Financial Report Evidence Finder

给定一份已经解析入库的财报 PDF（10-K / 10-Q 等）和一句自然语言问题，返回能支撑该问题的物理页码精确引用，便于逐页回查原始数字。

本技能只负责定位证据页，不负责计算答案、不做投资分析、不生成结论。

一、适用场景

用户拿着一个财报相关问题，想知道"这句话/这个数字出自哪一页"，例如：

"3M 2022 年的经营活动现金流是哪一页？"
"Amazon 2017 年的客户集中度风险披露在第几页？"
"这份 10-K 里，分部收入数据的原始表格在哪？"

典型触发语句："哪一页"、"出自哪页"、"找到原始表格"、"page citation"、"evidence page"、"这份财报里的 X 在第几页"。

不适用：要求算出答案（如"EBITDA 是多少"）、跨文档比较、写研报。这类请求应转交分析/计算流程；本技能只交付页码线索。

二、前置条件

需要一份已按物理页切分并入库的财报文本，每页可回查三个属性：

| 属性 | 说明 | | --- | --- | | document_id | 文档标识 | | document_sha256 | 整份原文件的 SHA-256（用于锁定修订版本） | | page_number | 物理页码，从 PDF 第 1 页起（区别于财报印刷页码） |

若尚未入库，请先完成"整份 PDF → 逐物理页文本"的解析（保留空白页，页码从 1 连续编号）。本技能不负责解析 PDF 本身。

三、检索方法

按以下顺序执行，页码必须来自真实存在的页面，禁止凭印象编造页号。

1. 识别问题指向的报表/章节

从问题中的关键词判断目标内容属于哪一类，以便优先检索对应页面：

| 问题线索词 | 目标章节 | | --- | --- | | revenue, sales, gross profit, operating income, margin, earnings, cost, expense, restructuring | 利润表 / 经营成果讨论（Results of Operations） | | asset, liability, equity, inventory, receivable, payable, goodwill, liquidity, debt | 资产负债表 | | cash flow, capex, capital expenditure, depreciation, amortization, dividend, repurchase | 现金流量表 | | segment, geography, region, product, reportable | 分部信息 / 业务分部数据 | | legal, litigation, proceeding, regulatory, antitrust, compliance | 法律诉讼 | | risk, uncertainty, exposure, customer concentration, supplier | 风险因素 / 客户集中度 | | tax, effective rate, deferred, provision | 税务附注 |

2. 词法检索

用问题中的内容词（去掉 the/a/of/in/for 等停用词与 "please"、"based"、"fiscal" 等礼节/元词）在页库中做词法打分，优先使用：

BM25（词频 × 逆文档频率，带长度归一化），对财报这种长文档效果稳健；
对同义/近义概念做适度扩展（如 cash flow ↔ capex/depreciation/amortization，segment ↔ geography/reportable），以提高召回。

仅返回在库中真实存在、打分大于 0 的页面。

3. 章节路由（提升召回）

章节标题（页面开头若干行）是高精度信号。若问题指向某类报表，将开头即出现对应标题的页面加入候选（如 "Consolidated Statement of Income"、"Consolidated Balance Sheet"、"Consolidated Statements of Cash Flows"、"Results of Operations"、"Legal Proceedings"）。

对业务整体特征类问题（如"这是不是资本密集型业务"），应同时纳入利润表、资产负债表、现金流量表三张主表，因为答案通常需要跨表印证。

4. 融合与截断

将"词法排名"与"章节路由排名"用 RRF（Reciprocal Rank Fusion） 融合：词法为主，路由为辅，输出前 N 个候选页。同一物理页只保留一次引用。

四、输出格式

用表格给出候选页引用，按相关性降序：

| 排名 | 页码 (物理页) | 文档 | 命中说明 | | --- | --- | --- | --- | | 1 | 48 | 3M 2022 10-K | 利润表标题页，命中 revenue / operating income | | 2 | 50 | 3M 2022 10-K | 资产负债表标题页 |

要求：

页码为物理页码，并注明 document_id 与 document_sha256（便于定位原文件与修订）。
"命中说明"须基于实际页面内容（标题或出现的词项），不得编造。
只返回真实存在于库中的页面；无命中时如实说明"未在该文档中定位到相关页面"。
建议给出不超过 N 条候选（默认 5，最多 20），便于用户快速核对。

五、异常处理

| 情况 | 处理方式 | | --- | --- | | 页库为空 | 说明"尚未载入任何页面，无法检索"，提示先完成入库 | | 问题为空或纯停用词 | 说明"问题缺少可检索的内容词"，请用户补充 | | 无任何页面命中 | 如实说明"未在该文档中定位到相关页面"，可建议更换关键词 | | 命中页与预期偏差大 | 输出多条候选页供人工核对，不臆断唯一答案 |

底线：任何情况下都不编造页码；所有返回的页都必须能被回查验证。若一份财报经过修订，旧引用应继续指向原修订（靠 document_sha256 区分）。

六、示例

问题："What are the geographies that Pepsico primarily operates in as of FY2022?"

输出：

| 排名 | 页码 | 文档 | 命中说明 | | --- | --- | --- | --- | | 1 | 5 | PEPSICO_2022_10K | 业务分部/地理区域描述页，命中 geography / operates | | 2 | 4 | PEPSICO_2022_10K | 业务概述页，含区域列举 |

用户据此翻到第 5 物理页即可核对原文，无需通读全篇。