把一场英文财报电话会直接交给大模型,容易得到一张看似完整、却难以核对的摘要表:分析师提问被写成公司指引,当季业绩和下季度预测混在一起,表里的数字找不到对应原句。解决这些问题,可以先在 Python 层完成角色划分和证据编号,再让模型提取结构化结果,最后检查引用是否真的存在于输入中。
本文以博通 AVGO 的 2025 财年第三季度电话会为固定历史样本,演示“获取原文 → 保留完整发言 → 筛选候选段 → 生成提取任务 → 验证引用”的流程。数据通过 FMP(Financial Modeling Prep)电话会接口读取。样本会议召开于 2025-09-04,以下业务数字均表示当时的披露或预测,不作为当前经营预测。
一、先区分财年、会议日期和数据粒度
这两个接口承担不同任务:
| 接口 | 必要参数 | 用途 |
|---|---|---|
/stable/earning-call-transcript-dates |
symbol |
查询可用会议的 fiscalYear、quarter、date |
/stable/earning-call-transcript |
symbol、year、quarter |
读取指定财年季度的 content 原文 |
不要把会议召开日期中的自然年直接当成财年。应先查目录,核对财年与季度,再请求正文;AVGO 本例对应 year=2025, quarter=3。日期目录和正文还应一并落盘,便于数据源更新后回查本次输入。
下面使用 Python 3 标准库读取数据。示例接入地址为 F 站的数据服务地址,可替换为你已有授权的兼容入口;凭据通过环境变量提供,不写进文章或源码。
import json
import os
import urllib.error
import urllib.parse
import urllib.request
from pathlib import Path
BASE = os.environ.get("FMP_BASE_URL", "https://quote-fmp.com/stable").rstrip("/")
KEY = os.environ["FMP_API_KEY"]
def get_rows(endpoint, **params):
query = urllib.parse.urlencode({
**params, "apikey": KEY})
request = urllib.request.Request(
f"{BASE}/{endpoint}?{query}", headers={
"User-Agent": "transcript-example/1.0"}
)
try:
with urllib.request.urlopen(request, timeout=30) as response:
rows = json.load(response)
except urllib.error.HTTPError as exc:
raise RuntimeError(f"数据请求失败:HTTP {exc.code},请检查授权和参数") from None
if not isinstance(rows, list) or not rows:
raise ValueError("接口未返回非空记录列表,请检查授权、财年和季度")
return rows
dates = get_rows("earning-call-transcript-dates", symbol="AVGO")
matches = [r for r in dates if int(r["fiscalYear"]) == 2025 and int(r["quarter"]) == 3]
if not matches:
raise ValueError("日期目录未列出 AVGO 2025 财年 Q3")
records = get_rows("earning-call-transcript", symbol="AVGO", year=2025, quarter=3)
record = next(
r for r in records
if r.get("symbol") == "AVGO" and str(r.get("year")) == "2025" and r.get("period") == "Q3"
)
if not isinstance(record.get("content"), str) or not record["content"].strip():
raise ValueError("电话会正文为空")
Path("avgo_dates.json").write_text(json.dumps(dates, ensure_ascii=False, indent=2), encoding="utf-8")
Path("avgo_transcript.json").write_text(json.dumps([record], ensure_ascii=False, indent=2), encoding="utf-8")
print({
k: record[k] for k in ("symbol", "year", "period", "date")})
在 PowerShell 中先设置 $env:FMP_API_KEY = "你的已有访问凭据",再执行保存好的脚本。已有同格式 JSON 时,可以直接从下一步开始,不必重复请求。
二、保留完整发言,再筛选管理层候选段
本例原文采用 Speaker Name: Speech 结构,但解析时仍需保留不带发言人前缀的续行,不能把所有含冒号的行都视作新发言。高管白名单只适用于这一场历史会议,换公司或季度时需要重新核对;白名单之外的文本单独留存,不直接断言它们全是分析师提问。
以下代码与后面的校验函数可以保存在同一个文件中。
import json
import re
from pathlib import Path
MANAGEMENT = {
"Hock Tan", "Kirsten Spears"}
SIGNALS = re.compile(r"\b(guidance|forecast|expect|backlog|orders|ship|shipping)\b", re.I)
SPEAKER = re.compile(r"^([A-Za-z][A-Za-z .\-'’]{0,70}):\s*(.*)$")
def split_turns(content):
turns = []
for line in content.splitlines():
line = line.strip()
if not line:
continue
match = SPEAKER.match(line)
if match:
turns.append({
"paragraph_id": len(turns) + 1,
"speaker": match[1].strip(), "text": match[2].strip()})
elif turns:
turns[-1]["text"] += "\n" + line
else:
turns.append({
"paragraph_id": 1, "speaker": "UNKNOWN", "text": line})
return turns
def make_packet(record):
turns = split_turns(record["content"])
management = [p for p in turns if p["speaker"] in MANAGEMENT]
candidates = [p for p in management if SIGNALS.search(p["text"])]
total_words = len(record["content"].split())
kept_words = sum(len(p["text"].split()) for p in candidates)
return {
"source": {
k: record.get(k) for k in ("symbol", "year", "period", "date")},
"stats": {
"total_turns": len(turns), "management_turns": len(management),
"other_turns": len(turns) - len(management), "candidate_turns": len(candidates),
"total_words": total_words, "candidate_words": kept_words,
"word_reduction_pct": round(100 * (1 - kept_words / total_words), 1) if total_words else 0,
},
"candidates": candidates,
"remaining_turns": [p for p in turns if p not in candidates],
}
record = json.loads(Path("avgo_transcript.json").read_text(encoding="utf-8"))[0]
packet = make_packet(record)
Path("avgo_evidence_packet.json").write_text(
json.dumps(packet, ensure_ascii=False, indent=2), encoding="utf-8"
)
print(json.dumps(packet["stats"], ensure_ascii=False, indent=2))
2026-11-11 对上述固定历史样本重新请求并执行后的输出:
{
"total_turns": 60,
"management_turns": 19,
"other_turns": 41,
"candidate_turns": 8,
"total_words": 7375,
"candidate_words": 3480,
"word_reduction_pct": 52.8
}
这里的 52.8% 是用空白分词统计的候选正文词数减少比例,不是模型 Token 降幅,也不是账单降幅。实际费用还取决于 tokenizer、提示词、输出长度和模型计费方式。
关键词筛选只用于生成第一轮候选输入,不能证明剩余段落没有重要指引。原文与 remaining_turns 已保留;需要检查遗漏时,再做第二轮复核。
三、让模型返回带来源编号的 JSON
提交给模型的是 source 和 candidates,无需把 remaining_turns 再塞回第一轮输入。可以使用下面的任务模板,适用于你已有的大模型交互界面或服务端调用流程:
你负责从财报电话会候选发言中提取信息。输入包含会议背景 source 和候选段 candidates。
候选段只是筛选结果,不代表事实全集。仅根据本轮输入回答。
输出 JSON 数组,每项包含:
paragraph_id、speaker、category、item、period_raw、period_normalized、
amount_raw、evidence_quote、needs_review。
规则:
1. category 只能为 actual(已实现)、guidance(预测指引)、order(订单)、other。
2. 订单不等于已确认收入;指引不等于之后实际实现的业绩。
3. evidence_quote 必须是对应段落内逐字连续存在的原文,不拼接不同句子,不改写数字。
4. 未披露的数量填 null,不补算、不猜测客户身份。
5. period_raw 保留原词;无法确定自然年还是财年时,period_normalized 填 null,
needs_review 填 true,不强制把 next year 换算成某个财年。
6. 不推导投资建议,也不根据会议之后的信息回写当时指引。
本例适合核查的三类事项如下。下表是对历史样本和公司同期财报发布稿的人工核对示例,不是本轮调用大模型生成的实测输出。
| 核查事项 | 应归入的口径 | 核对时需要保留的区别 |
|---|---|---|
| Q3 自由现金流约 70 亿美元 | actual |
电话会为取整表述;同期发布稿为 70.24 亿美元,保留来源精度 |
| Q4 合并营收约 174 亿美元 | guidance |
是当时的下一季度预测,不能写成已实现收入 |
| Q4 调整后 EBITDA 占预计营收 67% | guidance |
非 GAAP 指标、比例而非金额,必须保留“调整后” |
四、程序先检查引用,再由人核对语义
模型输出能解析成 JSON,不代表内容正确。下面至少检查段落编号、发言人、类别和原文引用。把函数加到上面的预处理脚本中,并将模型返回数组保存为 model_rows.json 后调用。
def validate_evidence(rows, packet):
originals = {
p["paragraph_id"]: p for p in packet["candidates"]}
allowed = {
"actual", "guidance", "order", "other"}
for row in rows:
p = originals.get(row.get("paragraph_id"))
if p is None:
raise ValueError("证据段落编号不存在")
if row.get("speaker") != p["speaker"]:
raise ValueError("发言人与证据段落不一致")
quote = row.get("evidence_quote")
if not isinstance(quote, str) or not quote.strip() or quote not in p["text"]:
raise ValueError("证据必须是原段落连续子串")
if row.get("category") not in allowed:
raise ValueError("类别不在允许范围内")
return rows
# 完成模型提取后执行;前面的预处理不依赖本文件。
# rows = json.loads(Path("model_rows.json").read_text(encoding="utf-8"))
# checked = validate_evidence(rows, packet)
这层校验能拦下错误编号、张冠李戴和编造引用,不能证明模型对财季、金额单位或事实类别的理解正确。引用通过后,仍需核对 actual 与 guidance 是否分清、订单是否被误写成收入,以及时间表是否在原文允许的确定范围内。
最终保留四份材料即可回查一次提取:会议目录、原始逐字稿、带段落编号的证据包、模型结果。完整原文只需本地存档,文章不必大段转载电话会内容。