企业官网建设流程全解析

简介：面向金融投资者、财务分析师及想借助AI提升财报解读效率的职场人士，这套提示词合集聚焦人工智能在上市公司财报分析中的落地应用。PDF内含多套可直接参考的中文提示词模板，覆盖财务报表整体分析、资产负债表安全性、利润表盈利与成长能力、现金流量表八类现金流组合识别及杜邦分析等场景，适合投资决策前的快速尽调与研报辅助。

包体仅包含1个PDF文档，压缩后约484KB，轻量便携，已有185位用户学习下载。提示词对各财务指标的计算口径、分析要点和提问策略均有清晰设计，如通过速动比率与资产负债率判断偿债风险、结合应收与存货周转率考量管理层营运能力，并能指导AI按工作流分步输出量化结论与风险提示。想系统梳理AI财报分析方法或直接应用到金融报告场景的从业者，可借此获得较完整的提示词参考。

1. AI财报分析提示词：一份把大模型调教成华尔街分析师的开箱包

如果你只是丢一句“帮我分析这份财报”给大模型，拿到的多半是正确但没用的泛泛之词——指标算得出来，结论却模棱两可。这份资源解决的就是这个问题。它包含五套可复用的AI财报分析提示词，覆盖三张表指标分析、行业透视、杜邦分析、现金流量表深挖和DCF估值，每一套都内置完整的角色设定、指标口径和工作流，能把大模型从问答助手变成按流程推进的财务分析师。适合批量看财报的投资者、写调研报告的研究员，以及正在沉淀自己提示词库的AI应用从业者。下面按“它拆了什么→怎么跑通→坑在哪→怎么改”一层层拆开来讲。

2. 一套提示词拆出五层分析能力：从三大表指标到杜邦与DCF

2.1 五套Prompt各管一段：三大表、行业、杜邦、现金流与估值

这份资源里最值钱的，是五个相互独立又能串起来用的提示词模块。第一套“整体分析（一）”骨架最全，走的是标准财务分析路线：资产负债表看安全性和管理层营运能力，利润表看盈利能力和成长能力，现金流量表判断三种活动净额的正负组合，最后汇成一份公司现状的整体判断。第二套“整体分析（二）”把角色换成了麦肯锡式的行业分析师，输出六个方向的内容：市场与行业概览、产品与竞争格局、法律政策监管、挑战与机遇、企业案例分析、未来趋势预测，并且限制总输出不超过3000汉字，防止AI在行业分析上无节制地展开。

第三套杜邦分析法单独把净资产收益率这一个指标拆成三层驱动，专门用来回答“ROE为什么高、为什么低”。第四套现金流量表是深挖版，不满足于看正负号，而是把经营、投资、筹资三个活动的现金流构成逐项拆开，再做流动性、偿债能力和收益质量判断。第五套DCF估值走的是完整估值流程，从三张表里分别提取计算自由现金流、折现率和终值所需的数据，最后算出企业总现值。五个模块从“定性看看”到“定量估值”逐级加深，既可以单独用，也可以按套装顺序对同一家公司连续做。

每套提示词都包含角色、技能、约束、工作流、初始化五个部分。角色不是简单写“你是一名财务分析师”，而是写明“就职于华尔街、拥有20年行业经验、擅长财务审计和估值”，技能里还列了财务建模、数据挖掘、沟通与报告撰写。实际用下来这种角色描述的作用不是让AI变聪明，而是让它输出的语气、结构和行文都向研报靠拢：多列表格、多写公式、先结论后理由。

2.2 指标口径是写死的，AI没有自由发挥的空间

这组提示词最值得抄的地方，是把判断标准直接写进了Prompt，而不是交给AI临时决定。资产负债表部分定义了五个指标，全部带公式：

指标之外还埋了三个排雷动作：资产负债率要与同行比较；要区分负债是短期贷款还是长期贷款，长期贷款需要额外关注利息支出压力；要检查是否存在存贷双高，如果存在则进一步看存款用途是投向了研发生产还是放在账上不动。

利润表部分同样具体：净资产收益率、毛利率、净利润率三个指标判断盈利能力，营收增长率、净利润增长率两个指标判断成长能力。提示词里还专门写了一段毛利率与净利率的联动判断——毛利率很高而净利率很低，说明产品本身好卖，但企业处在花钱买知名度的阶段，等品牌效应形成后净利率会明显改善。我最初看到这段时觉得它说得太满，实际分析了几家公司后发现，AI把这个逻辑当成默认锚点之后，给出的结论比单纯报数字要有解释力得多。

2.3 八种现金流组合：正负号背后是一整套经营状态判断

现金流量表部分是全套提示词里最硬核的一块。它要求AI逐一判断经营活动、投资活动、融资活动现金流净额的正负，然后映射到八种组合：

组合里的三个符号顺序固定为经营、投资、融资。老母鸡型意味着经营赚钱、投资有回报、同时还在还债或分红，这是最舒服的状态；大出血型三项全负，基本是经营亏损叠加投资流出再加融资枯竭，遇到可以直接排除。这套映射把现金流量表从“看数字”变成了“看状态”，AI输出结论时不再只报一个净额，而是会主动解释企业当前处在什么经营阶段。

2.4 为什么判断标准必须写进提示词而不是让AI现想

财报分析最怕AI自由发挥。同一个资产负债率，AI对着银行和对着互联网公司给出的评价口径完全不同，如果不限定参照系，它倾向于给一个折中的、永远正确的评语，恰恰掩盖了极端情况。这组提示词的做法是把“什么是好、什么是坏”的判断逻辑全部都写死在Prompt里，AI只负责取数、计算公式、套用判断逻辑，最后给出解释。

这种设计还有一个好处：结果可复现。同一份财报、同一套提示词，在不同时间跑出来的结论基本一致，不会因为AI状态不同而出现两套说辞。对需要留档的投研工作来说，这一点比单个结论的聪明程度重要得多。

3. 从上传财报到完整报告：执行流程与数据约束

3.1 角色、约束与“继续”机制：把分步执行写进提示词

每套提示词里都有一段约束，要求AI按照步骤一步步执行、一步步思考，输出尽量详细完整，不要胡编乱造。这段约束真正起作用的地方是它预先处理了长输出问题——提示词里明确写了：“当您即将达到令牌限制时，请让我按‘继续’，我会这样做，以便您完成所有步骤。”

这个设计非常务实。直接让AI一次性完成三张表分析加整体结论，输出长度轻松上万字，上下文窗口根本撑不住，后半段质量必然崩塌。让AI每完成一步就停下来问“是否继续下一步”，相当于对输出长度做了分页控制，也给了使用者随时插入追问的机会。

实际使用时我体会到另外一个作用：分步执行让AI每一步只聚焦一张表，注意力集中，提取数据的准确率明显高于一口气处理三张表。资产负债表、利润表、现金流量表三者的科目名称有交叉，混在一起喂进去，AI经常把长期借款和短期借款弄混，分开处理就很少出这个问题。

3.2 一次完整分析的实操流程：三张表分开喂

我一般按照下面这个流程跑第一套整体分析提示词。先把财报PDF里的三张表分别复制成纯文本，各自存成一个文档片段，然后开始对话：

你是一名就职于华尔街的资深财务分析师，拥有20年的行业经验，擅长财务审计、估值和投资分析。 约束： 1. 按照工作流一步步执行，每完成一步先输出结论摘要，然后询问我是否继续下一步。 2. 数据不完整或异常时，先标注【待确认】，不要自行估算。 3. 提取数据时先写公式、再代入数值、最后给判断，三步不能合并。 第一步：请先确认你已理解上述约束，等待我发送第一份财报文本。

开头的提示词做了一处改动：把“自行处理”改成了“先标注待确认”。理由在第5章会详细展开，这里想强调的是，大模型对“自行处理”的理解经常和人不一致，宁可先堵住这个口子。AI确认角色后，依次发送资产负债表文本、利润表文本、现金流量表文本，每发送一张表就等它输出对应指标的计算结果，确认无误后再回复“继续”。

每张表发出去之前，我都会顺手做一件事：把表名和所属期间写清楚，例如“以下是XX公司2023年度利润表”。原因是AI对文本位置没有天然感知，多一句话能有效避免它把上一年数据与本年度数据混在一起算增长率的低级错误。

3.3 数据异常时，AI会怎么处理

提示词里的提取数据约束写了三条：数据不完整或异常时自行处理；无法找到对应数据时提示用户自行确认；执行完毕后询问是否继续下一步。三条约束要连起来看，不能只取第一条。

自行处理给AI的容错范围是有限的，它主要覆盖“平均应收账款”“存货平均余额”这类需要计算的中间值——财报里通常只有期初数和期末数，AI取两者均值属于合理的自行处理。但如果整项数据缺失，AI必须停下来问用户要，而不是从行业平均或以往经验里编一个数。如果你在实际使用中遇到AI补数据的情况，大概率是它把自行处理和自由发挥混淆了，这时候回到对话里强调一遍提取数据约束就能拉回来。

另一个值得注意的口径是“平均”两个字。提示词里多次出现平均净资产、平均应收账款、存货平均余额，都是按期初加期末除以二计算。很多人在手工分析时会直接用期末数替代，导致周转率在企业报表剧烈波动时偏离真实值。AI没有这个习惯，它拿到提示词里的“平均”口径就会主动去找期初值，这也是这套提示词的一个隐性优点。

4. 杜邦分析与DCF估值：三层拆解和完整数据链路

4.1 杜邦分析法：把ROE拆成三个可解释的驱动

杜邦提示词的核心公式是净资产收益率等于三个因子的乘积：营业净利率乘以总资产周转率再乘以权益乘数。三个因子分别从利润表和资产负债表提取，各分析角度也都列好了：

三个因子经常是互相冲突的。一家公司ROE很高，拆开看可能只是权益乘数在拉动，也就是高杠杆硬撑起来的，这种公司需要警惕偿债风险；另一家公司ROE同样高，但靠的是营业净利率的竞争力，这是真正健康的增长。提示词把两套分析角度都写进去了，AI输出结论时会分别说明三个因子的贡献方向，而不是给一句“ROE为15%，表现良好”的废话。

这套提示词还加了一个“业务概况”分析：公司提供什么产品和服务、为谁提供、用什么方式赚钱。这一步看似简单，实际价值很高。看懂一家公司的财务报表，前提是知道这家公司和它所在行业的生意模式，杜邦分析里很多指标口径是要靠业务常识来校验的——比如重资产行业和轻资产行业的资产周转率天然不在一个量级。

4.2 DCF估值：三大表的数据按用途分流

DCF提示词是五套里工程化程度最高的，它把三张表各自要提取的数据按三个用途分类：计算自由现金流、辅助计算折现率、辅助计算终值。整理下来是下面这张数据清单：

这个分类最聪明的地方在于它没有让AI一次性把三张表的数据全部提取出来堆在一起，而是按用途分流，每份数据在计算环节各司其职。例如现金流量表部分专门提到资本支出，因为FCF的定义就是经营现金流减去资本支出，如果漏掉资本支出，算出来的自由现金流会严重虚高。

到计算环节，提示词要求AI计算近两年的自由现金流，再以此为基准预测未来五年，并要求附上完整的计算过程。这个“附上计算过程”的要求很重要，因为AI推算的数据不是事实，只有把每一步的假设和公式写清楚，使用者才能判断这个预测值是否靠谱，也才能和其他人的预测做对比。

4.3 计算顺序与联网环节：CAPM、Gordon终值与总现值

DCF的后续步骤是典型的四步走：先算自由现金流FCF，再通过资本资产定价模型CAPM求折现率，接着用Gordon增长模型算终值，最后把未来五年的自由现金流折现加总得到企业总现值。其中折现率这块明确允许联网查询，因为无风险利率、市场风险溢价和公司贝塔系数都属于实时数据，靠训练数据里的旧知识完全给不准。

使用时会发现提示词对联网环节有一个细节要求：需要提供数据来源链接。这直接把AI从“凭记忆报数”拉回到“拿证据说话”，无风险利率查的是国债收益率还是其他口径，贝塔系数来自哪个数据库，链接一目了然。终值计算同样允许联网，主要查永续增长率的合理区间。

DCF这套流程的最终输出是一个估值区间，更准确说是围绕一组假设给出的判断。原版提示词没有强制要求列出全部假设，我自己的习惯是在跑完一轮之后追问一句“列出你使用的全部假设及理由”，这一步放在第6章详细展开。

5. 实战避坑：用这套提示词最容易翻车的五个点

5.1 直接把PDF丢给AI，三大表数据漏读严重

现象：整份财报PDF发给AI后，它报出的营业收入、净利润数据总是差一点，有时候同一个净利润前后两次分析结果不一样。

原因：财报PDF多为扫描件或者三栏排版，AI对复杂表格的识别能力有限，经常漏读行、串读列，尤其是合并了单元格的资产负债表明细。

解决：先从PDF里把三张表分别复制成文本，手工校验表头和数据行，再分三次粘贴给AI。有条件的可以把三张表另存为Excel，按表上传，AI按文本读取时准确率会高很多。

5.2 “自行处理”被AI执行成了“自编数据”

现象：AI在找不到某项财务数据时，直接从行业平均或逻辑推测里补了一个数，继续往下算，报告看起来完整无缺，实际有一个数是假的。

原因：提示词里那句“遇到数据不完整或者异常时自行处理”，被AI理解成了可以补全数据，误差被后续计算一步一步放大。

解决：发出提示词后补一句“找不到的数据必须标注【待确认】，不得自行估算”。数据缺失宁可跳过，标明未覆盖，也不能让AI造一个数占据报表的位置。这句话就是后悔药，能省掉后面一堆返工。

5.3 原始提示词里有两个文本笔误，发出去之前先改掉

现象：用利润表提示词算净利润率，结果永远输出100%；按八种现金流组合判断企业类型，中间几种组合经常对应错误。

原因：提示词里“净利润率=净利润率/营收”这条公式本身写错了，分子应为净利润；另外八种现金流组合的符号描述太长，AI和人都会记混顺序。

解决：发出去之前先修公式，净利润率改为“净利润/营收”。现金流组合这块，我在使用时会额外要求AI输出时把文字描述带全，例如同时写“经营为正、投资为正、筹资为负”，不让它只用“++-”这种符号交差，符号一多必乱。

5.4 同行比较对象，AI会随便给你选

现象：AI自动找了一家市值差几十倍的公司做资产负债率对比，或者拿一家业务完全不同的公司分析存货周转率，结论基本没有参考价值。

原因：提示词只写了“要与同行比较”，但没有定义同行的范围，AI只能凭训练数据里的印象随机找参照物。

解决：用的时候自己指定对标公司名单，比如“请与XX、XX、XX做对比”，再把比较维度限定在营收规模相近的区间。这个动作看着小，实际直接决定同行比较的分析质量。

5.5 分析链条太长，AI中途忘了前面的数字

现象：DCF走到第四步算总现值时，AI引用的第一步自由现金流数据已经变了，或直接说记不清前面的计算结果。

原因：前几步输出太长，加上用户反复复制粘贴财报内容，把上下文窗口挤爆，AI开始用“合理推测”代替真实读取。

解决：每完成一步，把该步结论用一句话摘要保存，后续提问时把摘要再喂回去，例如“我们之前计算的近两年FCF分别是XX，请基于此继续”。上下文窗口是硬上限，没有后悔药，只能靠摘要控制信息密度。

6. 进阶微调：让分析报告从“像样”变成“可用”

6.1 补一个“假设清单”，让DCF结果可以复现

原版DCF提示词没有强制要求AI列出全部假设。我用它跑了几轮之后发现一个问题：估值结果出来了，但不知道这个结果是建立在哪些假设之上的。后来我在提示词末尾追加了一段“在输出总现值之前，先列出你使用的全部假设，包括折现率、永续增长率、未来五年营收增速，逐一说明理由”。加入之后估值结果忽然变得可控了，不再是一个只能被动接受的黑匣子。同事看同一家公司时，只要替换成他的假设，就能快速定位两套估值差异出在哪个参数上。

6.2 加一段敏感性分析，把估值从单点变成区间

DCF最难受的是它总要给出一个唯一的估值数字，而数字越精确越容易招致质疑。我一般会在DCF计算完成后再追加一段：分别测试自由现金流增速在悲观、中性、乐观三档情景下的估值，并给出一个合理区间。这样AI输出来的就不是一个静态数字，而是低、中、高三档。估值的本质本来就是区间判断，这个追加提示词相当于给分析报告加了一层容错空间，用来回答“估值受什么影响最大、最坏能到哪”。

6.3 固定输出结构，让报告可以直接落到决策

五套提示词各有侧重，但输出格式是松散的。我习惯在每套提示词的约束部分追加一句“最终输出格式固定为四个模块：业务概况→关键指标表格→指标分析→结论与风险提示”。加了这句话之后，AI会自动在结论模块里写“该企业当前面临的主要风险包括以下三点”，而不是满屏数字没有落点。对需要把分析结果拿去做决策的人来说，这种结构化的输出比长篇大论实用得多。

从那以后，我每次拿到一份新财报，都会先把这套提示词里的指标口径和分析角度过一遍，再按“先指标、后判断、再下结论”的顺序让AI逐步输出，最后补上假设清单和敏感性测试。整套流程跑下来，看一份财报的时间能压缩到原来的三分之一，误判的概率也明显下降。希望帮到你。

本文还有配套的精品资源，点击获取