local-ipo-advisor — IPO 投研决策顾问

让 Qoder / WorkBuddy / TRAE Work 成为企业的「IPO 情报参谋」：一条命令拿到基于真实在审企业数据 + 招股书 PDF 原文 + 本地 LLM 的风险解读、财务核查结论、估值对比、投资亮点与筹备简报。

为什么做这个

企业 IPO 投研需要持续跟踪在审企业的审核进展、财务数据、问询回复与招股书披露。原系统是一套功能丰富的 IPO 监控系统，但它的 AI 分析层依赖远程 OpenAI 兼容接口，且未被封装成可供外部 AI Agent 稳定调用的 Skill。

本 skill 把「AI 决策分析层」抽离升级为独立、纯本地、可稳定调用的 AI Skill，同时命中参赛要求的多项能力点：

RAG：招股书/问询函 PDF 原文 → 本地 LLM 基于原文提炼可借鉴点
数据分析：风险 / 财务 / 估值 / 亮点四大确定性引擎
Client/Server + OpenVINO 本地推理：事实走规则、判断走模型，防幻觉

核心原则：事实走规则，判断走 LLM

| 层 | 职责 | 实现 | |----|------|------| | 确定性事实 | 风险规则命中、财务勾稽结果、估值中位数、6 维评分、PDF 章节提取 | SQL / 公式 / 正则，绝不交给 LLM | | 生成性判断 | 风险解读、财务解读、估值观点、投资亮点、招股书借鉴点、简报措辞 | 本地 LLM，输入是规则计算后的事实 context |

LLM 仅做「总结 + 建议」，所有数值直接引用规则计算结果，双重防幻觉。

能力清单

| 命令 | 类型 | 说明 | |------|------|------| | companies | 规则 | 列出所有在审企业基本信息 | | risk | 规则 + LLM | 8 类风险规则扫描 → 本地 LLM 优先级排序 + 处置建议 | | finance | 规则 + LLM | 4 类财务勾稽核对 → 本地 LLM 解读异常 | | valuation | 规则 + LLM | 可比公司 PE/PB/PS 行业中位数 → 本地 LLM 分析折溢价 | | highlight | 规则 + LLM | 6 维投资亮点评分 → 本地 LLM 生成投资观点 | | brief <公司> | 规则 + LLM | 单公司 IPO 筹备简报（全维度） | | rag <公司> | PDF + LLM | 招股书关键章节 → 本地 LLM 提炼 5 角度可借鉴点 | | chat "<问题>" | LLM | IPO 场景自然语言问答 | | status / shutdown | 服务 | 查看/关闭常驻模型服务 |

快速开始

# 进入 skill 目录
cd skills/local-ipo-advisor

# 查看在审企业（确定性，无 LLM）
.\scripts\run.ps1 companies

# 风险预警 + 本地 LLM 解读（首次会自动拉起常驻模型服务，GPU 加载约 30-60s）
.\scripts\run.ps1 risk

# 投资亮点 + 投资观点
.\scripts\run.ps1 highlight

# 单公司 IPO 筹备简报
.\scripts\run.ps1 brief "傲雷科技"

# 招股书 RAG 借鉴点提取
.\scripts\run.ps1 rag "傲雷科技"

# 查看服务状态 / 关闭
.\scripts\run.ps1 status
.\scripts\run.ps1 shutdown

数据源（全部只读，红线：绝不写入）

| 数据 | 来源 | 读写 | |------|------|------| | 在审企业 / 风险 / 财务 / 估值 / 亮点 | C:\ai\ipomonitor\db\ipomonitor.db（SQLite） | 只读 | | 招股书 / 问询函原文 | C:\ai\ipomonitor\files\<公司>\*.pdf | 只读 | | 模型 | C:\ai\OpenVINO\qwen2.5-3b-int4-ov | 只读 |

路径可用环境变量覆盖：IPO_DB_PATH / IPO_PDF_DIR / IPO_MODEL_PATH。

确定性引擎（规则计算）

风险 8 规则：审核停滞 / 多轮问询 / 营收下滑 / 净利为负 / 毛利率偏低 / 海外占比高 / 关税数据缺失 / 数据缺失。
财务 4 检查：收入利润背离 / 利润率逻辑 / 数据完整性 / 增长波动。
估值对比：PE/PB/PS 行业中位数（读 valuation_compare.pe_ttm/pb/ps）+ 毛利率/净利率折溢价信号。
投资亮点 6 维：财务质量 30% / 业务护城河 20% / 合规风险 20% / 可比公司锚定 15% / 赛道β 10% / 关注度 5%。

RAG 设计

pypdf 提取招股书全文 → 关键词定位 6 章节（核心业务 / 主要产品 / 募集资金运用 / 风险因素 / 财务数据 / 市场地位）。
章节原文截断（每节 ≤1200~2000 字）作为 context 注入本地 LLM。
本地 LLM 从 5 角度（市场定位 / 商业模式 / 技术壁垒 / 募投项目 / 风险披露）提炼可借鉴点。
防幻觉：推断强制标注「（推断）」，原文缺失时明确说明。

架构（Client/Server + named pipe）

run.ps1 ──► client.py ──(named pipe \\.\pipe\local-ipo-advisor)──► server.py
                                                                     │ 常驻 Qwen2.5-3B-INT4 (GPU)
                                                                     ▼
                              业务计算层 ipo_calc.py（读 SQLite）+ pdf_extract.py（RAG）
                              + 本地 LLM 生成（解读/观点/简报/RAG）

named pipe：\\.\pipe\local-ipo-advisor，authkey 双端一致。
状态机：starting → loading → running → error → shutdown。
退出码：0 成功 / 1 一般错误 / 2 连接错误 / 3 模型加载中。

环境要求

Python 3.12 + venv openvino_env（已含 openvino / openvino-genai / pypdf）。
模型：Qwen2.5-3B-Instruct INT4（OpenVINO IR，genai 布局）。
依赖安装：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。

目录结构

local-ipo-advisor/
├── SKILL.md            # 本文件
├── info.json           # 模型路径 / venv 配置
├── meta.json           # 展示元信息
├── requirements.txt    # 依赖
├── config/
│   ├── config.yaml     # 数据源 / 模型路径
│   └── settings.py     # 配置加载
└── scripts/
    ├── llm_engine.py   # OpenVINO 本地推理引擎（常驻单例）
    ├── ipo_calc.py     # 业务计算层（风险/财务/估值/亮点 4 引擎）
    ├── pdf_extract.py  # 招股书 PDF RAG 提取
    ├── server.py       # named pipe 常驻模型服务
    ├── client.py       # 短生命周期客户端
    ├── run.py          # 非 AI 命令入口（确定性）
    └── run.ps1         # 固定入口（分发到 client.py / run.py）