关于叶子尽调系统
专为高效、精准的尽职调查工作流打造的智能业务助手。无需懂代码，无需懂提示词，只需简单的点击，AI 即可为您代劳繁杂的案头工作。
🎯 快速上手指南
📄 报告自动填充
只需将带有待填空 `[ ]` 标记的 Word 尽调报告拖入上传框，系统会自动提取问题，让 AI 根据公司内部私有资料库进行精准解答，最后自动把答案填回原文档供您下载。
💬 知识库问答
遇到关于项目的任何问题，直接在对话框提问。AI 会从几百页的尽调资料库中瞬间找到答案。不仅如此，如果需要营业执照、财务报表等原始 PDF 文件，知识库也能直接提供下载链接，确保回答 100% 真实有据且随时可查。
📂 报告资源库
所有生成过的报告都会安全备份在云端。您可以随时在这个区域下载以前生成的报告，或者下载同事已经做好的版本，避免重复工作，大大节省时间。
⚙️ 背后是怎么运转的？
第一步：智能拆解 (解析)
当您上传 Word 报告后，我们的后端程序会像一位细心的审查员，把整篇报告的结构、上下文和每一个需要填写的空白处（占位符）精准提取出来。
第二步：私有大脑检索 (匹配)
针对每一个提取出来的问题，系统并不会去互联网上乱搜，而是直接从您上传的“内部私有尽调资料库”（Base JSON）中进行海量检索，找出最相关的原文数据。
第三步：大模型撰写 (生成)
我们将问题和找到的核心数据一起打包，发送给顶尖的 AI 大模型（如腾讯混元、阿里通义等）。大模型发挥它卓越的理解能力，将干瘪的数据整理成通顺、专业的报告语言。
第四步：原样嵌回 (排版)
这是最难的一步！系统拿到答案后，不是简单给您一堆文字，而是像做外科手术一样，把文字无缝填回原来的 Word 文档中，**并且100%保留您原有的字体、字号和段落排版**！
💡 为什么不用“小龙虾(OpenClaw)”等通用 Agent？
超大规模并行处理能力 (并发调用)
通用 Agent 只能“线性的”一步步回答问题，处理几百页的尽调报告极易卡壳。而我们的系统在后端采用了**多线程并发技术**，把报告拆解后同时向大模型发起几十次 API 调用。通用 Agent 需要几个小时的任务，这里只要几分钟就能并行跑完。
彻底告别“已读不回” (防超时机制)
处理超大型文档时，大模型经常需要思考数分钟。像 OpenClaw 这类通用 Agent 一旦等待时间过长，就会触发超时，直接“判定无响应、已读不回”。而本系统专为长耗时任务设计了**异步流式通讯与重试机制**，无论跑多久，都能稳稳地把进度实时推送到前端，绝不掉线。
完美的 Word 格式精准保留
如果您让通用 Agent 写报告，它只会给您输出长篇大论的纯文本，员工依然需要手动复制粘贴、调整字体格式，极其痛苦。本系统做到了**原文件进去，原文件出来**，它像做外科手术一样只替换空白处，完全不破坏您源文件任何复杂的排版和样式。
私有化部署的安全隔离
虽然系统部署在云端，但这是一套**完全属于您自己的私有化系统**。您的财务、法务尽调材料不会被分享给任何第三方的 SaaS 聊天平台，也不会被别人拿去训练大模型。数据仅在您的云服务器与合规 API 之间封闭流转，最大程度保障商业机密。
🧠 为什么默认使用 GLM-5？(国内大模型综合评测排名)
🏆 GLM-5 的全能表现
GLM-5 在多项权威评测中稳居国内第一梯队（逻辑推理与数学能力名列前茅）。对于尽调报告这种需要“严谨逻辑提取”加上“完全遵循指令格式”的任务，GLM-5 极少出现胡言乱语或破坏输出格式的情况，是处理严肃商业文档的“六边形战士”。
📊 AlignBench / Artificial Analysis 国内大模型复杂任务评测排行 (2026最新)：
| 排名 | 模型名称 (厂商) | 核心优势领域 (评测高分项) |
|---|---|---|
| 1 | GLM-5 (智谱 AI) ✨本系统首选 | 复杂逻辑推理、代码生成、格式严格遵循 |
| 2 | DeepSeek-V3/R1 (深度求索) | 极客代码能力、数理逻辑推演 |
| 3 | Kimi-K2.5 (月之暗面) | 超长文本解析、海量文档“大海捞针” |
| 4 | Doubao-Pro (字节跳动) | 泛娱乐创作、智能体任务规划 |
| 5 | Hunyuan (腾讯混元) | 云端办公协同、企业级知识基座 |
* 数据来源：综合 Artificial Analysis Intelligence Index 与中文复杂指令权威评测榜单 (AlignBench)。注：不同评测集的侧重点不同，在偏向日常娱乐的盲测中其他模型可能分数更高，但在**“复杂推理”与“指令格式严格遵循”**这一尽调系统最看重的硬核技术指标上，GLM 系列长期霸榜国内第一。
⚠️ 客观认识：AI 填写尽调报告的局限性
尽管本系统在架构上进行了大量针对性优化，但由于当前大语言模型（LLM）的底层技术机制，它依然存在一些固有的局限性。作为专业的尽调工作者，了解 AI 的边界能帮您更好地驾驭它：
📉 注意力涣散 (遗漏空白/找错答案)
面对动辄几百上千页的繁杂尽调资料，AI 偶尔也会出现“注意力丢失（Lost in the middle）”。如果关键信息埋藏过深，或者相同词汇在不同章节有歧义，AI 可能会“看走眼”导致填错，或者因为没找到确切数据而把 `[ ]` 空白处原样遗漏。
🎭 逻辑幻觉 (强行编造数据)
大模型的本质是“概率预测词语接龙”。如果资料库中确实缺乏某项特定财务数据，个别模型有时为了“显得自己完成了任务”，会根据上下文强行拼凑出一个看似合理的虚假数字（幻觉）。因此，对关键财务指标进行**人工终审复核**是不可或缺的环节。
🧩 复杂图表与交叉核对盲区
AI 对纯文本的理解炉火纯青，但如果数据隐藏在极其复杂的非标准表格、图片扫描件中，或者需要把多份文件中的利润和负债进行复杂的交叉计算，AI 的表现往往不尽如人意。它更像是一个不知疲倦的“文科状元”，而不是“资深审计师”。
📝 Word 格式解析与处理瓶颈
大语言模型本质上只能理解“纯文本”。虽然本系统采用了外科手术式的替换技术来尽量保留原格式，但 Word 底层是极其复杂的 XML 结构（如多级嵌套列表、隐藏回车、历史修订痕迹等）。如果待填空的 `[ ]` 夹杂在极度混乱的旧版表格或不规则排版中，文本嵌回后可能偶尔会出现段落错位，仍需您在 Word 里手工稍微排版微调。
💡 正确的使用姿势
请将本系统视为一个高效的“初稿助手”。它能帮您瞬间完成 80% 的资料翻阅和基础排版工作，而您只需把省下来的宝贵精力，集中在最后 20% 的人工校验、排版微调和复杂数据的穿透审计上。
上传需要填写的尽调报告
运行日志
📂 报告资料库
✨ 知识库问答
你好！我是叶子，您可以询问我关于尽调知识库的任何问题。