<essential_principles>
<principle name="narrative_to_metrics"> **敘事轉指標（Narrative to Metrics）**市場敘事必須可量化驗證。三大命題對應三組指標：
| 命題 | 核心問題 | 量化指標 |
|---|---|---|
| A. 集中度 | 供應是否過度集中？ | CR4, CR5, 份額排名 |
| B. 結構衰退 | 智利是否結構性衰退？ | 峰值年份、峰值回撤 |
| C. 替代依賴 | 是否依賴秘魯/DRC？ | 秘魯+DRC 合計份額 vs 智利份額 |
注意：由於 MacroMicro 只提供 5 個國家的細分數據，HHI 指標不適用於本分析。 </principle>
<principle name="data_source"> **數據來源：MacroMicro (WBMS)**唯一主要來源，使用 Chrome CDP 全自動抓取 Highcharts 圖表數據。
- URL: https://en.macromicro.me/charts/91500/wbms-copper-mine-production-total-world
- 口徑: mined copper content（礦場產量的銅金屬含量）
- 可用序列: World, Chile, Peru, DRC, China, US </principle>
</essential_principles>
<objective> 分析全球銅供應的國家集中度與結構性風險。輸出兩層分析：
- Concentration: 國家份額排名、CR4/CR5
- Chile vs Replacers: 智利 vs 新興替代國（Peru + DRC）份額對比 </objective>
<quick_start>
全自動執行（無需手動操作 Chrome）
Step 1：安裝依賴
pip install requests websocket-client pandas numpy matplotlib
Step 2：一鍵抓取數據（自動啟動/關閉 Chrome）
cd scripts
python fetch_copper_production.py
腳本會自動：
- 啟動 Chrome 調試模式
- 等待頁面載入（~40 秒）
- 提取 Highcharts 數據
- 儲存到
cache/copper_production.csv - 關閉 Chrome
Step 3：生成 Bloomberg 風格視覺化圖表
python visualize_copper_concentration.py
輸出：output/copper_concentration.png
</quick_start>
<intake> 需要進行什麼分析？- 快速圖表 - 直接生成 Bloomberg 風格集中度圖表
- 完整分析 - 1970 年至今的集中度趨勢分析（含數據表）
- 智利趨勢 - 智利產量份額與峰值回撤分析
- 替代評估 - 秘魯+DRC 替代依賴度分析
請選擇或直接提供分析參數。 </intake>
<routing> | Response | Action | |----------|--------| | 1, "快速", "圖表", "chart" | `python scripts/fetch_copper_production.py && python scripts/visualize_copper_concentration.py` | | 2, "完整", "trend", "1970" | 抓取數據後輸出完整年度數據表 | | 3, "智利", "chile" | 分析智利份額趨勢與峰值 | | 4, "替代", "replacement", "秘魯", "drc" | 分析 Peru+DRC 是否已超越智利 |路由後，執行對應命令。 </routing>
<directory_structure>
analyze-copper-supply-concentration-risk/
├── SKILL.md # 本文件（路由器）
├── skill.yaml # 前端展示元數據
├── scripts/
│ ├── fetch_copper_production.py # 全自動 CDP 數據爬蟲
│ └── visualize_copper_concentration.py # Bloomberg 風格視覺化
├── cache/
│ ├── copper_production.csv # 數據快取
│ └── copper_production_cache.json # 原始 JSON 快取
└── output/
└── copper_concentration.png # 輸出圖表
</directory_structure>
<scripts_index>
| Script | Command | Purpose |
|---|---|---|
| fetch_copper_production.py | python fetch_copper_production.py | 全自動 CDP 抓取（自動啟動/關閉 Chrome） |
| fetch_copper_production.py | --force-refresh | 強制重新抓取（忽略快取） |
| fetch_copper_production.py | --start-year 1970 | 指定起始年份 |
| visualize_copper_concentration.py | python visualize_copper_concentration.py | 生成 Bloomberg 風格圖表 |
| visualize_copper_concentration.py | --output path/to/output.png | 指定輸出路徑 |
| </scripts_index> |
視覺化輸出：Bloomberg 風格銅供應集中度儀表板
包含兩張圖（上下排列）：
- 國家份額堆疊面積圖：Chile, Peru, DRC, China, US, Others
- 智利 vs 新興替代國：Chile vs Peru+DRC 份額對比，標記交叉點
配色：Bloomberg 深色主題
- 背景:
#1a1a2e - Chile:
#ff6b35(橙紅) - Peru:
#00bfff(天藍) - DRC:
#00ff88(綠) - Peru+DRC:
#00d4aa(青綠)
快速繪圖：
cd scripts
python visualize_copper_concentration.py
輸出路徑：output/copper_concentration.png
<output_example> 2023 年關鍵指標：
| 國家 | 份額 |
|---|---|
| Chile | 23.5% |
| Peru + DRC | 25.2% |
| China | 7.5% |
| US | 5.0% |
關鍵發現：
- 智利份額峰值：37.2% (2004)
- 智利當前份額：23.5% (2023)
- 峰值回撤：13.7pp
- 2023 年 Peru+DRC 首次超越智利（份額逆轉） </output_example>
<success_criteria> 分析成功時應產出：
- 數據已從 MacroMicro 全自動抓取並快取
- 國家份額排名（Chile, Peru, DRC, China, US, Others）
- 智利峰值年份與回撤分析
- 秘魯+DRC 替代趨勢
- Bloomberg 風格視覺化圖表
- 明確標註數據來源 </success_criteria>