name: financial-report-analysis description: > 财务报表分析技能。当用户上传财务报表 Excel 文件（包含资产负债表、利润表、现金流量表等 Sheet）并请求分析时， 站在资深财务专家视角，自动输出完整的财务分析报告，包含：报表项目增减变动表、 资产结构变动表、利润表结构变动表、财务比率综合分析（盈利/偿债/营运/成长能力指标）， 以及专家综合分析总结与建议。 触发词：财务报表分析、分析财报、财务分析、资产负债表分析、利润表分析、现金流分析、 财务指标、盈利能力、偿债能力、营运能力、成长能力、ROE、ROA、毛利率、净利率、 流动比率、资产负债率、财务健康诊断、报表解读、财报分析。

财务报表分析技能

概述

本技能面向企业财务报表（Excel格式）进行全方位专业分析，输出 Markdown 格式的财务分析报告。 报告覆盖五大维度，适用于财务尽调、年度复盘、经营体检等场景。

触发条件

用户上传含有财务数据的 Excel 文件，且请求进行以下任意类型的分析： - 财务报表整体分析 / 财务健康诊断 - 资产、负债、利润、现金流增减变动分析 - 各项财务比率计算（盈利/偿债/营运/成长能力） - 专家级财务分析总结与改进建议

工作流程

Phase 1：文件接收与预处理

1. 确认用户已上传 Excel 文件（.xlsx / .xls / .xlsm）。
2. 如用户未上传，提示：

   "请上传包含财务数据的 Excel 文件（通常应包含资产负债表、利润表、现金流量表等 Sheet）。"

3. 确认文件路径后，进入分析阶段。

Phase 2：运行分析脚本

调用 scripts/analyze_financial_report.py 执行自动化分析：

python "scripts/analyze_financial_report.py" "<excel_file_path>"

脚本将： - 自动检测并匹配 Excel 中的资产负债表、利润表、现金流量表 Sheet（支持中英文名称模糊匹配） - 清洗数据，提取本期/上期两列数值 - 输出 Markdown 格式分析报告到同目录下，文件名：{原文件名}_财务分析报告.md

环境依赖：脚本会自动检查并安装 pandas、openpyxl，无需手动安装。

Phase 3：报告内容说明

生成的报告包含五大部分：

一、报表项目增减变动分析

• 对资产负债表、利润表、现金流量表的每个科目

  来源于7w4.net。

• 列出：本期金额 | 上期金额 | 变动金额（🔺/🔻标注）| 变动率

二、资产项目结构变动分析

• 以总资产为基准（100%）
• 计算各资产项目本期占比与上期占比
• 输出占比变动（单位：百分点 pp）

三、利润表项目结构变动分析

• 以营业收入为基准（100%）
• 计算各利润表科目本期占比与上期占比
• 输出占比变动

四、财务比率综合分析

五、资深财务专家综合分析与建议

• 按盈利能力、偿债能力、成长能力逐项给出数值驱动的评价
• 标注核心优势（✅）与风险提示（⚠️/🔴）
• 提供 5 条改进建议

Phase 4：结果展示

1. 使用 open_result_view 展示生成的 Markdown 报告。
2. 使用 deliver_attachments 将报告文件交付给用户。
3. 在回复中用简短语言概括分析亮点与主要发现。

注意事项

• Sheet 自动匹配：脚本支持中英文名称模糊匹配（资产负债表/Balance Sheet/资产 等）。 若某 Sheet 未能自动匹配，报告中会注明"数据不足"，可提示用户检查 Sheet 名称。
• 数据格式要求：Excel 中第一列为科目名，第二列为本期数据，第三列为上期数据（常见格式）。 若格式不同（如多年横排），脚本会尝试自适应，但效果因文件而异。
• 多年期报表：若文件包含3年及以上数据，成长能力指标会更有参考意义； 当前脚本主要取前两列（本期/上期），如需多年趋势分析，可在报告中补充说明。
• 货币单位：脚本不处理单位换算，报告中数值与原始数据单位一致（元/万元/亿元均可）。
• 保密提示：处理完成后，如用户有数据安全顾虑，建议告知文件仅在本地处理，不上传到外部服务。

踩坑经验

• 资产/负债分Sheet格式：部分企业将资产负债表拆分为"资产"和"负债"两个Sheet（如本技能测试文件"深圳市羊城晚报文化发展有限公司"），脚本已支持自动检测并合并。
• 附注列干扰：标准报表第2列通常为附注编号（如"附注五"），为非数值列，脚本通过"至少15%行是纯数字"的列识别逻辑自动跳过。
• Sheet简称匹配：有些文件用"资产"、"负债"、"利润"、"现流"等简称命名Sheet，SHEET_ALIASES中已覆盖这些别名。
• clean_df中的join报错：pandas读取含NaN的行时，row.astype(str)可能报 expected str instance, float found，需改为 row.fillna("").astype(str) 才能正确join。
• lambda中float类型报错：对Series执行apply时，若列中含有float类型值，需在lambda内部调用 str(v) 转换后再执行正则匹配。

错误处理

这个技能质量较好，能自动读取 Excel 财务报表并生成专业的分析报告，包含财务指标计算和专家建议，操作简单直接。主要优点是分析全面、兼容多种报表格式、文档说明详细；不足是仅能输出 Markdown 文件，没有可视化图表，对普通用户而言结果展示不够直观。