这个 Skill 能做什么，适合哪些场景？
这是一个 Claude Code / Cowork 技能，用 Python + openpyxl 在 Excel 中从零搭建完整三表财务模型。它分五个独立会话推进（数据提取 → 利润表 → 资产负债表 → 现金流 → 回报与交叉校验），强制要求每个预测单元格都是 Excel 公式而非硬编码数值，并配套门禁脚本与 QC 校验体系保证模型质量。支持中国准则、IFRS 与 US GAAP，美股/A 股强制季度、港股强制半年度列结构。状态通过 state.、_model_log.md 和 _pending_links. 等磁盘文件持久化，中断后可从断点恢复。
- 通过 NotebookLM、Excel 上传或新浪/雅虎财经网页抓取，提取历史三表数据并写入 Raw_Info 工作表
- 构建 Assumptions 驱动假设表；多分部模型可额外建立 Revenue_Build（量×价/同比/指引爬坡）分部收入预测
- 用 openpyxl 逐表生成 IS / BS / CF，每个预测单元格都是引用 Assumptions 或同表行的字符串公式
- 现金流按年逐年搭建，BS 现金以占位符等待 SESSION D 从 CF 期末现金回填
- 运行 19 项 QC 校验（BS/CF/NI/REV 四大勾稽、硬编码扫描、NCI 滚动、公式完整性等）并写入会话门禁标记
- 在 SESSION E 末尾登记 _Registry 数据血缘表（原始数据 tier 分级 + 派生行公式溯源）
- 卖方/买方分析师需要为一家美股、A 股或港股公司搭建可直接提交 IC 备忘录的三表模型
- 投行新人或实习生的模型需要达到招股书/研报质量，勾稽全部为零、假设全部可追溯
- 建模过程中经常被上下文压缩打断、需要可靠断点续建的长会话用户
- 覆盖中国准则公司的研究者，需要原生处理营业利润差异（R8 插入行）而非套用通用模板
- 有多分部收入结构、需要量价拆分独立驱动的建模者（触发 SESSION A2 Revenue_Build）
- 只想 20 分钟内填一个粗略模板的用户——官方 financial-analysis:3-statements 技能更适合此场景
- Claude Pro 用户直接上传 200+ 页完整年报 PDF——作者明确警告 token 消耗极高
- 不使用 Claude Code / Cowork 且不想做适配的纯 API 调用者——5 会话流程与门禁脚本依赖 shell 与文件系统
如何安装这个 Skill？
- 静态评审：未执行任何代码，所有可靠性结论基于源码阅读，置信度低。
- README/SKILL.md 引用的核心脚本（qc_suite.py、preflight_check.py、per_session_gate.py、state_io.py）未在证据中出现，安装后请先核验其存在与可用性。
- gate-spec.md 明确承认多个 QC 项为未实现 stub，勿假设 19 项 QC 全部可用。
- NotebookLM 路径依赖 Google OAuth 与非官方 notebooklm-py 库（未文档化 API），中国大陆网络可能无法访问；建议优先使用 Excel 上传路径。
- 许可证元数据未知，商用前请确认授权条款。
- skill 要求修改用户全局 CLAUDE.md/偏好设置以注入恢复协议，请知情后再操作。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3.9+openpyxlyfinancepandasnotebooklm-py (optional)
两种安装路线，按所用客户端选择。
Claude Code（推荐 git clone + 符号链接，更新只需 git pull）：
git clone https://github.com/willpowerju-lgtm/3-statement-ultra-for-finance.git
cd 3-statement-ultra-for-finance
ln -s "$PWD/3-statements-ultra" ~/.claude/skills/3-statements-ultraClaude Code（无法建符号链接时直接复制）：
git clone https://github.com/willpowerju-lgtm/3-statement-ultra-for-finance.git
cp -r 3-statement-ultra-for-finance/3-statements-ultra ~/.claude/skills/Cowork：从仓库下载 3-statements-ultra-public.skill，在 Cowork 中 Settings → Skills → Install from file 选择该文件安装。
安装前需满足依赖：
pip install openpyxl yfinance pandas
pip install "notebooklm-py[browser]" && playwright install chromium如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 建个三表模型 for BABA
- build a 3-statement model for Tencent (0700.HK)
- 从零建模：600519.SS，用我上传的历史三表 Excel
- financial model — 数据在 NotebookLM 笔记本里，帮我启动 SESSION A
在会话中说触发词（如「建个三表模型」「build a 3-statement model for [公司]」）即可启动。首次运行会先执行 MARKET_GATE：询问公司上市地（美股/A股/港股/双重上市），锁定季度或半年度列结构。之后按五个会话推进：A（数据提取+假设）、A2（可选 Revenue_Build）、B（利润表）、C（资产负债表，现金占位）、D（现金流+回填）、E（回报+交叉校验+Summary）。每个会话可独立暂停与恢复，状态保存在磁盘文件中。作者强烈建议先在 Claude 用户偏好中粘贴「Compaction Recovery Protocol」块，防止上下文压缩后凭记忆写出错误行号或硬编码值。数据源优先级：结构化 Excel > NotebookLM 笔记本 > 网页回退；避免整本 PDF 上传。
这个 Skill 有哪些优点和局限？
- Rule Zero 强制全公式预测，假设一改模型即重算，无静默失效
- 19 项 QC + BLOCKER/WARNING 分级门禁，上一会话门禁未通过则下一会话拒绝启动
- 现金必须等于 CF 期末现金，禁止资产负债表残差插值——这是与官方技能最本质的差异
- 原生支持中国准则 R8 营业利润调节，A股/港股公司 EBIT 不会系统性出错
- 磁盘状态持久化设计完善，长会话中断可从断点恢复
- 完整流程需约 1–2 小时跨 5 个会话，远比单会话模板填充重
- 仓库未标注开源许可证，仅声明个人与研究用途、不提供任何担保
- NotebookLM 依赖非官方的 notebooklm-py 客户端，依赖未公开 Google API，随时可能失效
- 仓库无 Topics 标签，作者未提供独立测试套件的证据；兼容性声明（Claude Code / Cowork）来自作者自述
- Public Edition 移除了 Bark 通知与内部工作流集成，功能为删减版
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 三表模型 Ultra（3-Statements-Ultra） 本页 | 55 · 谨慎使用 | ★ 85 | 5 个月前 | — |
| 三表财务模型填充器 ✓ Anthropic · 官方 | 55 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
| 台股一鍵財務模型與投資簡報生成器 | 45 · 不推荐 | ★ 40 | 3 个月前 | — |
| XLSX 表格技能（Open Cowork） | 69 · 推荐 | ★ 2.2k | 12 天前 | MIT |
| 财报快评研究员 ✓ Anthropic · 官方 | 54 · 谨慎使用 | ★ 40k | 1 个月前 | Apache-2.0 |
README 中明确对比了官方 financial-analysis:3-statements 技能：官方技能快、适合快速填充模板，但现金流用资产负债表残差插值、收入单行假设、预测单元格混有硬编码、无 QC 门禁；本技能则强制现金=CF 期末现金、分部独立收入驱动、全公式预测、原生中国准则、19 项 QC 分级门禁与 NCI 滚动，代价是需要 5 个会话约 1–2 小时。粗略模型选官方技能，IC 备忘录/研报质量模型选本技能。
FollowSkills 如何评估这个 Skill？
证据显示：全部计算在本地 Excel/openpyxl 完成，无隐藏外发数据；NotebookLM OAuth 为可选路径且明示用途；MARKET_GATE 强制用户确认上市地；hooks 均自门控、仅拦截本 skill 上下文。扣分点：依赖第三方非官方 notebooklm-py（依赖未认证 API）与 yfinance/Sina 网络抓取，无失败回滚说明；许可证元数据未知；发布者未验证（本身不扣分，但归因链条不完整）。未达满分因数据流披露与恢复机制不完整。
证据显示：Rule Zero、会话启动协议、_State/JSON sidecar 持久化、4 个自门控 hook、per-session gate 设计逻辑自洽，错误信息具体可诊断（如 granularity guard 的 stderr 提示与修复命令）。扣分点：静态评审上限 10；核心脚本 qc_suite.py、preflight_check.py、per_session_gate.py、state_io.py 未在证据中提供，关键路径无法核验；gate-spec.md 承认 QC-1/3/4/5/6 等为未实现 stub；无提交的测试套件或 CI 证据。
证据显示：触发词明确（中英双语），声明了不适用范围（❌ 填写已有模板请用 financial-analysis:3-statements），支持美股/A股/港股与三种准则，用户确认颗粒度。扣分点：NLM 路径依赖 Google OAuth，在中国大陆网络可能不可达（已提供 Excel/网页回退，故非致命）；SKILL.md 在证据中被截断，部分边界（如数据缺失时的行为）依赖未提供的 reference 文件。
证据显示：文档分层清晰（SKILL.md → references/）、版本化（v6.0）、含变更日志、FAQ、pitfalls 索引、安装指引与符号链接更新路径。扣分点：许可证未知；README 承诺的 scripts/ 目录文件未在证据中出现，命名与实际交付物无法核验；维护责任与更新路径仅依赖个人仓库，无明确治理声明。
证据显示：目标产出明确（公式联动的三表 Excel），与官方 skill 的对比论证具体（Cash 不得 plug、分部收入、CN GAAP R8、NCI 滚动），边际价值论证充分。扣分点：静态评审上限 7；无任何执行证据或代表性输出可验证；自称 representative 模型 38/39 PASS 属作者自述；5 会话 × 1-2 小时的成本相对较高，性价比未经证实。
证据显示：源码内含可审计的 hook 实现、QC schema、pitfall 清单，事实与设计意图区分清楚。扣分点：静态上限 5；所有执行性声明（38/39 PASS、QC 通过率、hook 拦截率）均无第三方或 CI 佐证；关键脚本缺失导致结论不可独立复现。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →