2026 CPA会计教材知识库

解决的具体问题

在准备 CPA《会计》考试或开展 AI 会计培训时，直接将 888 页的扫描版官方教材塞入大模型上下文不仅会触发 token 限制，还会被页眉页脚的 OCR 噪声干扰。当你需要“根据教材第 X 章出题”或“解释权益法处理”时，模型往往只能依赖参数记忆，产生“幻觉”或泛泛而谈，无法给出精确的页码出处和教材原文例题数据。这个技能旨在将 2026 版 CPA《会计》教材转化为可精准检索的“第二大脑”，确保每一次回答和课件生成都严格锚定官方文本。

核心工作流与能力

该技能通过 scripts/extract.py 和 references/chapter_index.json 实现按需文本抽取。

• 精准定位与抽取：通过 list 或 find 命令锁定目标章节或高价值锚点，再用 chapter 或 pages 参数抽取具体文本至临时目录，避免全量加载。
• 溯源问答（Grounding）：抽取后使用 Read/Grep 精读 txt 文件，直接照抄教材原文规则与例题数字进行作答，并强制标注“第 X 章 / PDF 页 Y”的出处。
• 课件与练习生成：遵循“先做后悟”原则，生成包含知识点锚点、实战任务、提示词模板、人机协同红线和自测题的结构化模块，并利用 Python 脚本同时渲染 HTML 和 DOCX 双版本交付。

适用边界与注意点

• OCR 噪声处理：教材为扫描 OCR 文本层，正文与例题数字可信，但页眉页脚存在如“倍会计”等字符噪声，需在提取时手动忽略。
• 数据真实性红线：严禁凭模型记忆改写例题数据（如设备折旧、履约进度等），必须以抽取的教材文本为准。
• 专业易错点核对：在作答或出题时，需主动核对存货发出计价禁止后进先出法、双倍余额递减法最后两年转直线、权益法按公允价值调整净利润等关键准则红线。
• 人机协同约束：在生成培训课件时，必须保留“人对 AI 成果负责”、“职业怀疑”及“不相容岗位分离”等审计与会计底线提示。