谁在用溯言

下面四个场景，你熟悉哪一个？

场景一：自己动手的价值投资者

想把三家公司近五年的分红和自由现金流放进同一张表里比。机构里的同行打开付费终端，一键导出；你没有终端，只能挨个下载年报 PDF，翻到那几页，把数字抄进 Excel。抄到第三家，发现其中一年会计准则调整、口径变了——前面抄的没法直接比。一个周末过去，三家只搞完一家半。

场景二：想学看财报的新手

翻开人生第一份年报，第一页就是「归母扣非净利润」「经营活动产生的现金流量净额」。去搜名词解释，解释里又冒出三个新名词。买了课、收藏了长文，看完还是不知道怎么用到眼前这家公司上。热情耗尽，最后退回「听博主说」。

场景三：写文章要核数的作者

文章里要引一家公司的毛利率。从别人文章里转抄，怕数字是错的、被读者揪出来；自己回年报里核，一个数字翻半小时 PDF。一篇文章写下来，一半时间花在核数上。

场景四：财报季的持仓者

自家持仓的公司发了年报，新闻标题说「净利润下滑 20%」。想知道是主业滑坡、一次性计提，还是会计处理变了——打开年报，几百页，无从下手。最后还是靠标题和评论区形成了判断。

四个人，同三个困难

身份不同，卡住他们的其实是同三件事：

财报难读。 定期报告动辄数百页，关键数字散落在主表、附注、分部报表里；跨年份口径还会变（会计准则调整、追溯重述、报表项目改名），手工对齐既费时又容易错。

二手信息不可核。 新闻、研报、自媒体给出的数字，往往不标来源页码；转述几轮之后，连口径都变了味。

通用 AI 会编数。 直接问通用聊天机器人财务数据，它可能凭训练记忆流畅地报出一串数字——错的。这件事值得单独讲清楚，见与通用 AI 助手的区别。

而这四个人的共同点，恰好是溯言的立足点：要证据，不要结论——听到一个数字，第一反应是「哪来的」；自己下判断——不需要别人告诉他买什么；时间有限——逐页读不现实，只看二手又不放心。

溯言分别帮他们做什么

• 对比几家公司：一句「拿这三家比一比近五年分红」，AI 对齐成表、各带各的溯源——不用再手抄 Excel。见对比两家公司。
• 术语挡路：回复风格调成「大白话」，「净现比」这类行话当场换成日常表述。见问答与溯源。
• 写作核数：把数字问溯言，点角标直达财报原件的那一行——核一个数从半小时变成一次点击。见核对网上看到的数字。
• 财报季看懂变化：直接问「净利下滑是主业还是一次性计提」，AI 取证作答、先结论后举证。见财报季跟踪。

不适合谁

坦白说，溯言不适合以下需求：

• 想要股票代码和买卖点位的人。 溯言不荐股、不给操作建议。
• 做高频交易的人。 溯言以定期报告与公告为主，不是实时行情终端。
• 只想要一句话结论的人。 溯言的答案带证据链，读它需要一点耐心——这正是「认真研究」的成本。