Back to Db Gpt

财报分析技能 (Financial Report Analyzer)

skills/financial-report-analyzer/SKILL.md

0.8.06.3 KB
Original Source

财报分析技能 (Financial Report Analyzer)

本技能旨在帮助 DB-GPT 系统化地分析上市公司财报,通过提取核心数据、计算财务比率、生成可视化图表并结合业务背景,产出高质量的财务分析报告。

核心工作流程

  1. 数据提取与结构化

    • 使用 execute_skill_script_file 工具执行 scripts/extract_financials.py 脚本,传入财报文件路径(file_path 参数),自动提取营收、净利润、资产、负债等核心数值。
    • 脚本支持 PDF 文件(通过 pdfplumber 解析)和纯文本文件,返回 JSON 格式的结构化数据。
  2. 财务比率计算

    • 使用 execute_skill_script_file 执行 scripts/calculate_ratios.py,传入 Step 1 的 JSON 数据。
    • 自动计算毛利率、净利率、ROE、资产负债率等关键指标,输出 30 个模板占位符键值。
    • 参考 references/financial_metrics.md 确保指标定义的准确性。
    • 系统会自动保存返回的 JSON 结果react_state["ratio_data"]),后续 html_interpreter 会自动合并。
  3. 图表生成

    • 使用 execute_skill_script_file 执行 scripts/generate_charts.py,传入 Step 1 的 JSON 数据。
    • 自动生成 3 张可视化图表:
      • financial_overview.png:核心财务指标对比柱状图
      • profitability.png:盈利能力指标横向条形图
      • asset_structure.png:资产结构环形饼图
    • 系统会自动将图片复制到静态目录并记录 URL 映射react_state["image_url_map"]),后续 html_interpreter 会自动合并。
  4. 深度分析

    • 遵循 references/analysis_framework.md 提供的框架,从盈利质量、偿债风险、营运效率和现金流四个维度进行深度剖析。
    • 结合"经营情况讨论与分析"章节,解释业绩变动的核心驱动因素。
    • 撰写以下 7 段分析文本:
      • PROFITABILITY_ANALYSIS:盈利能力分析
      • SOLVENCY_ANALYSIS:偿债与风险分析
      • EFFICIENCY_ANALYSIS:营运效率分析
      • CASHFLOW_ANALYSIS:现金流与利润质量分析
      • ADVANTAGES_LIST:核心优势列表(HTML <li> 格式)
      • RISKS_LIST:主要风险列表(HTML <li> 格式)
      • OVERALL_ASSESSMENT:综合评价
  5. 渲染报告

    • 调用 html_interpreter,使用 template_path 模式:
      json
      {
        "template_path": "financial-report-analyzer/templates/report_template.html",
        "data": {
          "PROFITABILITY_ANALYSIS": "LLM撰写的盈利能力分析...",
          "SOLVENCY_ANALYSIS": "LLM撰写的偿债分析...",
          "EFFICIENCY_ANALYSIS": "LLM撰写的营运效率分析...",
          "CASHFLOW_ANALYSIS": "LLM撰写的现金流分析...",
          "ADVANTAGES_LIST": "<li>优势1</li><li>优势2</li>",
          "RISKS_LIST": "<li>风险1</li><li>风险2</li>",
          "OVERALL_ASSESSMENT": "LLM撰写的综合评价..."
        },
        "title": "XX公司 2023年度财报分析报告"
      }
      
    • 重要data 字典中只需传入你撰写的 7 段分析文本!后端会自动合并:
      • Step 2 的 30 个数据指标(COMPANY_NAME、REVENUE、NET_PROFIT 等)
      • Step 3 的图表 URL(CHART_FINANCIAL_OVERVIEW、CHART_PROFITABILITY、CHART_ASSET_STRUCTURE)
    • 绝对不要data 中包含数据指标或图表路径,否则 JSON 过大会导致截断。
  6. 完成

    • 调用 terminate 返回 1-2 句话的简短摘要。
    • 报告会以卡片形式展示在左侧面板,用户点击卡片即可在右侧面板查看完整报告。

完整流程示例

Step 1: execute_skill_script_file(skill_name="financial-report-analyzer", script_file_name="extract_financials.py", args={"file_path": "/path/to/report.pdf"})
  → 返回 JSON: {"revenue": 10500000000, "net_profit": 1200000000, ...}  (记为 raw_data)

Step 2: execute_skill_script_file(skill_name="financial-report-analyzer", script_file_name="calculate_ratios.py", args=<raw_data>)
  → 返回 30 个模板键值,系统自动记录到 react_state["ratio_data"]

Step 3: execute_skill_script_file(skill_name="financial-report-analyzer", script_file_name="generate_charts.py", args=<raw_data>)
  → 生成图表,系统自动复制到 /images/ 并记录 URL 映射

Step 4: (LLM 自行撰写 7 段深度分析文本)

Step 5: html_interpreter(template_path="financial-report-analyzer/templates/report_template.html", data={仅包含 7 段分析文本}, title="报告标题")
  → 后端自动合并数据指标 + 图表 URL + 分析文本,渲染完整报告

Step 6: terminate(result="简短摘要")

资源使用说明

  • 脚本(均通过 execute_skill_script_file 执行):
    • scripts/extract_financials.py:接收 file_path 参数,读取财报文件(支持 PDF 和文本格式),提取核心财务数据。
    • scripts/calculate_ratios.py:计算财务比率,输出 30 个模板占位符键值。系统自动记录结果。
    • scripts/generate_charts.py:生成 3 张可视化图表(matplotlib),系统自动处理图片复制。
    • scripts/fill_template.py:(备用)接收 ratio_datachart_pathsanalysis 三个参数,读取 HTML 模板并替换所有占位符。正常情况下不需要使用此脚本,因为 html_interpreter 的 template_path 模式会自动完成模板填充。
  • 参考
    • references/financial_metrics.md:包含公式定义。
    • references/analysis_framework.md:包含分析逻辑。
  • 模板
    • templates/report_template.html:最终交付报告的 HTML 模板(必须严格遵循,不得删减章节或修改表格结构)。由 html_interpreter 的 template_path 参数自动读取并填充。
    • templates/report_template.md:Markdown 版本,仅供参考结构说明。

注意事项

  • 必须使用 execute_skill_script_file 执行脚本(不要用 shell_interpreter),因为 execute_skill_script_file 会自动处理图片复制和数据记录。
  • 脚本提取可能受排版影响,建议在计算前人工核对提取的关键数值。
  • 始终关注"非经常性损益",以评估公司核心业务的真实盈利能力。
  • 对比至少三年的历史数据,以识别趋势。
  • generate_charts.py 依赖 matplotlib,请确保环境中已安装该库。