一个公司一张纸

要解决的问题

做公司调研时，最头疼的不是找不到资料，而是资料太多。工商信息、财报、公告、新闻、产品页、招聘信息散落在十几个来源里，每份文档各自完整，拼在一起却互相矛盾。想给老板、客户或投资人一个"这家公司到底怎么样"的回答，往往得先花半天把散装信息整理成统一结构，再做一轮交叉核对。

One Paper Company 一个公司一张纸 针对的就是这个环节。它属于数据分析类技能，核心思路是：不管原始材料有多少份、格式多么不统一，最终交付物只有一张纸——一份结构统一、要点齐全的公司档案，把"搜集 + 清洗 + 归纳"压缩成一次模型推理。

它是怎么工作的

技能的工作流可以拆成三步：

• 输入归一：把目标公司的各种材料（文本、表格片段、链接内容等）作为上下文喂给模型，不做额外预处理，依赖模型自身对非结构化文本的理解能力。
• 抽取与对齐：从杂乱材料中抽取关键维度，通常包括基本信息、业务构成、财务与经营状况、风险与争议、近期动态几类，并按统一字段归位。信息缺失时保留空位而不是编造。
• 单页输出：把结果渲染成一页纸，字段固定、重点突出，方便直接贴进文档或投屏。

设计上刻意追求"少而稳"：一页纸的容量天然抑制了冗长和注水，也倒逼模型先做取舍——哪些维度必须保留、哪些细节可以舍弃，都由这一页的物理边界决定。

适用边界与注意点

• 输入质量决定输出质量。技能本身不做外部检索，所有结论只能来自你提供的材料。材料过期或偏颇，输出必然继承这些缺陷。
• 无法替代尽调。单页纸适合做快速摸底和内部对齐，但涉及投资决策、合同签约等高风险场景，仍需回到原始披露文件逐条核实。
• 数字需要回溯。财务类字段建议保留原始出处标注，避免引用口径不一致的数字（如不同年度的合并报表差异）。
• 信息冲突时以原文为准。多家来源打架是常态，技能的处理方式是呈现而非裁决，最终判断仍要人工介入。