A股业绩点评Skill
　　财报季上市公司数量较多，业绩点评涉及财务数据获取、定期报告阅读、机构观点整理、点评撰写及报告交付等多个环节，其中大量工作具有较强的重复性和标准化特征。我们开发的A股季度报点评Skill将财务报表数据、定期报告全文、一致预期及券商研报等多源信息获取与文本生成流程进行整合，可支持单股及股票池批量点评，并根据最新或指定报告期自动生成财务数据点评、公司经营情况、盈利预测与机构观点及风险提示等内容。
　　在标准点评流程基础上，Skill进一步支持按需补充财务指标，并可根据用户提供的历史点评或Word模板，对报告格式、内容结构或二者同时进行适配。为降低大模型生成过程中出现财务数字错配的风险，正式出稿前设置数据校验环节，并同步输出Word、HTML报告及Excel数据底稿。
　　财务模型更新Skill
　　财务模型是公司研究的基础工具。业绩发布、公司公告、调研纪要与行业新闻出现后，研究员需要回到模型中逐项调整收入增速、毛利率、费用率等假设。从研究方法上来看，模型更新涉及模型勾稽关系解析、假设参数识别、新增信息与既有假设的比对、业绩影响测算等多个分析维度。上述各个环节相对独立，流程重复性较高，且模型结构与假设口径又存在相对固定的范式；同时，模型更新既需要从新材料中提取定量证据，也需要对假设的调整方向与幅度作出定性判断，这种定性定量相结合的特点适合用AI辅助完成信息的提取与组织，并由研究员保留最终决策权。
　　因此我们专门制作了技能来完成公司财务模型的调整与测算，帮助研究员将精力从重复取数和逐格改数转向假设判断、情景比较和结论决策，实现研究效率和模型质量的双重提升。
　　风险提示
　　以上结果通过历史数据统计、建模和测算完成，历史规律不代表未来；在市场环境发生变化时，模型存在失效的风险。大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。业绩影响测算为现有模型公式下的计算结果，不代表对公司未来经营情况的预测。部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果。模型扫描与写入依赖原Excel模型的结构与公式质量，若模型中存在硬编码、跨表引用异常等情况，可能出现假设识别偏差。