分析 10-K 年报，辅助价值投资
发帖者正在试验一个 LLM 智能体，让它读取 10-K 年报，并处理正常化盈利、投入资本回报率（ROIC）、所有者盈余以及粗略的反向 DCF 估值。任务：建议落地方案：使用 LLM 智能体读取 10-K 年报，计算正常化盈利、投入资本回报率（ROIC）、所有者盈余及反向 DCF 估值。工作流程涉及从 EDGAR/XBRL Companyfacts 提取数据，并处理自定义标签或附注。人工分析师必须验证提取的结构和段落位置，以防止幻觉并确保数据完整性。；工具：custom-built or unnamed agent。人工角色：原始材料未说明；局限：前提条件包括访问 EDGAR/XBRL 数据以及稳健处理自定义标签的能力。约束条件涉及上下文窗口限制和因提取不完整导致的虚假信心风险。复杂解析逻辑可能会增加运营成本。所有财务输出在使用前均需人工批准。由于原始链接返回 403 错误，来源可靠性较低。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
发帖者正在试验一个 LLM 智能体，让它读取 10-K 年报，并处理正常化盈利、投入资本回报率（ROIC）、所有者盈余以及粗略的反向 DCF 估值。
工作流程
建议落地方案：使用 LLM 智能体读取 10-K 年报，计算正常化盈利、投入资本回报率（ROIC）、所有者盈余及反向 DCF 估值。工作流程涉及从 EDGAR/XBRL Companyfacts 提取数据，并处理自定义标签或附注。人工分析师必须验证提取的结构和段落位置，以防止幻觉并确保数据完整性。
原文报告的结果
来源未报告任何性能结果。已知问题包括处理完整申报历史时触及上下文限制、分块处理导致证据丢失，以及因数据泄漏导致回测结果不切实际。建议的可衡量验收检查：在 10 份申报文件的样本中，将 LLM 提取的财务指标与人工审查结果进行准确率对比。
人工角色
原始材料未说明
局限
前提条件包括访问 EDGAR/XBRL 数据以及稳健处理自定义标签的能力。约束条件涉及上下文窗口限制和因提取不完整导致的虚假信心风险。复杂解析逻辑可能会增加运营成本。所有财务输出在使用前均需人工批准。由于原始链接返回 403 错误，来源可靠性较低。
试一试
扮演金融数据分析师。我需要构建一个从 10-K 年报中提取价值投资指标的试点工作流程。 输入：[替换为具体股票代码，例如 AAPL, MSFT] 和 [替换为 10-K 的源 URL 或本地文件路径]。 步骤： 1. 使用 EDGAR/XBRL Companyfacts 检索每个代码的最新 10-K。 2. 使用 LLM 提取正常化盈利、ROIC 和所有者盈余。确保模型为每个数字引用具体的段落位置。 3. 通过标记自定义标签和附注以供人工审查来处理，而不是猜测。 4. 对 3 份申报文件进行试运行。为每份文件输出一个 JSON 对象，包含字段：'metric_name', 'value', 'source_passage', 'confidence_score'。 5. 在处理完整批次之前停止并请求我的确认。 交付物：包含提取指标的 JSON 文件，以及列出需要人工干预的自定义标签或附注的 Markdown 报告。 质量检查：验证没有数据被编造。如果触及上下文限制，请逻辑地拆分文档并重新验证交叉引用。在我批准试运行结果之前，不要继续进行完整批次处理。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。