skillZs
★ LIVE SKILL TAGS ★
>>> LIVE SKILLS INDEX <<<
* OPEN SOURCE *
NO LOGIN, NO TRACKING
※ REAL INSTALL DATA ※
← back to all skills
q.hikecapital.com119 installs

hike-seek

山行智探系统 CLI。人才网络:当用户需要查询或新增人才、搜索人才库、按领域/公司/负责人筛选、查看我负责的人才或待评价/待回访人才、给人才打分、查看或新增人才访谈记录、将人才关联到光年项目时使用。会议:当用户需要查看自己的会议列表、查看会议纪要(MEMO)与反馈状态、提交会议反馈、生成/定稿会议纪要、添加参会人、创建补录会议时使用——项目会/交流会的纪要、反馈、参会人等智探会议业务一律用本 skill,只有飞书日历日程、会议室预订等飞书原生操作才属于 lark 系列 skill。财报数据:当用户需要查看待研究财报任务、把财报三件套(财务指标/媒体洞察/股价图表)JSON 上传到智探时使用;生成或提取财报文档本身用 hike-earnings-core / hike-earnings-media / hike-earnings-chart。当提到 智探、seek、人才网络、人才库、talent、访谈、项目会、交流会、会议、会议纪要、会议反馈、待研究财报、财报三件套、上传财报数据 等词时加载此 skill。查投资项目用 hike-lightyear;投资 MEMO/投决 MEMO 标准用 hike-knowledge。

How do I install this agent skill?

npx skills add https://q.hikecapital.com --skill hike-seek
view source ↗

Is this agent skill safe to install?

No partner audit is available yet. Read the source before installing.

What does this agent skill do?

HIKE Seek (智探)

智探系统 CLI,用于与山行资本智探平台交互。与 hike 共用同一套认证体系(同一份 ~/.hike/config.json)。

关于 Seek (智探)

智探是山行资本的内部数据系统,覆盖人才网络等多个业务模块。本 skill 当前实现人才网络、会议与财报数据三个模块,后续会逐步扩展其他模块。

seek_cli

CLI 脚本: scripts/seek_cli.ts(相对本 skill 目录) API 文档: references/api_reference.md

⚠️ 路径与工作目录(agent 必读):本文所有示例命令中的 scripts/seek_cli.ts 均为相对本 skill 目录(即本 SKILL.md 所在目录)的路径。执行前先确认当前工作目录是否为本 skill 目录;若不是,把示例中的 scripts/seek_cli.ts 替换为绝对路径 <本 skill 目录>/scripts/seek_cli.ts 再执行——否则会报 error: Module not found "scripts/seek_cli.ts"。npx skills add 安装到项目 .agents/skills/hike-seek 的场景同理,用安装位置的绝对路径。

前置依赖: 本 skill 的 CLI 脚本依赖 bun 运行时。首次使用前确认已安装:

bun --version

未安装时执行(或提示用户执行):

curl -fsSL https://bun.sh/install | bash

安装后可能需要重开终端让 PATH 生效。若运行命令时报 bun: command not found,即未安装 bun。

配置文件位置:

  • 默认:~/.hike/config.json(用户 home 目录下)
  • 若设置了环境变量 HIKE_CLI_CONFIG_DIR,则使用 $HIKE_CLI_CONFIG_DIR/config.json(优先级更高,供各类 Agent 做隔离定制)

API Key 管理

# 通过浏览器授权配置 key(推荐: 网页上点一次授权即可,key 全程不经过对话/剪贴板)
# ⚠️ 会等待网页授权最长 5 分钟: agent 执行时应后台运行或延长命令超时,完成后用 whoami 确认
bun run scripts/seek_cli.ts login

# 设置 API key(交互式输入,保存为 0600 权限;login 不可用时的兜底)
bun run scripts/seek_cli.ts set-key

# 查看当前 key(脱敏显示)
bun run scripts/seek_cli.ts show-key

API key 从 https://seek.hikecapital.com/ 获取。设置一次后,hike-lightyear 与 hike-seek 共用,无需重复配置。

⚠️ API key 安全(硬性要求):严禁引导用户把 key 发到对话/聊天中(会话记录可能留存 key)。配置/更换 key 首选 login(浏览器授权);login 不可用时引导用户本地输入:Claude Code 会话内用 ! <本 skill 目录>/scripts/seek_cli.ts set-key 前缀命令(输入不经过模型),或普通终端运行 set-key。用户已在对话中发过 key 的,提醒其到 seek 网页重置。

验证 key / 查看身份:

bun run scripts/seek_cli.ts whoami

调用共享的 /api-open/me 端点,显示当前 key 对应的用户身份(姓名、部门等)。这也是验证 key 是否有效的标准方式 -- 请求成功即代表 key 有效;返回 401 则 key 失效,CLI 会提示重新输入。

人才网络

人才网络 API base:https://seek.hikecapital.com/api-open/talent。Agent 主要关心自己负责的人才和搜索场景。

# 查看人才列表(默认 tab=all 全部; 看我负责的加 --tab mine)
bun run scripts/seek_cli.ts talent list
bun run scripts/seek_cli.ts talent list --tab mine

# 搜索人才(带 --search 自动走搜索模式,忽略 --tab)
bun run scripts/seek_cli.ts talent list --search "人工智能"
bun run scripts/seek_cli.ts talent list --search "高深远" --limit 5

# 其它分类: all(全部,按最近修改排序,默认) / latest(全部,按最近添加排序) / pending_rating(待评价) / pending_revisit(待回访)
# 注: all 与 latest 都是全部人才,仅排序不同
bun run scripts/seek_cli.ts talent list --tab all --limit 50 --offset 0

# 查看人才详情
bun run scripts/seek_cli.ts talent get 80

# 人才统计(全局 + 我负责的)
bun run scripts/seek_cli.ts talent stats

# 新增人才(name/domains/summary 必填;负责人按当前用户自动设置)
bun run scripts/seek_cli.ts talent add \
  --name "张三" --domains "具身智能" --summary "某公司CTO,机器人方向" \
  --role expert --city "北京" --companies "某公司"

# 多个学校/公司用英文逗号分隔(命名规范:学校中文全称、中国公司中文全称、外文公司英文名)
bun run scripts/seek_cli.ts talent add \
  --name "李四" --domains "具身智能" --summary "机器人方向" \
  --schools "清华大学,斯坦福大学" --companies "字节跳动,Google"

# 用完整 JSON 新增(覆盖所有 flag)
bun run scripts/seek_cli.ts talent add --data '{"name":"张三","domains":"具身智能","summary":"...","role":"expert"}'

# --data 传多学校/多公司: 数组或逗号字符串均可,CLI 会归一
bun run scripts/seek_cli.ts talent add --data '{"name":"李四","domains":"具身智能","summary":"...","schools":["清华大学","斯坦福大学"],"companies":["字节跳动","Google"]}'

# 更新人才(只传需要改的字段)
bun run scripts/seek_cli.ts talent update 80 --summary "更新后的简介" --city "上海"

# 将人才关联到光年公司/项目
# ⚠️ --company-id 必须是 lightyear list-projects 返回的 company_id 字段(光年公司 ID),
#    不是项目本身的 id——传成项目 id 会报 404。不确定时先跑 lightyear list-projects 核对字段
bun run scripts/seek_cli.ts talent link-company --talent-id 80 --company-id <光年company_id>

# 查看人才的访谈记录列表(按访谈日期倒序,含访谈人姓名;呈现给用户时提炼为简表:日期/访谈人/熟悉程度/简评)
bun run scripts/seek_cli.ts talent interview list 80

# 新增访谈记录(comment/familiarity 必填;--date 未传时默认当天[北京时间])
# ⚠️ familiarity 为精确要求字段:执行前先与用户确认是 不熟/聊过/深聊/私交 中哪一个,勿自行推断
bun run scripts/seek_cli.ts talent interview add 80 \
  --date "2026-08-19" --comment "聊了机器人量产落地节奏,判断务实" --familiarity "深聊"

# 带 memo 文档链接(date 同样可省略)
bun run scripts/seek_cli.ts talent interview add 80 \
  --comment "初次沟通,背景属实" --familiarity "聊过" \
  --memo-url "https://wn55rtx1lc.feishu.cn/docx/xxxx"

# 编辑访谈记录(只传需要改的字段;仅创建人可编辑,改他人记录会被拒绝并提示)
bun run scripts/seek_cli.ts talent interview update 80 12 --comment "更新后的简评"

访谈记录录入规则(按用户提供的输入类型选择路径;--familiarity 缺失时先向用户确认、勿自行推断;--date 未明确给出时默认当天,相对表述如"上周三"先换算成具体日期再保存;先取已有简评、再生成增量简评——非生成后删重,见下方简评要求):

  1. 一小段文字(无飞书文档链接;判据:单一主题且约 200 字以内):对这段文字做适当格式化、修复明显错误后,直接作为简评保存(--comment),不传 --memo-url。
  2. 几大段文字(无飞书文档链接;判据:明显超过 200 字、多个主题或含要点列表):从当前环境中找到可新建飞书文档的 skill/工具,将用户输入格式化为 markdown 后新建一篇飞书文档,文档 URL 作为 --memo-url;同时按下方简评要求提炼一段文字较少的简评作为 --comment,两者一并保存(无法新建文档时按下方飞书文档读写能力不足提示处理)。
  3. 单独的飞书访谈文档 URL:直接记为 --memo-url;并从当前环境中找到可读取飞书文档的 skill/工具,将该文档内容读取为 markdown,再按与 2 相同的简评要求生成 --comment 保存(读取失败时同样按下方飞书文档读写能力不足提示处理,勿自行改用公开资料生成简评)。

简评要求:一段精炼的短总结(两三句话以内),突出关键结论与判断,不照搬原文长段;保持单段、不含换行;结构化长内容一律放 --memo-url。另两条硬性要求:

  • 禁止无信息量开头:访谈记录已挂在该人才名下,简评不要以「XX 创始人 XX(英文名)交流」这类身份/交流事实开头——从人才档案即可得知的内容(姓名、头衔、公司、产品方向定位)都不算信息量,直接从本次沟通的实质内容写起
  • 增量去重(顺序是本质,不可颠倒):必须先 talent interview list <talentId> 取出该人才已有简评并通读掌握,再带着"历史已知信息"生成新简评——生成目标就是增量本身(新结论、进展变化、新判断、与既往认知的差异),已有简评里写过的稳定事实(公司/产品/方向定位等)在生成时直接不写。(踩坑注记:实测"先对 memo 做完整总结、再逐句删与历史重复的部分"容易漏掉换了说法的重复、或误删与旧事实相关的新信息——无论用什么方法产出,都按这两类错误自查)

飞书文档读写能力不足时(以下任一情形:环境中没有可新建/读取飞书文档的 skill/工具;有工具但操作失败,如未登录、无权限、文档已失效):

  • https://wn55rtx1lc.feishu.cn/ 开头的链接是山行资本飞书的文档/表格等,一律用 lark-cli 读写;禁止用 web fetch/crawler 等通用网页抓取工具获取——飞书有登录墙,抓取必然失败(或只拿到登录页);失败后也不要静默放弃或转用公开资料编简评
  • 必须向用户输出提示(措辞可微调,lark-cli 安装建议不可省略):

    当前环境缺少可读写飞书文档的能力。推荐安装 lark-cli:https://www.feishu.cn/feishu-cli ,安装后可自动读取/新建访谈 memo 文档。是否先仅保存简评(memo_url 先行记录/留待补录),安装后再补充文档内容?

  • 与用户确认前不要自行落库 --comment;无论哪种情形都不要把长文原文整段塞进 --comment

字段说明:

  • --rating 为 1-10 整数
  • --familiarity(访谈熟悉程度,指访谈人对该人才的熟悉程度,随接触深度递进,不是人才对山行的熟悉度)精确枚举:不熟 / 聊过 / 深聊 / 私交。新增访谈前、以及编辑需修改 familiarity 时,必须先与用户再次确认取值,不要根据上下文自行推断,确认后才执行 talent interview add / interview update
  • --date(访谈日期)格式 YYYY-MM-DD,未明确提供时默认当天(北京时间);访谈人按当前 key 对应用户自动记录
  • 编辑访谈仅限创建人:修改他人记录属不当操作,后端会拒绝(403)。执行 interview update 前先核对目标记录的创建人——talent interview list 输出的 interviewed_by/interviewer_name 是否为当前用户(whoami);不是则提醒用户该记录不能由其修改,让记录创建人自行修改,勿强行调用
  • --comment(访谈简评)为一段简短文字总结,memo 原文放 --memo-url(飞书文档链接);录入路径见上方访谈记录录入规则
  • --schools / --companies 为逗号分隔字符串,多个值用英文逗号 , 分隔,如 --schools "清华大学,北京大学";CLI 会自动把中文逗号 , 统一为英文逗号并去除多余空格
  • 用 --data 传 JSON 时,schools / companies 传逗号字符串或数组均可,CLI 会统一归一为逗号字符串,如 {"schools":["清华大学","斯坦福大学"]}
  • private_notes(私密备注)仅负责人/负责合伙人/合伙人可见
  • --owner / --partner-owner 为飞书 user_id;add 不传 --owner 时按当前用户自动设置(修改负责人/合伙人属敏感操作,需要相应权限)
  • lightyear_company_id(光年公司关联)不能通过 talent add/update 设置,只能用 talent link-company 关联
  • link-company 的 --company-id 用 list-projects 返回的 company_id 字段(光年公司 ID),不是项目本身的 id——传成项目 id 会报 404(踩过坑)
  • 其余字段(role / domains / summary / 姓名 / 学校 / 公司 / 城市 / birth_date / avatar)的取值规范见下方数据录入规范

数据录入规范(写入时务必遵守,保持人才库一致):

  • 姓名:
    • name:优先用中文名
    • 花名替换:原 name 为花名/英文名(如 Kiki)的,搜到真实中文姓名后应更新 name(Kiki → 张琪智)
    • english_name:中国人才用其真正的英文名(不要填汉语拼音,如 张亮 → Kevin,不是 Zhang Liang;无英文名则留空);海外人才可保留汉语拼音(国际通用写法,如 李飞飞 → Fei-Fei Li)
    • 清理动作:更新时发现中国人才挂着拼音英文名(如 Zhongyuan Wang)应删除;海外人才的拼音英文名保留;非拼音英文名(Winny、Sam、Damon 这类)无论哪国人才一律保留
  • 角色 role(枚举):founder=创始人 / expert=学者专家 / rookie=年轻人
    • ⚠️ 学者专家若近期创业、创立了公司,归为 founder(而非 expert)
  • 领域 domains(枚举,逗号分隔多选):商业航天 具身智能 智能硬件 消费出海 AI应用 大模型 芯片算力 前沿科技 互联网 其他,如 --domains "具身智能,大模型"
  • 简介 summary:控制在 80 字以内、提炼关键背景、不提著作(论文/专著/专利)、不写毕业院校(教育经历用 schools 字段);学者型专家可酌情补充学术引用数(如「Google Scholar 引用 1.2 万」「h-index 45」)
    • 原简介保护:更新时原简介已有的信息不要删除,只做增补或缩编;每个信息点尽量保留,可缩编归纳(宁可压缩措辞,不丢事实点)
    • ✅ 具身智能方向,某机器人公司 CTO,前大厂运动控制负责人
    • ❌ 2015 年起任某机器人公司 CTO,主导具身智能运动控制算法,曾在某大厂带领团队完成多款机器人产品的运动控制研发与量产落地,发表相关论文多篇……(过长、且提了著作)
  • 学校 schools:教育机构经历(就读与任教)都放这里;一律中文全称(含国外大学);任教经历不放 companies
    • ✅ 清华大学 北京大学 麻省理工学院 斯坦福大学 卡内基梅隆大学 加州大学伯克利分校
    • ❌ 清华 北大 MIT Stanford Tsinghua
  • 公司 companies:公司经历(创立与曾就职)都放这里;中国公司用中文全称(非 ByteDance、非简称),外国公司用英文/官方名(非中文译名);简称补全全称(字节 → 字节跳动)
    • ✅ 字节跳动 阿里巴巴 腾讯 Google Meta OpenAI
    • ❌ ByteDance 字节 阿里 谷歌 脸书
  • 城市 city:知名国内外城市用中文名
    • ✅ 北京 上海 深圳 旧金山 纽约 伦敦 东京
    • ❌ San Francisco New York London Tokyo
  • 出生日期 birth_date:YYYY-MM-DD;仅知出生年份时按当年 1 月 1 日处理(如 1985-01-01)
  • 头像 avatar:来源优先 个人主页 > 官方/机构网站 > 权威媒体;URL 须可直接公开访问(无登录墙、未失效)

完整端点与字段定义见 api_reference.md。

人才信息丰富规范(enrichment workflow,为已有记录补充/核实字段时适用,单人或批量均适用):

总原则——按置信度分级处置:

  • 可直接更新(高置信度):身份唯一确认,且字段有可靠来源——本人个人主页或机构/官方页面直接陈述,或 ≥2 个独立来源交叉一致。满足即直接写入,不必请示,但须在最终汇报中列出更正点及依据。
  • 先确认再更新(存疑):不写入,向用户说明疑点与证据,确认后再更新。典型情形:
    • 身份歧义:同名者无法唯一排除(仅凭「姓名+单位」字面匹配不够)
    • 推断链结论:仅凭合作者网络、论文署名单位等间接证据推断身份或雇佣关系
    • 与原记录矛盾:原记录常来自内部一手交流,公开证据充分可改写更新,但汇报时须显著标注更正与依据;公开证据不足以推翻时保留原信息并提请核实
    • 需删除或改写原记录已有信息:原信息默认不删除、只增补/缩编,确要去除时须说明理由
    • 精确值无法核实:出生日期、数字、公司注册名等缺乏可靠来源
  • 查无实据:搜不到可靠信息就保持原样,严禁编造或用低质来源凑数;向用户说明并请求补充线索。

标准流程:

  1. 圈定范围:talent list --tab latest(按最近添加排序)按 created_at 筛出目标;列表返回已含全部字段,无需逐个 get。
  2. 调研核实:事实来源优先级 光年项目一手资料 > 个人主页 > 机构/官方页面 > Google Scholar > 权威媒体——人才已关联(或按第 4 步可唯一关联)光年项目时,该项目信息是投资经历中线下获取的一手资料,可信度高于任何网络来源,字段冲突时优先采用;但一手资料同样可能笔误或记错,与多个独立公开来源明显矛盾、或疑似录入笔误(日期、拼写、名称)的字段仍提请用户确认后再写入,勿盲从。网络来源的每个关键事实记下来源 URL;头像须验证可直接访问(HTTP 200 + 图片 content-type)才可写入。
  3. 分级写入:高置信度字段合并为一条 talent update 写入(勿与 --data 混用——--data 会覆盖所有 flag;单条命令设超时快速失败,别让一次 hang 卡住整批,具体秒数自定;开放 API 每键每分钟 60 次限流,批量时注意节奏);存疑字段不写入,留待确认。
  4. 关联光年公司:调研中确认该人才创立/核心任职的公司已在光年入库(lightyear list-projects 能查到)时,执行 talent link-company --talent-id <id> --company-id <光年company_id> 关联——--company-id 必须是 list-projects 返回的 company_id 字段(光年公司 ID),不是项目本身的 id(传成项目 id 会报 404);该关联不能通过 talent update 写 lightyear_company_id 实现。关联同样按总原则分级处置:公司归属唯一确认即直接关联并在汇报中列出;身份或归属存疑(同名难排除、仅凭间接证据推断)时先向用户确认。关联后可用该项目信息(团队、公司背景等)补充/校正人才字段,按第 2 步的光年一手资料优先级处理。
  5. summary 重写:按上方数据录入规范执行(≤80 字、教育背景移出进 schools、原信息只增补或缩编、学者型可补引用数)。
  6. 验证:核对返回 JSON 确认各字段正确,必要时抽查 talent get。
  7. 汇报:分四类输出——已更新 / 已更正(附原值与依据)/ 存疑待确认 / 查无实据;发现疑似重复记录须报告用户,最多做重复标记,不可自行删除。
  8. 回溯修正:录入规范有增改时,回头检查此前更新过的记录是否符合并修正(通常只改 summary)。

会议(列表 / 反馈 / 纪要 MEMO)

会议 API base:https://seek.hikecapital.com/api-open/meetings。会议列表展示已结束会议(按角色权限过滤:普通用户看自己参与/主持的)。

# 查看我的已结束会议(含 memo 链接/memo_status/参会人/保密/定稿状态)
bun run scripts/seek_cli.ts meeting list

# 筛选: 主持人姓名精确匹配 / 日期区间 / 标题摘要搜索;分页 --page-token --page-size
bun run scripts/seek_cli.ts meeting list --organizer "张三" --start-date 2026-08-01 --end-date 2026-08-31
bun run scripts/seek_cli.ts meeting list --search "机器人"

# 查看会议详情与全员反馈(每人一条,未提交者为只读的 no_feedback;meeting_info 含 memo_url/memo_status/finalized_at)
bun run scripts/seek_cli.ts meeting get <meetingId>

# 提交反馈(参会人可提交;重复提交为覆盖更新)
# ⚠️ --type 为精确要求字段:执行前先与用户确认是 has_feedback(填写了反馈,需 --content)/no_opinion(参加了,但无意见)/not_attended(未参加) 中哪一个,勿自行推断
bun run scripts/seek_cli.ts meeting feedback submit <meetingId> --type has_feedback --content "结论清晰,方向值得跟进"
bun run scripts/seek_cli.ts meeting feedback submit <meetingId> --type no_opinion

# 主持人提交反馈可带 memo 模板与主持人笔记(仅主持人可填,CLI 会先校验主持人身份,非主持人会被拒绝)
bun run scripts/seek_cli.ts meeting prompt list   # 查看模板列表,拿到数字 ID(固定不返回模板正文)
bun run scripts/seek_cli.ts meeting feedback submit <meetingId> --type has_feedback \
  --content "..." --template-id 3 --host-note "按项目会标准输出,重点写风险"

# 手动创建会议(补录线下/非飞书会议;host=当前用户,参会人仅自己)
bun run scripts/seek_cli.ts meeting create --topic "XX项目线下交流会" --end-time "2026-08-28T19:30"

# 生成会议纪要 MEMO(同步执行,可能长达 5 分钟)
# ⚠️ 生成前置条件 / 重试会删旧纪要 / 超时≠失败 / 定稿二选一等规则,见 references/meetings.md,执行前先读
bun run scripts/seek_cli.ts meeting memo generate <meetingId>

# 定稿: circulate=定稿并通知全体参会人 / archive=仅定稿归档不通知(均需主持人或合伙人)
bun run scripts/seek_cli.ts meeting memo circulate <meetingId>
bun run scripts/seek_cli.ts meeting memo archive <meetingId>

# 更新会议元数据(标题/一句话总结仅主持人;保密切换为主持人或合伙人)
bun run scripts/seek_cli.ts meeting update <meetingId> --title "新标题" --summary "一句话总结" --partner 1

# 添加参会人(主持人或合伙人;⚠️ 会给新增参会人发送飞书反馈邀请卡片,先与用户确认)
bun run scripts/seek_cli.ts meeting attendees add <meetingId> --users "<user_id1>,<user_id2>"

会议反馈提交前的确认路径(meeting feedback submit 执行前逐条过):

  1. 确认 --type:三值枚举先与用户确认,勿自行推断(含义见 references/meetings.md「会议字段说明」)
  2. 判断当前用户是否该会议主持人:对照会议的 user_id(主持人 ID)与当前用户身份(whoami;会议信息一般已从 list/get 拿到,零成本判断)
  3. 是主持人 → 主动收齐主持人专属字段:先 meeting prompt list 拿模板 ID+名称供用户挑选,询问是否填写 --host-note(主持人笔记)并选择 --template-id;用户明确表示不填才可省略
  4. 不是主持人 → 不带 --host-note/--template-id(带了会被 CLI 硬校验拦截,但应在源头就不带)

会议纪要 vs 访谈 memo(先分清再动手):人才访谈的 memo_url(talent interview add --memo-url)是人工挂载的飞书文档;会议纪要 MEMO 是系统按提示词模板自动生成的飞书文档,memo_url / memo_status / finalized_at 是系统维护的状态,不要人工构造或修改。两者关键词都叫 memo,处理会议相关请求时一律用上方 meeting 命令。

会议纪要生成/定稿规则与字段说明(生成前置条件、重试会删旧纪要、超时≠失败、定稿二选一;memo_status/finalized_at 解码、feedback_type 中文展示话术、主持人专属字段、模板名称 vs ID 等):见 references/meetings.md —— 执行 memo generate / memo circulate / memo archive 前必读,解读 meeting list/get 输出并向用户展示反馈状态前同样先读。

财报数据(待研究任务 / 三件套上传)

财报 API base:https://seek.hikecapital.com/api-open/earnings。本模块只负责领取待研究任务与上传文档;文档的生成、字段口径与 schema 属于 hike-earnings-core / hike-earnings-media / hike-earnings-chart,不在这里。

# 查看待研究财报任务(不分页,一次返回全部;含 availableAt 可开始时间)
bun run scripts/seek_cli.ts earnings pending

# 上传三件套中的一份(--forecast-id 必传;请求体 = 文件内文档 JSON 原文)
bun run scripts/seek_cli.ts earnings upload --type core --forecast-id 42 --file ./earnings/earnings_AAPL_FY26Q3.json
bun run scripts/seek_cli.ts earnings upload --type media --forecast-id 42 --file ./earnings/media_AAPL_FY26Q3.json
bun run scripts/seek_cli.ts earnings upload --type chart --forecast-id 42 --file ./earnings/chart_AAPL_FY26Q3.json

# 排查上传结果(按上传响应的 data.id 取回文档索引信息与原文)
bun run scripts/seek_cli.ts earnings doc 1234

工作流(按顺序):

  1. earnings pending 一次拉全量,列表可能同时包含已到和未到可抓取时间的任务。逐条用 availableAt(Unix 秒,UTC)判断:Date.now() / 1000 >= task.availableAt 才调研;没到时间的先跳过,不要提前抓取/生成/上传。availableAt 为 null 时不要盲跑,先与用户确认。处理前先按 earningsDate 升序排一次,不要依赖返回顺序。
  2. 逐条看 missingParts,只补缺的那几份;部分分析 的任务不要整条跳过。已到位的部分不要重复上传——同一事件同一类型重传是整文档覆盖、没有历史版本(chart 窗口补全后的重跑覆盖属正常路径)。
  3. 保存首次拿到的 forecastId,三份上传都带同一个。
  4. 上传前核对文档与任务对齐:symbol ↔ 文档 ticker(美股 AAPL / 港股 0700.HK)、earningsDate ↔ earnings_date;不一致服务端会 422 拒收。
  5. 汇报进度用上传响应里的 status(如部分分析 / 分析完毕)。

时序:core(availableAt 之后即可)与 chart(同一时点起,窗口补全后重跑覆盖)可以先做;media 需财报发布满 24 小时后再生成上传(见 hike-earnings-media),不要为凑齐三件套提前生成。

错误处置:

  • 422:按响应里的 errors 修正文档后重传,不要原样重试;文档与 forecastId 不匹配时 details 会回带任务与文档双方字段。
  • 404:forecastId 对应的任务已不存在,重新运行 earnings pending;该事件确实不在列表即可视为任务取消。
  • 429:已触发限流,按 Retry-After 等待后重试。

上传边界:只上传 hike-earnings-* 产出的标准 JSON(或用户明确指定的同结构文件),不要手改 schema 字段凑上传。文档须为完整 JSON object 且 ≤256 KiB,CLI 会先本地拦截明显不符的文件。

认证流程

  1. 确定配置位置:检查 $HIKE_CLI_CONFIG_DIR
    • 已设置 -> 使用 $HIKE_CLI_CONFIG_DIR/config.json
    • 未设置 -> 使用 ~/.hike/config.json
  2. 首次使用:检查配置文件中是否已有 API key
  3. 缺少 key:提示用户输入,保存到配置文件
  4. 401 错误:提示 key 失效,重新输入后重试一次
  5. 成功:key 缓存在配置文件供后续使用

注意事项

  • 与 hike 共用认证:两个 skill 读写同一份 ~/.hike/config.json,在任一 CLI 设置 key 即可。
  • 认证模块同步:seek_cli.ts 与 lightyear_cli.ts 的认证模块是同一份代码的两个副本,修改时需两边同步(文件头部有 NOTE 提醒)。
  • 会议 memo generate 是同步长请求:可能长达 5 分钟,CLI 设了 10 分钟超时;超时≠失败,先用 meeting get 看 memo_status 再决定下一步。详见 references/meetings.md。
  • 开放 API 限流:/api-open/* 各端点共用每 key 60 次/分钟的限流预算(超限返回 429 并带 Retry-After),批量操作注意节流。

Add the canonical catalog link to the repository README so users can inspect current installs and available audits. The publishing guide covers the complete discovery path.

<a href="https://skillzs.dev/skills/q.hikecapital.com/hike-seek">View hike-seek on skillZs</a>