MVP·1
中英文一致性检查
数字、日期、术语、人名在中英文版本间逐项对齐，输出可追溯的差异清单。
POC 周期2–3 周
Wavesteam × iPRO · Proposal Brief
Financial DocumentAutomation，专为 financial printer 量身定制。
iPRO 服务的是 IPO、年报、公告、通函、Offering Circular 等资本市场文件。 这一类 financial printer 业务的重点， 往往不在排版本身，而在多版本、多语言、多方协作、高时效、高准确性要求下，那些被重复触发、依赖人工接力的环节。
3
高价值场景
POC → Platform
渐进式落地路径
本地部署
可不连外网
01 · Our Understanding
不是做一个泛 AI 工具，
而是从 三个高价值场景 切入。
我们建议先用贵公司脱敏的历史文件做小范围 POC 验证效果，效果可控后再扩展为内部的 Financial Document Automation Platform。 这样既能让团队快速感受到价值，又能把节奏掌握在自己手里。
MVP·2
版本差异 + 风险变更
自动比对两版 Word/PDF，输出 blackline，并标记高优先级的变更点。
POC 周期3–4 周
MVP·3
邮件附件归档 + 任务流转
RPA 监听邮箱 / 网盘，按项目编号归档、入表、生成检查报告。
POC 周期3–4 周
三个场景彼此独立、可以单点验证，也可以在后续讨论中任选一个作为起点。 起步不需要一次性改动现有流程，可在现有环境中并行运行、逐步过渡。
02 · Where Time Goes
资本市场文件的难点，
不在排版，而在一致性与时效。
以下是我们结合公开资料与同行业经验，对 financial printer 日常工作流的初步理解， 偏向三个容易被反复触发的环节。如与 iPRO 实际情况不一致，欢迎现场指正与补充。
P · 01Recurring Workload
多源收料
客户传过来的资料形态多样——PDF、扫描件、Excel、邮件正文中的截图，需要在进入项目前完成整理、命名与文本化。
资料汇总与预处理
项目启动期 · 高频 · 反复
可被流程化
P · 02Recurring Workload
多语多版本一致性
招股书动辄数百页，中英文版本中的数字、日期、人名、条款需要逐项对齐；跨页、跨章节的引用关系尤其需要反复核对。
中英文一致性核对
多轮 · 多人 · 多版本
可被流程化
P · 03Recurring Workload
夜间版本迭代
客户深夜发来新版 Word，要求次日上午交付 blackline；几轮迭代之后，哪些是关键变动、哪些是格式调整，需要再次梳理。
版本比对与修改标记
夜间 · 高频 · 高时效
可被流程化
03 · Three Wedge Scenarios
从 三个高价值场景 切入，
每一个都能在 30 天内见到效果。
下面三个场景都可以先用脱敏文件做 POC：先证明效果可控，再评估是否扩展为内部平台。 每个场景都配备 真实演示用的 mock 报告界面，便于现场展示给业务、合规、IT 三方。
Intake · Project 2026-IPO-001
RPA Bot · running- 09:02邮箱收到附件FY2025_Audited.xlsx · 2.4MB
- 09:02OCR 解析完成识别 12 张表 · 318 行数据
- 09:03归档到项目空间/2026-IPO-001/02_Audit/
- 09:03结构化入表财务摘要 · Use of Proceeds · Risk Factors
- 09:03通知项目经理@Wendy · @Calvin · 已抄送排版组
原本 ≥ 2 小时人工整理→ 实际 11 分钟自动入库
Scenario · 01
智能收料与数据提取 RPA
面向「多源收料」
Pain
客户传过来的资料形态多样，财务数据可能散落在 PDF、扫描件、Excel 中，进入项目前需要统一整理、命名与文本化。
- RPA 监控指定邮箱 / 网盘，自动下载附件并按项目编号归档
- 多模态 LLM 自动识别 PDF/扫描件中的表格、数字与附注
- 结构化数据自动写入标准 Excel 中间表，或对接排版系统数据接口
Hook“项目启动期的资料整理可以被折叠为一次自动化入库与检查，让项目从「收料」进入「启动」的时间更可预期。”
Bilingual Consistency Report
ABC Holdings · Prospectus v3| 类型 | 页码 | 英文 | 中文 | 风险 | 建议 |
|---|---|---|---|---|---|
| 金额 | P.36 | HK$128.6 million | 1.286 亿港元 | 低风险 | 通过 |
| 百分比 | P.42 | increased by 18.6% | 增加 16.8% | 高风险 | 人工确认 |
| 日期 | P.7 | 31 March 2026 | 2025 年 3 月 31 日 | 高风险 | 人工确认 |
| 术语 | P.12 | revenue | 营业额 / 收入 混用 | 中风险 | 按术语库统一 |
共扫描 8,432 个 token · 找出 4 处差异报告已生成 · 0.8s
Scenario · 02
财务数据与双语一致性 AI 稽核
面向「多语多版本一致性」
Pain
招股书动辄数百页，中英文版本中的数字、日期、人名、条款需要逐项对齐；财务表格跨页、跨章节的引用关系尤为重要。
- AI 比对引擎：自动比对中英文 PDF/Word 的数字、日期、关键术语
- 规则引擎：内置披露规则与会计科目映射，标记异常
- 自动输出差异清单与核对报告，排版同事按图索骥修改
Hook“一致性检查从「依赖逐页翻阅」转为「选项式复核」，任意异常点都可以被定位、标记与复查。”
Blackline · v3 → v4
03:14 AM · auto generatedThe Group's revenue for FY2025 was approximately HK$108.4 million HK$128.6 million, representing a year-on-year growth of 16.8% 18.6%.
The Board has resolved to declare a final dividend of HK$0.12 per Share for the year ended 31 December 2024 31 December 2025.
Mr. CHAN Tai Man CHAN, Tai-man was appointed as an executive Director on the Listing Date.
7
高风险变更
23
中风险变更
128
普通编辑
Scenario · 03
版本差异与高风险变更识别
面向「夜间版本迭代」
Pain
客户深夜发来新版 Word，要求次日上午交付 blackline；几轮迭代后，哪些是关键变动、哪些是格式调整需要再次梳理。
- AI 文档比对：识别两版 Word/PDF 的段落增删、数字变动与格式调整
- 自动生成兼容财经印刷标准批注格式的 blackline / redline
- RPA 自动触发邮件，通知项目经理与排版团队，附风险摘要
Hook“夜间迭代产生的变动可以被预先梳理为一份带优先级的 blackline + 差异摘要，供次日上午直接接收与处理。”
04 · Solution Architecture
三层架构，对应你们工作流的
理解层 · 执行层 · 协同层。
三层之间用统一的项目对象贯穿：每个 IPO / 年报项目都拥有自己的工作空间、版本树、检查报告、流转日志。 既能服务一线排版同事，也能服务到合规与审计。
Layer · 01
AI Engine
理解、对齐、判断
在文件层面「看懂」中英文招股书。
- 文档解析（PDF / Word / Excel / 扫描件）
- 翻译审校与术语库
- 数字 / 日期 / 人名一致性检查
- 版本对比与高风险变更识别
Layer · 02
RPA Bot
无声地搬运、归档、通知
在系统层面「打通」日常重复劳动。
- 邮箱 / 网盘附件自动下载
- 按项目编号归档与命名
- 格式预处理与系统录入
- 任务通知 + 自动生成检查报告
Layer · 03
Workflow Platform
让多方协作有迹可循
在协同层面「看得见」项目状态。
- 项目空间 + 版本管理
- 审批流 + 客户门户
- 日志追踪 + 操作审计
- 细粒度权限与文件可见域控制
Inbound
客户邮件 / 网盘
Intake
RPA 自动收料 + 归档
Analysis
AI 解析 + 一致性检查
Diff
版本比对 + Blackline
Workflow
任务流转 + 审批 + 通知
Outbound
排版系统 / 客户门户
05 · Proven Track Record
我们做过真实跑在金融机构里的方案，
不是 demo 工程。
下面三个案例分别覆盖证券、保险与 B2B 制造业，复用其中的 文档解析、知识图谱、RPA 流水线 能力，正是支撑 iPRO 三大场景的底座。
Case · 01证券 · 投行
西南证券
证券与发票数据处理 · 知识图谱驱动
我们为西南证券提供发票 OCR 与债券识别能力，利用知识图谱将债券文件中的关键信息抽取出来，自动入库并生成检查报告，覆盖核心债券业务的数据流。
OCR知识图谱结构化抽取检查报告
覆盖文档
100K+ 份
Case · 02保险 · 中后台
某头部保险公司
保单扫描件 RPA + AI 自动处理
面向保险保单扫描件，构建 RPA + 多模态 AI 流水线：自动提取结构化字段、写入业务数据库、并实时生成核对报告，让中后台从录入工厂转向异常审核。
RPA扫描件 OCR结构化入库异常审核
人工录入下降
≈ 78%
Case · 03B2B · 制造 / 物流
Wavesteam 标杆案例
AI 手写订单识别
针对手写订单这类高度非结构化的输入，构建多模态识别与校验闭环。一线员工拍照即可完成下单与归档，错误率显著下降。
手写 OCR字段校验工单流转
公开案例
wavesteam.com
06 · Security & Deployment
财经印刷的保密要求
比银行还高。
所以这套方案默认完全跑在贵公司办公室的一台服务器上，不需要连外网。 如果未来需要云端更强的模型，我们也准备了 「脱敏沙盒」方案——云端只看到一个全是代号的模板，看不到任何真实公司名和真实数字。
本地私有化部署
全部模型与数据保存在贵公司内网，不依赖任何外部 API，可断网运行。
脱敏沙盒模式
上云前自动替换公司名、人名、数字为代号，云端推理后再回填本地。
细粒度权限
按项目空间、按文件类型、按字段，控制谁能看 / 改 / 导出。
完整操作审计
每一次文件流转、AI 调用、邮件发送，都留下不可篡改的日志。
Deployment Topology
一台办公室服务器即可起步
01
Wavesteam Server (本地 1U)
AI Engine + RPA Bot + Workflow Platform 全部容器化部署
02
iPRO 内部网络
对接邮箱、网盘、排版系统、客户门户
03
可选：脱敏沙盒
需要时按字段脱敏后调用云端大模型，结果回填本地
不依赖外部 API · 可断网运行Air-gapped Ready
07 · MVP Roadmap
小步快跑，
每 30 天交付一次可感知的成果。
我们建议把节奏切成 4 个阶段：先用一个能跑的 MVP 让团队"看见 AI 在帮我"， 再把其它两个场景叠加上去，最后才统一抽象为内部平台。
- 0Week 0
脱敏文件准备 + 共识对齐
选定 1–2 个历史项目作为 POC 素材，确认评估指标、责任人与时间窗。
Deliverables- ·POC SoW
- ·评估指标卡
- ·脱敏后样本集
- 1Week 1–3
MVP 1 · 中英文一致性检查
覆盖数字、日期、人名、关键术语；输出可读的差异报告与 reviewer 友好界面。
Deliverables- ·AI 比对引擎
- ·差异清单报告
- ·术语库 v0
- 2Week 3–7
MVP 2 · 版本差异 + 风险变更
在客户改稿场景下，自动生成 blackline，并标记高风险段落与字段。
Deliverables- ·Blackline 自动生成
- ·风险变更摘要
- ·邮件通知集成
- 3Week 6–10
MVP 3 · 邮件归档 + 项目流转
把 RPA 接入邮箱/网盘，按项目编号归档；与项目空间和审批流打通。
Deliverables- ·RPA 收料机器人
- ·项目空间 v0
- ·审批与日志
- 4Quarter 2
Financial Document Automation Platform
把三个 MVP 抽象到统一平台，开放给更多项目组与客户门户使用。
Deliverables- ·统一平台
- ·客户门户
- ·权限与审计
Next Step · POC Invitation
挑 1 个历史项目，
让我们用脱敏文件做一次 30 天 POC。
我们会现场和你们一起：选 1 个 IPO / 年报历史项目，做完整的双语稽核 + 版本比对，输出一份能直接交付排版同事的报告。如果效果可控，再讨论 是否扩展到其它两个场景与平台化。