摘要：一份 A 股年报 200 页起步，真正难的不是"读不完"，而是"读不了"——关键信息全在表格里、数据散落在十几个章节、看完还不敢用。本文记录一次完整实战：把宁德时代 2025 年年度报告（232 页）变成结构化指标资产，全过程没有手写一句 HTTP 请求、没有拼过一个 header，所有解析与抽取由 WorkBuddy 的「TextIn xParse·智能文档解析」连接器完成。文章会给出连接器的三个工具怎么用、三组刻意做的失败实验，以及一次由勾稽校验抓出来的真实错误（资产负债率口径错了 3.48 个百分点）。

写在前面：这次想解决的不是"读不完"

一份 A 股年报，200 页起步。但真正让人难受的不是页数，是三件事：

第一，关键信息全在表格里，而表格是图片。 你要的营业收入、扣非净利润、毛利率、分产品收入结构，90% 躺在表格里。复制粘贴到 Excel，合并单元格全乱，跨页的表格直接断成两张。

第二，数据是散的。 三年的主要会计数据在一张表，分季度数据在另一张表（而且表头可能在上页、数据在下页），分产品收入在"管理层讨论"里，研发投入在第三节。想看一个完整的盈利质量判断，得在 200 多页里来回跳十几次。

第三，看完不敢用。 就算把数字抄下来了，怎么证明抄对了？页码、位置、上下文——一条证据链都留不下，复核的人只能重新翻一遍。

所以目标不是"用 AI 总结年报"（那只是把幻觉包了一层壳），而是：

把一份 232 页的 PDF，变成一份能逐一复核的结构化指标资产，并且产出能直接交给人的交付物。

一、为什么这次不手写接口

我最早的做法是脚本直调 TextIn 的 REST 接口（xparse/parse/sync 解析、v3/entity_extraction 抽取）：自己拆片、拼 header、处理错误码、处理 50 页上限和分片页码偏移。

能跑，但有两个代价：

一是门槛。 想复现的人得先申请密钥、看懂两套接口的字段、自己踩一遍分页和偏移的坑——光把接口跑通就要小半天。这跟"让业务同学也能用"是矛盾的。

二是换了机器就失效。 脚本跑在我的电脑上，换台机器、换个同事，环境依赖又是一轮折腾。

这一次换了一条路：把 TextIn 作为连接器接进 WorkBuddy，让 AI 直接调用连接器暴露的能力。 全过程没有一行接口调用代码，解析、抽取、表格结构还原都是连接器在干活；WorkBuddy 只负责编排、校验和产出。

差别不是"省了几行代码"，而是——这件事从"工程师的活"变成了"任何人在对话框里能做完的活"。

二、连接器给了三个工具，各自该用在哪

接进 WorkBuddy 之后，「TextIn xParse·智能文档解析」暴露了三个工具。分工非常清楚，用错地方会事倍功半：

工具	它返回什么	什么时候用
recognition_text	纯文本层，按阅读顺序把整页文字拉平	需要拿全量数值/上下文、确认文档里某个字段到底怎么写的
doc_to_markdown	保真结构：HTML 表格（含 colspan 合并单元格）、标题层级、页码注释 <!-- 30 -->	需要表格结构本身，或需要拿到维度名（行标签）
general_information_extration	定向抽取：只给 key（要哪些字段）或 table_header（要哪张表），返回字段值 + llm_confidence	已经知道要什么，只想拿结果

三个都支持本地文件路径，也支持 HTTP/HTTPS 文档地址。

理解这三条线之后，整个流程就变成一句话：用 recognition_text 看全貌，用 doc_to_markdown 拿结构，用 general_information_extration 拿数。

三、把 TextIn 接进 WorkBuddy

连接器是配置出来的，写进 ~/.workbuddy/mcp.json：

{
  "mcpServers": {
    "textin-xparse": {
      "command": "npx",
      "args": ["-y", "@intsig/server-textin"],
      "env": {
        "APP_ID": "你的 APP_ID",
        "APP_SECRET": "你的 APP_SECRET",
        "MCP_SERVER_REQUEST_TIMEOUT": "600000"
      },
      "timeout": 600
    }
  }
}

⚠️ 写完 json 不会自动生效。 必须到 WorkBuddy 左侧栏的「专家·技能·连接器」→ 顶部「连接器」标签，从右上角「自定义连接器」进去，在「MCP 服务管理」里找到它并点「信任」。少这一步，配置写得再对也不会被加载。

图 1：WorkBuddy 的「专家·技能·连接器」页面。 左侧栏是统一入口，顶部三个标签分别是专家 / 技能 / 连接器。连接器市场里排着飞书、钉钉、TAPD、GitHub 等官方连接器；右上角「自定义连接器」用于管理自己通过 mcp.json 加进来的服务——TextIn 就在那里。

图 2：「MCP 服务管理」对话框。 标题下方显示「我的 MCP 2 / 2 启用」——tencent-map 是 15/15 个工具已启用，textin-xparse 已启用（状态点变绿）。到这一步，TextIn 才真正成为会话里可以直接调用的原生工具。

四、数据源与预处理

数据源用巨潮资讯网（cninfo），证监会指定的信息披露平台。

图 3：巨潮资讯网的 300750 个股页。 页面右上角可以看到当日实时行情：股价 305.48 元、市盈率 16.63、市净率 3.73、ROE 11.41%、主营收入 2,769.17 亿、净利润 432.84 亿、资产负债率 63.65%。

图 4：下载后的 2025 年年度报告首页，标题为"宁德时代新能源科技股份有限公司 2025 年年度报告"，落款 2026 年 3 月，共 232 页。

拿到整本 PDF 之后，第一件事是切片。理由不是"接口限制"——整本 232 页它确实读进去了（第十节会把整本直抽的三种翻车方式摆出来）——而是页范围直接决定抽取结果的干净程度，也直接决定花掉多少额度。

按财报章节切成小片：

catl2025_p11_仅主要会计数据表.pdf              1 页   五、主要会计数据和财务指标
catl2025_p12_分季度与非经常性损益.pdf           1 页   六、分季度主要财务指标
catl2025_p11-13_主要会计数据与分季度.pdf        3 页  【对照实验用】故意多装两页
catl2025_p25_分行业分产品分地区.pdf             1 页   收入与成本整体情况
catl2025_p30_研发投入.pdf                     1 页   研发投入金额与占比 + 现金流
catl2025_p106_资产负债率.pdf                  1 页   债券章节的近两年财务指标
catl2025_p113_合并资产负债表.pdf               1 页   负债 / 权益 / 少数股东权益
catl2024_p116_合并资产负债表.pdf（2024 年报）   1 页   补齐 2023 年数据

切片用的是本地 pypdf——这只是把纸裁开，读懂纸上的字仍然是连接器在做。

五、第一步：用 recognition_text 看全貌

先让连接器把「主要会计数据和财务指标」那一页的文本层吐出来，确认这一页到底有哪些字段、指标叫什么名字。

返回的是一段拉平的文字，核心部分是这样的：

五、主要会计数据和财务指标
公司是否需追溯调整或重述以前年度会计数据
□是 ☑否
单位：千元
项目        2025年        2024年      本年比上年增减   2023年
营业收入    423,701,834   362,012,554  17.04%         400,917,045
归属于上市公司股东
的净利润     72,201,282    50,744,682   42.28%         44,121,248
...
加权平均净资产收益
率          24.91%        24.13%       0.78%          24.04%
...
资产总额    974,827,544   786,658,123  23.92%         717,168,041

这一页就够把九个核心指标的三年序列全部拿全。 而且它顺带解决了一个后面很关键的问题：我怎么知道该用哪个词去抽。 财报里同一个概念可能有多种写法（“资产总额"还是"资产总计”？），只有先读出来才能确定。

六、第二步：用 general_information_extration 定向拿数

6.1 核心财务指标（key 模式）

把要的字段名列成 key 数组丢进去：

{"path": "slices/catl2025_p11_仅主要会计数据表.pdf",
 "key": ["营业收入", "归属于上市公司股东的净利润", "资产总额", "加权平均净资产收益率"]}

返回（真实返回值，原文照录）：

{"营业收入": ["423,701,834"],
 "归属于上市公司股东的净利润": ["72,201,282"],
 "资产总额": ["974,827,544", "786,658,123", "23.92%", "717,168,041"],
 "加权平均净资产收益率": ["24.91%", "24.13%", "0.78%", "24.04%"]}

注意「资产总额」和「加权平均 ROE」返回了四个值——因为年报那张表的列序就是 [2025年, 2024年, 本年比上年增减, 2023年]，四个值一一对应。返回值的个数和顺序本身就是信息，这一点后面会变成一条重要经验。

6.2 分季度数据（table_header 模式）

分季度表的表头是季度，用 table_header 更自然：

{"path": "slices/catl2025_p12_分季度与非经常性损益.pdf",
 "table_header": ["第一季度", "第二季度", "第三季度", "第四季度"]}

返回 4 行 × 4 列，每一格都带 llm_confidence: 1 和 llm_confidence_level: "high"：

行	第一季度	第二季度	第三季度	第四季度
营业收入	84,704,589	94,181,664	104,185,734	140,629,847
归母净利润	13,962,558	16,522,581	18,548,970	23,167,173
扣非净利润	11,829,172	15,368,296	16,421,757	20,888,640
经营活动现金流净额	32,868,257	25,818,809	21,973,364	52,559,552

但这里有个必须知道的事：table_header 模式不返回行标签。 四行数据给你了，但哪一行是营业收入、哪一行是现金流，工具没说。要么靠顺序推断，要么配合另外两个工具补齐。

6.3 收入结构与毛利率

同一页（第 25 页）用两个工具各抽一次，互相印证。

table_header 模式拿数（6 列表头）：

维度	项目	营业收入(千元)	营业成本(千元)	毛利率	收入同比	毛利率变动
分产品	动力电池系统	316,506,369	241,064,397	23.84%	25.08%	-0.10pct
分产品	储能电池系统	62,439,820	45,763,689	26.71%	8.99%	-0.13pct
分产品	电池材料及回收	21,860,936	15,899,813	27.27%	-23.83%	+16.76pct
分地区	境内	294,060,576	223,497,885	24.00%	16.84%	+1.75pct
分地区	境外	129,641,258	88,885,412	31.44%	17.50%	+1.99pct
分业务	电气机械及器材制造业	417,723,738	307,077,698	26.49%	17.17%	+1.80pct

doc_to_markdown 模式拿结构，它把 colspan 分组行和维度名一起保留了下来：

<table border="1" ><tr>
<td>项目</td><td>营业收入</td><td>营业成本</td><td>毛利率</td>...
</tr><tr>
<td colspan="7">分产品</td>
</tr><tr>
<td>动力电池系统</td><td>316,506,369</td><td>241,064,397</td><td>23.84%</td>...

两份结果对起来，维度名补齐了，数值也互相验证了。 这就是"三个工具配合"的实际用法。

6.4 财务报表：研发投入与资产负债表

第 30 页研发投入（doc_to_markdown 返回的原始 HTML 片段）：

<table border="1" ><tr>
<td>项目</td><td>2025 年</td><td>2024 年</td><td>2023 年</td>
</tr><tr>
<td>研发投入金额（千元）</td><td>22,146,581</td><td>18,606,756</td><td>18,356,108</td>
</tr><tr>
<td>研发投入占营业收入比例</td><td>5.23%</td><td>5.14%</td><td>4.58%</td>
</tr></table>

注意返回里连"☐适用 ☑不适用"这种勾选项和页码注释 <!-- 30 --> 都在——页码注释意味着你知道这段内容来自第几页，这是可追溯性的下限保障。

合并资产负债表（第 113 页）：

{"负债合计": ["603,801,220", "513,201,949"],
 "所有者权益合计": ["371,026,324", "273,456,174"],
 "少数股东权益": ["33,918,577", "26,526,141"],
 "资产总计": [""]}

最后一个 "资产总计": [""] 不是 bug，是信息。 年报里这一栏的用词是「资产总额」，不是「资产总计」，一字之差就抽不到。返回空字符串时要当成"没抽到"，绝不能当成 0。

七、把抽出来的数，框回年报原页

抽取结果必须能回到纸面上核对。下面这五张图：左边是年报原页，红框是按文本检索定位到的那个数值；右边是连接器实际返回的字段与取值。

图 5：第 11 页「五、主要会计数据和财务指标」。 营业收入 423,701,834、归母净利润 72,201,282、扣非净利润 64,507,864、经营现金流 133,219,982、基本每股收益 16.14、资产总额 974,827,544、归母净资产 337,107,747——七个字段全部框在对应的单元格里，右侧面板就是连接器的返回值。

图 6：第 12 页「六、分季度主要财务指标」。 四个季度的营业收入被逐一框出。

图 7：第 25 页收入结构表。 动力电池系统、储能电池系统、电池材料及回收、境外收入四个数值的位置。

图 8：第 30 页研发投入表。 三年研发投入金额与经营活动现金流入小计。

图 9：第 113 页合并资产负债表。 负债合计、所有者权益合计、少数股东权益——这三个数是第九节那条纠错的关键。

八、真正让数据可信的：22 条勾稽校验

工具把数抽出来，但抽取不等于可信。真正让这份数据立住的，是 22 条勾稽校验（全部通过）。

8.1 季度求和 = 全年

校验项	计算	全年披露值	结论
营业收入	Q1+Q2+Q3+Q4 = 423,701,834	423,701,834	精确相等
归母净利润	13,962,558+16,522,581+18,548,970+23,167,173 = 72,201,282	72,201,282	精确相等
经营活动现金流净额	32,868,257+25,818,809+21,973,364+52,559,552 = 133,219,982	133,219,982	精确相等
扣非净利润	11,829,172+15,368,296+16,421,757+20,888,640 = 64,507,865	64,507,864	差 1 千元（披露本身就有舍入）

三个精确相等、一个差 1 千元。 这个结果说明两件事：季度表和年度表来自同一套账；那 1 千元的差是年报自身披露口径的舍入，不是抽错了。

8.2 会计恒等式

校验项	计算	资产总额	结论
2025 年	负债 603,801,220 + 权益 371,026,324 = 974,827,544	974,827,544	精确相等
2024 年	513,201,949 + 273,456,174 = 786,658,123	786,658,123	精确相等
2023 年	497,284,890 + 219,883,151 = 717,168,041	717,168,041	精确相等

8.3 权益归属分解

校验项	计算	所有者权益合计	结论
2025 年	归母 337,107,747 + 少数股东 33,918,577 = 371,026,324	371,026,324	精确相等
2024 年	246,930,033 + 26,526,141 = 273,456,174	273,456,174	精确相等
2023 年	197,708,052 + 22,175,098 = 219,883,150	219,883,151	差 1 千元（舍入）

8.4 跨年报一致性

2023 年的资产负债表数据在哪？2025 年报只披露本年与上年两年。于是从 2024 年报里抽 2023 年——两份不同年报对同一年（2024）的披露值必须一致：

指标	2024 年报（第 116 页）	2025 年报（第 113 页）	结论
负债合计	513,201,949	513,201,949	完全一致
所有者权益合计	273,456,174	273,456,174	完全一致
少数股东权益	26,526,141	26,526,141	完全一致

8.5 跨通道比对

我还用另一种完全不同的技术路径（手写脚本直调 REST 接口）跑了一遍。两条路径抽出来的九个核心指标，三年数值全部一致。

指标	连接器	脚本通道	结论
营业收入	4.23702e+08	4.23702e+08	三年全部一致
归母净利润	7.22013e+07	7.22013e+07	三年全部一致
扣非净利润	6.45079e+07	6.45079e+07	三年全部一致
经营活动现金流净额	1.3322e+08	1.3322e+08	三年全部一致
基本每股收益	16.14	16.14	三年全部一致
稀释每股收益	16.14	16.14	三年全部一致
加权平均净资产收益率	24.91	24.91	三年全部一致
资产总额	9.74828e+08	9.74828e+08	三年全部一致
归母净资产	3.37108e+08	3.37108e+08	三年全部一致

九、勾稽抓出了一个真错：资产负债率口径

这是这一轮最值得说的发现。

我第一版算出来的资产负债率是 2023 年 72.43%、2024 年 68.61%、2025 年 65.42%——用的是 1 − 归母净资产 ÷ 资产总额。

这一轮用连接器抽第 106 页（债券章节的"近两年主要会计数据和财务指标"），返回的是：

资产负债率  61.94%   65.24%   -3.30%

61.94% 和 65.42% 差了 3.48 个百分点。 我没有直接采信任何一边，而是把合并资产负债表拉出来，用会计恒等式验：

• 2025 年：负债 603,801,220 ÷ 资产总额 974,827,544 = 61.94% ✅ 与年报原文一致
• 2024 年：负债 513,201,949 ÷ 资产总额 786,658,123 = 65.24% ✅ 与年报原文一致（上年末值）

第一版的算法漏了少数股东权益。 1 − 归母净资产 ÷ 资产总额 得到的是"归母净资产占资产的比重之补数"，只有在没有少数股东权益时才等于资产负债率。宁德时代少数股东权益 2025 年是 339.19 亿元，占比不小，所以差了 3.5 个点。

修正后的三年趋势：

年份	修正后资产负债率	第一版（错误）	偏差
2023	69.34%	72.43%	-3.09pct
2024	65.24%	68.61%	-3.37pct
2025	61.94%	65.42%	-3.48pct

趋势方向（持续下降）没错，但绝对水平错了 3 个多百分点。 一个"看起来合理"的比率，如果不做恒等式校验，就这么混进结论里了。

这就是勾稽校验的价值：它不是让结果更漂亮，而是让错误无处藏身。

十、三个必须知道的对照实验

为了把"连接器怎么用才对"说清楚，我刻意做了三组失败用例。它们不计入通过率，但比通过的部分更有信息量。

实验一：同一组 key，页范围不同，结果差很多

	输入 11-13 页（含分季度表）	输入 11 页（仅主要会计数据表）
资产总额	[974,827,544, 84,704,589, 94,181,664, 104,185,734, 140,629,847]	[974,827,544, 786,658,123, 23.92%, 717,168,041]
加权平均 ROE	[24.91%, 24.13%, 0.78%]	[24.91%, 24.13%, 0.78%, 24.04%]

宽范围那次的后四位其实是分季度营业收入——被一并召回并串到了「资产总额」这个键上。ROE 那次则是第三个位置拿到了"同比增减"列（0.78%），而不是 2023 年的 24.04%。

收敛到单页之后，返回值个数和列序完全对上，与年报逐位一致。

结论：抽取务必按语义分页；拿到数组先看长度和类型，别直接下标取值。

实验二：key 必须与文档用词逐字一致

	失败做法	正确做法
输入	合并资产负债表 + key 资产总计	同一份文档 + key 资产总额
返回	""（空字符串）	974,827,544

一字之差，一个都给不出来。 而返回空字符串这件事本身很危险——如果代码写成 float(x or 0)，就会得到一个静默的 0。正确姿势：先用 recognition_text 把页读出来确认用词，再写 key；空字符串一律按"没抽到"处理并报警。

实验三：整本 232 页一次喂进去

同一份年报全本，三次真实调用全部不理想：

调用	结果
key「加权平均净资产收益率」	返回空字符串
key「致同会计师事务所」	只返回「（特殊普通合伙）」，前半截丢了
key「基本每股收益」	55.5 秒后返回 40003 余额不足

而紧随整本报错之后的单页调用（p30 研发投入）仍然成功返回三年数据——说明账号还有余额，是整本那一次把额度吃掉了。

三个问题：抽不稳、返回值可能被截断、一次性吃掉大量额度。长文档必须切片——既省钱也更准。

十一、产出物

11.1 交互式研读看板

图 10：看板首屏。 顶部一句话结论，下面 8 张指标卡（含同比与上年对照），再下面是三年柱状对比与盈利质量/资本结构双轴趋势。配色遵循国内习惯——增长用红、下降用绿。

图 11：勾稽校验区，22 条逐条列出计算式、期望值与结论。最后一行「口径纠错 · 资产负债率」就是第九节那个发现的落点。

图 12： 上半部分是 7 条关注信号（含 2 条方法类信号）；下半部分是三组对照实验的失败做法 / 正确做法 / 结论对照。

图 13：连接器调用台账。 C1–C12 每次调用的工具、输入文件、耗时、说明都记录了——这份表本身就是"有效调用与处理结果证明"。

11.2 Excel 结构化指标台账

八个工作表：

工作表	内容
核心财务指标	9 项 × 三年 + 同比
派生指标	净利率 / 现金含量 / 扣非占比 / 资产负债率 / 期末 ROE / 研发占比
分季度数据	4 个指标 × 4 季度 + 合计 + 与全年披露值的差异列
收入结构与毛利	分业务 / 分产品 / 分地区，含收入同比与毛利率变动（红涨绿跌）
勾稽校验	22 条校验的计算式、期望值、结论
对照实验	三组失败用例
关注信号	7 条信号的级别、标题、说明
连接器调用台账	C1–C12

11.3 WorkBuddy 里的操作痕迹

图 14：WorkBuddy 会话里逐步推进的过程。 每一条动作（写脚本、跑校验、调整口径）都留在会话里，配合底部的消耗计数，天然构成一份可追溯的操作日志。

图 15： 执行完成后，产出物直接落在会话里，可点开预览或下载。

十二、连接器做不了什么（说清楚边界）

这一版全部走连接器，好处是把门槛降到零。但有一条能力是连接器这三个工具给不了的：引用坐标。

底层 Parse 接口返回的 elements[] 带归一化四点坐标，可以画出"这个数字在原页的哪个位置"的高亮框。连接器这三个工具返回的是值，不带坐标。

所以本文的对照证据图（图 5–图 9）是用本地渲染 + 文本检索定位做的，不是接口返回的坐标——这一点必须讲明白，不能含糊过去。

两种做法的取舍很清楚：

	连接器（本文方案）	底层接口
上手成本	零代码，对话里就能用	要申请密钥、看接口文档、写脚本
输出形态	值 / Markdown / 表格结构	值 + 元素坐标 + 页图像直链
可做坐标级溯源	❌	✅
适合谁	业务同学、快速验证、批量取数	需要做审计级溯源、要画高亮证据的工具

如果场景需要"每个数字都带原页坐标"（审计、法务、投研尽调），那还是要走底层接口；如果目标是"把 200 页变成本周能用的结构化数据"，连接器这三个工具完全够。

十三、结果盘点

指标	数值
处理文档	2 份年报 PDF（232 页 + 229 页），实际送入连接器 8 个切片
连接器调用次数	12 次（doc_to_markdown 2 次 / recognition_text 1 次 / 信息抽取 9 次）
单次抽取耗时	约 28.8 秒（p11 单页、4 个字段，含固定开销）
抽取字段数	核心 9 项 × 3 年 + 分季度 4 项 × 4 季 + 收入结构 8 行 × 6 列 + 研发 2 项 × 3 年
结构还原	colspan 分组行、维度名、勾选项、页码注释全部保留
勾稽校验	22 条，全部通过
抓出的实质性错误	1 处（资产负债率口径错 3.48 个百分点）
对照实验	3 组（页范围 / 键名 / 整本直抽）
交付物	1 个交互看板 + 1 份 8 表 Excel 台账 + 1 份结构化 JSON + 5 张对照证据图

最直观的对比：一个人要把这份年报里本文用到的所有数据找齐、算对、核对完，保守估计 3–4 小时。

这一版是 12 次连接器调用 + 22 条自动勾稽。

十四、怎么复用到别的公司

整条链路已经固化成一个可复用的 Skill。换个公司只需要三步：

1. 换数据源 — 巨潮资讯网按股票代码查公告（注意 static.cninfo.com.cn 有反爬，用浏览器会话带 cookie 下载）
2. 换切片页码 — 先用 recognition_text 探页，确认"主要会计数据"在第几页、分季度表在第几页，再按章节切片
3. 跑连接器 + 勾稽 — 三个工具按分工调用，最后跑一遍校验脚本出看板与台账

注意事项（都是真实踩过的）：

• 页范围宁窄勿宽 —— 宽了会串行污染
• key 必须与文档用词逐字一致 —— 先用 recognition_text 确认
• 空字符串按"没抽到"处理 —— 别当 0
• 别整本直抽 —— 抽不稳、可能截断、吃额度
• 任何算出来的比率都要能溯源到两个原始科目 —— 第九节那个错误就是这么来的

写在最后

我第一版给这个项目的结论是"把一份 PDF 变成带坐标的结构化资产"。这一版的结论要改一下：

把一件原本需要工程师做的事，变成任何人在对话框里能做完的事。

代价是放弃了坐标级溯源。但换个角度想——真正决定这份数据能不能用的，从来不是有没有坐标，而是有没有人去核对。

22 条勾稽校验里，有一条抓出了我自己第一版 3.48 个百分点的错误。那条校验比任何高亮框图都值钱。

AI 抽取的门槛已经降到零了，接下来真正稀缺的，是"校验"这件事的自动化。

如果这篇对你有帮助，欢迎点赞收藏。有问题或者想聊聊别的文档类型（招股书、研报、合同、论文）怎么套这套流程，评论区见。