🛡️ 审探 AuditProbe

基于白盒规则、证据定位与人工复核的财报风险筛查助手

金融行业应用 Agent 黑客松参赛作品 · 智能风控与反欺诈赛道 当前版本：v2.0.0（决赛版） · 初赛发布版：v1.0.0 · 当前决赛分支：final-sprint-react-v3 · 文档更新：2026-08-29

⚡ 30 秒快速认知

问题	答案
做什么	上传年报 PDF → 数据门禁 → 三路信号 (M-Score / 红旗 / F-Score) 排雷 → 监管案例核查任务 → HITL 人工复核 → 按门禁导出正式底稿或待复核草稿
给谁用	会计师与企业内审 / 银行信贷风控 / 券商投行与质控 / 保险资管与机构投资风控
凭什么不同	核心公式与仲裁规则可复算 + 18 种完整数据组合的三路信号确定性仲裁 + SHA-256 审计链 + 中注协第19号问题解答参考映射
怎么跑	python -m streamlit run ui/professional_app.py --server.port 8501
有无演示	5 组虚构基线 + 3 组公开历史事件索引；核心规则与缓存不依赖在线模型，部分前端资源需要网络

决赛分支当前状态

项目	已完成事实	对外边界
自动化回归	2026-08-28 当前工作树完整回归 386 passed（360 决赛基线 + 10 项发布安全门禁 + 16 项哈希链完整性）	测试数不等于产品准确率；最终冻结提交仍须在干净 Python 3.11 环境重跑
Ascend r5 正式验收	固定短任务 30/30，p50/p95 15.33/19.44 s；业务负载 15/15，finalizer overall_pass=true	证明对应 ModelArts 在线推理部署通过验收，不表示整套系统全部运行在 NPU，也不构成生产 SLA
T07 绝对指标参考	CPU 24/25，p50 64.986 s；NPU 25/25，p50 16.502 s	两端完整权重摘要未证明一致，禁止相除或声称“加速 X%”
v2.0.0 发布材料	18 页发布 PPTX + 24 秒 1080p 演示视频已按 v2.0.0 口径冻结，截图、386 项回归与正式底稿双门禁均已同步	两个媒体文件作为 Release 附件发布，不把大型二进制写入源码仓库；文件名与 SHA-256 见 release/assets-v2.0.0.json

统一口径与公开证据索引见v2.0.0 发布验收状态；8 月 21 日决赛阶段历史记录保留在历史验收状态。ModelArts 在线服务当前已停止但未删除，停止期间不描述为在线可用服务；核心规则、缓存案例与仲裁流程仍可离线运行。

🚀 3 分钟跑起来（评委快速验证）

无需任何 API Key、无需昇腾环境，本地约 3 分钟启动并看到界面（完整测试验证约 5 分钟）：

# 1. 安装依赖（约 60 秒）
pip install -r requirements.txt

# 2. 一键启动 UI（载入 5 组预设模拟案例，离线可跑）
python -m streamlit run ui/professional_app.py --server.port 8501
#    → 浏览器自动打开 http://localhost:8501
#    → 顶部案例选择器载入「乐视 2015 / 康美 2017 / 獐子岛 2016」等预设样本

# 3. 跑 386 项自动化回归（本地离线，无 LLM 调用）
python -m pytest -q
#    → 期望输出：386 passed（360 项决赛基线 + 1 项 XSS 门禁 + 8 项身份门禁 + 1 项发布契约 + 16 项哈希链完整性）

昇腾环境证据：

• npu/final_20260821_r5.json — 2026-08-21 同版本正式验收汇合结果，六项门禁全部通过、overall_pass=true；公开仓库仅保留复核后的证据文件，基础设施敏感元数据另在私有证据目录留档。
• docs/release-validation-status-v2.0.0.md — v2.0.0 回归、安全、Docker 与发布状态的公开单一真相表。
• docs/final-validation-status-2026-08-21.md — r5 与 T07 的历史验收证据记录。
• npu/ascend_layer1-4_evidence.json — 组合证据（artifact_type: composite_evidence），Layer 1-3 来自 2026-08-09 ModelArts（Ascend 910B4）实测，Layer 4 为本地纯 CPU 重测（30 次重复 perf_counter，avg 0.141ms）。
• npu/ascend_llm_observation_2026-08-09.json — LLM 启用时的外部观察（avg 26.774s），已从 Layer 4 拆出独立归档，明确包含模型服务与网络延迟，不属于可复现的纯 CPU 口径。
• npu/historical_red_flag_llm_2026-08-09.json — 14/14 红旗 AI 解读的用户提供终端转录型历史观察（evidence_type: user_supplied_terminal_transcription，原始转录原文留档于 npu/transcripts/red_flag_llm_2026-08-09.txt，SHA-256 c72e5840...；非机器可读 summary，华为云已关闭无法重跑）。
• npu/historical_pdf_e2e_2026-08-09.json — 6 份真实 PDF 批量分析摘要输出的截图转录型历史观察（manual_pdf_observation_status: screenshot_verified，formal_end_to_end_success_count: null，截图仅证明产生可见分析摘要，不证明完整端到端+AI 解读；非机器可读 summary，华为云已关闭无法重跑）。
• 云端原始截图未纳入仓库，仅保留在本地 自留文件/华为云运行情况/（含 SHA-256 核验记录）。

详细量化验证：见 docs/quantitative-advantages.md — 含红旗 AI 解读 14/14、PDF 核心分析链验证（6/6 真实 PDF 均产生可见分析摘要，本地走离线降级路径不执行真实 LLM 解读）、三案例提前预警、雷达图数据、规则 vs AI 对比。

核心能力

能力维度	本项目实现	验证方式
懂行	本土红旗五因子 + 15 项 CAS 参考映射 + R2/R3/R4 部分行业阈值	规则、公式和参考来源公开；映射用于提示核查方向，不等于逐条执行准则
能干	PDF 上传 → 三路信号 → 仲裁 → 证据 → HITL → 按门禁导出	Docker 可复现部署；关闭在线 LLM 后仍可完成核心分析和规则兜底叙事
可信	原文线索 + 准则映射 + 可复算路径 + SHA-256 审计链	全项目 386 项自动化回归（360 项决赛基线 + 10 项发布安全门禁 + 16 项哈希链完整性）；数据不足、未实测指标和能力边界显式披露
可衡量	18 种完整数据仲裁组合、8 组可复现场景、16 类 PDF 字段	8 项当前可核查指标；r5 昇腾正式验收与 T07 双端绝对指标已留证，抽取质量等未完成项继续标记待测

---

审探接受带文本层的年报 PDF，提取双期财务数据，运行 Beneish M-Score、本土红旗五因子和五因子项目异常分，再以确定性规则形成风险筛查等级。系统可整理年报原文线索、关联准则条目，并将真实上传报告送入 HITL 人工复核和底稿导出流程。

它不是舞弊认定、信用评级或自动审计工具。模型分数未经 A 股标签样本概率标定，证据匹配结果也不等于已取得充分、适当的审计证据；最终判断仍由具备相应职责的人员作出。

同一核心引擎，多场景核查功能

审探不为每个金融机构重新制造一套黑盒模型。不同机构面对年报时关注的业务结果不同，但底层工作具有相同结构：校验数据 → 识别风险 → 回到原文 → 关联监管事实 → 生成人工核查任务 → 留痕并导出。因此，同一套白盒内核可以按岗位组合成多套核查功能，同时保持公式、证据契约和审计链一致。

年报 PDF
  → 8 个关键科目 × 2 期数据门禁
  → M-Score / 本土红旗 / F-Score + 非财务披露事件
  → 年报原文页序、准则参考与监管案例
  → Agent 人工核查清单
  → HITL 确认、驳回或回滚
  → Markdown / Excel / 可打印 HTML（分别附 SHA-256）

使用对象	具体工作任务	复用的现有能力	可交付结果	明确边界
会计师事务所 / 企业内审	年报风险初筛、项目复核、重大异常核查准备	三路信号、原文证据、CAS 参考映射、HITL	风险事项、证据页、复核记录、底稿草稿	不替代注册会计师判断，不自动形成审计意见
银行信贷与贷后风控	授信材料复核、贷后年报监测、风险会商准备	数据门禁、现金流/负债/收入质量红旗、审计意见与诉讼事件	客户核查问题、异常金额来源、人工处置记录	不自动授信、拒贷或生成信用评级
券商投行、质控与持续督导	IPO 尽调辅助、持续督导、年报问询和信披风险排查	监管案例 Mini-RAG、关联依据、人工核查清单、可追溯导出	尽调核查方向、监管案例来源、待补证据清单	案例相似不得推导同罪，不替代保荐或合规意见
保险资管 / 机构投资风控	持仓发行人、债券发行人和交易对手年度风险复核	审计意见、持续经营、减值、现金流及财务结构信号	发行人风险线索、证据摘要、复核任务包	不输出买卖建议，不覆盖保险理赔反欺诈
金融科技与风险平台团队	将核查能力接入现有工作台或私有环境	模块化数据契约、RBAC、HITL、SQLite/SHA-256 链、离线规则兜底	可复算的核查组件与留痕接口	当前仓库未对接具体机构的核心业务系统，生产接入需重新验证

用户、使用部门与价值落点

一线使用者	典型负责部门	他们得到的直接价值
审计项目成员、复核人员、内审人员	审计质控、企业审计部	从“翻完整份年报”收敛为“复核有来源的异常事项和核查任务”
客户经理、授信审查员、贷后风险经理	银行风险管理部、授信审批部、金融科技部	把财务异常转换为可分派、可确认、可回溯的贷后检查问题
投行项目组、持续督导和质控人员	券商投行、质控、合规与科技部门	用官方监管案例补充尽调方向，同时保留相似性边界和来源
信用研究员、发行人风险人员	保险资管、券商资管、机构投资风险团队	对持仓发行人的持续经营和信披风险进行统一年度复核

主演示仍聚焦一条可验证链路：真实年报上传 → 风险与证据 → 监管案例 → Agent 核查清单 → 人工确认 → 底稿导出。银行、券商和保险资管不是额外堆叠的独立产品，而是对同一核查任务包的岗位化使用方式。

系统架构

┌─────────────────────────────────────────────────────────────────────────┐
│                    Layer 1 · PDF 预处理层                                │
│  可选 scan_corrector_adapter（版面旋转校正；三层熔断，不含 OCR）         │
│  text_extractor（锚点定位法 · 16 项指标抽取）                            │
└────────────────────────────────┬────────────────────────────────────────┘
                                 │
                                 ▼
┌─────────────────────────────────────────────────────────────────────────┐
│                    Layer 2 · 核心计算层                                  │
│  ┌──────────────┐  ┌─────────────────┐  ┌────────────────┐              │
│  │ M-Score 8 因子│→│ 本土红旗五因子   │→│ EvidenceCollector│             │
│  │ （系数不可改）│  │ + F-Score 五因子 │  │ + 15 项 CAS 映射│             │
│  │              │  │ + Altman Z-Score │  │ 三层证据匹配    │              │
│  └──────────────┘  └─────────────────┘  └────────┬───────┘              │
│                                                  │                       │
│  ┌───────────────────────────────────────────────┴─────────────────────┐│
│  │  HybridRiskAssessor 混合评估（含 arbiter.py 三路信号确定性仲裁）  ││
│  │  多期趋势分析（multi_year_trend.py）+ 会计调整（adjustment.py）     ││
│  │  可选：昇腾 LLM 归因叙事（S1-11 三级降级）+ 博弈解释叠加           ││
│  └─────────────────────────────────────────────────────────────────────┘│
└────────────────────────────────┬────────────────────────────────────────┘
                                 │
              ┌──────────────────┴──────────────────┐
              ▼                                      ▼
┌──────────────────────────────┐  ┌─────────────────────────────────┐
│  Layer 3 · HITL 合规层       │  │  Layer 3 · CAS 准则匹配层        │
│  五态 DFA + RBAC 五类角色    │  │  cas_tracer.py                   │
│  INSERT-only 审计日志        │  │  15 项会计准则 + rapidfuzz       │
│  SHA-256 哈希链校验          │  │  确定性映射                       │
│  合同桥：后端扩展点（前端未接）│  │                                   │
└──────────────┬───────────────┘  └──────────────┬──────────────────┘
               │                                  │
               └──────────────┬───────────────────┘
                              ▼
┌─────────────────────────────────────────────────────────────────────────┐
│                    Layer 4 · 展示与交付层                                │
│  Streamlit professional_app（专业版 8-Tab UI）+ HITL 模态弹窗           │
│  前端原型（8 个 Tab）+ 演示模式（8 组缓存；核心规则断网可用）            │
│  一键导出：页面快照 / 审计链 JSON / MD / Excel / PDF（缺库时为HTML）    │
└─────────────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────────────┐
│                    Layer 5 · 博弈对抗层（A-0 初稿）                      │
│  defense_wrapper.py（叠加层）+ defense_agent.py（规则模板库）            │
│  arbiter.py（三路信号确定性仲裁）+ 合同 / 行业 / 信用 / 证据 / HITL 联调 │
└─────────────────────────────────────────────────────────────────────────┘

模块化能力清单

下表是便于评审定位代码的能力索引，并非运行时插件注册表。

#	能力模块	主要输入	主要输出	当前实现
1	PDF 文本与指标提取	带文本层的 PDF	分页文本、双期财务字段	pdf_processing/text_extractor.py
2	M-Score 计算	双期财务指标	八因子、M-Score、数据质量	core/m_score.py
3	五因子项目异常分	双期财务指标	分值、等级、触发明细	core/f_score.py
4	本土红旗五因子	财务指标、行业	R1–R5 触发结果	core/red_flags.py
5	三路信号确定性仲裁	M/红旗/F 三路等级	最终筛查等级、规则说明	core/arbiter.py；完整数据 18 种组合
6	证据线索定位	年报文本、红旗结果	页码、关键词、截断片段	core/evidence_collector.py
7	CAS 参考映射	风险线索、准则 JSON	关联条目与匹配说明	core/cas_tracer.py、data/standards/
8	数据可信度门禁	抽取结果、来源与勾稽状态	通过/阻断、缺失与修复记录	core/financial_validation.py、ui/upload_analysis.py
9	HITL 人在回路	报告、角色、操作事件	五态流转、SQLite 日志、哈希链	core/hitl_*.py；有状态模块
10	行业阈值覆盖	行业分类、通用阈值	R2/R3/R4 部分行业覆盖值	core/red_flags.py、data/industry_thresholds.json
11	AI 综合归因（可选）	结构化模型摘要	归因短文、执行摘要或规则兜底文案	core/ai_narrator.py、core/rule_based_narrator.py

核心计算和仲裁是确定性模块；HITL 依赖持久状态，在线 AI 输出也可能随服务变化。关闭在线 LLM 后，系统仍可完成规则计算、人工复核与按门禁导出，叙事由规则模板兜底。

快速了解

项目	当前实现
输入	1–8 份电子文本版 PDF；单份不超过 50 MB、合计不超过 200 MB
核心计算	M-Score 8 因子、本土红旗五因子、五因子项目异常分、三路信号确定性仲裁
可信控制	数据来源/完整性/勾稽门禁 + HITL 最终状态/哈希链门禁
输出	页面审计快照、审计链 JSON、后端 Markdown/Excel（.xlsx 8 工作表，需 openpyxl，缺失时降级 CSV zip）/PDF（缺渲染库时为可打印 HTML）
演示	5 组虚构基线 + 3 组公开历史事件索引（正式缓存 8 份）；另存 8 份研究案例（data/research_cases/）仅用于阈值敏感性研究；数值和结论均为模拟演算
正式入口	python -m streamlit run ui/professional_app.py --server.port 8501

1. 已实现能力与边界

能力	实现状态	边界
单份及多年年报分析	已实现	多年文件必须是同一主体、文件名含唯一报告年份；纯扫描件需先完成 OCR
三路信号确定性仲裁	已实现	权重与阈值是项目决策策略，不代表舞弊概率或统计准确率
数据可信度硬门禁	已实现	通过仅代表可进入人工复核，不代表财报数据已获审计保证
年报证据线索与 CAS 映射	已实现	输出是定位线索和规则映射，需回看原文并由专业人员判断
HITL、RBAC、SQLite 审计链	已实现	面向本应用业务操作；不等同于通用智能体安全平台或合规认证
身份鉴权分层（P0-3）	演示边界已声明	角色/工号选择属于演示流程模拟，不构成生产身份鉴权；真实 HITL 操作必须先经侧栏「用户身份」区绑定身份（仅会话内 UI 交互可绑定），角色权限由 core/hitl_rbac.py 权限矩阵强制校验，URL 查询参数（含 ui_role）不得携带或覆盖身份，前端 header 角色下拉仅展示、不参与身份绑定；单机演示场景不接入 LDAP/OAuth 等真实登录
三格式后端底稿	已实现	只有数据门禁、最终复核和链校验同时通过才标记为正式底稿
非财务披露事件	已实现	与三路信号并列的第 4 类输入信号（如审计意见类型、重大事项、诉讼、担保、关联交易披露异常等非财务披露线索），仅做提示性展示，不参与数值评分；供人工核查时补充参考，不等于自动认定违规
监管案例核查 Agent	已实现（用户主动触发）	确定性离线检索（无 LLM），展示官方监管案例、关联依据与人工核查任务（CHK_* 清单）；仅真实上传结果暴露该动作；案例相似不得推导同罪；输出未通过 verify_regulatory_agent_output 校验时标注"失败，以下结果不得采用"；附录 8F-3 三端同步导出；当前版本已完成 r5 ModelArts Ascend 正式业务负载验收（见 5.3 与验收状态）
合同风险	独立模块已实现，页面未接通	后端含 22 条合同风险合规规则（确定性关键词规则）；前端规则库含 15 项完备性检查，每次只执行所选主要类型的 2–4 项。页面合同文本与类型不会传给后端，前端结果不进入底稿或 HITL
在线 AI 解读	可选	只生成叙事，不参与数值计算；未配置或调用失败时使用确定性降级文案
扫描件 OCR	未实现	scan-corrector 仅保留校正适配和熔断接口，当前主路径要求 PDF 自带文本层
行业对标	探索性快照	仓库未附原始样本及逐行业样本量，不作为行业实证或外部基准结论

完整说明与实现入口见 产品能力与边界。

2. 计算口径

2.1 三路信号

1. Beneish M-Score：使用公开八因子线性式。本项目选用 -1.78 作为筛查阈值；只有八因子完整时才应用阈值，缺失时返回"数据不足"。
2. 本土红旗五因子：R1–R5 五项确定性规则用于补充货币资金、存货、现金流和应收款等风险线索。
3. 五因子项目异常分：受错报预测研究启发，但没有复刻论文逻辑回归，也没有经过 A 股错报标签标定；1.0/1.3 是项目内部阈值。

M-Score 八因子明细（实现见 core/m_score.py）：

代号	名称	计算逻辑简述	权重
DSRI	应收账款周转指数	应收账款增长率 ÷ 营业收入增长率	$+0.920$
GMI	毛利率指数	上期毛利率 ÷ 本期毛利率（毛利率恶化 > 1）	$+0.528$
AQI	资产质量指数	本期非流动资产占比 ÷ 上期（衡量资产软化）	$+0.404$
SGI	销售收入增长指数	本期营业收入 ÷ 上期营业收入	$+0.892$
DEPI	折旧指数	上期折旧率 ÷ 本期折旧率（衡量折旧放缓）	$+0.115$
SGAI	销售管理费用指数	本期费率 ÷ 上期费率	$-0.172$
LVGI	杠杆指数	本期资产负债率 ÷ 上期资产负债率	$-0.327$
TATA	总应计资产比	(净利润 − 经营活动现金流) ÷ 总资产	$+4.679$

完整公式：

$$\text{M-Score}=-4.84+0.920,\text{DSRI}+0.528,\text{GMI}+0.404,\text{AQI}+0.892,\text{SGI}+0.115,\text{DEPI}-0.172,\text{SGAI}-0.327,\text{LVGI}+4.679,\text{TATA}$$

阈值：$\text{M}>-1.78$ 判高风险。

本土红旗五因子（R1–R5）（实现见 core/red_flags.py，详见 风险指数算法说明）：

代号	触发条件摘要
R1	盈利时经营现金流/净利润 < 0.5；经营现金流为负时严重度更高
R2	货币资金同比增长 > 70%（本期/上期 > 1.7）且存货同比增长 > 45%（本期/上期 > 1.45）；或二者合计占流动资产 > 82%（可由行业参数覆盖）
R3	货币资金/总资产 > 20% 且有息负债/总资产 > 15%
R4	应收账款/总资产 > 18%（可由行业参数覆盖）
R5	存货同比增长 > 30% 且营业收入增长 < 10%

红旗有两个不同统计量，不得混用：

• triggered_count 是实际触发项数。红旗模块的升级提示按 1 项"关注"、2 项"中高风险"、3 项及以上"高风险"；RULE-A 仅在 5 项全部实际触发时生效。
• severity_score 是严重度积分，普通项计 1 分、严重项计 2 分。仲裁器将其量化为 0=低风险、1=关注、2 及以上=高风险。

五因子项目异常分（F-Score）（实现见 core/f_score.py，详见 风险指数算法说明，采用确定性阈值规则引擎而非概率模型）：

代号	名称	核心逻辑	阈值	权重
F1	RSST 应计质量变化	(Δ流动资产 - Δ短期借款 - Δ货币资金 + Δ长期借款) / 平均总资产	> 0.15	0.35
F2	Δ应收账款异常增长	Δ应收账款 / Δ营业收入	> 0.50	0.20
F3	Δ存货异常增长	Δ存货 / Δ营业成本（含小分母与高毛利双重保护）	> 0.60	0.20
F4	现金-营收背离	Δ经营活动现金流 / Δ营业收入	< 30%	0.15
F5	ROA 盈利质量同比	ROA 当前 - ROA 上年（高 ROA 企业智能收紧）	下降 > 3pp	0.10

F-Score = 1.0 + 各阈值超标贡献之和。F > 1.3 → 高风险；1.0 < F ≤ 1.3 → 关注；F ≤ 1.0 → 低风险。F3 含双重保护机制：Δ营业成本过小自动跳过；毛利率 ≥ 85% 的高毛利行业自动跳过。

2.2 仲裁分

完整数据下，M-Score 两档、红旗三档、五因子项目异常分三档，共形成 18 种确定性组合。仲裁分为：

score = M_level × 0.40 + RF_level × 0.35 + F_level × 0.25

其中各分量为离散等级编码，不是概率。分档为：

• score < 0.6：低风险
• 0.6 <= score < 1.4：关注
• score >= 1.4：高风险

RULE-A/B 可在满足明确条件时作保守升格。任一模型缺失时走"数据不足"路径，不把缺失误记为低风险。公式、编码和算例详见 风险指数算法说明。

2.3 双 Agent 协作（确定性 + ReAct）

审计解释层由两个只读、不改变风险等级的 Agent 协作完成：

① ReAct 归因 Agent（三阶段 LLM 闭环，共 3 次模型调用）

负责把三路信号的结构化数值，串成一段 ≤280 字的因果链归因与一段 ≤200 字的执行摘要。成功链路如下：

Step0 规划 LLM（工具选择 JSON）
   ↓  解析白名单，LLM 从 3 类只读工具中正常选择 ≤3 个调用
       · lookup_cas        → CAS 编号 / 名称 / 条款 ID / 关联说明 / 条款正文（≤160 字截断，对齐 §6.3 CAS 准则依据披露要求）
       · lookup_benchmark   → 5 个精确行业 + 全市场兜底的 P25 / P50 / P75 分位
       · lookup_evidence    → 缓存证据片段按长度最多截断 180 字
   ↓  Python 本地真实执行所选工具（无网络，不产生额外 LLM 调用）
   ↓
Step2 归因 LLM（带上一轮工具真实执行结果的二次归因）
   ↓
Step3 摘要 LLM（独立生成 executive_summary）

降级策略：Step0 JSON 解析失败或 ReAct 链路整体异常 → 透明回落单轮 LLM → 再失败返回规则引擎模板。单个工具执行失败只跳过该工具，不影响其他工具或后续归因。

工具数量口径：第一轮 Prompt 约束 LLM 最多选择 3 个工具；解析层对异常模型输出做防御性截断（上限 5 个），正常运行不会超过 3 个。

超时口径：单次 HTTP 请求超时设为 60s；回落链路会追加调用，整条 ReAct 链不承诺 ≤60s 总上限。

② 监管案例核查 Agent（确定性检索，无 LLM）

输入风险红旗 ID 和行业关键词，在本地 20 条监管案例 Mini-RAG 中做词元切分 + 子串匹配 + 规则 ID 加权，生成 CHK_* 人工任务清单（核查方向、建议程序、待补证据、依据条款）。零网络调用，可完全离线。

两者都不修改核心风险结果或仲裁分；预计算脚本负责将叙事文本写入 demo_cache.ai_narrative，但不会写入 react_profile（实时链路每次启动重新生成）。

3. 数据与发布门禁

真实上传报告的正式输出采用两级门禁：

flowchart LR
    A["PDF 预检与双期抽取"] --> B{"数据可信度通过？"}
    B -- 否 --> C["仅待复核草稿"]
    B -- 是 --> D["进入报告级 HITL"]
    D --> E{"CONFIRMED/REJECTED 且哈希链通过？"}
    E -- 否 --> C
    E -- 是 --> F["允许标记正式底稿"]

数据门禁检查 8 个关键科目的本期/上期来源、两期 资产=负债+权益、指标完整率、估算标记，以及多年任务的跨年比较数。系统允许带理由的会话级人工修复，并在附录保留原值、新值、操作人与摘要哈希；原始 PDF 不会被改写。

HITL 采用五态 DFA、角色权限、INSERT-only SQLite 日志和 SHA-256 链式校验。哈希链用于发现链内修改，不等同于电子签名、可信时间戳或不可抵赖证明。

数据安全与 LLM 调用边界

本系统的 AI 综合归因为可选叠加层，不参与数值计算或最终仲裁。常规归因请求只发送结构化模型摘要；可选的证据语义解读会发送截断片段，因此接入外部模型前仍需由部署方完成数据分类、授权和接口安全评估。

安全措施	具体实现
最小化出站	常规归因 Prompt 包含 M-Score、异常因子数值、红旗 ID/严重度、行业和仲裁摘要，不发送年报全文、企业名称或股票代码
片段边界	可选证据语义解读最多向模型发送 200 字候选片段；正式底稿再次按 180 字上限截断。ReAct 证据工具读取缓存时按长度最多截断 180 字。长度限制不等于匿名化：赛事缓存案例使用模拟或预处理材料；真实用户上传的证据片段在生产部署前，仍须由部署方先完成姓名、证件号等敏感字段的机构侧脱敏。
输出约束	System Prompt 要求用"目标企业""A 公司"等代号并禁止输出真实名称或代码；这是生成约束，不替代输入脱敏、访问控制或合规审查
合同隔离	合同审查页面输入文本与合同类型不传至后端，前端规则引擎独立执行；合同审查结果不进入 HITL 审计底稿或哈希链
离线边界	关闭 LLM_ASCEND_ENABLED 后，核心分析不调用模型 API，8 组缓存可离线读取；当前前端图标和页面快照库仍引用 CDN，完全断网时相关展示能力可能降级

4. 界面与导出

唯一正式入口提供 8 个 Tab：

Tab	内容	关键边界
1	风险总览	显示三路信号、仲裁分和可选 AI 归因
2	红旗因子	显示 R1–R5、触发项数、严重度和候选证据
3	模型透视	展示 M-Score 8 因子、五因子项目异常分、Altman Z-Score 探索性代理，以及不改变正式仲裁结果的规则化“指控—辩护—裁决”解释原型
4	关注金额	R1/R4 关注金额敏感性情景，不是调整分录或已认定错报
5	行业风控	5 个部分校准快照，其余使用全市场兜底
6	合同审查	从 15 项前端规则库中按所选主要合同类型执行 2–4 项条款完备性预检，不调用后端 22 条规则
7	人在回路	后端 HITL 操作、审计时间线、页面审计快照和审计链 JSON
8	趋势预警	真实多年上传趋势，或明确标识的模拟历史序列

页面底部的后端导出区生成同源的 Markdown、Excel（.xlsx 8 工作表，依赖 openpyxl，缺失时自动降级为 CSV zip）和 PDF；运行环境没有支持的 PDF 渲染库时，第三种格式自动降级为可打印 HTML。正式底稿包含 8 个组成模块，附录 8G 记录 HITL 状态和审计链。Tab 7 的浏览器 PDF 仅为页面审计快照，不能替代后端归档文件。

核心能力截图（决赛界面 · 2026-08-21）

以下正文引用 final_20260821/ 的六张基线界面截图；final_20260823/ 仅保留四张路演外壳与上传入口补充视图，不再作为 ReAct、真实上传门禁或证据三要素的正式发布证据。主案例使用公开历史事件索引「康美药业 2017」，但页面财务数值、趋势和证据片段均为模拟或脱敏演算，不能还原为对相关公司的审计判断或投资建议。

4.1 统一入口

首页将产品定位、能力边界、预设案例与真实上传入口集中在同一屏；正式 Logo、深蓝品牌色与各业务页保持一致。

4.2 三路信号与确定性仲裁（Tab 1）

页面并列展示 M-Score、红旗规则与项目异常分，并由可复算规则给出综合核查优先级；案例名称和年份只作公开事件索引。

4.3 红旗因子、阈值与核查依据（Tab 2）

每条规则展示触发条件、当前演算值、关注原因、建议程序与 CAS 参考方向。准则映射只帮助定位核查方向，不等于已经取得充分、适当的审计证据。

4.4 规则化博弈解释（Tab 3）

“指控—辩护—裁决”用于展示同一红旗的支持理由、规则模板反方解释与临界争议项。当前版本不是多模型自主辩论；这些解释不改变三路信号的确定性仲裁结果，争议项仍推送人工复核。

4.5 HITL 人工复核与审计链（Tab 7）

五态工作流、RBAC 操作约束、只追加审计日志与 SHA-256 哈希链共同保留人工责任。截图为尚未写入首条人工操作记录的初始状态，因此显示 verify_chain OK · 0 条记录。

4.6 多年趋势扫描（Tab 8）

模拟序列展示规则如何扫描多年趋势并标注首次触发年份；“距索引年份 3 年”仅是该模拟序列的规则回放结果，不构成真实样本提前预警能力证明。

发布演示材料

📋 v2.0.0 发布候选材料：

• Release Notes
• CHANGELOG
• 发布验收状态
• 发布清单
• CycloneDX SBOM
• v2.0.0 Release 资产清单

正式 v2.0.0 Release 同步附带以下两个版本化文件：

• AuditProbe-v2.0.0-Presentation.pptx — 18 页发布演示文稿；保留决赛母版与视觉体系，更新 v2.0.0 截图、386 项回归和正式底稿边界。
• AuditProbe-v2.0.0-Demo.mp4 — 24.149 秒、1080p、H.264/AAC 产品演示；画面内版本为 v2.0.0。

正式 v2.0.0 Release 链接将在干净 checkout、Python 3.11 Docker 实构建、凭据轮换和 annotated tag 完成后补入；当前不提供不存在的 Release 链接。

🎬 下列 5 分钟视频对应 v1.0.0 初赛发布版，不代表 2026-08-21 决赛界面与最终路演材料： AuditProbe.mp4（v1.0.0）

📦 v1.0.0 初赛交付物（视频、15 页项目介绍 PPT、源码归档）汇总于 Release 页： Release v1.0.0

评委可通过上方 §4 的 final_20260821/ 基线界面和 final_20260823/ 外壳/上传入口补充视图，以及 §6 Docker/Compose 部署说明，在本地复现核心界面与离线规则链；v2.0.0 PPT 与视频随正式 Release 同步发布。

5. 本地运行

5.1 环境

• Python 3.10 或更高版本（正式入口使用 PEP 604 联合类型注解）
• 建议使用虚拟环境
• 核心规则和内置演示不要求 GPU，也不要求在线 LLM

python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
Copy-Item .env.example .env
python -m streamlit run ui/professional_app.py --server.port 8501

访问 http://localhost:8501。在线 AI、HITL、证据溯源和扫描校正均由 .env 显式配置；不要提交包含密钥的 .env。

常用开关：

LLM_ASCEND_ENABLED=false
HITL_ENABLED=true
EVIDENCE_TRACING_ENABLED=true
SCAN_CORRECTOR_ENABLED=false

5.2 验证

python -m pytest -q
python scripts\recompute_demo_cache.py

研究案例与正式演示缓存的隔离（data/ 双目录）：

• 正式演示缓存 data/demo_cache/ 恰为 8 份（5 组虚构基线 + 3 组公开事件索引），_index.json 不含研究条目，由 scripts/recompute_demo_cache.py 一键重建。
• 阈值研究案例 data/research_cases/（8 份 demo_real_*.json）独立存放，仅含趋势/指标快照（trend_only: true、无 financial_data），用于阈值敏感性研究，不冒充 PDF 分析结果、不写入正式 _index.json。
• 隔离契约由 tests/test_research_cases.py（6 项）锁定：研究案例数量、trend_only 标志、不冒充 PDF 分析、正式缓存恰好 8 份且无研究文件、正式索引无研究条目、生成脚本指向研究目录。
• 研究口径边界：基础层 20 家/60 份真实年报文件 + 新浪 DEPI 补充层 20 家/40 份 + 派生层 M8 敏感性 18 家；链式证据锚定见 自留文件/阈值实测试点/。本项目不提出中国正式阈值，-1.78 为项目公开的筛查决策线。

三层证据链与阈值研究边界（自留文件/阈值实测试点/_verify_all.py，34/34 PASS）：

• 基础层：20 家上市公司 × 3 年 = 60 份真实年报文件（M-Score 全八因子可计算的样本），用于核心公式复算；新浪 DEPI 补充层：20 家 × 2 年 = 40 份（含四类变量窗口），用于 DEPI 分层验证；派生层：M8 敏感性分析 18 家（剔除缺失窗口后全链可复算），关键结论：M7（可读性与费用）与 M8（关联交易与账龄）同处"更高阶风险"区间，ST 派瑞在 M7 未越线、M8 越过 -1.78 的判别方向。
• 六类模型风险（阈值研究边界，不消除）：① 公式版本差异（A 股常用版本与国外原版因子项不同）；② 字段口径差异（研发费用、政府补助等归并口径不同导致分子分母可比性下降）；③ 缺失因子处理（M8 等因子依赖附注数据，缺失时返回"数据不足"而非硬填）；④ 标签错配风险（指数针对舞弊样本标定，非舞弊样本的结构差异不等于安全）；⑤ 极端值影响（如高毛利行业、超大额补贴项放大或缩小单因子贡献）；⑥ 伪稳定风险（因子同时被报表粉饰掩盖时，多因子同向"稳定"不代表真实健康）。
• 证据链锚定：_verify_all.py 输出三层独立锚定——基础层 manifest b5354fdf…（run_id 20260815T050526Z）、新浪 DEPI 补充层 manifest c4401e9a…（run_id 20260815T061446Z）、派生层 M8 结果 2d130259…（m8_sensitivity.json 的 detached result_sha256）——三层哈希链校验全部通过。

5.3 性能参考

赛事要求提供可量化结果。本节把当前已经可核查的规模指标与待 ModelArts 实测的性能/质量指标分开，避免把目标值写成测试结论。

当前可核查指标

指标	当前值	核查方式
自动化回归	386 passed	2026-08-28 当前工作树完整执行（360 项决赛基线 + 1 项 XSS 门禁 + 8 项身份门禁 + 1 项发布契约 + 16 项哈希链完整性；2026-08-26 基线为 370 passed）；覆盖模型、PDF 端到端、门禁、HITL、导出、Docker、Mini-RAG 评测与公开口径，耗时随环境变化不作为性能指标
演示案例	8 组	5 组虚构基线 + 3 组公开事件索引；模型输入与结论均为模拟演算。另存 8 份研究案例（data/research_cases/）仅用于阈值敏感性研究
PDF 双期字段	16 类指标	每类尝试抽取本期/上期，最多形成 32 个期别数值；正式门禁检查其中 8 个关键科目 × 2 期
仲裁组合	18 种	完整数据下 2 × 3 × 3 种三路信号组合，另有缺失数据路径
产品界面	8 个 Tab	总览、红旗、模型、关注金额、行业、合同、HITL、趋势
合同规则	22 条后端规则 + 15 项前端规则库	前端每次只执行所选主要类型的 2–4 项；两者尚未接通，不合并计算命中率
底稿结构	8 个组成模块	Markdown、Excel、PDF或可打印HTML同源导出
正式底稿范围	v2.0.0 收敛（2026-08-29 冻结）	正式底稿仅在合并报表交叉验证通过时生成；部分真实上市公司年报可能因来源验证不足被安全阻断（fail-closed，预期安全行为），仅导出待复核草稿、不输出错误的正式结论；模拟 PDF 证明正式流程可运行、真实年报证明安全阻断有效；扩大真实年报正式路径覆盖率列入 v2.1.0

监管案例 Mini-RAG 评测（20 问冻结集，2026-08-15）

监管案例检索为确定性离线规则（词元切分 + 子串匹配 + 规则 ID 加权，无嵌入、无 LLM、零网络调用）。为量化为检索质量，建立了 20 问审计短问句冻结测试集（data/regulatory_cases/mini_rag_eval_questions.json，冻结哈希 freeze_sha256=6964906c4d0c…），先冻结后运行。以下 20/20 指标均为冻结 20 问测试集结果，不代表一般用户查询的召回率：

指标	结果	样本量
Top-1 召回（预期案例出现在首条）	20/20 = 1.0000	20 问
Top-3 召回（预期案例出现在前三条）	20/20 = 1.0000	20 问
引用完整性（答案引用可追溯到证据文件）	20/20 = 1.0000	20 问
越权断言率（剥离否定语境后仍含"同罪/已确认舞弊"等肯定式表述）	0/52 = 0.0000	52 条边界断言
双跑一致性（两次独立运行摘要逐字节一致）	1.0	2 次

复现：python scripts/eval_mini_rag.py --freeze（先校验冻结哈希再运行）；原始逐问结果、汇总与 detached SHA-256 归档于 data/regulatory_cases/eval_output/；复算逻辑由 tests/test_mini_rag_eval.py（7 项）锁定。

演示案例的组合规则响应

下表读取当前 5 组虚构基线缓存，直观展示单独 M-Score 与三路信号确定性仲裁的差异。它验证的是预设场景下的规则响应，不是性能测试、真实检出率或"纠偏率"。

案例	M-Score	M-Score 分级	触发红旗	综合等级
demo_001 某制药公司 2017	-1.849	低风险	R1、R3、R4	关注 ↑
demo_002 某新材料公司 2017	-1.950	低风险	R1、R3	关注 ↑
demo_003 某水产公司 2017	-2.297	低风险	R5	关注 ↑
demo_004 某白酒企业 2025	-2.677	低风险	无	低风险
demo_005 某中药公司 2019	-2.041	低风险	R1	关注 ↑

↑ 表示项目仲裁规则把人工核查优先级由"低风险"提升为"关注"。5 组数据均为虚构输入，不反映真实主体；8 组完整对照及口径见量化优势说明。

ModelArts 昇腾验证（2026-08-08 ~ 09 历史实测）

当前版本边界：2026-08-21 r5 已完成 ModelArts Ascend 910B 系列在线推理服务正式业务负载验收，finalizer 六项门禁均通过；服务详情与请求日志完成交叉关联。该结论不表示整套系统所有组件均运行在 NPU，也不构成生产 SLA。公开摘要见决赛验收状态。

T05/T06 实跑门禁（fail-closed）：npu/run_t05_t06_ascend.py 在同一会话采集五元组并执行 ≥30 次固定短任务微基准，另可启用 --require-backend-evidence 正式昇腾验收（要求服务调用、运行机 NPU 观察、远端后端部署证据关联三状态全部成立，缺一即返回非零；不启用时只声称"ModelArts 端点调用及客户端性能观察"）与 --business-load 限量固定业务场景合约负载（2 个公开案例索引下的模拟演算快照（康美2017/獐子岛2016，源自 data/demo_cache，页面数值为模拟数据）+ 1 个 manifest 固定参考快照（康得新2017）× 5 次 = 15 次，报告成功率/p50/p95/输出引用契约通过率/越权率/财务与 severity 哈希回显一致率；回显仅证明模型输出复述输入哈希，不证明上游对象未被修改）。--formal-ascend-run 可一键强制全部验收门槛（--require-backend-evidence + --business-load + 30 次基准 + 100% 成功/契约门槛）。部署证据字段名为 deployment_evidence_linked（对外称"与 ModelArts 部署证据交叉关联"，非密码学意义上的 attested），必须提供 ModelArts 原始导出物（--deployment-artifact-type 支持 modelarts-api/modelarts-service-log/modelarts-console，source 由解析器确定、JSON 不得自报）。解析器兼容官方顶层 schema（新版 ShowInferService：id/predict_url（数组，元素为 {"type": "PUBLIC", "urls": ["..."]}）/status/update_at（13 位毫秒时间戳）/version（资源规格在 instance_groups[].unit_configs[].flavor）；旧版 ShowService：service_id/access_address/config[]（含 specification）/operation_time）。官方服务详情响应不含 request_id，故部署证据拆为两份：服务详情（证明 service_id+endpoint+resource_spec）+ 请求日志（证明 request_id+service_id/deployment_id+调用时间），verifier 经 service/deployment ID 连接（P0-2：log.service_id == 服务详情 service_id，或 log.deployment_id 属于服务详情 version.instance_groups[].id 部署实例 ID 集合；部署 ID 不得直接等同 service ID）；请求日志解析以 provisional request_id 为锚只解析该 ID 的单条结构化日志（防跨记录拼接）。要求 endpoint_sha256 与客户端路由指纹一致，并记录原始证据文件 SHA-256。时间语义（P0-2）拆分：artifact_retrieved_at_utc（本次采集时间）与请求日志时间参与 ±30 分钟窗口校验，service_updated_at（平台服务更新时间，如 update_at/operation_time）仅作信息、不参与窗口校验（服务可能已稳定运行数天）；P0-1：标准 ISO 采集时间（含 +00:00）以"能成功解析为 ISO 时间"为判据被接受（归一结果与输入相同也采用），HTTP Date 仅作 fallback；建议用专用采集脚本保存 {"retrieved_at_utc": "...", "http_status": 200, "response_headers": {"date": "..."}, "body": {官方原始响应}} 包装，正式服务详情证据必须经采集包装明确记录 HTTP 200（P1：非 200 或缺失状态 → fail-closed，拒绝"错误响应外壳 + 人工拼接 body"）。真实 request_id 在请求前不可知，须按二阶段流程：--provisional-output 生成阶段 A provisional 后，从 ModelArts 导出对应 request_id 的原始服务日志与服务详情，再用 --verify-evidence（支持 --request-log-artifact 双份证据）独立 verifier 交叉绑定；--finalize-formal-run 使用固定正式门槛（阶段 A 必须 meta.formal_ascend_run=true、business_load_enabled=true、p1_business_load 恰好 15 次；30 次基准、成功率/质量率/业务率均 1.0），复算阶段 A 结果 detached hash、双份证据重判部署门禁、重算全部门禁，生成唯一 overall_pass 且最终输出自身携带 detached result_sha256 的最终验收证据；非正式阶段 A 不得被汇合为通过。P0-3：任何云端调用前先预检 output/provisional 均不存在、父目录可写、两路径不同、O_EXCL 预留成功，provisional/输出写入失败立即 fail-closed；--formal-ascend-run 必须在任何云端调用前强制 --provisional-output（P1：无条件，即使直接提供 --deployment-evidence 也不能省略——否则用旧服务详情可绕过预检；强制 provisional 允许二阶段回退，否则退出码 2，避免完成昂贵调用后无 provisional 可供二阶段关联）。--probe-only 提供 Stage 0 环境探针（仅 1 次推理，检查响应头是否含 request_id、保存脱敏响应头键名），避免为探查字段执行 49 次调用。

测试环境：ModelArts Notebook · Ascend 910B4 (32 GB HBM) · CANN 8.5.2 · PyTorch 2.7.1 · torch_npu 2.7.1.post2 · Python 3.12.0 测试脚本：python npu/modelarts_full_test.py（一键复现；2026-08-08 历史运行总耗时 53.3s，该次 pdf_end_to_end=skipped，耗时不作为当前性能承诺）

四层昇腾适配证据（全部通过）

层级	验证项	实测结果	证据文件
Layer 1	NPU 硬件信息	Ascend 910B4 · HBM 32 GB · npu-smi 25.5.1	npu/ascend_layer1-4_evidence.json
Layer 2	PyTorch→Ascend 适配	torch_npu 2.7.1.post2 · is_available(): True · 设备名 Ascend910B4	同上
Layer 3	CANN 算子执行	MatMul (1024×1024) + Softmax on npu:0 · 命中 CANN 日志文件	同上
Layer 4	确定性规则链 timing	纯 CPU 规则链平均 0.141ms（30 次重复，perf_counter）；历史参考 0.194s（2026-08-08）	同上
LLM 观测	启用 AI 解读后的 timing	含 LLM 解读平均 26.77s（2026-08-09 华为云，已关闭）	npu/ascend_llm_observation_2026-08-09.json

回归测试

测试	结果
pytest 自动化回归	386 passed（2026-08-28 当前工作树实测：360 项决赛基线 + 10 项发布安全门禁 + 16 项哈希链完整性；2026-08-26 基线 370 passed）；云端历史记录 128 passed
PDF 核心分析链	云端 ModelArts ✅ 6/6 真实 PDF 均产生可见分析摘要（康美/康得新/獐子岛造假年份 + 茅台/宁德时代/格力 2025，对照案例不称为‘正常样本’；manual_pdf_observation_status: screenshot_verified）；本地 pytest ✅ 6 passed（5 份模拟 PDF + 6 个测试用例，tests/test_pdf_e2e.py 走离线降级路径不执行真实 Qwen3-8B 解读，不称为‘AI 解读全链路’；result_status: locally_reproducible；此前文档声称 302.27s 耗时，elapsed_s_claim_status: historical_claim_without_retained_raw_output，原始 summary 未保留，但 6 passed 本身可本地复跑）

Layer 4 纯 CPU timing（30 次重复，perf_counter 高精度计时，LLM 强制关闭）

Demo	M-Score	红旗触发	F-Score	avg_ms	median_ms	调整金额
乐视 2015（模拟·高风险）	$-1.153$	R1, R4	$1.052$	0.107	0.102	$-614.72$
某白酒企业 2025（模拟·低风险）	$-2.329$	无	$1.080$	0.093	0.087	$0$
某制药公司 2017（模拟·低风险+红旗）	$-1.860$	R1, R3	$1.273$	0.224	0.098	$-1857.14$

LLM 启用时的 timing（补充外部观测，非 Layer 4 可复现口径）：见 ascend_llm_observation_2026-08-09.json，含 LLM 调用时平均 26.77s（华为云 ModelArts，2026-08-09 实测，华为云已关闭暂无法重跑）。

口径说明：Layer 4 timing 为纯 CPU 规则链耗时（perf_counter 高精度计时，30 次重复），不含 PDF 解析和 LLM 调用；LLM 启用时的 timing 归档到独立的 ascend_llm_observation_2026-08-09.json，不属于 Layer 4 可复现口径。

结论边界：四层证据证明昇腾 910B4 + CANN 8.5.2 + torch_npu 2.7.1 适配链路完整可用，Layer 4 timing 为模拟结构化输入的全链耗时，不代表真实 PDF 端到端性能。

红旗因子 AI 解读验证（2026-08-09 实测）

推理服务：ModelArts 在线推理 · Qwen3-8B (Ascend-vLLM) · OpenAI 兼容协议

测试范围	结果	耗时
8 份 demo × 14 条触发红旗	✅ 14/14 全部成功	各 demo 显示值之和 285.7s（终端总耗时 285.8s）· 平均 20.4s/条

每条解读约 69–100 字符（多条超过 80 字），含红旗财务含义 + 虚构案例 + 审计核查建议。详见 量化说明 §2.4。

NPU LLM 25 次质量+延迟基准（2026-08-10 补充实测）

推理服务：ModelArts 在线推理 · Qwen3-8B (Ascend-vLLM) · OpenAI 兼容协议 · 本次部署配置为 ModelArts VPC 内推理服务（该字段为部署配置说明，不是 25 次文本基准可测量的指标） 基准脚本：python npu/benchmark_npu_qwen3_8b.py（路径自适应，兼容 -v2 等多版本目录名；5 prompts × 5 trials = 25 次，system prompt + 用户指令双重强制中文；脚本含 summarize_results() 纯函数，见 tests/test_benchmark_summary.py 的 4 个离线单测） 证据文件：npu/npu_llm_benchmark.json（post_run_metadata.artifact_type: post_run_augmented_machine_benchmark；不能声称当前发布脚本直接产出该 JSON，JSON 与脚本的派生关系与哈希见 post_run_metadata.published_benchmark_script.relation_to_original）

指标	实测值	统计口径
成功率	✅ 100%（25/25）	5 道财务审计题 × 5 次重复 = 25 次调用全部成功
延迟 p50	15.36 s	statistics.median（25 个成功样本排序取中，奇数样本与 nearest-rank 中位一致）
延迟 p95	18.82 s	nearest-rank：ceil(25 × 0.95) = 24 位样本
延迟 avg / min / max	15.47 / 10.27 / 22.81 s	全部 25 次调用统计
中文率（平均）	94.7%	中文字符数 / 总字符数（含数字标点）；最低单条 91.8%
中文可用率 (≥70%)	25/25 = 100%	中文字符占比 ≥ 70% 判定为可用
英文术语次数	✅ 0 次	9 个英文关键词（cash/flow/inventory/receivable/deficit/liability/asset/profit/revenue）全程零命中
金融关键词平均命中	2.8 项 / 条	实际 10 个通用金融关键词（风险/舞弊/异常/增长/下降/可能/虚增/造假/现金流/利润）
相关问题关键词平均命中	3.5 项 / 条	P1 专属关键词集 7 个，P2–P5 各 6 个（共 5 道题）；统计与各题真实集大小一致
综合达标率	✅ 100%（25/25）	四重门限：成功 ∧ 中文率 ≥ 70% ∧ 英文术语 = 0 ∧ 相关关键词命中 ≥ 1
延迟在 [10 s, 20 s) 区间占比	24/25 = 96%	仅最大 22.81 s 超过 20 s

三层部署观察（降级为非完全同口径参考）：上表 NPU 结果与旧仓库 finreport-risk-agent 中的两组历史基线——Ollama DeepSeek-R1:1.5B（本地 Windows，仅覆盖前 3 题 × 3 次，中文用户指令不含「禁止英文」） 与 竞赛 API Qwen3-30B-A3B（公网 HTTP，25 次；模型为 30B 总参数 MoE，约 3B 激活，不是 Dense）——在 prompt 文本的题目内容上有高度重叠，但三者样本覆盖（3 题 9 次 vs 5 题 25 次 vs 5 题 25 次）、中文用户指令、模型规模与架构（1.5B Dense / 30B MoE / 8B Dense）、部署路径（本地/公网/VPC 内）均不一致，且两个基线 JSON 与生成脚本未纳入本发布仓库，因此不得解读为同配置延迟加速比或严格科学基准。三层对比仅用于「部署取舍观察」，不构成任何性能、合规或生产适用性结论。详细降级说明、脚本派生关系、复算证明见 量化说明 §2.4B 与 JSON post_run_metadata 字段。

增强方案量化验证（3 项）

方案	核心结论	详见
「提前 N 年预警」量化验证	3 组爆雷案例均在爆雷前 2–3 年首次触发红旗，平均提前 2.7 年；红旗一旦触发便连续多年持续，风险等级逐步升级	§2.5
3 案例多维度风险维度对比	6 维归一化数据表显示三案例风险轮廓各异：乐视偏"盈利质量"、康美偏"资金真实性"、獐子岛偏"存货真实性"	§2.6
规则判定 vs AI 解读增强对比	AI 解读使每条红旗信息量 +133%，新增舞弊手法提示、审计程序建议和历史案例关联；规则仅知"触发了什么"，AI 增强后知"为什么+怎么查"	§2.7

以上三方案均基于 demo_cache 模拟数据，展示规则响应和系统多维检测能力，不构成真实回测准确率或预测性能。

待补充：性能与质量指标

待测指标	最低测试方法	报告指标	当前状态
CPU/NPU LLM 推理参考	同 context · 同 Prompt · 同生成参数 · 客户端 HTTP 端到端耗时	分别报告 p50/p95	T07 已完成：CPU 24/25（p50 64.986s），NPU 25/25（p50 16.502s）；完整权重摘要未证明一致，禁止相除或声明加速比
关键字段抽取准确率	≥10 份 PDF 人工标注真值（16 类指标的本期/上期数值）	准确率（目标 ≥95%）	待测
AI 归因可用率	固定案例集 · 记录超时/失败/降级	可用率	超时已调整为 60s；content 为空时不读取 reasoning_content 思考链，适配器抛 RuntimeError 后调用方安全失败（返回通用提示，不影响规则结论）；长稳 24h/≥200 次统计待测

"准确率 ≥95%"仅作为关键字段抽取的测试目标，不能写成舞弊识别准确率。最终对外数值必须同时附样本数、输入范围、硬件/模型、统计口径和测试日期；未完成测试的项目继续标记为"待测"。

一键复现：在 ModelArts Notebook (Ascend 910B4) 中运行 python npu/modelarts_full_test.py，可同时产出四层证据、pytest 结果和汇总报告。2026-08-08 历史运行总耗时 53.3s，该次 pdf_end_to_end=skipped，耗时不作为当前性能承诺。详细说明见 量化说明。

6. Docker / Compose

Docker 镜像使用 Python 3.11、非 root UID 10001、tini、健康检查和独立的 HITL 持久卷。默认 Compose 不接收在线模型密钥，核心演示按离线模式运行。

docker compose build
docker compose up -d
docker compose ps

打开 http://localhost:8501。停止服务：

docker compose down

docker compose down 不删除命名卷；只有显式加入 -v 才会删除 HITL 持久化数据。在线 AI 建议使用独立、最小权限的环境文件：

docker run --rm -p 8501:8501 `
  --env-file .env.production `
  -v auditprobe-hitl:/app/runtime/hitl `
  auditprobe:2.0.0

镜像仅安装 requirements.docker.txt 中的当前运行依赖。浏览器中的图标和页面快照库仍有 CDN 依赖；完全隔离网络部署时，核心分析和后端导出可用，但页面图标/快照可能降级，后续可将这些静态资源本地化。详细检查见 Docker 部署审核。

复验实测（2026-08-08 历史记录）

⚠️ 以下为 2026-08-08 的历史构建记录；本轮提交前未重新构建验证（Docker 未运行），精确数值仅作参考基线，不作为当前已复核结论。重新构建后将以 docker image inspect 实测值替换。

在 Docker Desktop 29.5.3 + Compose v5.1.4 + WSL2 内核 6.6.87.2 上完成端到端复验：

指标	历史实测值	核查方式
镜像 tag	auditprobe:1.0.0（历史）	当前 v2.0.0 必须重新构建 auditprobe:2.0.0 后填写镜像 digest
镜像大小	约 1.1 GB（历史）	Python 3.11-slim 基础 + 7 类核心依赖；本轮未重新构建验证
构建耗时	约 9.8 分钟（历史）	pip install 阶段 554s（含 PyMuPDF / pyarrow / numpy 大包下载）
容器启动	2.1 秒（历史）	docker compose up -d 总耗时
健康检查	healthy	Docker HEALTHCHECK 探针返回通过
HTTP 探测	200 OK	GET http://localhost:8501/_stcore/health 返回 ok
HITL 持久卷	auditprobe_hitl -> /app/runtime/hitl	命名卷挂载确认
容器重启次数	0	RestartCount=0，ExitCode=0
默认运行模式	离线模式	LLM_ASCEND_ENABLED=false，核心规则不依赖在线 LLM

复验环境为开发者本地 Windows 11 + Docker Desktop；生产环境构建耗时与镜像大小会因基础镜像层缓存、网络代理与 CPU 配额而异，上述数值仅作为参考基线，不作为生产部署的 SLA 承诺。

可配置与可扩展设计

当前模块边界支持复用，但迁移到新的准则体系、文档版式或机构流程时仍需适配和回归验证，不能理解为"只改配置即可无改造成本复用"。

维度	当前已实现	扩展边界
LLM 后端	.env 可选择 DeepSeek、Qwen、GLM 或 ModelArts provider	新 provider 需实现兼容接口并验证认证、超时与数据出站策略
行业阈值	core/red_flags.py 对 R2/R3/R4 提供部分行业覆盖，data/industry_thresholds.json 提供展示快照	新行业需补充样本依据、阈值配置和回归测试，不能直接沿用现有快照
准则映射	data/standards/ 保存 15 项 CAS JSON，core/cas_tracer.py 读取并匹配	IFRS/US GAAP 尚未实现；替换时还需调整字段、映射逻辑、界面和文档
HITL 组织配置	.env 可设置 HITL_COMMITTEE_MEMBER_IDS 联签名册	五类角色及职责分离规则写在代码中，改变流程需同步修改和测试
扫描件处理	可选 scan_corrector_adapter 只做版面旋转校正	OCR 未内置；扫描件需外部 OCR 生成文本层后再分析
演示场景	data/demo_cache/ 可由 scripts/recompute_demo_cache.py 重算	缓存是演示夹具，不是机构知识库或真实效果基准

Docker 镜像提供一致的运行基线和独立 HITL 持久卷；核心规则在关闭模型 API 后仍可运行。面向其他审计场景复用时，应按数据、规则、流程和合规要求重新验证。

7. 项目结构

路径	作用
core/	抽取、模型、仲裁、证据、HITL、合同规则和导出
ui/professional_app.py	唯一正式 Streamlit 入口
frontend-prototype/index.html	嵌入式高保真前端
config/	环境与模型配置
data/	演示缓存、行业快照与运行数据目录
tests/	模型、门禁、HITL、导出、Docker 与公开口径回归测试；含 5 份随仓库发布的 KB 级虚构 PDF 端到端夹具
docs/	算法、能力边界、部署审核、演示与迭代文档

8. 合规与发行边界

• 中注协《审计准则问题解答第19号》 是执业参考和示例，不是对本项目的认证；本项目仅作设计映射。
• 20263116-Q-252《智能体应用安全基本要求》目前是国家标准计划，不是已发布实施的标准；本项目不宣称"符合国标"或通过安全认证。
• 金融监管文件中的相关要求主要面向受监管机构。本项目把其中的人为监督、日志和异常处置方向作为设计参考，不代表监管合规结论。
• CAS 条目库用于风险线索关联，不是自动执行审计准则，也不是法律或执业意见。
• 内置历史案例仅保留公开事件名称和年份作为教学索引；页面财务数值、趋势、证据片段和模型输出均为模拟数据，不构成对相关主体的事实判断。

9. 文档导航

• 产品能力与实现边界
• 风险指数算法与公式
• 量化优势说明
• Docker 部署审核
• v2.0.0 发布验收状态
• v2.0.0 发布清单
• 安全策略

10. 技术栈

技术	版本/名称	用途
Python	Docker 3.11；本地 ≥3.9	主运行时
Streamlit	1.60.0	专业版 Web UI
PyMuPDF / MuPDF	1.28.2 / 1.28.2	PDF 文本层提取、测试 PDF 与导出支持；升级以避开 CVE-2026-7233 受影响范围
NumPy / Pandas	2.3.5 / 2.3.3	数值计算与表格处理
RapidFuzz	3.14.5	CAS 条目模糊匹配
OpenPyXL	3.1.5	Excel 底稿导出
Requests / python-dotenv	2.32.5 / 1.1.0	可选模型 API 与环境配置
SQLite3 / hashlib	Python 标准库	HITL INSERT-only 日志与 SHA-256 链式校验
HTML / CSS / JavaScript	嵌入式前端	8-Tab 交互、图表和页面快照
Docker + Compose	发行配置	可复现运行环境与 HITL 持久卷
pytest	测试工具	当前 386 项自动化回归（360 项决赛基线 + 1 项 XSS 门禁 + 8 项身份门禁 + 1 项发布契约 + 16 项哈希链完整性）
torch / torch_npu	ModelArts 2.7.1 环境	仅用于昇腾算子与环境证据采集，不是发行镜像依赖

源码公开与授权边界

Copyright © 2026 Lyn Li（@LynLi）。

本仓库为赛事评审、演示复现和非商业学习公开源码，采用 Competition-Only Source License，不是 MIT，也不是 OSI 认可的开源许可证。 知识产权归参赛者所有；主办方享有赛事评审、展示、存档和非商业宣传所需的非独占授权。 未经书面许可，不得将本项目用于商业服务、生产部署、SaaS、客户交付、转售或二次商业包装。

PyMuPDF/MuPDF 等第三方组件继续适用其自身许可证，本仓库不对其重新授权。 主要运行依赖及 PyMuPDF 的 AGPL/商业双许可边界见 第三方依赖声明。