返回列表
SKILLdatayes-data-verification

datayes-data-verification

0.0.1

> 数据核查 skill。用户上传报告（PDF/Word/文本）、Excel 或粘贴一段文字，自动提取其中的数字型指标， 通过 datayes-stock-data、datayes-fund-data、datayes-macro、datayes-Ai-search、datayes-api-search 多源并行查询，将报告值与权威数据源对比，输出文字报告 + 核查表格。 用户说"核查数据""验证报告""数据对不对""帮我查一下这些数字"时触发。

已上线版本数: 0来源: local下载次数: 2

获取 Datayes Token

访问 https://r.datayes.com/auth/token/login 登录 Datayes 账号，并在 Datayes 控制台获取可撤销的 API token。

2. 配置 Token

先确认环境变量已配置：

macOS / Linux:

export DATAYES_TOKEN='your-token'

Windows PowerShell:

$env:DATAYES_TOKEN = "your-token"

Windows CMD:

set DATAYES_TOKEN=your-token

建议只使用最小权限、可随时撤销的 token，不要把 token 写入仓库。

数据核查 Skill

用户提供包含数字指标的文本/文件，AI 自动提取指标、并行查询多个 Datayes 数据源、对比核查，最终输出结构化差异报告。

整体流程（5 个阶段，必须按序完成）

阶段1 提取指标  →  阶段2 分类路由  →  阶段3 构造 query  →  阶段4 并行查询  →  阶段5 输出报告

阶段 1：指标提取

从用户输入（文本/Excel 内容/粘贴段落）中提取所有数字型指标，整理为结构化列表：

{
  "id": 1,
  "name": "营业收入",          // 指标名称
  "subject": "宁德时代",       // 主体（公司名/代码/基金/宏观）
  "value": 925.78,             // 报告中的数值（统一换算为基础单位）
  "unit": "亿元",              // 单位
  "period": "2024Q3",          // 时间/报告期
  "raw_text": "宁德时代2024年三季度营业收入925.78亿元"  // 原文片段
}

提取规则：

  • 只提取有明确数值的指标，描述性文字（如"市占率第一"）不提取
  • 数值须带时间标注或可推断报告期，否则标注 period=unknown
  • 单位统一换算：万元→亿元（÷10000）、% 保留原始、倍/x 保留原始
  • 提取完成后，向用户展示提取结果，确认无误后再进入阶段 2

阶段 2：分类路由

按主体类型将指标分配到对应数据 skill，路由规则见 references/routing.md。

快速判断：

  • 有股票代码或公司名 → datayes-stock-data（行情/财务/估值）
  • 含"基金/ETF/净值/持仓" → datayes-fund-data
  • 含"GDP/CPI/PPI/PMI/M2/社融/利率/宏观" → datayes-macro
  • 描述性数字、行业数据、研报引用数据 → datayes-Ai-search（queryScope=indicator/research）
  • 以上均无法覆盖 → datayes-api-search（通用 4 步流程兜底）

每个指标可以同时分配给 1~2 个 数据源做交叉验证。

阶段 3：构造 Query

每个指标生成 2~3 个不同角度的 query，提高命中率：

Query 类型 说明 示例
精确查询 直接用指标名+主体+时间调用结构化 API fdmt_is_new_lt, ticker=300750, reportType=Q3
语义搜索 用 AI Search 构造自然语言 query "宁德时代 2024三季报 营业收入" queryScope=announcement
备用同义 换不同措辞或接口 stock_financial_indicator_revenue

Query 构造原则：

  • 时间/报告期必须明确写入 query，不得模糊
  • 涉及财务数据时区分 reportType（A=年报、Q1/Q2/Q3=季报、S1=半年报）
  • 宏观指标优先用 datayes-macro 的 query 命令（自动匹配最接近的指标 id）

阶段 4：并行查询

用 subagent 并行执行所有 query，每个 subagent 负责一个指标的全部 query。

并行执行规范：

  • 单次最多并行 8 个 subagent，超出时分批执行
  • 每个 subagent 的任务格式：
使用 [skill名] 查询：
- 指标：{name}
- 主体：{subject}（代码：{ticker}）
- 时间：{period}
- 具体 query：{query 列表}
- 返回格式：{数值, 单位, 报告期, 数据源 API nameEn}
  • subagent 返回结果后，主流程汇总所有结果进入阶段 5

使用 datayes-Ai-search 时，subagent 必须提取并返回以下溯源字段：

{
  "title": "研报/资讯标题（去除 <em> 标签）",
  "url": "原始链接（router.datayes.com 短链，直接保留，不要展开）",
  "source_text": "text 字段中包含目标数值的原文片段（去除 HTML 标签，截取含关键数字的上下文 150 字以内）",
  "publish_time": "metadata.publishTime",
  "organization": "metadata.organization（研报机构）或 metadata.source（资讯来源）",
  "analyst": "metadata.analyst（如有）"
}

提取原则：

  • 从 API 返回的 url 字段直接取链接，不要手动拼接或改写
  • source_text 截取 text 字段中包含目标数值的句子，去除 <em>、<--id:...--> 等 HTML/标记，保留可读原文
  • 若同一指标命中多条结果，按 score 降序取最相关的 1~2 条做溯源

阶段 5：核查与输出报告

5.1 核查判断

对比 报告值 与 核查值，按以下规则判断：

详细规则见 references/check-rules.md

状态 含义 标志
✅ 一致 误差在容忍阈值内 绿色通过
⚠️ 偏差 超出容忍但可能是口径差异 标注口径说明
❌ 不符 误差超出最大阈值，数据有问题 需关注
❓ 未查到 所有 query 均无数据 标注无法核查

发现差异时直接报告，不再追加查询尝试解释原因。

5.2 输出格式（强制两段式，顺序不可变）

输出必须严格按以下两段顺序输出，第一段汇总表必须完整，不得省略或与详情混排。

第一段：汇总表（必须最先输出，全部指标不漏一行）

## 📋 数据核查报告

**来源文件：** {文件名/用户描述}
**核查时间：** {当前日期时间}
**共核查指标：** {N} 个 | ✅ 一致：{n1} | ⚠️ 偏差：{n2} | ❌ 不符：{n3} | ❓ 未查到：{n4}

---

### 核查汇总表

| # | 指标 | 主体 | 报告期 | 报告值 | 核查值 | 数据源 | 状态 | 备注 |
|---|------|------|--------|--------|--------|--------|------|------|
| 1 | 营业收入 | 宁德时代 | 2024Q3 | 925.78亿元 | 924.7亿元 | datayes-stock-data | ✅ 一致 | 误差0.12% |
| 2 | CPI同比 | 全国 | 2024.10 | 0.3% | 0.3% | datayes-macro | ✅ 一致 | — |
| 3 | 沪深300 PE | — | 2025-05 | 12.5x | 13.1x | datayes-stock-data | ❌ 不符 | 误差4.8% |
| 4 | 新能源渗透率 | 全国 | 2024.09 | 53.2% | — | datayes-Ai-search | ❓ 未查到 | — |

汇总表填写规则：

  • 每个已核查指标单独一行，不合并，不漏
  • 核查值 列：填写查到的实际值；若未查到填 —
  • 数据源 列：填写具体 skill 名，如 datayes-Ai-search
  • 备注 列：一句话说明关键信息（误差率 / 口径差异 / 来源机构 / 版本说明）
  • 汇总表必须包含全部指标，一个不能漏

第二段：详情区（汇总表完整输出后才开始，按状态分组）

无该状态的指标则整组省略。

---

### 详情分析

#### ✅ 已核实指标（附溯源）

**[#1] 营业收入（宁德时代，2024Q3）**
- 报告值：925.78亿元 | 核查值：924.7亿元 | 误差：0.12%
- 数据源：datayes-stock-data / fdmt_is_new_lt

**[#X] 数据中心加速芯片销售额（2025）**
- 报告值：3,019亿美元 | 核查值：3,019亿美元 | 误差：0%
- 数据源：datayes-Ai-search
- 溯源：
  - 标题：神经形态计算行业报告
  - 链接：https://router.datayes.com/o56BlBpAn
  - 原文片段：「面向数据中心工作负载的先进计算芯片在2025年实现了3019亿美元的销售额，较2024年增长39.9%」
  - 来源机构：高盛集团，2026-05-12 | 分析师：高盛研究所

---

#### ⚠️ 偏差指标

**[#X] 指标名称（主体，报告期）**
- 报告值：xxx | 核查值：xxx（来源机构，日期）
- 偏差说明：差距及可能原因（口径差异 / 时间节点 / 版本迭代等）
- 溯源链接：{url}（如通过 AI Search 查到）

---

#### ❌ 不符指标

**[#X] 指标名称**
- 报告值：xxx | 核查值：xxx
- 差异：绝对值/百分比，超出阈值
- 建议：如何进一步核实

---

#### ❓ 无法核查指标

**[#X] 指标名称**
- 原因：简短说明
- 建议：推荐可人工核查的数据来源

---

### 总体评价

一句话总结整体数据质量，指出最主要的问题或风险点。

凡通过 datayes-Ai-search 查到数据的指标，详情区必须展示完整溯源（标题 + 链接 + 原文片段 + 机构 + 日期），缺一不可。

边界与限制

  • 只核查数字型指标，不核查定性判断
  • 核查结果以 Datayes 数据为准，若 Datayes 本身无覆盖，标注 ❓ 而非给出推测值
  • 不对"未查到"的指标给出估算或替代值
  • Token 未配置时，按各子 skill 的指引提示用户配置 DATAYES_TOKEN