
财务经理的AI提问法则:如何用大模型写出有深度的专业文章
文章以GPT-6.1为例,介绍AI辅助财务专业写作的方法。作者认为,提示应明确任务范围、资料口径、证据要求和验收标准,并用CRISP框架组织需求。实践中应先核对资料、建立底表,再复算数据、检验报表关系与因果解释,最后追溯来源、标注不确定性,形成可复核的文章及数据成果。

前言
让大模型写一篇语句通顺的财务专业文章,通常不难。真正费时费力的是判断数据能否比较、变化该怎样解释、结论是否有足够证据支撑,以及读者能从文章中解决什么实际问题。
随着模型升级,能够交给AI处理的任务多了,提问的重点也随之变化。财务经理除了说明“写什么、多少字”,还得交代资料从哪里来、计算采用什么口径、资料缺口怎样处理,以及最后应交付哪些可供复核的成果。
本文以GPT-6.1为例,面向财务经理、财务分析师和专业内容撰写者,讨论从组织资料、提出问题到核验分析、完成写作的具体做法。
一、模型升级后,财务写作应当怎样改变
过去,不少人使用AI写作的方式是“输入题目,取得初稿,再人工修改”。写一般性说明,这样做尚可;写公司研究、经营分析或财税实务文章,却容易漏掉最费功夫的工作:查找资料、统一口径、复算数据,以及检验解释是否成立。
如果使用环境配有相应工具,资料读取、外部检索、计算和写作就可以衔接起来,作为连续任务处理。OpenAI的GPT-6.1文档列出的工具支持,包括网页搜索、文件搜索和代码解释器等。[1]
相应地,提问的方式也要作些调整。
专业要求应当说得具体。“你是一名资深财务专家”能够说明分析视角,但无法保证答案正确。把研究对象、报表口径、证据要求和验收标准交代清楚,比单纯强调身份更有用。
要求模型给出结论时,也要留下可核验的分析依据。查到的数据须保留原始出处,计算应列明公式、输入值和结果;对于原因的解释,则要说明哪些是已知事实,哪些判断还有待验证。
想让文章“写得更深”,不妨把要求落到值得回答的问题上。分析利润增长,就应追问:是销量、价格、产品结构发生了变化,还是非经常性因素所致?回款有没有同步改善?这些因素能持续多久?资料不足时,结论又该写到哪一步?
文章分析不深,未必都是提问者的问题。资料不足、工具受限和模型误判,都可能影响结果。指令说清楚,可以减少偏差,却无法消除这些限制。
二、三层约束与CRISP:把写作要求说清楚
提示词有效与否,不取决于篇幅长短。OpenAI官方提示指南建议,减少重复指令,把目标、必要约束和输出要求说清楚。
财务写作可以先把三层约束确定下来,再按任务需要补充细节。
约束层次 | 需要说清的问题 | 财务写作示例 |
|---|---|---|
范围与任务 | 分析谁、哪个期间、面向谁、解决什么问题 | 分析某制造企业2023—2025年盈利质量,供经营管理层讨论 |
证据与方法 | 使用哪些资料,怎样统一口径、计算和检验 | 以合并报表及附注为主,核对利润、营运资金与经营现金流的关系 |
交付与验收 | 写成什么,哪些内容必须保留,如何判断完成 | 提交约3000字文章及数据底表;关键数字可追溯,未证实原因明确标注 |
为了便于记忆,上述要求可以归纳为CRISP五项工作要求。这是一种组织提示词的方法,具体怎么用,仍要随任务调整,并通过实际结果检验。
(一)C:背景与任务——说明文章要解决什么问题
交代背景时,应把业务处境和读者需求说清楚,角色设定适度即可。
例如:“请协助撰写一份盈利质量分析,供经营管理层讨论。公司近三年收入增长,经营活动现金流量净额却持续低于净利润。请重点判断这一差异是由业务扩张、结算安排还是其他因素造成的,并说明还需补充哪些资料。”
这条指令把问题提了出来,也给原因分析留出了余地。如果一开始就要求“证明公司通过赊销虚增利润”,分析容易受到预设结论的影响。前一种问法更有利于保持客观。
(二)R:要求与口径——让任务可以执行
要求“深入分析”,就要进一步说明采用合并报表还是母公司报表、金额以什么为单位、使用年度数据还是累计数据、比较数是否经过追溯调整,以及怎样选择同行样本。
例如:“先提取收入、营业成本、净利润、经营活动现金流量净额、应收账款和存货数据,注明原文位置。核对期间与单位后,计算增长率、毛利率和周转指标。口径有差异的,单独说明,不作直接比较。”
研究真实企业,不能靠虚构数据补齐缺口。若只是讲解方法,可以另设匿名模拟案例,但要标明假设,并与真实公司的分析分开。
(三)I:迭代与检验——追问缺口,检验解释
多轮对话要能逐步解决问题。反复要求“更专业、更深刻”,并不能替代具体的追问。
可以在第一轮让模型列明资料缺口和分析方案,第二轮核对数据与计算,第三轮再检查原因解释,等资料足够后撰写正文。如果任务清楚、资料齐全,也可以一次交代整个流程,不必每做一个动作就另开一轮对话。
追问可以具体到:“哪项资料支持这个结论?”“有没有其他解释?”“剔除这一因素后,结论还能成立吗?”
要求模型提供可检查的依据、公式、关键假设和结论的适用条件即可,无须让它展示全部内部思考。[4]
(四)S:来源与数据——把检索结果变成证据
模型记忆不能充当实时数据库,但模型确实可以通过工具获取资料。需要核实的是:在这一次任务中,它有没有实际检索、打开并核对所用来源。
核对公司数据,优先查交易所、公司公告和原始财务报告;核对政策、准则,则优先查发布机关的正式文本。提示词中应要求列出文件名称、发布日期、适用期间、完整链接,以及相关页码或条款。没有访问到全文,就应如实说明,不能拿搜索摘要代替已经核验的原文。
对上传的资料,可以这样要求:“先列明已经读取的文件和本次使用范围。关键数字请注明文件名、报告页码,或所在工作表与单元格。无法辨认、未披露和缺失的数据分别标注,不得以零代替。”
有引用,还得看引用是否恰当:它能否支持相邻结论,是否适用于文中分析的主体和期间。
(五)P:专业表达与边界——结论服从证据
使用专业术语,是为了把意思说准确。写“净利润”,应说明是不是归母净利润;写“现金流”,应说明指经营活动现金流量净额,还是其他口径。术语堆得多,分析未必就深。
讨论财税规则,要交代适用地区、主体、期间和相关事实。分析异常指标,应把风险线索与违规认定分清;作经营预测,则须列明假设和不确定性。
例如,做“资本化率上下浮动10%”的敏感性分析,得先问清楚:这里的10%指相对变动,还是10个百分点?测算采用了哪些简化假设?所得税、后续摊销及其他影响是否考虑在内?情景测算只是用来观察影响,不能据此认为企业可以任意选择会计处理。
三、从资料到文章:四个最值得改进的提问环节
(一)先核对资料,再建立论点
文件上传后就要求写全文,遗漏的数据或识别错误容易一路带进正文。可以先整理资料清单、建立数据底表,再着手写作。OpenAI的分析任务示例也采用这样的安排:先明确问题、指标和来源,再执行分析并验证结果。[3]
指令可以这样写:
请先核对上传资料是否覆盖分析期间,将年度报告、半年度报告和更正文件区分清楚。提取本文所需数据,注明期间、单位、口径及原文位置。数据缺失、重分类或前后不一致的问题,单独列出。此时先不写正文。
关键表格还须回到原文核对。跨页表格、括号表示的负数、合计行和单位转换,都要特别留意。文件上传成功,并不代表相关内容已被完整、准确地提取。
(二)让计算结果能够复算
多期数据、同行比较和敏感性分析,可以交给电子表格或代码计算,同时保留底表。如果当前环境无法运行计算工具,就应明确说明,不能把模型生成的数字说成实际执行计算所得的结果。
例如:
请以确认后的底表为基础计算指标,列出公式、输入值及结果。计算周转指标时,说明期初期末平均值如何取用;增长率涉及零基数或负基数的,说明其解释限制。底表保留未四舍五入的计算值,正文中的显示精度保持一致。
自动计算能完成执行环节,却无法弥补指标选择或口径使用上的错误。指标选错了、口径混用了,数字再精确也没有意义。
(三)沿着报表关系追问,避免单指标归因
把一个财务现象解释清楚,文章往往就有了深度。
企业净利润增长、经营现金流却下降时,可以顺着应收款项、存货、应付款项和其他经营性收支查下去,再结合结算政策、季节性及业务扩张情况作出判断。利润与现金流背离,本身还不足以认定收入虚增。
可以这样提问:
请结合利润、营运资金与经营现金流的关系解释这一差异。每项可能原因,都请列明已有证据、反向证据和待补充资料。无法量化的因素不要强行分摊;有多种解释的,保留分歧。
杜邦分析等工具也有同样的问题:指标分解与经营归因要分开看。权益乘数上升,能够从算术关系上解释ROE的变化;至于融资安排为什么变、风险有没有增加,还得另找证据。
(四)安排一次有针对性的反向审阅
有了初稿,可以让模型集中检查几类容易出错的问题:事实和推断有没有混写,是否把相关关系写成了因果关系,同行样本能否比较,政策是否适用,以及建议有没有超出企业现有的资源条件。
请复核本文最重要的五项结论,逐项检查证据是否充分、有无替代解释、措辞是否过度。指出可在原文中检索到的句子,给出必要修改。缺乏依据的结论应降格或删除,不必为了凑数而提出问题。
模型自查可以帮助发现遗漏,但不能视为独立审计。重要数据和重大判断,仍需作者查阅原始资料、亲自复核。
四、可直接使用的财务文章写作指令
模板用来减少遗漏。实际使用时,删去与任务无关的项目即可,避免把一套固定要求层层叠加,最后变成冗长指令。
任务与读者
请协助撰写《[文章主题]》,读者为[目标读者],重点回答[核心问题]。研究期间为[期间],资料核验截至[日期],全文预计[字数]字。
资料与口径
优先使用[文件清单]。如需补充外部资料,限于[来源范围]。报表采用[合并/母公司]口径,金额单位为[单位]。请区分年度与中期、时点与期间数据;涉及追溯调整的,采用适当的比较口径并予以注明。
先核对资料覆盖范围和数据底表。缺失、无法核验的项目如实标注,不得编造数据、案例、引文或链接。对影响核心判断的资料缺口,集中列明;不受影响、可以继续的部分先完成。
分析要求
请结合相关报表、附注和业务资料,围绕[两至四个核心问题]分析。关键指标须列明公式与口径。有计算工具的,执行计算并保留底表;无法执行的,如实说明。将事实、计算结果、分析推断和预测假设区分清楚,并检验主要结论是否存在替代解释。
结构与表达
请先提交简要提纲,说明各部分的证据安排,待方案确认后再写正文。围绕问题行文,不必机械套用所有财务指标。文风保持专业、可信、简洁,保留必要限定语,删去空泛评价、重复解释和无助于理解的术语。
关键事实附近标注参考文献序号,文末列明完整出处和链接。数据底表单独列示,正文保留影响判断的数字。
交付与复核
请交付完整文章、数据底表和尚未解决的问题清单。交付前,复核数字、口径、引用和结论是否一致;尚未完成的核验,要明确说明。
这套指令适合资料较多的研究文章。如果只改一段文字,说明修改范围、需要保留的内容和表达要求就够了,无须套用整份模板。
五、把AI写作纳入财务工作的质量控制
要让流程稳定运行,可以把工作分为三个阶段。
问题与资料准备。
作者先确定文章用途、核心问题与证据范围,再整理文件、明确指标口径。处理敏感资料,应遵守企业授权,尽量减少不必要的个人信息和商业秘密,同时保留分析所需的业务关系,避免脱敏之后缺少解释问题的必要条件。
分析与写作。
AI可以协助提取资料、执行计算、比较不同解释并组织文字。重要口径一经确定,就应连同已确认的底表,保留一份简明任务说明。更换对话或稿件版本时一并提供,以减少旧口径、过时结论混入新稿的情况。
复核与定稿。
作者应重点核对关键数字能否复算、引用出处能否支持结论、事实与推断是否分清,以及建议是否具备执行条件。管理建议尽量写明责任部门、实施条件和观察指标,不能只写“加强管理、提高效率”。
定稿前也要推敲文字。比如,“公司通过卓越的管理能力实现了高质量增长”,可以改成“收入增长主要来自销量提升;应收账款增速仍高于收入,回款表现需继续观察”。后一句有具体事实,也说明了判断的限度。当然,作出这样的表述,仍须有相应数据支持。
对经常要做的任务,可以留下少量固定样例,用来比较提示词修改前后的结果:错误少了没有,底表是否完整,结论是否便于复核,人工返工是否减少。模型升级后,这些样例还应重新检验,不能默认旧模板依然适用。
结语
有工具配合,大模型能够承担资料整理、计算分析和文字修订等工作,财务经理也就有机会多花些精力研究问题本身:哪些变化值得解释,证据够不够支持结论,还有哪些判断需要等一等。
这仍然离不开专业积累。熟悉业务、报表和规则,才更容易发现口径错误,提出有价值的追问。工作流程也应允许作者和模型承认不知道,再通过补充资料、复核计算、检验不同解释,让判断有扎实的依据。
财务文章的深度,不能只看术语多少、篇幅长短。重要问题有没有说清楚,读者能不能看到依据、理解结论的边界,才是衡量文章的关键。AI可以参与其中,最终写什么、发布什么,仍由作者决定并把关。
版权声明
本文原创文字及编排的著作权由财误通鉴依法享有。除法律另有规定外,未经许可,不得复制、转载、改编或通过信息网络传播;依法引用应注明作者、文章名称及出处,不得歪曲原意。第三方资料的权利归原权利人所有,依法不受著作权保护的内容不属于本声明的专有权利范围。
免责声明
本文仅供学习研究与工作方法交流,不构成针对具体事项的财务、税务、法律或投资意见。模型功能、适用规则及资料内容可能变化,使用者应结合实际情况核对原始资料并履行必要的专业复核。作者不对AI输出或方法应用的结果作出保证;相关责任依法确定。



