DB-GPT 财报分析标准框架深度解析五步分析法从财务数据到专业分析报告的完整落地指南【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT本文以 DB-GPT 内置financial-report-analyzer技能的 analysis_framework.md 为核心系统拆解上市公司财报分析的标准五步法——概览与业绩摘要、盈利质量、资产负债表健康度、现金流验证、业务与行业地位。你将掌握每一步的核心关注点、关键财务指标的计算与解读方法以及该框架如何通过与仓库中的提取、计算、绘图脚本和报告模板配合驱动 Agent 自动产出专业级财报分析报告。一、框架定位Agent 深度分析的思考骨架在 DB-GPT 的 financial-report-analyzer 技能 中analysis_framework.md被明确指定为深度分析阶段的推理依据技能的核心工作流依次完成数据提取 → 财务比率计算 → 图表生成之后Agent 需要遵循该框架提供的分析逻辑从盈利质量、偿债风险、营运效率和现金流四个维度进行深度剖析最终撰写盈利能力分析、偿债与风险分析、营运效率分析、现金流与利润质量分析、核心优势列表、主要风险列表和综合评价共 7 段分析文本见 SKILL.md。因此这个框架不是一份泛泛的财务理论清单而是被设计为可直接指导 LLM 撰写结构化分析段落的操作准则。它解决的核心问题是如何确保 Agent 的分析既有全面性覆盖利润、资产、现金、业务四个基本面又有深度不只看数值还追问变动背后的驱动因素。框架的五个逻辑步骤构成了一条完整的分析链路先用业绩摘要定位公司整体轮廓再用盈利质量和资产负债表分别从利润表与资产负债表切入接着用现金流对前两步结论做真实性验证最后回到业务与行业回答可持续性问题。下文将逐层展开并结合仓库中对应的脚本实现与指标定义进行印证。二、第一步概览与业绩摘要——先建立公司经营的整体轮廓框架要点提取年度营业收入、净利润及其同比增长率。关注非经常性损益对利润的影响。任何分析都应从这家公司这一年干得怎么样的总体判断开始。这一步要求提取两项核心绝对额指标——年度营业收入与净利润并计算其同比增长率从而回答规模多大、增长多快这两个基础问题。在技能实现中这一步对应的数据落地由 scripts/extract_financials.py 完成。该脚本通过正则表达式在财报文本支持 PDF 与纯文本中扫描中文会计科目提取revenue营业收入、net_profit净利润等原始数值见 extract_financials.py随后 scripts/calculate_ratios.py 中的format_growth函数计算同比增速并返回带 CSS 语义的样式类增速非负标记为highlight-positive绿色为负标记为highlight-negative红色见 calculate_ratios.py。这一设计使增长方向在最终报告中一目了然。框架特别强调**关注非经常性损益对利润的影响**这是财报分析中防止利润注水的关键动作。净利润可能包含政府补助、资产处置收益、公允价值变动等一次性项目这些项目不具可持续性。为此calculate_ratios.py专门预留了non_recurring_net_profit扣非净利润字段并输出NON_RECURRING_NET_PROFIT、NON_RECURRING_GROWTH模板键见 calculate_ratios.pyreport_template.html 的核心财务摘要表格也将扣非净利润作为与归母净利润并列的独立行展示。归母净利润与扣非净利润的差异越大说明利润越依赖一次性收益核心业务的真实盈利能力就越需要警惕。三、第二步盈利质量分析——识别盈利能力的真实驱动框架要点毛利率趋势对比近三年毛利率分析是成本下降还是售价提升。费用控制观察销售费用、管理费用、研发费用的增速是否超过营收增速。盈利质量分析回答的是利润从哪里来、能否持续。框架给出两个观察窗口1. 毛利率趋势需覆盖至少三年。毛利率 (营业收入 - 营业成本) / 营业收入衡量产品竞争力和盈利空间公式定义见 references/financial_metrics.md。对比近三年毛利率的变化方向后还必须追问变化的成因——毛利率上升究竟来自成本下降供应链优化、规模效应、原材料降价还是售价提升品牌溢价、产品结构升级前者取决于成本端后者取决于市场端两者反映的竞争实力与可持续性截然不同。在代码层面calculate_ratios.py从原始数据中同时读取cost_of_sales营业成本计算本期毛利率(revenue - cost_of_sales) / revenue并接收prev_gross_margin上期毛利率计算percentage-pointpp变动而非简单的百分比变化因为两个比率相减得到的是百分点而非百分比见 [calculate_ratios.py](https://link.gitcode.com/i/3d3b2c7e60376777d17995d37f113850#L66-L84、L127-L129、L164-L169。这保证了报告中毛利率较上年提升 2.3pp这类表述在数学上是严谨的。绘图脚本 generate_charts.py 的chart_profitability函数则将毛利率与净利率、ROE、资产负债率、净现比一起渲染为横向条形图便于直观对比各盈利指标。2. 费用控制。将销售费用、管理费用、研发费用的增速与营收增速对比可以判断公司的费用投入是否跑赢了规模增长。若费用增速长期高于营收增速说明公司的增长是以费用换收入盈利质量的成色下降反之则说明存在经营杠杆规模效应正在释放。这一步的结论将进入报告中的PROFITABILITY_ANALYSIS盈利能力分析段落并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。四、第三步资产负债表健康度——评估资产结构与偿债风险框架要点资产结构关注货币资金、应收账款、存货、固定资产的占比。负债风险检查有息负债规模及偿债压力。利润表反映一段时期的经营结果资产负债表则反映某一时点的家底厚薄。框架要求从两个方向审视1. 资产结构。货币资金、应收账款、存货、固定资产四类资产的占比揭示公司的经营模式与风险点货币资金占比高现金储备充足抗风险能力强但也可能意味着资金利用效率不足应收账款占比高利润以赊销形式存在回款压力大需与营运能力指标见下文配合验证存货占比高可能存在滞销风险或备货周期问题固定资产占比高重资产模式折旧与资本开支压力大。技能的数据管线中extract_financials.py提取了total_assets、total_liabilities、equity总资产、总负债、所有者权益三项结构数据见 extract_financials.py而generate_charts.py的chart_asset_structure函数以环形饼图呈现负债 vs 所有者权益的构成比例并在圆心标注总资产规模见 generate_charts.py直接服务于这一步的资产结构分析。2. 负债风险。重点关注有息负债银行借款、债券等需要支付利息的负债规模与偿债压力。配套的量化指标包括资产负债率 总负债 / 总资产衡量公司财务杠杆和风险水平流动比率 流动资产 / 流动负债衡量短期偿债能力。指标公式均定义在 references/financial_metrics.md。需要警惕的是资产负债率低并不必然安全可能隐藏表外负债资产负债率高也不必然危险可能对应高杠杆的成熟行业模式必须结合行业属性与现金流状况综合判断。分析结论写入SOLVENCY_ANALYSIS偿债与风险分析段落。五、第四步现金流验证——用现金检验利润的成色框架要点经营活动现金流是否持续为正。资本开支投资活动现金流是否与公司扩张战略匹配。会计利润基于权责发生制可以被会计估计和确认时点影响现金流基于收付实现制更难被粉饰。因此框架将现金流作为对前两步结论的**真实性校验**1. 经营活动现金流是否持续为正。若公司账面盈利而经营现金流长期为负或显著低于净利润说明利润大量沉淀在应收账款或存货中纸面富贵风险高。技能中该字段由operating_cash_flow经营活动产生的现金流量净额正则提取见 extract_financials.py其与净利润的比值即为净现比 经营活动现金流净额 / 净利润用于衡量利润的含金量见 financial_metrics.md。在chart_profitability中净现比也作为五大指标之一被绘制且出于可读性考虑被限制在 200% 以内见 generate_charts.py。2. 资本开支是否与扩张战略匹配。观察投资活动现金流中的资本开支购建固定资产、无形资产支付的现金判断其是否与公司宣称的扩张战略一致战略扩张期的公司资本开支应当上升收缩期则应下降。若公司一边声称转型扩张、一边资本开支持续萎缩或资本开支激增但营收和现金流未见改善都是需要标注的风险信号。此部分结论写入CASHFLOW_ANALYSIS现金流与利润质量分析段落报告模板 report_template.html 将其置于第 3 章与资产结构图并列呈现。六、第五步业务与行业地位——回到商业本质框架要点主营业务的行业竞争力。研发投入及其转化效果。前四步完成了对财务数据的体检最后一步把视角拉回到业务基本面回答这种财务表现能否持续1. 主营业务的行业竞争力。需要判断公司主营业务所处行业的景气周期、竞争格局以及公司自身的市场份额与竞争壁垒。可结合年报中的管理层讨论与分析章节获取行业地位描述避免仅凭财务数字下结论。2. 研发投入及其转化效果。研发投入金额及占营收比例反映公司的技术储备意愿但更重要的是转化效果——研发费用增速、研发人员结构、专利与新品落地、研发对毛利率和营收的拉动作用。研发投入高但长期无法转化为产品与收入的增长投入效率就需要存疑。这一步的定性判断最终汇入报告的两份核心清单ADVANTAGES_LIST核心优势列表HTMLli格式与RISKS_LIST主要风险列表并由OVERALL_ASSESSMENT综合评价给出对公司的整体定性结论见 SKILL.md。报告模板第 4 章结论与建议通过绿色tag-advantage与红色tag-risk样式标签呈现优势与风险综合评价则置于渐变底色的conclusion-box中见 report_template.html。七、框架的工程化落地五步法如何驱动完整报告流水线analysis_framework.md的价值最终体现在技能的可执行流水线中。结合 SKILL.md 定义的核心工作流程五步框架与工程组件形成如下映射关系框架步骤数据/计算支撑报告输出位置1. 概览与业绩摘要extract_financials.py提取营收/净利calculate_ratios.py计算同比增速与扣非数据核心财务摘要表5 项指标行2. 盈利质量分析毛利率、净利率、ROE 比率计算三年趋势对比PROFITABILITY_ANALYSIS 盈利能力图3. 资产负债表健康度总资产/总负债/权益提取资产负债率、流动比率SOLVENCY_ANALYSIS 资产结构环形图4. 现金流验证经营现金流提取净现比计算CASHFLOW_ANALYSIS5. 业务与行业地位LLM 结合年报经营情况讨论与分析章节定性分析ADVANTAGES_LIST/RISKS_LIST/OVERALL_ASSESSMENT在完整执行链路中Agent 按如下顺序驱动各组件见 SKILL.mdStep 1: execute_skill_script_file(skill_namefinancial-report-analyzer, script_file_nameextract_financials.py, args{file_path: /path/to/report.pdf}) → 返回 JSON: {revenue: 10500000000, net_profit: 1200000000, ...} Step 2: execute_skill_script_file(... calculate_ratios.py, argsraw_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(... generate_charts.py, argsraw_data) → 生成 financial_overview.png / profitability.png / asset_structure.png 三张图表 Step 4: LLM 遵循本框架撰写 7 段深度分析文本 Step 5: html_interpreter(template_pathfinancial-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值得注意的工程细节是Step 5 的data字典只需传入 LLM 撰写的 7 段分析文本Step 2 的 30 个数据指标REVENUE、NET_PROFIT、GROSS_MARGIN、ROE等与 Step 3 的图表 URL 由后端自动合并见 SKILL.md。这一设计刻意避免在data中携带大体积 JSON 导致上下文截断。模板填充由html_interpreter的template_path模式自动完成仓库中的 scripts/fill_template.py 是接收ratio_data、chart_paths、analysis三参数的备用方案正常情况下无需使用。同时generate_charts.py 内置了跨平台中文字体探测覆盖 macOS 的 PingFang SC、Linux 的 Noto Sans CJK SC、Windows 的 Microsoft YaHei 等候选字体避免图表中文乱码。八、实战注意事项与最佳实践结合框架文档与技能实现落地使用时应注意以下几点必须通过execute_skill_script_file执行脚本而非 shell_interpreter。只有前者会自动处理图片复制复制到静态目录并记录 URL 映射与数据记录react_state[ratio_data]从而保证 Step 5 的报告合并正确见 SKILL.md。提取结果需人工核对。正则提取受财报排版影响建议在计算前核对关键数值见 SKILL.md。extract_financials.py返回的_meta字段会列出成功提取与缺失的字段清单可用于快速排查见 extract_financials.py。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——这是框架第一步的硬性要求也是扣非净利润字段存在的意义。对比至少三年的历史数据以识别趋势。框架在毛利率部分明确要求近三年对比calculate_ratios.py亦支持通过prev_*前缀字段传入上期数据图表绘制时若存在上期数据会自动渲染双年度对比柱状图见 generate_charts.py。图表依赖 matplotlib运行环境需确保已安装该库见 SKILL.mdPDF 解析则依赖 pdfplumber见 extract_financials.py。报告模板须严格遵循HTML 模板的 4 个章节与指标/本期数值/同比增长/行业平均4 列表格结构不得删减缺失数据填写 N/A 而非删除行列见 report_template.html。总结analysis_framework.md以五个逻辑递进的步骤为财报分析建立了先概览、再质量、后结构、验现金、看业务的完整思维链。在 DB-GPT 中这套框架并非停留在纸面——它直接驱动 Agent 在数据提取、比率计算、图表生成之后撰写 7 段结构化分析文本最终经由 report_template.html 渲染为包含核心财务摘要、深度分析、现金流质量与结论建议的完整 HTML 报告。理解这套框架及其工程映射关系既是让 Agent 产出专业财报分析的基础也是向自有分析场景移植该方法论的参考范式。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考