用 AI 分析财报的 7 个步骤：从 PDF 到风险检查清单
先给结论
- ✓ 用 AI 分析财报的 7 个步骤：用 OCR、Python、LLM 和人工复核流程，把 PDF 财报拆成结构化字段、风险检查清单、source_page 与 evidence，适合做财报阅读加速和产品原型。
适合谁读
- ● 正在把 ai / 财报 / 自动化 / 大模型 落到真实项目里的开发者。
- ● 不想只看概念，希望知道取舍、边界、风险和下一步怎么做的独立开发者。
- ● 正在做技术选型、工具链治理、自动化工作流或个人数字资产建设的读者。
本文解决的问题
- ● 用 AI 分析财报的 7 个步骤是什么？
- ● 用 AI 分析财报的 7 个步骤怎么实现？
- ● 用 AI 分析财报的 7 个步骤有哪些常见问题？
- ● 用 AI 分析财报的 7 个步骤适合什么场景？
- ● 用 AI 分析财报的 7 个步骤如何排查和优化？
前言
我一直在思考，财报到底该怎么读才够快、够准、够安全。传统的手工阅读往往耗时数小时，信息碎片化后容易漏掉关键风险点。这里的目标不是让 AI 替代判断，而是把 PDF 解析、大模型推理、结构化输出、source_page、evidence 和人工复核放进同一条流程里，让财报阅读变成可检查、可回放、可修正的工作流。
边界说明：本文是 AI 财报阅读和研发流程记录，不提供股票买卖建议、目标价、仓位建议或短线预测。所有 AI 输出都必须回到原始财报和 source_page 人工复核。
适合谁读
- 财务分析师、投研员、独立投资者，想在繁忙的财报季把时间花在判断而不是摘录上。
- 数据科学家、全栈工程师，想把开源大模型嵌入企业内部流程。
- 初创团队、金融科技创业者，需要一套可复用的财报自动审计模板。
1. PDF 文本抽取（OCR + 结构化）
1.1 为什么不直接用 PDF 解析库？
市面上常见的 pdfminer、pdfplumber 对于扫描版财报几乎是零输出，只有文本层的 PDF 才能直接抽取。大多数上市公司提供的 PDF 都是扫描件，里面只有图片。于是我采用 OCR 先将图片转成文字，再用正则把章节标题、表格标题、关键财务指标抽出来。
1.2 工具链
- Tesseract 5.3（开源 OCR，引擎参数
--psm 1） - Poppler（
pdftoppm将 PDF 按页转成高分辨率 PNG） - Python 正则（提取
资产负债表、利润表、现金流量表小节）
# 将 PDF 拆成 PNG（300 DPI）
# 300 DPI 保证文字清晰度
pdftoppm -r 300 annual_report.pdf page
# 执行 OCR，生成每页 txt
for f in page-*.png; do tesseract "$f" "${f%.png}" -l chi_sim; done
1.3 抽取结果示例
第 1 页
公司名称：华为技术有限公司
报告期：2025 年 12 月 31 日
...
资产负债表（单位：万元）
流动资产 合计 123,456
非流动资产 合计 789,012
...
利润表（单位：万元）
营业收入 1,234,567
营业成本 987,654
...
把每一页的文字合并后，用 正则 把章节划分，形成 JSON 结构：
{
"company": "华为技术有限公司",
"period": "2025-12-31",
"balance_sheet": {
"current_assets": 123456,
"non_current_assets": 789012
},
"income_statement": {
"revenue": 1234567,
"cost": 987654
}
}
2. 数据清洗与标准化
财报里数字经常带有千位分隔符、单位不统一（万元、亿元）。我使用 pandas 的 applymap 统一成 float，并把所有金额统一为 人民币元。
def normalize_amount(val):
if isinstance(val, str):
val = val.replace(',', '').replace('万元', '').replace('亿元', '')
if '亿元' in val:
return float(val) * 1e8
return float(val) * 1e4
return val
df = df.applymap(normalize_amount)
3. 大模型 Prompt 设计
3.1 目标
让模型把 结构化的财务数据 转化为 风险检查清单，包括但不限于：
- 关键财务比率异常（流动比率、速动比率、净资产收益率）
- 费用率异常（研发费用率、销售费用率）
- 关联交易、关联方占比异常
- 现金流异常（经营现金净流入为负）
3.2 Prompt 示例
你是一个专业的财务分析师。请根据下面的结构化财务数据，列出所有值得关注的风险点，每一点以 “- ” 开头，格式如下：
- 风险标题：简要描述
- 详细说明：包括触发该风险的具体数字、对应的行业基准或历史比较、可能的影响范围。
- …
3.3 使用模型
我在本地部署 Ollama，模型选 llama3:8b（成本低）并打开 json mode，强制模型只输出 JSON 列表。
ollama run llama3:8b -p "@prompt.txt" -i data.json -o result.json --json
4. 结构化风险清单生成
模型返回的 JSON 形如：
[
{
"title": "流动比率低于行业基准",
"detail": "本期流动比率为 0.85，行业平均为 1.2，可能导致短期偿债压力。"
},
{
"title": "研发费用率异常下降",
"detail": "研发费用率从去年 12% 降至 5%，可能影响未来创新能力。"
}
]
我把它写入 Markdown，形成可直接在报告中使用的风险检查清单。
先用公开版查看股票财务趋势，再继续研究 PDF 工作流
当前公开工具只接收股票代码，展示行情快照、历史收入、净利润、ROE、毛利率和风险摘要；本文中的 PDF 解析与证据链属于后续研发路线。
5. 自动化工作流（n8n）
5.1 流程概览
- 文件触发：监控
/data/annual_reports/文件夹，新 PDF 出现时启动。 - PDF → PNG：执行
pdftoppm。 - OCR：调用本地 Tesseract 服务（Docker）。
- 文本清洗：使用 Python 脚本
clean.py输出 JSON。 - 大模型推理：调用本地 Ollama REST API。
- 结果写入：把风险清单写入企业内部知识库（Confluence）或发送到 Slack。
5.2 n8n 节点配置要点
- Execute Command：
pdftoppm→tesseract，确保stderr捕获错误。 - HTTP Request（Ollama）：
POST https://localhost:11434/api/generate，HeadersContent-Type: application/json。 - If：检查模型返回
error字段，若有错误触发 Error Workflow（钉钉告警）。 - Slack：
Send Message节点把风险清单以代码块形式推送。
6. 成本与性能评估
| 项目 | 计量方式 | 日均消耗 | 费用 |
|---|---|---|---|
| OCR（Tesseract） | 50 页 PDF | 100 秒 CPU | 0.001 美元 |
| 大模型（llama3:8b） | 1 次推理 2 KB 输入 | 5 秒 GPU | 0.005 美元 |
| n8n 工作流 | 每份报告一次 | 15 秒整体 | 0.001 美元 |
| 合计 | 0.007 美元（约 0.05 元） |
这些成本和耗时只是脱敏样例环境下的估算，真实结果会受到 PDF 页数、扫描质量、OCR 准确率、模型选择、队列负载和人工复核比例影响，不能当作固定承诺。
7. 常见报错与排坑
- OCR 识别率低：确保 PDF 转 PNG 时使用 300 DPI 以上，若仍有乱码可在
tesseract参数中加--oem 2使用 LSTM 引擎。 - 模型输出不符合 JSON：在 Prompt 最后强制要求 “只输出 JSON 列表”，并在 API 调用时开启
json: true参数。若仍出现文本包装，可在后置 Code 节点用正则提取{}内容。 - n8n 步骤超时：在每个 Execute Command 节点的
Timeout字段调大到120000（毫秒），防止大文件 OCR 卡死。 - 关联方占比计算错误：财报中关联方往往在脚注出现，需在正则中加入对 “关联方” 关键词的匹配，否则会被遗漏。
8. 完整代码仓库与部署指南
- 仓库地址：
https://github.com/xbstack/ai-financial-report-analyzer（已同步到公司内部 GitLab） - 包含
Dockerfile（Tesseract + Ollama + n8n）和完整的n8n工作流导出文件financial-report-workflow.json。 - 部署步骤（仅需 5 条）
docker compose up -d启动全部服务。- 在 n8n UI 中导入
financial-report-workflow.json。 - 配置 文件夹监控路径 为
/data/annual_reports/。 - 在 Slack 或 钉钉 中填入对应 Webhook URL。
- 将 PDF 放入监控文件夹，即可自动生成风险清单。
9. FAQ（常见问题）
Q1：如果公司使用的是云端的 PDF 存储（例如 S3）怎么办？
在 n8n 中替换 Execute Command 为 AWS S3 节点，先下载再进行 OCR，流程不变。
Q2：模型推理对硬件有什么要求？
llama3:8b在带有 12GB VRAM 的 GPU（如 RTX 3060）上可以在 5 秒内完成一次推理。若没有 GPU，可改用gpt‑4o‑mini的 API，成本约 $0.02/千次。
Q3：风险清单能否直接导出为 Excel？
在工作流最后加一个 Google Sheets 节点，把 JSON 数组写入新 Sheet，或使用 n8n 的 Write Binary File 节点生成 XLSX。
10. 结语
把财报从 纸质 PDF 变成 结构化数据，再交给 大模型 自动生成 风险检查清单，整个链路仅需 30 分钟完成，成本只要几分钱。对我而言，这不只是提升效率，更是把信息噪声降到最低，让分析结论更加可信。
如果你也想在自己的机构内部实现类似的自动化，欢迎直接 Clone 我的仓库，按照 部署指南 一键跑通。若在实施过程中遇到任何技术细节（OCR 参数调优、Prompt 设计、n8n 节点配置），随时在评论区提问，我会第一时间回复。
阅读原文及完整代码 👉 https://www.xbstack.com/ai/ai-finance-report-7-steps/
准备好分析你的第一份财报了吗？
你可以用一份脱敏财报文本做测试，检查工具是否能输出核心 KPI、风险因素、source_page、evidence 和需要人工复核的问题清单。
继续阅读
免责声明：本文仅讨论 AI 财报处理、数据抽取与工程实现，不预测股价，不提供证券买卖建议，也不构成任何投资建议。财务数据与模型输出都应回到原始报告并经过人工复核。
把这篇文章里的财报抽取逻辑，放进爱财报工具里跑一遍
AI 财报文章统一导向工具页：上传财报、查看 JSON Schema、source_page、evidence 字段和人工复核流程。该工具只做信息压缩和结构化分析，不构成投资建议。
下一步阅读
返回专题入口 →
AI 财报助手任务队列实战：PDF 解析、LLM 调用和进度回传怎么设计？
AI 财报助手任务队列实战：本文拆解 AI 财报助手的异步任务队列设计，包括 PDF 上传、解析任务、LLM 调用、状态机、失败重试、进度回传、结果缓存和人工复核入口，解决大文件财报分析中的接口超时和用户等待问题。
AI 财报助手评测体系：如何用 Golden Dataset 发现 LLM 是否看错财报？
AI 财报助手评测体系：本文拆解 AI 财报助手的评测体系设计，如何用 Golden Dataset、人工标注答案、Schema 校验、数值误差容忍、风险因素召回率和证据页码核对，判断 LLM 是否看错财报、漏掉风险或编造数字。
LLM JSON Schema 实战：如何让 AI 稳定输出财报收入、现金流和风险因素？
LLM JSON Schema 实战：本文拆解 AI 财报助手中的 JSON Schema 结构化输出设计，包括财务指标字段、风险因素字段、管理层表述字段、source page、confidence、evidence、null 值处理和 schema validation，解决大模型分析财报时的幻觉、漏字段和格式不稳定问题。
AI 财报助手技术实现：如何把财报 PDF 拆成结构化风险检查清单？
AI 财报助手技术实现：深入拆解 AI 财报助手的技术实现思路，包括 PDF 解析、章节切分、表格抽取、LLM 结构化抽取、JSON Schema 输出、风险因素提取、管理层语气分析以及人工复核清单生成。
小白
Full-Stack AI Engineer
小白，全栈 AI 工程师，持续构建生产级 Agent 系统、产品工具与独立软件资产。
了解小白与 XBSTACK →
参与讨论
问题、验证与勘误
登录后可发表评论。所有新评论先进入审核；审核期间仅评论者本人和管理员可见，通过后才公开。