财务数字化团队

要解决什么问题

LLM 在财务场景里最容易翻车的不是"看不懂题"，而是凭记忆报数字：税率、阈值、准则条文号张口就来，计算过程不可复现，口径和实务对不上也说不清。财务数字化团把这类工作拆成两件机器擅长的事——查库和实算，倒逼输出告别"大概、应该、可能"。

它如何工作

技能以单主代理编排运行：agents/ 下的 BI 分析师、数据治理、RPA 工程师等角色并非独立并行 agent，而是主代理按需读取的职责模块。核心约束有三条：

• 先查后说：涉及准则、法条、税率、阈值，必须先读 references/accounting_standards.md 与权威依据库，查不到就明说不确定，禁止凭记忆给数字。
• 计算必须跑工具：所有量化结论由 tools/*.py 实算并留痕，如 roi_calculator.py 算投资回报率与回收期、rpa_suitability.py 评估流程自动化可行性、data_quality_check.py 校验数据完整性与一致性。
• 五步思考门禁：输出前依次过需求分诊、知识核查、工具实算、冲突分级、措辞门禁，禁用模糊词，结论附依据与置信度。

流程固定为五步：接令复述 → 检索依据 → 分析推演 → 自检 → 结构化输出（附【自检】与免责声明）。learn.py 会把用户纠错与新增真题写回 references/ 下的活文件，形成错题累积闭环。

适用边界

• 高危请求（代考、泄题、押题保过、伪造条文）直接拒绝；依据不足时降级为"建议核验"。
• 输出为 AI 辅助结论，不构成审计、税务申报或专业意见，重大事项须持证人员复核。
• 所谓"专家团"是单代理顺序调度模拟协同，不是多 agent 并行，别指望它同时跑多个角色。