当我把一份年报交给 WorkBuddy
最近我在关注家电行业的年度报告。整理公开资料时，我想快速回答几个很具体的问题：哪家公司的收入增长更有质量？利润增长有没有现金流支撑？应收账款和存货的变化是否值得关注？不同业务板块到底是谁在贡献增长？于是，我打开了 WorkBuddy。
我的第一反应很直接：把年报交给 WorkBuddy，让它帮我整理一份财务分析。这个思路看起来很顺------上传 PDF，提出问题，然后等待答案。
我先选了美的集团 2025 年年度报告。这份报告有 276 页，除了三大财务报表，还有分产品、分地区、分业务板块的数据和大量财务附注。它足够典型，也足够复杂，我想看看 AI 到底能不能处理一份真实年报。
一、第一次尝试：直接分析原始 PDF
我把原始年报上传到 WorkBuddy，输入了下面这段提示词：
请仅依据上传的 2025 年年度报告，分析公司的收入、净利润、毛利率、经营活动现金流、应收账款、存货和主要业务板块变化。先列出关键数据及同比变化，再解释变化原因，最后总结经营亮点、潜在风险和需要进一步核验的问题。所有数字注明原文页码、表名和单位；报告中没有明确依据的内容请标注"无法确认"。
【图 1：WorkBuddy 直接处理原始 PDF任务】
【图 2：WorkBuddy 直接处理原始 PDF 的过程与结果】
等待 22 分 47 秒后，我得到了第一版回答。它已经能够抓住提示词要求的主要指标，但我仍然需要频繁回到原 PDF，确认数字来自哪张表、对应哪个年度和单位，以及同比口径是否一致。回答并非不能用，只是对于一份需要认真核验的财报分析来说，这部分人工检查仍然很重。
二、问题不一定出在分析，而可能出在解析
继续检查后，我意识到，年报和普通文章并不是同一种文档。它有数百页内容，表格中还包含多级表头、合并单元格、跨页延续的项目、单位说明和脚注。
普通文本提取也许能够找到"营业收入"几个字，却未必能同时保留这个数字属于哪一列、对应哪个年度、采用什么单位，以及是否受到脚注条件限制。一旦这些关系在解析阶段被打散，后面的分析再流畅，也可能建立在不够完整的输入上。
这让我改变了思路。我需要寻找的不是另一个更会写总结的模型，而是一个能先把财报结构整理清楚的解析工具。
三、在 WorkBuddy 里找到 TextIn xParse
回到 WorkBuddy 的应用入口后，我注意到了 TextIn xParse。点开后可以看到，它不仅能处理 PDF，也面向 Word、Excel、PPT 等文档，甚至图片，解析结果还能继续导出为 Markdown 或 JSON。
这正好对应我刚才遇到的问题：WorkBuddy 继续承担提问、组织任务和生成分析的工作，而 TextIn xParse 先把年报中的文字、表格与版面关系整理成更适合后续使用的结构化内容。 
【图 3：WorkBuddy 中 TextIn xParse 的入口】
【图 4：同一 PDF、同一提示词下启用 TextIn xParse】
我没有立刻换一套问题，而是决定建立一个尽量简单的对照：仍然使用同一份美的集团年报、同一个 WorkBuddy 任务和同一段提示词，只在第二次运行时启用 TextIn xParse 连接器。这样，后续观察到的差异不会来自文件和提问方式的变化。 
【图 4B：接入TextIn xParse WorkBuddy 重新处理原始 财报PDF任务】
这次对照只改变了解析环节，后面还要分别检查结构和耗时，不能把"回答更快"直接等同于"内容更准确"。
四、TextIn xParse 处理的如何
解析过程中，TextIn xParse 生成了按原文顺序组织的 Markdown。我下载了其中包含关键财务表格的 01_美的集团_2025年年度报告.md。本次实际保存的解析正文格式是 Markdown，因此下文只依据这一真实产物展开。
这里的 Markdown 不是所有表格都转换成简单的 | 分隔文本；复杂表格会在 Markdown 正文中嵌入 HTML <table>，并用 rowspan、colspan 表示跨行和跨列。对年报这种有合并表头的文档来说，这是一种保留结构的结果，不是格式出错。后面的对照图会同时保留原表和解析后的结构化表格，避免只展示脱离行列关系的纯文字。
为了观察解析阶段到底保留了什么，我没有先看最终总结，而是直接打开原始 PDF 和这份 Markdown，选择两张结构较复杂、同时又与后续分析直接相关的表格进行核对。
第一张是年报第 49 页的"营业成本构成"。这张表同时包含"行业分类"和"项目"两个行维度，以及 2025 年、2024 年各自对应的金额和占比，最右侧还有同比增减。原材料、人工工资、折旧和能源又共同隶属于"家用电器行业"。在 xParse 生成的 Markdown 中，年份表头、金额与占比的从属关系被保留下来，合并单元格则通过 rowspan 和 colspan 表达。
【图 5：原始年报第 49 页"营业成本构成"与 xParse Markdown 对照】
第二张是年报第 53 页的"资产构成重大变动情况"。它在同一行里同时放置期末金额、占总资产比例、期初金额、占比变化和重大变动说明。应收账款与存货也出现在这张表中，后续可以直接检查 WorkBuddy 是否把账面价值、占比和同比变化混为一谈。
【图 6：原始年报第 53 页"资产构成重大变动情况"与 xParse Markdown 对照】
这张对照图还保留了两个容易被忽略的定位信息：PDF 阅读器报告正文印刷页码是 53；Markdown 中也有出现 <!-- 53 --> 页码标记。表内的"2025 年末/2025 年初"两级表头、金额、占总资产比例和变动说明仍然对应在正确列中。对后续核验来说，这意味着我不仅能找到数字，也能快速确认它来自报告的哪一页、哪一种口径。
这两组对照说明，文档解析的价值不只是"把 PDF 变成文字"。金额本身被识别出来只是第一步，更重要的是年份、单位、占比和项目名称之间的关系仍然存在。只有这些关系先被保存下来，WorkBuddy 后续才有条件继续提取和比较。
五、同一任务下的处理时间对照
完成表格核验后，我再回看同一任务的运行记录。第一次直接分析原始 PDF 用时 22 分 47 秒，并且只给出了简单的文本结果，后续核验只能自己去原文中找；启用 TextIn xParse 后，本次运行用时 2 分 59 秒，且中间产出了完整的Markdown解析结果，之后才是财报分析结果。
【图 7：两次运行的处理时间对照】
| 对比项目 | 直接分析原始 PDF | 启用 TextIn xParse |
|---|---|---|
| 本次处理耗时 | 22 分 47 秒 | 2 分 59 秒 |
| 对照条件 | 同一份年报、同一套提示词 | 同一份年报、同一套提示词，增加 xParse 连接器 |
六、从一家公司扩展到一个行业
前面我们检查了一份年报的表格结构，记录了同一任务的处理时间。现在继续回答另一个问题：同一套字段和提示词，能不能同时处理多家公司，并把结果放进同一个可核验的比较框架？为此，我又准备了海尔智家和格力电器的 2025 年完整年报。
先固定输入和比较口径
三家公司报告年份一致，但规模、业务结构和披露习惯并不完全相同。我先把金额统一换算为亿元，再将比较字段分成三组：
- 增长：营业收入、归母净利润及扣非归母净利润同比增速；
- 质量：毛利率、归母净利率、经营活动现金流净额，以及经营现金流/归母净利润；
- 资产：应收账款、存货，以及应收账款和存货相对营业收入的变化。
我给 WorkBuddy 的横向比较提示词是：
请仅依据已上传的美的集团、海尔智家和格力电器 2025 年年度报告，建立一张可核验的横向比较表。金额统一为亿元；每个指标同时列出 2025 年数值、2024 年数值、同比变化、单位、公司、报告印刷页码和表名。请把报告直接披露的同比与根据两个年度数值计算的同比分开标注。分别回答：哪家公司的利润增长更快、哪家的经营现金流相对利润更充足、哪家的应收账款或存货变化最值得关注。无法从原文确认的原因请明确标注，不要补写原文没有的解释。
第一层：同一任务如何复用
三份年报都通过相同的 TextIn xParse 连接器处理，并使用同一套字段和单位要求。这里的重点不是结果有多长，而是让我看清楚输入范围没有被悄悄改变。
【图 8：三份年报与 TextIn xParse 的统一处理任务】
第二层：把结果做成可检查的横向表
这次实际生成了 Excel 文件《白色家电三巨头 2025 年报横向比较表》。它具备所需的骨架：标题、统一单位、按主题分组的指标、同比列，以及表格下方的来源和页码说明。相较于只展示一段自然语言结论，表格更适合检查"同一行是不是同一口径"。
【图 9A：三份年报横向分析完成并生成 Excel】
这次三份年报横向任务的界面记录显示耗时 9 分 49 秒。这个时间可以作为多文件实操的过程记录，但不和前面单份美的年报的 2 分 59 秒直接计算倍数：文件数量、总页数和输出任务都已经发生变化，二者并不是严格的同一组对照实验。
为了让表格内容更容易阅读，我又单独打开生成的 Excel。它把三家公司的核心利润、现金流、盈利能力和资产质量放在一张表里，并在下方保留来源和计算口径说明。
【图 9B：三家公司 2025 年报横向比较表】
第三层：从复杂表格扩展到图片和跨页内容
前面美的集团案例已经展示了多级表头和合并单元格，因此这里不再重复放置同一张"资产构成重大变动情况"。我把抽查范围扩展到海尔和格力，并刻意选择三种不同难点：数值与比率混排、图文混排，以及跨页长表格。这样更能看出 xParse 面对不同年报版式时究竟保留了哪些内容。
第一张来自海尔智家报告印刷第 113 页的"截至报告期末公司近 2 年的会计数据和财务指标"。这张表既有净利润这样的绝对金额，也有流动比率、资产负债率和利息保障倍数等不同类型指标，最右侧还包含同比增减。解析后的 Markdown 保留了 2025 年、2024 年和同比三列之间的对应关系，百分比、倍数和金额没有因为版式转换而串行。 
【图 10：海尔智家近两年财务指标原文与 Markdown 对照】
第二张来自格力电器报告中的产品介绍页。它让我看到，xParse 处理的并不只有文字和表格：原 PDF 中的产品图片在输出文件里被保存为 Markdown 图片引用，当前打开 Markdown 时仍可继续渲染显示；图片前后的产品说明、章节标题和出现顺序也被保留下来。对于包含产品图、流程图或示意图的企业报告，这比只提取一段 OCR 文本更完整。 
【图 11：格力电器图文混排页面在 Markdown 中的保留效果】
第三张是这一组里最能体现结构处理能力的例子。格力"证券投资情况"原表横跨报告第 32、33 页，包含证券品种、代码、计量模式、公允价值变动、本期买卖金额、报告期损益和期末账面价值等十余列。原 PDF 受分页限制被拆成上下两段，而 xParse 输出把两页内容衔接为一张连续表格，表头只出现一次后半页记录和最后的"合计"行仍然落在原来的列关系中。 
【图 12：格力电器跨页证券投资表在 Markdown 中合并为连续表格】
从这三组新增对照，再回看前面的美的复杂表格，可以把解析效果归纳为四点：多级表头没有被打散，金额与比率仍在正确列中，原文图片可以继续显示，跨页表格也能恢复为连续结构。它们分别对应年报处理中最常见的几类难点，比继续增加相似的普通表格更有展示价值。
这一轮比较说明了什么
从一家公司财报分析扩展到三家公司财报综合后，TextIn xParse 的作用不再只是把 PDF 变成文字，而是把不同版式、不同单位的表格、图片及跨页内容整理成可继续使用的结构，WorkBuddy 再按统一字段生成比较表。人的工作从逐页搬运数字，转向统一口径、抽查结果和解释差异。
结语：真正重要的是让结构先被保留下来
这次体验让我重新理解了财报分析中的"自动化"。真正的效率不是把一份 PDF 更快地变成一段文字，而是让文档中的表格结构、图片、跨页关系和上下文在后续分析中继续有效。
WorkBuddy 给了我一个可以提问、组织任务和生成结果的平台，而 TextIn xParse 解决了更基础、也更容易被忽略的一步：**把复杂企业文档解析成可继续使用的结构化资料。**多级表头没有被拆散，原文图片能够在 Markdown 中继续显示，被 PDF 分页切开的长表也可以重新衔接，这些细节决定了后续分析能否建立在完整输入上。
当我把同一份年报用同一套提示词做前后对照，再把流程扩展到海尔智家和格力电器时，xParse 的价值就不再只是一个入口或一个转换按钮，而是成为财报分析链路中负责"把文档读准确"的基础能力。
当然，财报分析仍然需要人工判断，尤其是会计口径、一次性损益、关联交易和风险事项。我的结论不是让 AI 代替财务人员，而是先把整理、提取和交叉比较这些高重复工作交给工具，把时间留给真正需要判断的地方。
如果你也在处理财报、研报或其他复杂文档，可以直接进入 WorkBuddy，在连接器入口找到并启用 TextIn xParse 再上传文档开始解析
说实话 ，我还是第一次体验如此高精度的解析能力，如果你也对此感兴趣，不妨在WorkBuddy中打开 TextIn xParse连接器体验一下，相信你也会像我一样眼前一亮的
注：本文数据来自上市公司公开披露的 2025 年年度报告，相关分析仅用于展示文档解析与信息整理过程，不构成任何投资建议。