ARTICLE · 1015304
从填模板到出报告,我把十几年经验编译进了流水线
从填模板到出报告,我把十几年经验编译进了流水线做项目开发的人都知道，项目技术报告是绕不开的第一关。但做了这么多年，我越来越觉得一件事：我们大多把可研当成"写"出来的，其实它应该是"建模"出来的。这一个字的差别，决定了你是在重复劳动，还是在攒下资产。 下面复盘一个实例。云南富宁一家铝锭企业，拟安装5.9MWp的屋顶分布式光伏。我们把它从"一份文档"，一步步改成了能填空、能复用、甚至能自动出报告的"参数引擎"。顺着这条线，也聊几点我对工程化的想法。 项目本身不复杂：铝锭企业生产车间屋顶，5.9MWp 分布式光伏，自发自用、余电上网。 第一版可研用了skill自主查询计算偏保守的边界：年等效利用小时 1150h，组件单价偏高，咨询设计费也高。算下来全投资 IRR 只有 5.87%，NPV 是负 156 万，结论写的是"不具备财务可行性"。 经仔细研读报告后我根据实际情况给了三个新边界：有效小时数 1330h，组件价格 0.70 元/W，勘察设计咨询费 0.05 元/W。 就改了这三个数，全投资 IRR 直接跳到11.03%，NPV 转正到 +487.9 万元，单位造价从约 2.95 元/W 降到2.43 元/W。结论从"不可行"翻成了"稳健可行"。 
图1 · 屋顶光伏阵列与"外置参数"的工程化隐喻 这里头有件挺实在的事：决定一份可研结论的，不是"写得好不好"，而是那几个关键边界参数。文字是固定的方法论，真正在动的，是少数几个数字。 还有一层更让我意外。在这个"固定电价结算 + 自发自用"的模型里，我做过一个敏感性测试，把自用电比例从 100% 降到 50%，IRR 变动不大。原因很直接：我们和业主签的是固定结算电价，收益跟"自用还是上网"其实是脱钩的。这给我的提醒是，你以为最该敏感的参数，可能压根不敏感，真正的命门藏在定价机制里。后面聊"主导变量"时还会回来讲。 这一节的论点是整个改造的支点。 传统的做法是打开上次的 Word，复制粘贴，到处改数。这背后藏着一个错误假设，以为可研是一篇文章，目标是把字写漂亮。但可研的本质更像一台财务计算器：喂进去一组边界参数，吐出来一组指标（IRR、NPV、回收期）和一份论证。文章只是这台计算器的"渲染层"。 想通这点之后，做法就变了。你不再追求字写得好，而是模型算得对；不再维护一份文档，而是维护一台"参数到结论"的机器；文档里每个数字都不再是手填的，而是某个参数的派生值。 工程化的第一步，是识别并分离"可变项"与"不变项"。 很多人做项目的麻烦，恰恰是把可变项埋进了固定文档。边界假设散落在正文各处，改一个电价要翻五处，还未必改得全。我们做的第一件事，是把所有边界抽成一组显式的参数：
这组参数再喂给一个财务模型脚本，统一算 IRR、NPV、静态/动态回收期、ROE、DSCR 这些核心指标。 价值马上就出来了。改一个数，全报告联动，不用手算，也不会前后矛盾。这一步表面看是效率，往深里说其实是可信，一份前后自洽的报告，才有资格进决策。 再往深里说，参数外置，本质是把隐性假设显性化。一份写得漂亮但参数埋在字里行间的可研，它的真值你读不出来；一份参数清晰的模型，每个结论都可追溯、可质疑、可复核。显性化，是专业性的起点。 数据既然已经参数化，输出也该自动化。 我们用 Python 生成一份自包含的 HTML 报告。里面有 5 张内联 SVG 图表，投资构成环形图、发电量衰减曲线、累计现金流图、多方案 IRR 对比柱状图、敏感性龙卷风图，零 CDN 依赖，双击就能开。投资估算表会自动多出一列"单瓦价格（瓦/元）"，组件0.70、咨询设计0.05等等，逐项自洽。全文数值统一取自模型输出，就不会再出现"封面写 11%、正文写 7%"那种尴尬。 
图2 · 把"可变参数"从"固定方法论"中分离出来 到这一步，一份报告已经从"写出来的"变成了"算出来的、渲染出来的"。 这里有个值得记下的小原则：派生参数要由系统算，别让人填。"单瓦价格"这种二级指标，一旦让人手填就容易出错，让它等于金额除以装机，它就永远自洽。凡是能从一级参数推出来的量，都交给机器，这是防止报告前后打架的关键。 脚本解决了一次生成，但换个新项目还得改代码。要真正复用，得把参数再往前推一步，做成人能直接填的模板。 我们把全部关键编写参数收成6大模块，做成Word填空模板：项目边界、资源技术、设备材料（组件规格、衰减首年 1%、次年起 0.4%；组串式逆变器规格；布置类型分彩钢瓦平铺、混凝土屋面阵列式倾角、光伏大棚；组件倾角）、财务边界、政策依据、产出目标。 模板里浅黄单元格就是待填项，其余是默认值（锚定富宁实测）。文末还附了一段机器可读参数块，键等于值的格式，agent 能直接解析，不用人工读表。 从此，新项目的第一步，从打开旧报告改数，变成打开模板填表。人填的是人话，机读的是机话，同一份模板，两种用法。 最后一步，是把前面这些积累串成一条完整的链。 我们改造了企业可研编写指引技能，加进一个"参数模板驱动工作流"：先读机器可读参数块，交叉核对 6 张参数表，映射到 2023 版大纲的 10 章，再套用默认财务模型，输出一份带 5 张图表的可研报告。 
图3 · 从"填空模板"到"自动出报告"的工程化闭环 我愿意给它一个更准确的比喻。skill 不是写稿工具，而是编译器。你填入的是意图参数，它按照固化的大纲和方法论，编译出一份结构严谨的报告。专家十几年的经验，被编码成一条可以重复执行的流水线。这大概就是 AI 在工程专业的价值，不是替你写文字，而是替你执行那些已经被验证过的判断流程。 走到这一步，我想把视野从"怎么做"拉到"为什么有效"，聊几条更底层的规律。 那个项目从死到活，只动了三个数。这背后有个常被低估的事实：复杂系统的结论，往往由极少数主导变量决定。敏感性分析的价值，不是把十个参数都拨弄一遍，而是定位那个"一动就翻盘"的命门。对光伏来说，是小时数、组件价、电价；换别的系统，是另一组。工程化做到高处，是能一眼看出哪个旋钮最重要。 建这台引擎，假设花 8 小时；之后每个项目，填表 15 分钟出报告。做 1 个，净亏；做20个，单次成本摊到0.4小时。这就是工程化的复利，前期投入被项目数量摊薄。值得工程化的，永远是会重复发生的事。 这是最容易踩的坑。今天 0.70 元/W 是真实报价，半年后可能跌破 0.6；今天IRR8%的准入线，明年政策一变就失效。模板不是写完就一劳永逸的资产，而是需要版本管理、回归测试、边界校验的活物。我给模板加了产出目标模块，目标IRR、单位造价、回收期，这相当于一道内置的合理性闸门，算出来不达标，它立刻报警。好的模板，得能在自己出错时提醒你。 得诚实地划清边界。参数化擅长管理已知未知，也就是你知道有哪些变量，只是值还没定。但面对未知未知，比如项目从分布式光伏跳到集中式、从光伏跨到储能、从国内跨到海外电价机制，填空就救不了你，模板需要被重构，而不是被填写。还有个更隐蔽的风险，叫过度参数化：旋钮太多，填表的人反而懵了，决策被埋在噪声里。参数化是手段，不是目的，该用判断力的地方，永远留给判断力。 如果每份填好的模板都留着，时间久了，你会攒出一座企业级参数库，历年组件价、各省利用小时、各类电价机制、各政策边界。单个项目是成本，参数库是资产。工程化的最高形态，不是做出一份报告，而是让组织持续变聪明。你今天填的每一个数，都在给明天的判断加权。 这套打法不专属于可研。任何结构既定、内容随参数变化的工程文档，都能走同一条路：
一句话概括：先抽象出骨架（不变的部分），再把血肉（参数）外置。骨架沉淀成模板和 skill，血肉留给每个具体项目。 
图4 · 一个参数引擎分叉出多类工程文档，并由"治理层"持续迭代 它不是把事情做复杂，相反，是把重复的事做得不再需要重复。 如果你想动手，今天就能做三步： 挑一个每次都重做的文档，列出它的章节骨架； 圈出所有会变的边界参数，做成一张表； 把这张表变成模板，下次项目直接填，而不是从零写。 你手上，有哪些"每次都重做"的工作，值得被工程化？欢迎在评论区聊聊。 
图5 · 可研成品首页效果——从"填模板"到"出报告"的终局交付物
从填模板到出报告，我把十几年经验编译进了流水线
一、起点：三个数字如何扭转一份报告
二、第一性原理：可研不是"写"出来的，是"建模"出来的
把文档降级成模型的输出，是把重复劳动变成可积累资产的第一步。写十份报告是十次成本，建一台引擎，是一次成本、N次复用。
三、工程化第一步：把"可变项"外置，让隐性假设显性化
四、工程化第二步：把"写作"脚本化，做成自动流水线
五、工程化第三步：沉淀成"可填空的参数模板"
六、工程化第四步：让 skill 当"编译器"
整条链路就变成：填模板，交给 skill，出报告。
七、参数化背后的五条工程规律
1. 边界条件的力量：找到主导变量
2. 杠杆效应：一次建模，N 次复用
3. 模板会"腐化"：参数漂移与治理
4. 参数的尽头是判断力：已知未知 vs 未知未知
5. 知识的复利：每次填空都是一次数据沉淀
八、这套打法能复制到别处
结语：工程化的本质，与你能做的三步
识别什么不变、什么在变，把变的部分参数化，把不变的部分标准化，让机器替你执行那些已经被验证的流程。