工作原理
AI 如何作答
一条固定的漏斗、五类取证能力、一条硬约束：数字只能来自查询——以及查不到时会发生什么。
前面几页讲了数据怎么来、怎么加工。最后一环：AI 拿着这些数据，凭什么不胡说？
一句话总纲：溯言的 AI 不是「知道答案」，而是按固定流程去查证——像一个只许拿着原始凭证说话的研究助理。
一条固定的漏斗
第一步，确认「哪家公司」。 模糊名、代码、俗称都能落到唯一的公司；如果匹配出多个候选，AI 会把候选摆出来问你，而不是擅自挑一个。
第二步，确认「哪个指标」。 你的口语概念（「毛利率」「回款能力」）先映射到标准字段，不允许 AI 猜。这一步专门为堵住一类事故而生：AI 猜错字段编码、查询返回空、答案静默失真——先解析再取数，猜没有生存空间。
第三步取证，第四步组织答案——先结论、后举证，关键数字带角标。
取证有哪几条路
按问题的形状，AI 有五类取证能力：
- 查标准财务数字：「近三年毛利率怎么变的」——从标准字段库取数，溯源到表格单元格；
- 下钻财报原始表格：分部业绩、产量销量这类只存在于原始表格里的经营数据，按表格主题检索、整表读取；
- 检索正文段落：「管理层怎么解释毛利下滑」——按关键词找原文，命中段落带页码位置；
- 查行情与分红：估值水平、股息率、分红连续性；
- 先亮家底：这家公司有几份报告、覆盖到哪年、有多少可查指标——回答前先交代弹药库。
硬约束：数字只能来自查询
全页最重要的一条：财务数字必须由数据库查询返回，AI 不被允许凭训练记忆陈述数字。 这是架构层面的约束，不是提示语里的请求。
这条红线严到什么程度：凭记忆介绍一家公司的业务，再冠以「根据公开信息」——在溯言的工程标准里，这等于伪造来源，按缺陷处理。
查不到的时候
任何查询落空，答复都带两样东西：为什么空（是该报告没披露、公司还没接入，还是你的措辞没对上字段），和下一步建议（换个说法、看相近指标，或关注催更）。
极端情形：你问的公司全部还没接入深度数据时，AI 根本不会被调用——系统直接返回明确的空态提示。「没数据还硬聊」这条路，从结构上就不存在。
全程透明
两个可见性开关：
- 答案上方有可折叠的查询过程：AI 查了什么、查到什么，一步步可见，取证不是黑箱；
- 复杂问题（多年份勾稽、跨公司对比、口径辨析）可以打开深度思考：AI 先做一轮更充分的推理再作答，思考过程对你可见——代价是更多消耗，什么时候值得，由你决定。