企业官网建设流程全解析

• 人工智能
• AI Agent
• 金融科技
• AI 应用
• 大模型
• RAG

FinRobot 的initiating-coverage技能（SKILL.md）把"从零覆盖一家公司"这一卖方研究工作拆解为公司研究、财务建模、估值分析、图表生成、报告组装五个独立且可验证的任务。本文以该技能文档为骨架，结合 FinRobot 桌面端 skills 引擎与自动化研报流水线的源码实现，完整讲解每个任务的交付物规格、前置校验、文件命名规范与底层加载/调度机制，帮助你用一次请求一个任务的方式，逐步产出一份对标 JPMorgan / Goldman Sachs / Morgan Stanley 格式的投行级首次覆盖报告。

技能定位与元数据

initiating-coverage是 FinRobot 的 56 个分析师技能手册（playbook）之一，归属于equity-research（股票研究）台面，同类技能还包括catalyst-calendar、earnings-analysis、earnings-preview、idea-generation、model-update、morning-note、sector-overview、thesis-tracker等（见 README.md）。

该技能通过SKILL.md头部 YAML frontmatter 声明自己的元数据（SKILL.md）：

这些元数据不是摆设。FinRobot 的技能引擎在 loader.py 中通过load_skill(path)解析每个SKILL.md：以---分隔 YAML frontmatter 与 Markdown 正文，id与name为必填字段，缺失即抛出SkillLoadError；description缺失时则自动回退取正文第一段。解析后的技能被构造成 spec.py 中的SkillPydantic 模型（含full_content与source_path），再被 registry.py 递归收集进SkillRegistry，支持get(skill_id)精确获取与search(query)关键词检索（名称命中 3 分、触发器命中 2 分、描述命中 1 分）。

在桌面端 CLI 中，可以通过finrobot skill list和finrobot skill search <query>浏览与检索全部技能（见 README.md），在编排器（orchestrator.py）中则通过activate_skill(skill_id)把整份方法论注入上下文。

核心工作流：单任务模式（One Task at a Time）

该技能最关键的运行约束是每次用户请求只执行一个任务，绝不自动串联。无论用户请求"为某公司创建覆盖发起报告""完成全部 5 个任务"，标准应答都包含三步：

1. 先问用户想从哪个任务开始，并列出 5 个任务清单让用户确认；
2. 当用户明确要求一次跑完全部任务时，解释当前技能只支持单任务执行（以保证每个阶段的质量控制与人工复核），并询问是否从 Task 1 开始；
3. 永不自动假设起始任务、永不自动续跑后续任务。

技能文档为此提供了完整的任务矩阵（SKILL.md）：

依赖关系可归纳为：Task 1 与 Task 2 相互独立（可并行），Task 3 依赖 Task 2，Task 4 依赖 Task 2 与 Task 3，Task 5 依赖前四个任务全部完成。Task 3–5 在启动前必须严格校验输入存在，否则立即停止并向用户说明缺哪个前置任务。

交付物红线：禁止任何"额外文档"

技能对交付物有严格边界（SKILL.md）：每个任务只交付规格列出的那一种文件，不创建任何"完成总结""执行摘要""快速参考""下一步计划"等附加文档。理由很直接——这些多余内容浪费上下文，也不属于专业工作流的一部分。

• Task 1 只交付.md研究文档；
• Task 2 只交付.xlsx财务模型；
• Task 3 交付.md估值分析 + 向 Task 2 的 Excel 追加 4 个 Sheet；
• Task 4 只交付.zip图表包；
• Task 5 只交付.docx终稿。

请求模式速查

• 模式 1：用户指定具体任务（如 "Use initiating-coverage, Task 1 for Tesla"）→ 立即执行该任务。
• 模式 2：用户要求"initiation report / full pipeline"→ 不自动启动任何任务，先询问从哪个任务开始。
• 模式 3：用户要求"all tasks / entire workflow"→ 不串联任务，解释单任务限制，询问是否从 Task 1 开始。

一个完整的覆盖报告需要5 次独立请求：Task 1 完成交付 → 用户复核 → 请求 Task 2 → …… 依次推进到 Task 5。技能文档也提醒：Task 1 和 Task 2 可以任意顺序执行；Task 3–5 存在严格依赖。

Task 1：公司研究（Company Research）

目的：研究公司的业务、管理层、竞争地位、行业与风险。

前置条件：无（完全独立），仅需公司名称或股票代码。

流程：校验公司名称/代码 → 加载references/task1-company-research.md详细指令 → 执行定性研究工作流 → 交付研究文档。

交付物规格（SKILL.md）：

• 公司概况与历史沿革
• 管理层简介（每位高管 300–400 词 × 3–4 位）
• 产品与服务分析
• 行业概览
• 竞争分析（5–10 家竞争对手）
• TAM（潜在市场规模）测算
• 风险评估（8–12 项风险，覆盖 4 大类别）

文件命名：[Company]_Research_Document_[Date].md

底线要求：全文必须写满 6,000–8,000 词；3–4 位高管每位完整撰写 300–400 词简介；5–10 家竞争对手逐一深入分析；8–12 项风险全部覆盖。技能文档明确禁止为省时缩写章节或跳过任何必需部分。

Task 2：财务建模（Financial Modeling）

目的：提取历史财务数据，构建包含预测与情景的综合 Excel 财务模型。

前置条件（启动前必须校验）（SKILL.md）：

• 必选：公司财务数据访问渠道
  • 上市公司：SEC EDGAR 最新 10-K；
  • 非上市公司：财务报表或可用估算；
  • 或用户直接提供已提取的历史财务数据。
• 可选：Task 1 公司研究作为业务背景。

输入校验提供了两种接入方式：Option A 自行提取财务数据（最常见，需确认可访问 10-K 且准备提取 3–5 年数据）与Option B 用户提供已提取数据（需确认历史财务文件含利润表、现金流量表、资产负债表三表 3–5 年数据）。

流程：校验数据可访问性 → 加载references/task2-financial-modeling.md→ 步骤 1 提取历史财务数据 → 步骤 2+ 构建含 6 个核心 Sheet 的预测模型 → 交付 Excel 模型。

交付物规格：6 个必建 Sheet（SKILL.md）：

1. Revenue Model（收入模型）：产品拆分（20–30 行）+ 地区拆分（15–20 行）
2. Income Statement（利润表）：完整 P&L，40–50 个科目，历史 3–5 年 + 预测 5 年
3. Cash Flow Statement（现金流量表）：经营/投资/筹资活动，历史 + 预测
4. Balance Sheet（资产负债表）：资产/负债/权益，历史 + 预测
5. Scenarios（情景）：Bull/Base/Bear 三情景对比表
6. DCF Inputs（DCF 输入）：为 Task 3 估值预留

文件命名：[Company]_Financial_Model_[Date].xlsx

进入 Task 3 前的验证清单：历史财务数据已提取/提供；Excel 可正常打开；6 个 Sheet 齐全；历史 3–5 年数据与未来 5 年预测已纳入；Bull/Base/Bear 三情景完整。技能明确禁止构建简化/缩写版本、跳过任一 Sheet 或省略历史数据提取。

值得说明的是，这是交互式技能的建模约定。在 FinRobot 自动化研报流水线（equity_research.py）中，财务建模被实现为确定性 DCF：DCFInputs仅通过seed_dcf_inputs从真实申报文件构建（3 年历史中位数或 Damodaran 行业中位数，含来源记录assumption_provenance），calculate_dcf+calculate_sensitivity计算目标价与 WACC×终期增速敏感性矩阵，LLM 在其中只负责叙述、不挑选任何数字——这正对应 SKILL.md 强调的"估值必须基于可验证输入"的纪律。

Task 3：估值分析（Valuation Analysis）

目的：使用 DCF、可比公司与先例交易进行综合估值。

前置条件（严格）：Task 2 的财务模型——预测利润表、预测现金流、收入与 EBITDA 预测、DCF 输入（无杠杆自由现金流）。技能文档以⚠️ CRITICAL 级别警示：Task 2 未完成不得启动本任务，禁止用占位估值或凑合方式推进；若 Task 2 未完成，应立即停止并告知用户先完成财务建模。

输入校验清单：Task 2 是否完成、模型路径是否已知、能否读取模型预测财务数据；模型需提供：5 年预测 FCF、收入预测、EBITDA 预测、终年指标。

交付物规格（SKILL.md）：

• DCF 分析（含敏感性表）
• 可比公司分析（5–10 家同行，含统计汇总：max / 75th / median / 25th / min）
• 先例交易（如适用）
• 估值足球场图（football field）
• 目标价：$XX.XX
• 投资建议：BUY / HOLD / SELL
• 上行空间：XX%
• 关键催化剂（3–5 项）

文件交付：

• [Company]_Valuation_Analysis_[Date].md（书面分析，4–6 页）
• 向 Task 2 的[Company]_Financial_Model_[Date].xlsx追加 4 个 Sheet：DCF 计算表、敏感性分析表、可比公司表、估值汇总表

底线要求：完整 DCF + 敏感性矩阵（多组 WACC 与终期增速情景）；全部 5–10 家可比公司；统计汇总；完整 4–6 页分析；目标价须有具体方法论论证。进入 Task 4 前的验证：目标价已确定、估值至少使用 DCF + Comps 两种方法、DCF 敏感性表完整、可比公司表含统计汇总。

Task 4：图表生成（Chart Generation）

目的：为报告生成 25–35 张专业金融图表。

前置条件（严格）：Task 1 公司研究、Task 2 财务模型（含 Task 3 估值 Sheet）、外部市场数据三方面齐备（SKILL.md）：

• 来自 Task 1：公司历史与里程碑（时间线图）、管理层与组织结构（组织图）、产品组合（产品图）、客户细分（客户图）、竞争格局（竞争图）、TAM 分析（市场规模图）——共支撑 9 张图；
• 来自 Task 2：按产品/地区划分的收入（历史+预测）、利润表与利润率、现金流量表、情景对比数据——共支撑 8 张图；
• 来自 Task 3：DCF 敏感性矩阵、DCF 组成、可比公司数据、估值区间——共支撑 6 张图；
• 外部数据：历史股价数据（Yahoo Finance、Bloomberg 等）、历史估值倍数——共支撑 2 张图。

⚠️ Task 1、2、3 任一未完成即停止，明确告知用户缺哪些前置任务，禁止创建占位图或跳过图表。

交付物规格（SKILL.md）：

4 张必含图表 ⭐：

• chart_03：Revenue by product（堆叠面积图）
• chart_04：Revenue by geography（堆叠柱状图）
• chart_28：DCF sensitivity（二维热力图）
• chart_32：Valuation football field（水平条形图）

25 张必建图表（分布在 Investment Summary / Financial Performance / Company 101 / Competitive-Market / Scenario Analysis / Valuation 六个章节），10 张可选图表（charts 19–27、35，覆盖客户获取、单位经济学、产品路线图等，用于凑足 26–35 张）。

技术要求：300 DPI 印刷级清晰度（禁止低分辨率占位图）；chart_##_description.png命名规范；所有图表 +chart_index.txt打包进[Company]_Charts_[Date].zip。

进入 Task 5 前的验证：≥25 张图表；4 张必含图表齐全；全部可正常打开；300 DPI；图表索引包含文件与分类；命名符合规范；已打包 zip。

Task 5：报告组装（Report Assembly）

目的：编写并组装最终的综合 DOCX 报告。

前置条件（严格）：Task 1 研究文档（全部 6–8K 词、管理层简介、竞争分析、风险评估）、Task 2 财务模型（全部预测与情景）、Task 3 估值分析（目标价与建议、DCF、Comps、先例交易）、Task 4 图表包（全部 25–35 张 PNG/JPG + 索引）。任何前置缺失即停止，不允许占位内容、替代缺失章节或组装不完整报告。

组装流程（SKILL.md）：校验全部输入 → 加载references/task5-report-assembly.md→ 使用 Claude 内置技能组装：DOCX skill创建/操作 Word 文档、XLSX skill读取 Task 2/3 的 Excel 数据、Read tool读取 Task 1 与 Task 3 的 Markdown；随后把 Task 1 的.md转为 Word 格式并内嵌图表、从 Task 2 的.xlsx提取表格撰写量化分析、改编 Task 3 的估值内容、将 Task 4 的全部 PNG 图表穿插进正文（每 200–300 词插入一张）。

交付物规格（SKILL.md）：

• 页数：30–50 页（最低 30 页）
• 字数：10,000–15,000 词（最低 10,000 词）
• 图表：25–35 张内嵌图片
• 表格：12–20 张综合表格
• 格式：专业 DOCX，引用为可点击超链接

章节结构：第 1 页投资摘要（INITIATING COVERAGE 格式）→ 第 2–5 页投资论点与风险 → 第 6–17 页 Company 101 → 第 18–30 页财务分析与预测 → 第 31–40 页估值分析 → 第 41–50 页附录。

文件命名：[Company]_Initiation_Report_[Date].docx

技能文档用"🔥 CRITICAL: GO ALL OUT ON THIS TASK"强调这是最终交付物：使用完整 token 预算；每个章节完整撰写而非概括；达到全部最低要求（30+ 页、10,000+ 词、25+ 图表、12+ 表格）；预测假设部分 2,000–3,000 词逐产品展开；情景部分 1,500–2,000 词并给出 Bull/Base/Bear 具体参数；插入 Task 4全部图表（不是只插几张）；提取 Task 2/3所有财务表格；Task 1 内容逐字复用。同时明确禁止出现 "This section would include..." 这类占位表述——必须写出实际章节、插入实际图表、提取实际数据。

输入校验协议（Input Verification Protocol）

技能对每个任务强制前置校验，理由清晰：没有必需输入就运行任务，只会浪费时间产出半成品，最终仍需返工（SKILL.md）。

校验失败时的处置协议：停止当前任务 → 识别缺失的前置任务 → 先完成缺失任务 → 前置满足后回到原任务。技能文档给出了标准应答示例（以 "Use initiating-coverage, Task 5 for Tesla" 为例）：依次检查 Task 1–4，发现缺失即输出 VERIFICATION FAILED 提示，并列出 1–5 步恢复路径询问用户是否从 Task 1 开始。这一"先校验后执行"的纪律与 FinRobot 流水线中的结构化校验器（如validate_has_fields、validate_dcf_result、validate_peer_comps等）一脉相承——自动化引擎同样在每个 pipeline 步骤产出后做结构校验。

任务参考文件与加载原则

技能文档将每个任务的详细分步指令拆到独立参考文件，以保持SKILL.md本身精简（SKILL.md）：

• references/task1-company-research.md— 公司研究工作流
• references/task2-financial-modeling.md— 财务建模工作流
• references/task3-valuation.md— 估值方法论（另见references/valuation-methodologies.md的 DCF/Comps 深入讲解）
• references/task4-chart-generation.md— 图表生成工作流
• references/task5-report-assembly.md— 报告编写工作流（另见assets/report-template.md报告结构与assets/quality-checklist.md质检清单）

加载原则：只加载正在执行任务对应的那一个参考文件；这些文件体积很大，切勿同时加载多个。任务开始时读取对应参考文件获取逐步指令。

质量标尺与会话管理

质量标准

所有输出对标一线投行（JPMorgan、Goldman Sachs、Morgan Stanley）标准（SKILL.md）：

• 全面：满足全部最低要求；
• 详实：具体数据与实例，而非泛泛陈述；
• 量化：以数字和指标开篇；
• 可溯源：引用规范来源（可点击超链接）；
• 专业：机构级排版格式；
• 准确：所有数字经过核实与交叉校验。

会话与文件管理

• 同一会话：上一任务的输出自动可用于后续任务；
• 跨会话：需显式引用历史输出，例如 "Use Task 3 with the model from yesterday at [path]" 或 "Use Task 5 with the research document at [path]"；
• 推荐目录结构：按任务分目录组织ProjectFolder/Task1_Research/、Task2_Model/、Task3_Valuation/、Task4_Charts/、Task5_Report/。

为什么不支持端到端自动执行

技能明确不支持一次请求自动跑完所有任务，原因：每个阶段的质量控制、输出交付前的复核、工作流可暂停/恢复、前置条件的清晰验证。这一点在自动化流水线场景中同样被尊重——FinRobot 的 pipeline_methodology.py 为initiating-coverage提供了"pipeline-safe"的精简版方法论：在无人值守的自动化研报流水线中，技能正文会被替换为不包含任务选择、前置确认、图表/文件生成、Word/Excel 指令的纯叙述框架，且绝不覆盖权威目标价/评级、绝不自行计算新数字——所有估值数字必须来自上游确定性计算输出。这也解释了为什么交互式使用必须遵循单任务模式：把"人在环路中的质量控制"作为专业研报的默认前提。

成功标准（Success Criteria）

一次成功的覆盖发起工作流应满足（SKILL.md）：

1. 按顺序完成全部 5 个任务；
2. 通过全部输入校验；
3. 满足全部质量标准；
4. 产出全部规定交付物；
5. 各交付物之间的数字相互交叉校验一致；
6. 最终报告达到可发布状态。

输出质量：机构级（对标 JPMorgan / Goldman Sachs / Morgan Stanley）。适用场景：对一家公司的首次全面覆盖（initiating coverage）。

要上手使用，只需在 FinRobot 桌面端的会话中按模式请求具体任务，例如先发"Use initiating-coverage skill, Task 1 for Tesla"启动公司研究，再依次推进后续 4 个任务，即可沿着这条被工程化约束过的路径，稳定地产出一份从公司基本面到估值结论、图表与表格齐备的完整首次覆盖报告。

• 人工智能
• AI Agent
• 金融科技
• AI 应用
• 大模型
• RAG