Anthropic 在 Sonnet 5.5 发布页描述了一次内部测试：把一家上市公司的季度财报材料、电话会文字记录和幻灯片模板交给模型，要求制作 10 页经营复盘。两位专家认为第一版已可直接发送。
这个例子把 AI 的交付单位从一段回答推进到一组真实工作文件。对团队而言，问题随之变成：文件能打开、版式很好看之后，谁证明里面的数字、解释和行动建议值得采用？
下面是一套建议的验收流程，不是复现上述实验，也不是 Buda 对 Sonnet 5.5 的实测。它适用于“原始材料 → 工作底表 → 经营演示稿”这样的跨文件交付。
下单时就约定三个文件，而不是只要一份 PPT
第一份是证据表：每条关键事实对应文件名、页码或段落、期间、单位和原文。第二份是工作底表：保留计算过程、公式及必要的原始数值。第三份才是面向管理者的演示稿。
缺了前两份，漂亮的 PPT 会让审核人逆向追查每个数字。把可追溯材料作为交付物，既能减少复核成本，也能让下个周期复用同一套口径。
输入包也需要边界：使用哪个季度、币种、合并范围与模板；是否允许搜索补充信息；缺失数据如何标注；哪些判断只能写作建议，不能冒充管理层原话。先明确这些，再让 Agent 开始制作。
第一关：文档里的事实有出处，判断有身份
抽查所有影响结论的事实，而不只是第一页。收入、利润、客户数量、业务调整和管理层承诺，都应能回到原始材料的具体位置。
把内容分成三类：来源明确陈述、模型推导、建议行动。例如“公司预计下季度需求改善”可能是管理层指引；“需求改善会抵消成本上涨”则可能是推导。即使两句话相邻，也不能用同一个引用把推导包装成官方承诺。
对于资料没有覆盖的问题，交付物应标注缺口。允许 Agent 补充搜索时，必须记录新来源和日期；不允许搜索时，不应凭训练记忆补齐最新数据。Sonnet 5.5 的提示文档也建议用搜索核对可能变化的具体事实。
第二关：表格不只核对结果，还要核对计算链
以下为假设示例，不是任何公司的真实财务数据：上期收入 100、本期 120，增速应为 20%；上期毛利率 25%、本期 28%，变化是 3 个百分点，而不是 3%。PPT 里的数字应引用同一工作底表，避免重新输入后发生漂移。
检查期间是否对应、千与百万是否混用、币种转换是否注明，空值有没有被当作零。重算影响结论的总计和比率，并检查公式是否覆盖新增行、是否用错误分母、是否遗漏隐藏筛选的数据。
交付 Excel 时，打开文件并重新计算，检查公式与引用，不能只看缓存的显示值。交付 CSV 时，它通常不承载可复算公式，应另附计算脚本或说明。对业务关键数字，人工抽查或独立程序核验优于让同一 Agent 再口头保证一遍。
第三关：PPT 的叙事应与底表一致
一页“增长改善”可能没有算错，却忽略了低基数或一次性收入。核对数字之后，还要检查标题是否夸大、图表是否隐藏负面变化、时间轴是否一致，以及结论是否足以支持下一页的行动建议。
可以要求每一页写清一个问题、一个判断和对应证据。不要为了凑满 10 页增加材料无法支持的结论。对于仍需决策的事项，标注“待决策”和选项，不把模型建议写成已批准计划。
最后在实际展示环境里打开：字体替换、图表截断、标题溢出、模板错位、备注和敏感信息泄漏都属于交付失败。数字正确但观众看不清，也没有完成工作。
走完一个经营复盘：同一组数字，三份不同责任的文件
下面使用完全虚构的公司与数值，只演示验收方法。假设上期收入 100、本期 120；上期毛利 25、本期 33.6；本期收入中有一次性项目 18。输入材料分别是财务表、管理层电话会文字记录和演示稿模板。财务表有数字，电话会说新客户需求改善，但没有给出它对收入增长的贡献。
证据表先建立四条记录。 每条都带上源文件、位置、期间、单位和提取值。比如收入 120 对应本期财务表的收入行，一次性项目 18 对应附注；“新客户需求改善”对应电话会原文段落。最后一条应标为管理层表述，而不是一个可以参加加减乘除的数值。
工作底表再计算，而不是让 PPT 临时心算。 总收入增长为 (120-100)/100=20%；本期毛利率为 33.6/120=28%，比上期 25/100=25% 提高 3 个百分点。若仅为观察而从本期扣掉一次性项目，结果是 102；这只是本期的调整值。上期是否存在类似项目未知，因此不能直接把 (102-100)/100=2% 宣称为可比的持续性增长。
演示稿最后组织判断。 这一页可以写“总收入增长 20%，需拆分一次性因素”，并展示 100→120 的增长和本期 18 的组成；不能写“核心业务稳定增长 20%”。下一页可列待核查事项：上期一次性因素、新客户收入贡献、下一季度订单证据。结论留有缺口并不是交付差，而是没有把未知内容伪装成已知。
这就是跨文件验收的重点：底表算得对，只解决了数学问题；经营结论还取决于分母、调整口径和证据是否可比。
一次错误如何沿文件传播，退回时就沿路径修复
假设证据提取时把一次性项目 18 读成 1.8。底表的调整后收入会变成 118.2，演示稿便可能夸大持续性表现。此时只改 PPT 上的一句话，错误仍留在底表，下一次重生成就会回来。
退回单可以明确写：
证据表 E04 的提取值应核对附注原文，18 与 1.8 不一致。确认单位及来源后修正 E04，重算底表受影响的调整项，再更新所有引用该项的页面。总收入和总毛利率不依赖这一调整项，但仍需检查它们的页面说明是否被同步改错。上期调整口径缺失，保留待核查，不生成可比增速。
这份退回单同时指定了源头、影响范围和不能擅自补齐的缺口。Agent 的修复报告应列出改了什么、重算了什么、哪些页变了、哪些检查没跑。审核人再抽查源头和依赖项，而不是接受一句“已全部修好”。
发出前，一套有责任人的验收记录
验收表不必复杂，但每一项要有对象和失败动作：
| 检查对象 | 可接受的证据 | 失败时怎么处理 |
|---|---|---|
| 关键事实与单位 | 对应原始位置、提取值与期间 | 退回证据表，暂停依赖结论 |
| 关键公式与分母 | 独立重算结果、公式引用检查 | 修底表并同步所有依赖图页 |
| 调整后指标 | 两期口径和调整规则一致 | 不发布可比增速，标注缺口 |
| 经营判断 | 明确区分原话、推导与建议 | 改写标题，撤掉无来源因果 |
| 实际展示 | 在目标设备打开的版本、无截断或敏感备注 | 修版式或移除敏感内容再导出 |
| 最终放行 | 审核人、输出版本、未解决项与用途 | 不把草稿当批准版本传播 |
证据表审查、公式检查和最终放行可以由不同人承担。部门确认数据口径，不等于批准整份行动建议；演示稿批准内部讨论，也不等于批准外部发布。把用途写清楚，才能让团队知道这份文件到底能拿来做什么。
对重复任务，可以先固化模板、字段定义和退回单，再让 Agent 批量执行。批量生成不应扩大缺失事实的补全权限；连续几个季度使用，也不能让旧指引和旧审批自动变成当前有效记录。
把三关变成可退回的交付流程
先让 Agent 交证据表和底表，再确认关键口径，最后生成演示稿；或先做一版完整草稿，但在传播前执行同样的验收关口。哪种顺序更合适，取决于返工成本与期限。
发现问题时，退回具体文件、页码和字段。例如“第 4 页增长率来自错误期间，请修正底表 C8，并同步第 4、7 页”，比“再严谨一点”更容易验证。修复后核对受影响文件，不必毫无区别地重做全部内容。
保存验收记录：输入版本、输出版本、检查项、审核人、结论与未解决问题。换一名审核人或进入下个季度时，才能知道哪些口径已经确认，哪些数字必须更新。
让执行与可信记录各自有归属
Buda 承接 Agent 执行、上下文与可复用流程。可以把输入包、文件产出要求和验收清单组织为重复使用的工作流；如果使用可安装的 Skill，可以在 Buda AI 的 Marketplace 搜索并安装，再按团队任务调整。
当已核实的经营事实、指标定义或批准事项需要成为正式记录时，Busabase 可以通过 ChangeRequest 让变更经审核后进入可信知识库，并留下审计轨迹。它不替审核人验证财务事实，也不意味着 Agent 生成的整份演示稿自动获得批准。
模型完成更多文件工作，人类的价值便更多体现在设定口径、发现异常和判断行动。能直接发送的第一稿值得关注；能持续被复核、修正和复用的交付流程，才适合进入团队日常工作。
FAQ
两位专家认可第一稿，是否等于无需审核？
不是。它是厂商报告的一次内部测试结果，没有构成所有财务场景的保证。
Word、Excel、PPT 可以用同一清单吗？
可以共享来源和版本要求，但验收对象不同：文档看事实与判断，表格看计算链，PPT 看叙事与展示。
应该先追求自动化，还是先建验收标准？
先写出最小验收标准和失败退回方式，再扩大自动化范围，避免把审核债务留到传播之后。
图表复杂时，提高 effort 就够了吗？
不一定。官方提示测试表明，裁剪、放大和代码工具有助于读取密集图表；工具与输入质量也需要纳入设计。