摘要 · ABSTRACT

如果你还把 WorkBuddy 当成“又一个 ChatGPT”，那就低估了它。它不是聊天机器人，而是能替你执行一整套金融工作的 AI 工作台——价值不在“回答问题”，而在“交付成果”：Excel、Word 报告、数据分析都是它的产出物。本手册按“坐到电脑前具体点哪里、输入什么、最后拿到什么结果”的方式，从建立工作区、读第一份年报，到六段式 Prompt 模板、投研简报实战、多 Agent 团队与自动化流水线，完整跑通金融工作全流程。

This handbook reframes WorkBuddy as an AI workbench that delivers artifacts rather than answers, and walks through financial workflows end to end: workspace setup, annual-report extraction, six-part prompt design, equity research briefs, multi-agent analyst teams and automated research pipelines.

关键词： AI 工作台 · 金融 Prompt · 年报分析 · 投研报告 · 多 Agent 协作 · 自动化流水线

文档信息

读完本手册，你至少能完成

• 用一份年报，让 AI 自动生成财务分析 Excel
• 写出专业的金融 Prompt，让 AI 输出可复核的结果
• 搭建属于你的“AI 金融分析师团队”
• 把重复的金融工作变成自动化流水线

摘要

摘要：生成式人工智能已进入金融业务场景，但多数从业者仍停留在"问答式"使用，难以获得可交付、可复核、可复用的成果。本文以 WorkBuddy 金融工作台为研究对象，提出"资料—工具—专家—执行—自动化"五层能力结构，作为金融任务的分析框架；给出首次使用的完整流程与年报阅读实操，并以【目标】【输入】【动作】【约束】【输出】【验收】六段式作为全文统一的提示词骨架。在此基础上，通过一份上市公司投研简报演示完整实战流程，并给出三个来自证券公司的场景案例——月度经营汇报包、对外材料审查、行业资讯简报，每例均列出输入材料、关键规则、多轮对话过程、验收标准与失败边界。考虑到金融行业的强监管属性，本文进一步梳理数据标准、数据治理与质量、信息安全与人工智能合规、研究与对客内容四个层面的行业标准与监管规则，给出可直接写入提示词的约束句对照表；最后讨论多智能体协作、常见错误、学习路线与成本度量。本文方法均在公开资料与脱敏材料上验证，所用数据不指向任何真实主体，仅供参考，不构成投资建议。

关键词：生成式人工智能；金融文本处理；提示词工程；数据标准；合规管理；WorkBuddy

目录

1. 1 重新认识 WorkBuddy 金融
2. 2 五层结构：金融任务的思考框架
3. 3 第一次使用：从零跑通第一个任务
4. 4 第一个实操：让 AI 读一份年报
5. 5 结果出来了：怎么检查与修正
6. 6 最值得学的 7 个核心能力
7. 7 高手都在用的六段式 Prompt 模板
8. 8 完整实战：一份上市公司投研简报
9. 9 实战案例集：三个完整场景
10. 10 金融行业的规矩：数据标准与合规常识
11. 11 进阶：搭建 AI 金融分析师团队
12. 12 金融场景最常见的 10 个错误
13. 13 学习路线：按这个顺序学，少走弯路
14. 14 Credits：怎么算？怎么省？
15. 结论

开始之前：这本指南适合谁、读完能做什么

适合谁

• 券商 / 基金 / 银行的投研、财务、风控、运营岗位，想把重复工作交给 AI
• 已经会用通用 AI 聊天，但不知道怎么让它稳定产出可交付的文件
• 需要在合规边界内使用 AI，希望知道红线在哪

读完能做什么

• 独立跑通"一份年报 → 财务数据表 → 投研简报"的完整流程
• 用六段式 Prompt 约束 AI，让产出可检查、可追溯、可复用
• 把重复任务沉淀成 Skill 与自动化流水线
• 清楚金融行业的数据标准与合规边界，知道什么能做、什么不能做

三条阅读路线

1 重新认识 WorkBuddy 金融

如果你还把 WorkBuddy 当成“又一个 ChatGPT”，那你真的低估了它。

1.1 一句话说清本质

先建立一个最核心的认知：ChatGPT / DeepSeek = 会回答问题的 AI；WorkBuddy = 会替你执行一整套工作的 AI 工作台；WorkBuddy 金融 = 用这套工作台处理金融资料、数据、研究和分析任务。

最直观的例子：你手头有一份上市公司年报 PDF、5 份券商研报、一个 Excel 数据表。

1.2 它和 ChatGPT、DeepSeek、Claude 到底差在哪？

举个具体对比

你问 ChatGPT：“帮我分析贵州茅台 2025 年年报。”——它主要给你一段文字分析。

你问 WorkBuddy：“读取这个文件夹中的贵州茅台年报和 3 份券商研报，提取 2023—2025 年收入、净利润、毛利率、ROE，计算变化率，与券商预测进行对比，生成 Excel 和 Word 投资研究报告。”——它的目标不是只回答你，而是：读取文件 → 分析 → 计算 → 制作 Excel → 制作报告 → 交付文件。

为什么金融人尤其需要它

金融工作里真正耗时间的，从来不是“写一句分析”，而是这一整条链：资料搜集 → 文件阅读 → 数据提取 → 数据清洗 → 计算 → 对比 → 风险检查 → 报告 → Excel → Word → 复核。WorkBuddy 恰好是在解决这一整条链。

2 五层结构：金融任务的思考框架

不管遇到什么金融任务，都按这个五层结构去思考，就不会乱。

3 第一次使用：从零跑通第一个任务

下面按 Windows 电脑一步一步走。

3.1 下载安装：先把工具装起来

1. 打开官方页面：在浏览器输入 workbuddy.press，这是官方文档 / 产品入口，目前提供 Windows、macOS 下载与安装指南。
2. 找到下载入口：进入网页后找到“下载并安装”或“官方下载”，进入 Windows 下载页面；页面文字与描述若有差别，以当前页面显示为准。
3. 下载并安装：下载完成后双击安装；若弹出“是否允许此应用对你的设备进行更改？”，确认官方来源后点击“是”。

3.2 第一次打开：先别急着做金融分析

很多新手最容易犯的错误，是一上来就说“分析某公司未来股价”。官方建议第一个任务应满足：

3.3 建立你的金融训练工作区

在开始之前，先建立一个规范的文件夹结构。这一步很多人忽略，结果后面一团乱。在桌面或 D 盘新建文件夹 WorkBuddy 金融训练，里面再建三个子文件夹。推荐的工作区结构：

WorkBuddy 金融训练
├── 01_原始年报      —— 存放原始资料，只读不动
├── 02_分析结果      —— AI 生成的中间产物
└── 03_最终报告      —— 最终交付的文件

3.4 官方推荐的通用流程

1. 新建任务：点击左侧“新建任务”
2. 选工作目录：只给本次任务目录
3. 选模式模型：Craft + 默认模型
4. 输入任务：写清目标与约束
5. 执行与验收：看过程 + 查产物

3.5 上下文：决定 AI 能走多远

很多人觉得 AI 产出"很表面"，第一反应是模型不够强。更常见的真实原因是：我们给它的上下文太表层。

一句话定义：上下文 = AI 不知道、但会真实影响结果的信息。本部门的统计口径、内部模板、历史背景、评价标准、这次任务的真实目的——这些都在其中。

三个好用的心智模型：

• 上下文窗口是桌面，工作空间是房子：一次能处理的信息容量有限，所以要把相关材料"搬上桌面"；房子（工作空间）里的文件夹越规整，搬得越准。这也解释了为什么第 3.3 节要先建工作区——工作空间管理，本质是在帮 AI 管理上下文
• 无关材料太多会撑爆窗口：一次性把整个部门的资料全丢进去，反而让它抓不住重点。宁可少而准
• AI 读文件不是"打开文件"：Word、PPT 底层是压缩结构，它会先判断格式 → 调用转换工具 → 转成可处理的文本再分析。所以判断一个工具能不能处理真实材料，要看它有没有读懂这些格式的工具，而不只是"会不会写"

4 第一个实操：让 AI 读一份年报

建议使用贵州茅台年报作为练习材料——中文资料、上市公司、财务信息丰富、年报结构规范，非常适合第一次练习。

4.1 准备工作

先把一份上市公司年报 PDF 放进 01_原始年报 文件夹。

4.2 创建第一个 WorkBuddy 任务

不同模型 Credits 消耗不同，第一次用默认模型，是为了建立你自己账号的实际消耗基准。

4.3 第一条金融 Prompt 怎么写？

不要只输入“分析这份年报”——这种提示词太差了。可以直接复制下面这段使用：

第一条金融 Prompt 模板

【目标】完成一次上市公司年报基础财务分析。
【输入】仅使用当前工作区中的 01_原始年报/贵州茅台2025年年度报告.pdf。
      第一阶段暂时不要修改原始 PDF，也不要删除或覆盖任何文件。
【动作】按以下顺序执行：
  第1步：检查文件是否存在并可读取
  第2步：读取年报中与财务相关的章节
  第3步：提取核心财务数据（收入、成本、利润、现金流、资产等）
  第4步：计算同比变化
  第5步：数据质量检查
  第6步：初步分析
【约束】不预测股价、不给买卖建议、不编造数据、所有数字标明来源。
【输出】02_分析结果/财务核心指标.xlsx + 年报数据核验.md
【验收】每个数字都能追溯到 PDF 的具体位置；报告期、单位、正负号无误；无法确认的写「待核实」

4.4 点击发送后，你该观察什么？

不要只盯着最终答案——执行过程本身就是 WorkBuddy 的重要价值。你应该看到类似这样的流程：

1. 分析任务：解析你的目标
2. 读取工作区：定位文件
3. 读取 PDF：解析年报内容
4. 提取与计算：取数、算同比
5. 生成产物：Excel + Markdown

5 结果出来了：怎么检查与修正

现在不要相信 AI。你需要拿 Excel 和原始年报 PDF 进行对照。

5.1 第一次人工检查：重点看什么？

理想情况下，你会在 02_分析结果 文件夹里看到两个产物：财务核心指标.xlsx 与 年报数据核验.md。

5.2 发现错误怎么办？千万不要重来

这就是六段式在返工场景下的局部修正版：【输入】【目标】【输出】沿用上一轮，只重写【动作】和【验收】。不要重新描述整个任务——那样既费 Credits，又容易把已经做对的部分一起改坏。

错误修正 Prompt 模板

我发现一个数据错误，需要你局部修正，不要重新执行整个任务。
错误位置：02_分析结果/财务核心指标.xlsx — 2025 年经营活动产生的现金流量净额
请重新回到 01_原始年报/贵州茅台2025年年度报告.pdf，重新确认这个数字。
请检查：原始数字、单位、报告期、正负号、Excel 中的数字；
        如果涉及同比，请重新计算。
只修改确认错误的部分，不要修改其他已经核验正确的数据。
修改完成后告诉我：
  原值是什么、正确值是什么、错误原因是什么、同比是否需要重新计算。

第一轮必查 3 项： 数字、单位、同比　|　产物 2 个： 财务核心指标.xlsx + 年报数据核验.md　|　铁律 1 条： 指出位置，局部修正

6 最值得学的 7 个核心能力

如果不想学一大堆功能，建议按这个优先级来。

6.1 金融专家：怎么找？怎么用？

在左侧找到“专家”，点击进入，在搜索框输入关键词：金融、财务、投资研究 / 投研、风控。

6.2 金融数据查询：真正的效率倍增器

金融数据查询 Prompt

【目标】查询贵州茅台最近一期可获得的公开财务数据。
【输入】使用可获得的公开数据源，并说明数据来自哪个源。
【动作】提取以下指标：
  1. 营业收入            2. 归母净利润
  3. 净利润同比          4. 毛利率
  5. ROE                 6. 经营现金流
  7. 市盈率（如果数据源支持）
  8. 数据对应的报告期    9. 数据来源
  10. 数据发布日期
【约束】不要把不同报告期的数据混在一起；某项数据无法确认时写「无法确认」，不要猜测。
【输出】用表格输出。
【验收】每个指标都带有报告期、数据来源与发布日期；缺失项明确写「无法确认」

6.3 Excel 分析：金融人最该掌握的杀器

Excel 金融分析 Prompt

【目标】分析当前工作区中的股票数据 Excel，产出一份分析报告。
【输入】仅使用当前工作区中的股票数据 Excel，不引入外部数据。
【动作】按以下顺序执行：
  第一步：检查工作簿结构（几个 Sheet、哪些字段、时间范围、空值、重复数据、异常值）
  第二步：计算日收益率、累计收益率、最大回撤、平均成交量、波动率
  第三步：找出涨幅最大和跌幅最大的 5 个交易日、成交量异常的日期
  第四步：制作收益率表、最大回撤表、异常交易日表、收益率折线图、成交量变化图
  第五步：生成一份分析报告
【约束】只分析提供的数据、不要预测未来价格、不要给出买卖建议。
【输出】分析报告 + 上述四张表与两张图。
【验收】所有计算必须能够追溯到原始数据

6.4 深度研究：一个指令，多路线并行

前面七个能力解决"怎么做"，深度研究解决"复杂问题怎么查"。它不是一个按钮，而是规则驱动的主从代理系统：

三道边界（这套机制为什么不跑飞）：

• 职责硬隔离：主 Agent 只看精炼报告，不被原始搜索结果塞满上下文
• Subagent 有调用预算：到上限强制返回，防无限深挖
• 研究计划落盘：写成 Markdown 存工作目录，长任务上下文被压缩后能重读恢复

调研类提示词五技巧：

• 问题边界要窄：别给"一汪洋大海"，把"研究某行业"收窄为"研究 A、B、C 三个具体问题"
• 说明用途与受众：为决策、写公众号、给领导汇报，角度完全不同
• 已知信息做减法：告诉它"本地已有素材，先利用、不用重查"，把预算省给未知方向
• 要对比就给维度：给维度 = 给验收标准，例如"从文档质量、学习曲线、社区活跃度、落地案例四个维度评估"
• 要求先出计划再执行：直接写"正式调研前，请先展示研究计划，等我确认后再执行"

7 高手都在用的六段式 Prompt 模板

以后做金融任务，不要每次重新想 Prompt。固定用这个六段式结构，效果稳定得多。

完整六段式 Prompt 模板（可直接套用 · Copy & Paste）

【目标】我要完成：______
【输入】请仅使用：______
      其中 ______ 是数字事实源，______ 是口径事实源（没有就写「无」）
【动作】1. ______  2. ______  3. ______
      分析方法：______
【约束】· 数据要求：所有数字必须标明报告期、单位，尽可能标明来源；无法确认时不得猜测
      · 风险控制：严格区分已披露事实 / 基于数据的分析 / 外部预测 / AI 推测，不要把预测写成事实
【输出】请生成：1. ______  2. ______  3. ______（保存到 ______ 文件夹）
【验收】最终结果必须满足：核心数字可追溯、报告期不混淆、单位不混淆、不编造数据、
      不确定信息明确标记、结论能够回到数据和资料

记不住六段式？用 SGP 极简版

临时起意的小任务，写完整的六段式太重。可以只记三个字母：

金融场景示例：

S：我手上有这家公司 2024、2025 年两份年报和 3 份公开研报，本地目录里都有，不用重查。
G：我要一份投研数据底稿，核心指标齐、每个数字标来源和报告期，不要结论和投资建议。
P：先告诉我你打算怎么拆这件事、分几步，我确认后你再开始。

7.3 全文统一口径：一套骨架，三种用法

读到这里的读者可能会疑惑：这本书里出现过好几种提示词写法——六段式、SGP、各章案例里的 Prompt 骨架，还有第 10 章把标准写进 Prompt 的约束句。它们不是四套方法，而是同一套骨架在不同场景下的不同写法。

三种用法

各章 Prompt 与六段的对应关系（看到任何一段 Prompt，都能拆回这六段）

五条填写规则（全文通用）

• 【输入】要指明事实源：哪一份是数字源、哪一份是口径源。这是第 9.1 案例最重要的经验
• 【动作】要分步，且先确认后生成：先要结构或清单，确认后再生成文件
• 【约束】只写"不许做什么"：不写"要专业、要严谨"这类形容词——AI 不知道怎么执行
• 【输出】写明文件类型、文件名、保存目录
• 【验收】必须是可检查的事实：数字能追溯、报告期不混、单位不混、冲突已列出；不能是"质量要高"这种感觉

8 完整实战：一份上市公司投研简报

假设你准备研究一家上市公司，想在 30—60 分钟内得到一份初步研究报告。

第 1 步：建立项目目录

建议的目录结构

上市公司投研项目
├── 01_年报
├── 02_研报
├── 03_数据
├── 04_分析
└── 05_最终报告

第 2 步：放入资料

第 3 步：第一轮——资料整理

不要直接叫它写报告，第一轮只做资料整理。

第一轮：资料整理 Prompt

【目标】建立一份可复核的投研数据底稿。
【输入】当前工作区中的资料：2024 年年报、2025 年年报、3 份公开券商研报。
      年报是数字事实源，研报只作观点参考，不作为数字来源。
【动作】请完成：
  一、年报数据提取：提取 2024、2025 年收入、成本、利润、现金流、资产、ROE、毛利率、净利率等核心指标
  二、计算同比变化
  三、研报观点整理：分别提取每份研报的核心观点、盈利预测、增长逻辑、风险因素、目标价格
  四、冲突检查：找出不同资料之间存在的数据冲突
  五、来源标注：每个关键数字标明来自哪份文件
【约束】不要进行投资建议，不要预测不存在的数据，不要自行统一冲突数字。
【输出】Excel 格式的《投研数据底稿.xlsx》。
【验收】每个关键数字标注来源文件与报告期；存在的冲突已全部列出且未自行统一

第 4 步：打开 Excel 检查三个东西

第 5 步：第二轮——经营分析

第二轮：经营分析 Prompt

【目标】在已核验的底稿上，继续进行经营质量分析。
【输入】基于刚刚生成并核验过的《投研数据底稿.xlsx》，不引入新的数据源。
【动作】从以下五个方面分析：
  1. 收入增长：判断增长来自销量、价格、产品结构、新业务还是其他因素
  2. 盈利能力：分析毛利率、净利率、ROE、净利润增速，判断在改善还是恶化
  3. 现金流质量：比较净利润和经营现金流，判断是否匹配
  4. 资产负债表：重点识别应收账款、存货、商誉、有息负债、资产负债率异常
  5. 风险：从公司披露和研报中整理风险
【约束】所有判断必须尽可能引用输入资料；不做无依据的推测。
【输出】经营表现、盈利质量、现金流质量、资产负债表风险、市场一致预期、主要风险、需要进一步验证的问题。
【验收】每一条判断都能对应到底稿中的具体数据或资料原文

第 6 步：生成最终投研报告

第三轮：生成报告 Prompt

【目标】生成一份《上市公司初步投研报告》。
【输入】已完成的《投研数据底稿.xlsx》与上一轮的经营质量分析结论，不引入新的数据源。
【动作】按以下结构撰写：
  一、公司概况              二、核心财务数据（表格展示）
  三、经营趋势               四、盈利质量
  五、现金流质量             六、资产负债表
  七、行业与竞争格局        八、市场一致预期
  九、主要投资逻辑（用支持因素表达，不直接给买卖建议）
  十、主要风险              十一、数据冲突与待验证问题
  十二、结论
【约束】明确区分事实 / 分析 / 预测；关键数字标明来源；不确定内容标注「不确定」；
      不编造数据、不做确定性判断、不直接替用户做投资决策。
【输出】《上市公司初步投研报告.docx》+《数据来源清单.xlsx》
【验收】报告中的每个关键数字都能在《数据来源清单》中找到出处；事实、分析、预测三类表述已分开标注

成品长什么样：一份投研简报的版式示意

下面是一份投研简报的版式示意。所有文字与数字均为占位示例，不对应任何真实公司，只用来说明最终交付物的结构与信息密度。

最后一步：先定终态，再选工具

报告写完了，用 Word 还是 PDF？答案取决于这份文档接下来要经历什么。导出前先问自己四个问题：

• 谁要看：自己存档、内部协作、还是对外交付
• 后面还改不改：还要人继续改的，必须留可编辑格式
• 要不要体现品牌：要 fonts、配色、页眉页脚，还是"能发就行"
• 这个过程以后会不会重复：高频重复的，值得固化成 Skill

9 实战案例集：三个完整场景

这一章的三个案例，来自证券公司的真实培训实践，覆盖三类最常见的办公任务：多材料汇总、对外材料审查、资讯筛选。每个案例都按同一套结构展开——面对什么材料、有哪些规则、分几轮对话、怎么验收、什么情况算失败、以及怎么迁移到自己的岗位上。

9.1 案例一：月度经营汇报包（六份材料 → 一套管理层汇报）

岗位场景：业务运营岗每月要把上月总结、本月台账、项目会议记录、统计口径说明、汇报模板和补充说明截图，整理成一套给管理层的汇报材料。

输入材料：六份文件，作用各不相同

四条关键规则（整个案例的骨架）：

• Excel 是数字事实源，PDF 是统计口径源——数字问题查台账，口径问题查说明
• 历史总结只作参考，模板不作为业务事实——不能因为模板里写了就当成真的
• 文件冲突不得自行猜测原因——列出来，交给人判断
• 源文件不覆盖——新文件统一写入输出目录，随时可回溯

七轮对话：先看懂，再生成

场景里故意埋的冲突：台账记录某指标为 2,240 人次，补充说明截图里写的是 2,180 人次。正确处理方式是——按事实源保留台账数字，同时把差异记入《待确认事项》，而不是自行取其中一个。

可直接改用的 Prompt 骨架：

【目标】把 6 份经营材料整理成一套给管理层的月度汇报。
【输入】本目录下 6 份文件。其中《02_本月业务进度台账.xlsx》为数字的第一事实源，
      《04_业务统计口径说明.pdf》为口径事实源；上月总结只作参考，PPT 模板仅约束版式。
【动作】1) 先输出《事实来源清单》，列出每份材料、覆盖的指标、可信级别；
      2) 逐项核对指标，同一指标在不同文件不一致时，列出全部取值并标注来源，不得自行选取其一；
      3) 无法确认的内容进入《待确认事项》，不得推测填充；
      4) 先给出 6—8 页汇报大纲，等我确认后再生成文件；
      5) 确认后按《05_汇报风格参考.pptx》产出成果，新文件统一写入输出目录。
【约束】不编造数字；不擅自补负责人；不把「建议」写成「决定」；不覆盖源文件。
【输出】《月度经营总结.docx》+《重点事项与风险台账.xlsx》+《经营汇报_管理层版.pptx》+《事实来源与待确认事项.md》
【验收】关键数字与台账一致；每个结论可定位到具体文件；Word/Excel/PPT 三者的数字和状态一致

六项验收：怎样判断结果可用

硬失败（出现任意一条，这份产出就不能用）：编造数字、擅自补负责人、多个产物之间关键事实冲突。

怎么迁移到自己的汇报：

• 可以替换的：上月总结→本部门历史月报；本月台账→本部门经营数据；会议记录→本月重点事项；统计口径→本部门指标定义；PPT 模板→公司内部汇报模板
• 必须人工确认的：哪个文件是数字事实源、冲突时采用哪个口径、哪些风险需要上报管理层、哪些结论可以正式对外

9.2 案例二：对外材料审查（先挑错，再改写）

岗位场景：品牌宣传岗收到一份活动或产品宣传稿，需要在发布前检查数字、产品描述、承诺性表达、品牌规范、合规风险和渠道字数，形成可复核的修订稿。

输入材料：宣传文案初稿（Word）、产品与活动事实表（Excel）、品牌表达规范（Word）、宣传合规审查规则（PDF）、历史修改意见（Word）、渠道发布要求（TXT）。

工作流：读取初稿和事实表 → 了解品牌规范、审查规则和渠道要求 → 标记四类问题 → 每个问题附原文和依据 → 先给风险清单和修改建议 → 人工确认后生成修订稿 → 生成不同渠道短版 → 检查修订稿是否新增事实或承诺。

七轮对话：先审查，再改写

演示重点：遇到"效果显著""行业领先""保证提升"这类高风险表达时，要求 AI 给出三样东西——依据（违反了哪条规则）、风险等级、更稳妥的替代表达，而不是简单删掉。

六项验收：

• 事实准确：数字、时间、功能与事实表一致
• 问题有依据：每个风险能定位到规则或事实文件
• 风险分级合理：不夸大风险，也不遗漏明显的高风险表达
• 修改不增事实：修订稿未新增材料中没有的功能、效果和承诺
• 渠道适配：各版本符合渠道字数和表达要求
• 修改可复核：有原文、问题、依据、建议和修订后文本

可迁移的任务：活动通知审查、产品介绍材料审查、对外宣传文案优化、海报文案与公众号摘要、内部制度或通知的表达一致性检查。

开工前要备齐五样东西：一份待审查初稿、一份权威事实表、一套品牌或合规规则、渠道字数与格式要求、人工最终判断标准。

9.3 案例三：行业资讯筛选与内部简报（来源核验 + 事实与判断分离）

岗位场景：研究支持岗每周要从监管、行业协会和权威媒体的资讯中，筛出与部门关注主题相关的内容，去重后生成内部简报。

输入材料：关注主题清单（Excel）、信息源白名单（Excel）、部门简报模板（Word）、信息筛选与去重规则（TXT）、历史简报样例（PDF），以及五份资讯快照——监管资讯、行业协会资讯、权威媒体案例、重复转载、来源缺失内容。

工作流：读取关注主题和来源白名单 → 检查资讯的标题、主体、日期和链接 → 按事件主体、日期和核心事实去重 → 分成正式入选、重复、跳过、待确认四类 → 先生成一张事实卡供人工检查 → 扩展到全部正式条目 → 按模板生成简报 → 检查来源、时效、去重和事实/判断分离。

五份来源的正确结果：3 条正式入选、1 条重复转载、1 条来源不足（排除或待确认）。

七轮对话：先核验一条，再扩展

为什么"先做一条"是必须的：事实卡的格式、详略、来源标注方式，只有看到实物才能判断合不合适。先做一条确认格式，比做完十条再返工省得多。

本场景的三条边界：

• 来源不在白名单或无法核验的内容，不进入正式简报
• 不做自动发送或自动发布——简报生成后由人决定分发
• 事实与判断分开写："某公司扩产"是事实，"因此行业将供过于求"是判断，两者不能混为一段

9.4 三个案例的共同点

• 都要 AI 先产出可检查的中间物：事实来源清单、风险清单、单条事实卡——而不是直接出成品
• 都把"不许做什么"写进了 Prompt：不许统一冲突、不许引入新事实、不许把判断写成事实
• 都采用"先确认再生成"的节奏：三个案例的第 3 轮都是"先给结构/清单，不生成文件"
• 都留下了可追责的清单：谁的数据、谁的判断、什么待确认

10 金融行业的规矩：数据标准与合规常识

前面九章讲的是"怎么用"，这一章讲的是"边界在哪"。在金融机构使用 AI，技巧决定效率，规矩决定能不能长期用下去。以下内容为公开标准与监管规则的要点摘录，具体执行以所在机构内部制度与最新监管口径为准。

10.1 数据标准：同一个数字为什么会有三个值

金融机构最常见的困扰是：同一件事，三个系统导出三个数字。行业为此建立了一整套数据标准，核心目的就是消灭"同名不同义、同义不同名"。

10.2 数据治理与质量：AI 的产出怎么验收

数据治理框架解决的是"数据怎么管"，数据质量评价解决的是"管得好不好"。国内金融机构普遍参照的国家标准是 DCMM。

日常最值得搬进 AI 工作流的五条检查：

• 准确：数字对不对，能不能对上原始材料
• 完整：有没有缺项、有没有被静默跳过的内容
• 一致：同一指标在不同文件、不同章节是否一致
• 时效：数据的截止日期是什么，是否仍有效
• 可追溯：每一个数字能不能找回原始出处

10.3 信息安全、AI 合规与三条红线

建议写进团队规范的三条红线：

• 未公开信息、客户身份信息不进公网模型
• AI 产出不得未经复核直接对外（研报、对客材料、披露材料）
• 全过程留痕：输入材料、Prompt、中间产物、人工修改记录都要能回溯

10.4 研报与对客内容：写之前必须知道的四条

依据：《发布证券研究报告暂行规定》（证监会公告〔2020〕20 号）要求遵循独立、客观、公平、审慎原则，做好证券研究报告发布前的质量控制和合规审查，署名的证券分析师应当保证信息来源合法合规、研究方法专业审慎、分析结论具有合理依据。《证券分析师执业行为准则》（中证协发〔2020〕76 号，2020 年 6 月 21 日实施）进一步要求：引用信息和数据来源应当核实、审慎使用（第七条）；分析与结论应当保持逻辑一致性（第八条）；不得用以往推荐具体证券的表现佐证未来预测的准确性，不得对具体研究观点或结论进行保证或夸大（第十条）。

翻译成 AI 场景的四条硬要求：

• 每个数字都要有来源；没有来源的一律写"待核实"，不允许补全
• 分析与结论必须逻辑一致：前面讲风险、后面讲看好，必须解释二者如何并存
• 不出现保证、承诺、必然、稳赚这类表述；凡是预测，都要写明前提条件与失效条件
• 对外材料保留风险提示与免责声明（本指南页脚遵循同样原则）

10.5 行业分类：口径打架的高发区

让 AI 做行业对比时，最常见的隐形错误是分类体系混用。以下是国内常用体系的差异：

各体系均以主营业务收入为主要分类依据、以利润为辅，但细则不同，同一家公司在不同体系下可能归入不同行业。

三个高频坑：

• 不同体系下同一家公司归属不同，AI 混用会让行业对比失真
• 分类调整后历史数据不可比（申万年度调整、中信月度调整）
• 指数成分随分类调整而变动，跨期归因失真

10.6 落地对照表：把标准写进 Prompt（可直接抄）

11 进阶：搭建 AI 金融分析师团队

这是下一阶段真正值得玩的东西：不要只有一个 AI，设计一个团队。

11.1 团队怎么分工？

11.2 再进一步：自动化金融研究流水线

1. 资料更新：年报 / 研报入库
2. 数据提取：底稿自动更新
3. 多专家分析：财务 + 行业 + 风险
4. 汇总审校：总监 + 审稿人
5. 报告交付：Excel + Word

最终可以做到这样的流水线，然后设置每周自动运行。

12 金融场景最常见的 10 个错误

这 10 个坑，千万别踩。

13 学习路线：按这个顺序学，少走弯路

完整学习路线，共 10 课。

14 Credits：怎么算？怎么省？

这里特别提醒：不要相信网上随便一个教程说“这个任务一定花 X 元”。

Credits 会受到很多因素影响：

• 选择的模型（不同模型价格不同）
• 任务复杂程度、上下文长度
• 文件数量和大小、工具调用次数
• 是否使用 Skill、自动化执行次数

14.1 怎么测真实成本？

方法：进入 WorkBuddy 的模型 / Credits / 用量页面，执行任务前记录一下 Credits 余额，任务完成后再看一次，两者相减就是本次任务的真实消耗。这样得到的是你自己账号的真实成本，而不是网上别人说的数字。

14.2 怎么省 Credits？拆成小任务

错误方式

这很容易变成一个巨型任务，又贵又容易出错。

正确方式：拆成 6 个小任务

任务 1 资料提取 → 任务 2 数据核对 → 任务 3 财务分析 → 任务 4 行业分析 → 任务 5 风险分析 → 任务 6 最终报告

参考文献

本文引用的标准、法规与行业文件如下（均为公开文件，按正文出现顺序编号；具体执行以现行有效版本与所在机构内部制度为准）。

1. [1] 证券期货业业务域数据元规范 第1部分:证券公司: JR/T 0331.1—2026[S]. 2026.
2. [2] 证券期货业数据模型 第1部分:抽象模型设计方法: JR/T 0176.1—2019[S]. 2019.
3. [3] 证券期货业数据模型 第3部分:证券公司逻辑模型: JR/T 0176.3—2021[S]. 2021.
4. [4] 证券期货业数据模型 第5部分:期货公司逻辑模型: JR/T 0176.5—2024[S]. 2024.
5. [5] 证券期货业基础数据元规范 第1部分:基础数据元: JR/T 0304.1—2024[S]. 2024.
6. [6] 证券期货业基础数据元规范 第2部分:基础代码: JR/T 0304.2—2024[S]. 2024.
7. [7] 证券期货业数据分类分级指引: JR/T 0158—2018[S]. 2018.
8. [8] 证券期货业网络安全等级保护基本要求: JR/T 0060—2021[S]. 2021.
9. [9] 证券期货业信息系统密码技术应用指引: JR/T 0347—2026[S]. 2026.
10. [10] 证券期货业信息系统分类与代码: JR/T 0348—2026[S]. 2026.
11. [11] 证券交易数据交换协议: GB/T 45252—2025[S]. 2025.
12. [12] 数据管理能力成熟度评估模型: GB/T 36073—2018[S]. 2018.
13. [13] 数据管理能力成熟度评估模型: GB/T 36073—2025[S]. 2025.
14. [14] 信息技术 数据质量评价指标: GB/T 36344—2018[S]. 2018.
15. [15] 资产管理信息化 数据质量管理要求: GB/T 43709—2024[S]. 2024.
16. [16] 中国证券监督管理委员会. 证券基金经营机构信息技术管理办法: 证监会令第152号[Z]. 2019.
17. [17] 中国证券监督管理委员会. 发布证券研究报告暂行规定: 证监会公告〔2020〕20号[Z]. 2020.
18. [18] 中国证券业协会. 证券分析师执业行为准则: 中证协发〔2020〕76号[Z]. 2020.
19. [19] 国家互联网信息办公室, 国家发展和改革委员会, 教育部, 等. 生成式人工智能服务管理暂行办法: 七部门令第15号[Z]. 2023.
20. [20] 中国人民银行. 人工智能算法金融应用评价规范[Z]. 2021.
21. [21] 中国人民银行. 人工智能算法金融应用信息披露指南[Z]. 2023.
22. [22] 中国人民银行. 金融领域科技伦理指引[Z]. 2022.

结论

如果你只是把 WorkBuddy 当成“另一个 ChatGPT”，你会觉得它没什么特别。但如果你把它理解成：一个能够读取我的金融资料、调用金融工具、操作 Excel、生成文件，并且可以把整个金融工作流程自动跑起来的 AI 工作台——价值就完全不同了。

今天就能开始的三步

1. 建工作区：三个文件夹，权限最小化
2. 跑第 1 课：一份年报 → 财务数据表
3. 逐项核对：数字、单位、报告期

现在，打开你的电脑，从第 1 课开始——读一份年报。跑通第一个任务，比读 10 篇教程都有用。