一、上传这一步，为什么值得单独成一节

教材把它单列成一个小节，原因很实在：本章所有的分析结论，都建立在"它读到的东西"之上。

你上传什么  →  它就只看得见什么  →  它写出来的每一条结论
                                   都只能来自这份文件

这条链路有一个容易被忽略的推论：如果素材本身有问题，后面七节的所有检查都是白做的——因为它不是在"分析"出一个错，它是在"忠实整理"一个错的素材。

二、六条检查：三条硬的、三条软的

这是本节的核心表。看清楚"硬"和"软"的分界：

三条硬的，是"操作问题"——报错信息会告诉你，重来一遍就好。 三条软的，是"质量问题"——它不报错，你只能靠习惯挡在前面。

三、扫描件：本章最常见的翻车点

第 4 条（文字层）值得单独讲，因为它是最像"没问题"的那一类问题。

一份扫描版年报：能传上去，能解析，能出结果，写得还挺通顺。它唯一的问题是——

纸上是：1,000,000,000 元
它认成：100,000,000 元
它写成：本期营业收入约 1 亿元（P12）

这句"1 亿元"读起来毫无破绽：格式对、单位对、语气对、还有页码。

四、上传之后发生了什么

文件传上去不是就完事了，通常还会经过解析这一步：

上传文件  →  解析（把 PDF 拆成可检索的文本片段）  →  建立索引  →  分析时按需取用

这带来两个实操上的推论：

1. 解析需要时间，且有失败的可能。传完别急着发任务，先确认它确实读到了内容（拿一个你已知的数字问一句，看它能不能指出页码）。
2. 解析是"按块"的，所以清晰的排版比花哨的排版更好读——这也是第 4 条（文字层）如此重要的原因之一。

五、文件命名的一点讲究

一个小习惯，能省掉后面很多核对时间：把"谁、哪一期、什么单位"写进文件名。

✗  年报.pdf
✗  下载(3).pdf
✓  600519_2025年报_单位元.pdf
✓  000858_2025三季报_单位万元.pdf

为什么值得：任务描述里要写"对象"，而这个"对象"最不容易写错的方式，就是让它同时出现在文件名里——人和 AI 看的是同一个名字。7.2.1 讲的清单第 1 条【核对上传件】，核的就是它。

六、⚠️ 2026 现状：上传这一侧的三件事

现状一：容量规则是明确的硬限制

一次最多 10 个文件，单个不超过 50MB。超了就拆批——注意"拆批"不只是操作问题：如果这份分析本来就该基于全部 11 份文件，拆批意味着你要自己负责把它们的结果合起来。

现状二：文件是传到云端的

上传即上传到平台侧。这是本节之外的一条纪律：别把不该外传的内部文件往上放。本课的场景是公开年报，这一点没有风险；但换成"未披露的内部报表"，就完全是另一回事了。

现状三：解析质量取决于原件质量

这一条没有官方数字，但方向明确：清晰、有文字层、排版规整的原件，解析质量明显更好。扫描件、拍照件、加密件都是高风险供给。

七、动手 Demo：上传前体检器

下面这个脚本把上面六条检查（外加数量）写成代码，扫一批文件。

# -*- coding: utf-8 -*-
"""7.2.2 Demo：上传前的财报文件体检器

扣子空间的附件规则（2026 现状）：一次最多 10 个文件，单个不超过 50MB。
本 Demo 在此之上再加三条财报特有的检查：
  - 有没有文字层（没有＝扫描件，识别质量会掉）
  - 文件名里有没有期间标识（年报／半年报／Q1~Q4）
  - 单位有没有在文件名或正文里声明（元／万元／百万元）
"""

LIMIT_COUNT = 10
LIMIT_MB = 50.0

# (文件名, 是否PDF, 体积MB, 有无文字层, 能否看出期间, 单位已声明)
FILES = [
    ("600519_2025年报.pdf", True, 8.4, True, True, False),
    ("600519_2024年报.pdf", True, 7.9, True, True, False),
    ("600519_2023年报.pdf", True, 9.1, True, True, True),
    ("2025Q3季报_扫描件.pdf", True, 22.6, False, True, False),
    ("行业研报_白酒2026.pdf", True, 31.2, True, False, False),
    ("年报附图_商誉明细.pdf", True, 4.3, True, False, False),
    ("2025半年报.pdf", True, 6.8, True, True, False),
    ("年报合订本_高清版.pdf", True, 63.5, True, True, False),
    ("2025年报.xlsx", False, 1.2, True, True, True),
    ("2024年报_下载版.pdf", True, 12.3, True, True, False),
    ("2025三季报.pdf", True, 5.1, True, True, False),
]


def check(name, is_pdf, mb, has_text, has_period, unit_ok):
    """返回 (结论, 原因清单, 等级)"""
    if not is_pdf:
        return "先处理", ["格式不是 PDF——扣子空间附件以文档为主，表格请单独整理"], 2
    if mb > LIMIT_MB:
        return "先处理", ["体积 %.1fMB 超过单文件上限 %.0fMB" % (mb, LIMIT_MB)], 2
    level = 0
    reasons = []
    if not has_text:
        level = 1
        reasons.append("没有文字层（扫描件），识别质量会下降")
    if not has_period:
        level = 1
        reasons.append("文件名里看不出是哪一期")
    if not unit_ok:
        level = 1
        reasons.append("单位未声明（元／万元），引用数字前要确认")
    if level == 0:
        return "可上传", [], 0
    return "需注意", reasons, 1

看到什么算成功（真实输出）：

==============================================================================
  7.2.2 Demo：11 个文件，哪些能直接传
==============================================================================

  规则：一次 <= 10 个文件，单个 <= 50MB

  文件                          体积     结论
  --------------------------------------------------------------------------
  600519_2025年报.pdf           8.4MB    需注意
  600519_2024年报.pdf           7.9MB    需注意
  600519_2023年报.pdf           9.1MB    可上传
  2025Q3季报_扫描件.pdf         22.6MB   需注意
  行业研报_白酒2026.pdf         31.2MB   需注意
  年报附图_商誉明细.pdf         4.3MB    需注意
  2025半年报.pdf                6.8MB    需注意
  年报合订本_高清版.pdf         63.5MB   先处理
  2025年报.xlsx                 1.2MB    先处理
  2024年报_下载版.pdf           12.3MB   需注意
  2025三季报.pdf                5.1MB    需注意

二、需要处理的，逐条说原因
------------------------------------------------------------------------------
  1) 600519_2025年报.pdf
       - 单位未声明（元／万元），引用数字前要确认
  2) 600519_2024年报.pdf
       - 单位未声明（元／万元），引用数字前要确认
  3) 2025Q3季报_扫描件.pdf
       - 没有文字层（扫描件），识别质量会下降
       - 单位未声明（元／万元），引用数字前要确认
  4) 行业研报_白酒2026.pdf
       - 文件名里看不出是哪一期
       - 单位未声明（元／万元），引用数字前要确认
  5) 年报附图_商誉明细.pdf
       - 文件名里看不出是哪一期
       - 单位未声明（元／万元），引用数字前要确认
  6) 2025半年报.pdf
       - 单位未声明（元／万元），引用数字前要确认
  7) 年报合订本_高清版.pdf
       - 体积 63.5MB 超过单文件上限 50MB
  8) 2025年报.xlsx
       - 格式不是 PDF——扣子空间附件以文档为主，表格请单独整理
  9) 2024年报_下载版.pdf
       - 单位未声明（元／万元），引用数字前要确认
  10) 2025三季报.pdf
       - 单位未声明（元／万元），引用数字前要确认

三、数量核对
------------------------------------------------------------------------------
  文件总数 11 个 —— 已超限，要拆批（上限 10）
  可上传 1 ／ 需注意 8 ／ 先处理 2

四、读结果
------------------------------------------------------------------------------
  ① 三条硬性检查（格式／体积／数量）是【传不进去】的；
     三条质量检查（文字层／期间／单位）是【传进去也会出错】的。
     前者当场报错，后者要等你读到结论才发现——后者更贵。
  ② 那个扫描件是本章最常见的翻车点：它照样能传上去，照样能
     出结果，只是数字会悄悄错。【遇到扫描件，先做 OCR 再上传】。
  ③ 单位未声明这条看着像小事：【元】和【万元】差一万倍，
     而 AI 只会照着纸面抄，它不会替你猜单位。

==============================================================================

读结果：

• 11 个文件里只有 1 个"可上传"，其余全在"需注意"——这不是这份样本特殊，这是真实情况。真实素材里，"能传上去"和"可以直接用"之间，隔着六条检查。
• "需注意"最多的一类，是"单位未声明"。它最不起眼，但它是唯一一个"看不出来就会差一万倍"的问题。

30 秒实验

拿你手边任意一份 PDF 财报（没有的话，去交易所官网随便下一份），只做一个动作：

用鼠标在 PDF 里【选中一段文字】。

• 如果能选中、能复制 → 有文字层，可以直接上传；
• 如果框了半天选不中，或者选出来是乱码 → 它是扫描件或图片版。

再想一层：如果连你选中都费劲，凭什么觉得 AI 能读得准？

结论：这一个动作，能挡掉本章最贵的那类错。 花 3 秒，省的可能是一次全盘重做。

常见误区

1. 【文件能传上去就说明没问题】——传得上去和读得对，是两件事。 六条检查里，只有前三条会报错；后三条不报错，只出错。
2. 【扫描件也没关系，AI 不是能识别图片吗】——能识别，但识别质量会明显下降。 而且本章的下降方式最阴：不是给你乱码，是给你一句通顺的错话。先 OCR，再上传。
3. 【单位是小事，它会自己看上下文】——它不会替你猜。 年报里"金额单位：万元"通常写在表头，离数字很远；模型照纸面抄，你写"万元"它就是万元，你写"元"它就是元——判断这件事，是你的。
4. 【文件越多越好，全都传上去】——多不一定好，还有 10 个的上限。 更实际的问题是：你传的每一份，都要为它的结论负责。传一份自己都没看过的研报，等于给分析结果开了一个你控不住的口子。

• ☐ 下一节（7.2.3 智能体分析提示词配置）

相关笔记

• 扣子空间任务创建 —— 本节的上游：任务交代清楚了，才有"该传什么"的问题
• RPA发起会话并识别结果 —— 【文件要先有可访问地址】，两章的同一个前置条件
• 采购订单智能填报概述 —— 那头【99% 准确率】的数据里，"差扫描件"仍在吃力项里
• 采购订单智能识别工作流 —— 那里也讲图像输入，对照看【图像理解】与【文字层】的差别
• 🤖 Agent+RPA实战 · 索引 —— 全课路线图