavily-ai
Recherche web, extraction de contenu, exploration de sites et recherche approfondie via Tavily CLI. Cinq modes de commande couvrant la recherche, l'extraction, la découverte d'URL, l'exploration en masse et la recherche multi-sources avec citations. Toutes les commandes prennent en charge la sortie JSON et la sauvegarde de fichiers pour des workflows structurés et agentiques. Un modèle d'escalade vous guide de la recherche simple à l'extraction, la cartographie, l'exploration, jusqu'à la recherche complète selon vos besoins. Nécessite l'installation de tavily-cli et l'authentification par clé API via tvly login.
official
tavily-crawl
tavily-ai
Robot de site web multi-pages avec filtrage sémantique et export en Markdown. Parcourez des sections entières de site avec contrôle de la profondeur et de la largeur ; filtrez par expression régulière de chemin, domaine ou instructions en langage naturel pour cibler les résultats. Enregistrez chaque page sous forme de fichiers Markdown locaux via --output-dir, ou renvoyez du JSON structuré pour un traitement agentique. Utilisez des instructions sémantiques avec extraction par fragments pour éviter le gonflement du contexte lors de l’envoi des résultats aux LLM ; utilisez l’extraction de page entière pour les téléchargements de documentation hors ligne. Prend en charge...
official
tavily-dynamic-search
tavily-ai
Rechercher sur le web, filtrer les résultats et extraire le contenu afin que les données brutes de recherche n’entrent jamais dans votre fenêtre de contexte. Seul votre résultat print() organisé est renvoyé.
official
tavily-extract
tavily-ai
Extrayez du markdown ou du texte propre à partir de jusqu'à 20 URL, avec prise en charge du rendu JavaScript et du découpage ciblé par requête. Gère les pages rendues par JavaScript avec une profondeur d'extraction configurable (basique pour les pages simples, avancée pour les SPA dynamiques et les tableaux). Prend en charge l'extraction ciblée par requête pour ne renvoyer que les fragments de contenu pertinents au lieu des pages entières. Renvoie par déf
official
tavily-map
tavily-ai
Découverte rapide d'URLs sur des sites web sans extraction de contenu, idéale pour trouver des pages spécifiques sur de grands sites. Renvoie des listes structurées de toutes les URLs d'un domaine avec une profondeur et une largeur configurables, un filtrage par expression régulière des chemins, et des instructions en langage naturel pour un filtrage sémantique. Prend en charge le contrôle de la profondeur (1 à 5 niveaux), les limites de largeur par page, l'inclusion/exclusion de liens externes, et le filtrage de domaine via des motifs regex. Conçue comme étape 1 d'un workflow : cartographier pour trouver la bonne page, puis utiliser extract ou...
official