Claude Code智能技能：对冲基金PPM分析的自动化工作流

本项目为Claude Code构建专业对冲基金研究技能集，通过子智能体架构实现私募备忘录（PPM）批量自动化分析，将传统数小时文档处理缩短至分钟级。核心组件包括analyzing-fund-ppm技能（提取关键条款生成规范报告）、ppm-extractor子智能体（隔离并行处理）、/process-ppms命令（批量协调），解决分析师重复性工作痛点，融合领域知识与AI技术。

对冲基金领域中，PPM是关键文档（50-100页，含投资策略、费用等核心信息）。分析师处理PPM时面临：信息提取繁琐（需从法律文本定位关键条款）、格式不统一（难以标准化）、批量处理困难（人工效率低）、输出质量不稳定（分析师差异）。AI Agent技术为自动化此类流程提供可能。

项目采用Skills和Sub-agents解决大模型临时处理的问题（上下文限制、格式漂移、无审计、难规模化）。技能（Skill）封装领域知识、操作流程、输出模板；子智能体（Sub-agent）实现隔离执行（避免交叉污染）、并行处理（父智能体可同时调度多任务）、容错性（单个失败不影响整体）、资源管理（任务后清理上下文）。

analyzing-fund-ppm技能可提取PPM中结构化信息（基金基本信息、投资条款、费用结构、流动性条款、关键人物、服务提供商等），并生成专业Word报告，包含执行摘要、基金结构、投资策略、费用分析、流动性分析等10章节，格式规范便于横向比较。

工具适用于：基金筛选与初筛（快速提取信息比较）、尽职调查支持（作为基础文档供深入分析）、投资委员会汇报（直接用专业报告）、竞品分析（批量处理竞品PPM做横向比较）。

需注意：法律免责（报告仅供参考，不构成投资建议，关键条款需法律顾问确认）、准确性边界（复杂条款误解、上下文依赖错误、非标准格式处理难）、数据隐私（符合机构安全政策，不发送敏感信息到公共API，妥善管理文档）。

未来计划扩展技能（如polish-meeting-notes、fund-investment-dd等），添加JSON输出模式支持跨基金比较。项目开源价值：领域AI应用范例、Claude Code最佳实践、金融文档处理解决方案、社区可贡献新技能与知识。