Earnings Reviewer —— 让 AI 按高盛标准，替你“冲锋”。

财报季投行，金融圈的朋友们，每到财报季，你的真实状态是不是这样的：左手点着十几份 SEC 刚披露的 10-Q，右手戴着耳机听着 2 倍速的业绩电话会录音，脑子里还要盘算着怎么在 24 小时内，憋出一篇符合公司合规格式、排版严谨的深度研报？

Anthropic 开源了专门针对金融业的 ⁠financial-services⁠ 工具包，里面第一个让人眼前一亮的“Agent”，就是这个 Earnings Reviewer。

我先一句话概括它：它不是一个简单的“文本总结工具”，而是一个精通顶级投行研报体例、自带数据审计链路的“超级分析师助理”。

为了让投行和金融圈的同行们彻底看懂这个 Agent 的威力和用法，我直接用一个真实的财报季实战案例，来手把手带大家走一遍流程。

手把手教学：如何让 Earnings Reviewer 替你落地一份完美财报研究？

想象一下这个场景：

现在是美股盘后，某科技巨头（比如英伟达或微软）刚刚发布了最新一季的 10-Q 财报。 华尔街的所有眼睛都盯着这里，你需要在几个小时内，拿出一份挑不出毛病的专业研报送给客户。以前你得咖啡续命、通宵对数；现在，我们把这个活交给 Earnings Reviewer。

准备工作：接通它的“千里眼”

在正式下达任务前，我们需要明确一点：

Earnings Reviewer 之所以不瞎编，是因为它连接了专业的数据通道（MCP 连接器）。在后台，我们已经帮它配置好了 Daloopa（专门抓取财报表格数据的工具）和 FactSet 的 API 接口。这意味着，它不需要你去肉眼看 PDF 再复制粘贴，它自己能直接去官方数据库里捞最干净的数。

第一步：一键下达“拆解令”

你只需要在工作台里，给 Earnings Reviewer 发送一条非常直白的斜杠命令：你的输入：/earnings --ticker "NVDA" --quarter "Q1 2026" --compare_to "Q1 2025" 

大白话翻译：“小王（Agent），去把英伟达 2026 财年第一季度的最新财报，跟去年同期做个对比分析。立刻去办。”

第二步：它会进行“无死角扫描”

收到命令后，Earnings Reviewer 不会直接开始写文章（那是业余 AI 的做法）。它会像一个老练的分析师一样，在后台有条不紊地执行三步走：

对齐大盘数据： 它通过 FactSet 接口，秒级抓取华尔街在盘前对英伟达这一季营收、EPS（每股收益）、毛利率的一致预期（Consensus）。

抓取实际业绩： 它调用 Daloopa 接口，直接读取 SEC EDGAR 系统里刚上传的 10-Q 文件，提取出真实的营收和利润。

连夜听电话会： 它会自动下载刚结束的业绩电话会录音转写文本，用关键词（如 Sovereign AI, Blackwell, Supply Constraints）扫描管理层对下一季度的业绩指引（Guidance）。

第三步：直接给你“投行级”研报

不到 3 分钟，Earnings Reviewer 就会在你的屏幕上吐出一份严格对标高盛体例的研报初稿。

我们来看看它吐出来的核心内容长啥样：

案列一：绝不走形的财务核心汇总表（Summary Table）

它首先会吐出一张乾干净净的表格，直接帮你把“预期”和“实际”对齐，连 Beat（超预期） 还是 Miss（不及预期） 都帮你算好了。

注意为了数据📊能保证真实有效： 每一个数字后面，都对应一个超链接。你鼠标点过去，就能直接定位到 SEC 官方公告的第几页、第几行。       

案列二：直击痛点的“干货提炼”（Key Takeaways）

它不会说“公司发展势头良好”这种正确的废话。得益于它对电话会文本的扫描，它会给出极度具体的业务穿透分析： 

管理层指引超预期： CEO 在电话会中明确指出，Blackwell 芯片在 2026 年内将持续处于供不应求状态（见电话会文本第 14 段，CEO 答分析师问）。

毛利率短期见顶预警： 尽管本季毛利率达到创纪录的 78.9%，但 CFO 提示，由于下一季度新旧产品线交替带来的供应链初期高成本，Q2 毛利率将指引回落至 75.5% 左右（见电话会文本第 22 段）。

第四步：人工审查定稿

你可以上场了验收了。

Earnings Reviewer 已经帮你把 80% 的脏活（找数、对数、排版、引流）干完了，而且准确率是 100%。你可以坐在电脑前，喝着咖啡，对它进行微调：

你可以说： “把第三段关于毛利率回落的分析加粗，移到报告最显眼的第一页‘核心风险’里。”

你也可以说： “结合我们上周路演时买方客户反馈的担忧，增加一段关于‘大模型厂商资本开支增速放缓’的行业逻辑推演。”几分钟后，一份挑不出任何毛病、带着你深度思考的“高盛标准”研报，就可以正式发送给你的客户或者投资委员会了。

总结：给初用者的指南！

要用好 Earnings Reviewer，记住两个心法：

别把它当聊天软件：不要问它“你觉得英伟达股票能不能买？”这种空洞的问题。它是分析师，不是算命先生。你要用 /earnings 或 /comps 这种精准的斜杠指令，给它明确的标的和财报周期。

善用它的审计链接：AI 生成报告后，养成习惯顺着最右侧的超链接点一下，验证一下管理层的语气。AI 负责帮你把路铺好，最后那 20% 的行业直觉和判断，才是你不可被替代的护城河。

最后再给一份简单的💡 核心工作流拆解：

1. 输入层（Input）：你在前端输入 ⁠/earnings --ticker "NVDA"⁠。

2. 数据调度层（MCP Connectors）： Agent 同时向两个方向发射请求。 

定量数据（Quantitative）： 穿透到 Daloopa 和 FactSet，精准捞取 10-Q 报表中的三张表（资产负债表、利润表、现金流量表）以及华尔街一致预期。 定性数据（Qualitative）： 抓取 SEC 官方的业绩电话会逐字稿（Transcript）。

3. 约束引擎层（Constraint Engine）： 注入 Anthropic 写入的近 700 行“纪律手册”（禁止幻觉、必须带溯源链接、强制 Times New Roman 排版、严格控制在 3000-5000 字）。

4. 生成与审计层（Generation & Audit）：交叉比对： 验证实际数据 vs 预期数据，计算出 Beat/Miss 比例。 

合规织入： 将每一个核心财务数字和管理层观点，自动缝合上指向 SEC 原文的具体超链接（如 10-Q, Item 1）。

5. 最终产出（Output）： 吐出那份可以直接拿到 MD（董事总经理）面前签字的、带完整数据审计链路的“高盛标准”研报初稿。