从“找财报PDF”到“做财报分析工具”

1. 01

   一个普通问题

   Day 1

   我本来只想要一份财报PDF清单。

   我的输入

   有哪些网站提供最新的上市公司财报PDF？

   AI 回应

   AI 列出了交易所网站、公司投资者关系页面和财报聚合站。

   我的判断

   答案是对的，但它只是一份链接清单，还不是情报。

2. 02

   AI 开始搜索

   Day 1

   我让 AI 整理成表格，问题开始变得具体。

   我的输入

   整理成表格，按行业分一下，标注哪些更新最快。

   AI 回应

   AI 把来源整理成了结构化表格。

   我的判断

   当我把“找链接”变成“找判断依据”，AI 的输出就变了。

3. 03

   一个产品想法

   Day 1

   问题从“找文件”变成了“做工具”。

   我的输入

   如果我能输入公司名，就自动拿到摘要和关键数据呢？

   AI 回应

   AI 说这是一个可以做成产品的想法，并开始拆解功能。

   我的判断

   我没有计划做产品，但这个追问让需求自己冒了出来。

4. 04

   AI 开始设计产品

   Day 2

   AI 在缺少约束时会自己膨胀功能。

   我的输入

   先别写代码，先设计信息架构：这个工具最核心的页面是什么？

   AI 回应

   AI 给出了财报列表、公司摘要、风险提示、下载入口四部分。

   我的判断

   结构不错，但“下载入口”不是重点，重点是读完之后的判断。

5. 05

   我继续追问

   Day 2

   追问用户，比追问功能更重要。

   我的输入

   这个工具到底解决谁的问题？是投资者、记者，还是我自己？

   AI 回应

   AI 把目标用户收敛到采编和财经记者。

   我的判断

   用户不同，产品完全不同。这里决定它不是一个炒股工具。

6. 06

   AI 进入财经记者模式

   Day 2

   角色切换让 AI 的输出质量完全不同。

   我的输入

   你现在是财经记者。看到这份财报，你会先追问哪五个问题？

   AI 回应

   AI 给出了增长质量、现金流向、一次性收益、口径变化、风险提示五个问题。

   我的判断

   同样是 AI，从“信息整理”切到“记者提问”，输出立刻不一样。

7. 07

   形成财报情报框架

   Day 3

   一次找 PDF 的提问，变成了一个产品框架。

   最终框架

   摘要 → 支持事实 → 风险提示 → 待核实清单 → 数据来源。

   最终结果

   这个框架后来变成了“财报雷达”的产品结构。

1. ME01

   有哪些网站提供最新的上市公司财报PDF？

2. AI02

   常见渠道包括交易所网站、公司官网投资者关系页面、财报聚合站。我可以帮你整理成表格，并按更新频率排序。

3. ME03

   如果我能输入公司名，就自动拿到摘要和关键数据呢？

这个 prompt 是案例的转折点：从“让 AI 整理信息”切换到“让 AI 像记者一样提问”。

你现在是一名资深财经记者，正在研究一家上市公司的财报。

请列出你拿到财报后会先追问的五个问题，并解释每个问题背后的判断。

不要复述财报内容，只做记者式的追问。

1. 01

   问题 → 产品

   从一个找 PDF 的提问，变成工具想法。

2. 02

   模糊想法 → 产品架构

   AI 把一句话拆成可执行的信息架构。

3. 03

   财务分析 → 商业情报

   从数字复述变成采编可以直接使用的判断。

这个想法最后变成了“财报雷达”。从找财报PDF开始，到可以打开的分析工具。