read-pdf

name	read-pdf
description	读取上市公司PDF财报与公告，构建RAG知识库，支持多轮问答和页码溯源。在用户请求读取、解析财报PDF、查询财报数据、下载年报时使用。
keywords	财报, 年报, PDF, 读取, 解析, 财务报表, 资产负债表, 利润表, 现金流, 公告, 阅读, 分析

read-pdf 技能指南

适用场景

• 读取上市公司年报、半年报、季报 PDF
• 解析财务报表中的复杂表格（资产负债表、利润表、现金流量表）
• 针对财报内容进行多轮问答
• 提取关键财务指标并追溯页码来源
• 从巨潮资讯下载 PDF 年报、获取财务数据

两种解析模式

模式一：PyPDF2 基础解析（适合纯文本型 PDF）

• 脚本：skills/read-pdf/scripts/parse_pdf_basic.py
• 用法：python skills/read-pdf/scripts/parse_pdf_basic.py --pdf <PDF路径> --output_dir <输出目录>
• 特点：速度快、轻量，适合公告、文字型报告

模式二：多模态大模型解析（适合复杂表格/图表）

• 脚本：skills/read-pdf/scripts/parse_pdf_ocr.py
• 用法：python skills/read-pdf/scripts/parse_pdf_ocr.py --pdf <PDF路径> --output_dir <输出目录>
• 特点：高精度结构化输出，保留表格格式，适合财务报表
• 默认使用 qwen-vl-plus，也可用 --model deepseek-ocr-2 切换

可用脚本

脚本	功能	参数
scripts/parse_pdf_basic.py	PyPDF2 基础解析 PDF	--pdf, --output_dir
scripts/parse_pdf_ocr.py	多模态大模型解析复杂表格	--pdf, --output_dir, --pages(可选), --model(可选)
scripts/build_index.py	构建 FAISS 向量索引	--text_dir(目录) 或 --text_file(单文件), --index_dir
scripts/query_report.py	RAG 问答查询	--index_dir, --query, --top_k(默认6)
scripts/fetch_financial_data.py	获取财务数据/下载年报PDF	--stock, --type(financial/pdf/all), --output_dir

执行流程（必须遵守）

推荐方式: 使用统一索引（preprocess.py 预处理后）

1. 检查统一索引: 检查 data/vector_store/ 是否存在
2. 有统一索引 -> 直接查询: 使用 query_report.py 并带 --stock 参数过滤 python skills/read-pdf/scripts/query_report.py --index_dir data/vector_store --query "问题" --stock 688981
3. 回答中引用数据来源的文档名和页码

回退方式: 单文档索引（无统一索引时）

1. 检查 data/vector_db/ 下是否有旧版单文档索引
2. 有索引 -> 直接用 query_report.py 查询（不带 --stock）
3. 无索引 -> 完整流程: a. 检查 data/reports/ 下是否已有对应 PDF b. 如无 PDF，用 fetch_financial_data.py --stock <代码> --type pdf 下载 c. 用 parse_pdf_basic.py 或 parse_pdf_ocr.py 解析 PDF d. 用 build_index.py 构建 FAISS 向量索引 e. 用 query_report.py 回答用户问题

新增 PDF 的处理

• 将新 PDF 放入 data/reports/
• 在项目根目录执行 python preprocess.py 即可自动处理新文件并更新统一索引
• preprocess.py 会自动提取元数据(标题、股票代码、发布日期等)并保存到 data/documents.db

禁止: 安装依赖、检查环境、验证包版本。

注意: execute 执行脚本时，所有路径参数必须用相对路径（不带前导 /）。 例如: --index_dir data/vector_store，不要写成 --index_dir /data/vector_store。 ls 返回的路径带有前导 /，传给脚本时需要去掉。

示例对话

用户: "中芯国际 2025Q2 营收和毛利率是多少？" 步骤:

1. 检查 data/vector_store/ 是否存在统一索引
2. 执行 python skills/read-pdf/scripts/query_report.py --index_dir data/vector_store --query "2025Q2营收和毛利率" --stock 688981
3. 返回答案(带来源文档和页码)

用户: "帮我读一下贵州茅台的年报" 步骤:

1. 检查 data/vector_store/ 统一索引
2. 如有，执行 python skills/read-pdf/scripts/query_report.py --index_dir data/vector_store --query "贵州茅台年报概况" --stock 600519
3. 如无统一索引也无旧索引，需先下载 PDF、解析并建索引