【开篇】

去年的一天早上，我刚到工位，财务总监老张推门进来。

“小王那个AI分析，能不能再跑一下上月那几家公司的财报？顺便把异常指标标出来。”

注意重点：是他主动来找我，不是我去求他用系统。

这种转变花了我们团队8个月。今天聊聊怎么做财报AI分析，才能让业务部门主动来找你。

一、我们踩过的坑

2025年下半年，我们开始做财报AI分析。一开始想法很简单：

不就是让AI读财报PDF，提取数据，再生成分析报告吗？

结果第一批上线后，财务同事的反馈如下：

一句话：不能用。

财务部门丢下一句“还是人工吧”，转头就走。

二、转折点：做对三件事

痛定思痛，我们重新梳理了财报分析的核心需求：

财务要的不是“分析”，而是“可执行的结论”。

围绕这个点，我们做了三件事：

1. 提示词分层设计

不再让AI一次性生成完整报告，而是拆成三层：

┌─────────────────────────────────────────┐│  第一层：结构化提取                          ││  输入：财报PDF                         ││  输出：关键指标JSON（营收、利润、现金流等）     │├─────────────────────────────────────────┤│  第二层：指标校验                       ││  输入：提取的JSON                       ││  输出：异常指标标记 + 置信度               │├─────────────────────────────────────────┤│  第三层：结论生成                       ││  输入：校验后的指标 + 历史对比              ││  输出：3句话结论 + 行动建议                │└─────────────────────────────────────────┘

核心技巧：让AI每个步骤只做一件事，错了容易定位。

2. 给AI喂“参考答案”

我们把历史人工分析报告整理成300+条「标准答案」，做成 Few-Shot 示例：

示例1：指标：营收同比增长15%结论：增长符合预期，主要来自出境游业务恢复建议：关注Q4汇率波动影响示例2：指标：毛利率下降3个百分点结论：成本管控出现压力建议：核查头部供应商定价变化

加上这层“上下文学习”后，AI生成的结论从“可能有问题”变成“建议核查XX供应商”，准确率从60%提升到82%。

3. 人工反馈闭环

我们做了个小工具：财务确认分析结果时，顺手点一下“准/不准”。积累两个月后：

• • 标注了1200+条反馈数据
• • 发现AI在“现金流”解读上最容易错
• • 针对弱点优化提示词，准确率又涨到89%

AI不是一次调好就完事的，是养出来的。

三、数据说话

目前我们的财报AI分析覆盖了19家公司，600+用户：

重点说下“主动使用率”。

以前是我们在群里推着大家用，现在是财务自己来问：“能不能加上新这家公司？”“上月那个异常指标再跑一下。”

这才是真正的价值。

四、技术实现（给想抄作业的）

整体架构

用户上传PDF → 文本提取 → 分层处理 → 结果返回                ↓          向量知识库（财报分析案例）                ↓          反馈数据（人工标注积累）

关键代码思路

文本提取：用PDF解析库提取表格+文本，别直接OCR（太慢）。

提示词模板（简化版）：

你是财务分析专家。根据以下财报数据：{json_data}参考历史分析风格：{参考案例}请给出：1. 3个核心结论（每句不超过20字）2. 1条行动建议3. 异常指标标记注意：只输出结论，不要解释过程。

模型选型：我们用的是通义千问，财务场景足够，性价比高。

五、经验总结

1. 1. 别让AI做太多——拆成小步骤，每步可验证
2. 2. 喂答案比调参数管用——Few-Shot效果远好于长篇解释
3. 3. 人工反馈是宝——积累数据，持续优化
4. 4. 让业务感受到价值——从“能用”到“主动用”

互动时间

你们公司做财报分析了吗？踩过哪些坑？

下期预告：财务机器人怎么做准确率从60%到85%——客服场景下的AI优化实战

本文来自「财务AI实战」公众号，每周分享财务领域AI落地实践。关注后私信“财报”，送财报分析提示词模板。