这不是宣传册，是课件本体：开场的 AI 形势简报、编程智能体（Code Agent）与 Cowork 办公方式的白话导览、三大工作学科（Prompt / Context / Harness Engineering）、 与讲义完全一致的七个实操案例、以及可下载的数据包。课前、课中、课后，都从这里出发。
打开案例 → 前往下载开场用的宏观图景，全部来自德勤对金融服务业的调研——不是泛泛的科技问卷。 它讲的故事是：工具的可得性已经解决，能力还没有。
金融服务业员工获得机构许可 AI 工具的比例，一年内从三成升至逾六成——"没有工具"已不再是理由。
德勤《State of AI in the Financial Services Industry: The untapped edge》，2026 年 3 月，N=573 位金融服务业领导者仅 24% 的机构将 40% 以上的 AI 实验投入生产——大多数试点停在终点线之前。
同上浪潮下个季度就到，准备好没有都会到。
同上四成从业者只在表面用 AI，底层流程几乎没变——用了，但没用上。
同上84% 的机构没有围绕 AI 重新设计工作方式，而"员工技能不足"被列为整合的第一大障碍——瓶颈是能力，不是牌照。
同上仅 31% 的董事会把 AI 列入议程，66% 的董事自认 AI 知识有限——能展示"受控使用 AI"的团队，正填上一个看得见的缺口。
德勤 Global Boardroom Program《Governance of AI》第 2 版，2025 年，n=695（56 个国家/地区）德勤 2026 年 7 月发布《Banking on trust》——对 16 个国家/地区 135 家大型银行 AI 治理实况的指数化调研。结论不舒服但有用：政策写完了，问责、监测和人还没建起来。 对审计师而言，这正是机会所在：我们的职业本能——留痕、复核、判断不外包——就是 AI 治理要补的课。
仅 13% 达到"优化"层级；与此同时银行员工的每周 AI 使用率一年翻倍至 63%——采用跑在了控制前面。
德勤《Banking on trust: AI governance for growth, resilience and scale》，2026 年 7 月，n=13572% 的银行有过半 AI 用例未进入中央登记册——没有台账的东西，既无法治理，也无法审计。
同上德勤点名"人与技能"是最弱支柱之一——缺口在人，不在流程。你现在坐在这间教室里，就是在补这个缺口。
同上IAASB 技术立场与 ISA 540（修订）的挑战者逻辑指向同一件事：责任不可委托给机器。AI 可以准备估计与分析——签字的仍是审计师。（IAASB technology position statement · iaasb.org）
财会〔2024〕11 号/12 号自 2025 年起施行，会计核算与电子凭证走向机器可读——这是 AI 辅助结账与全量测试赖以运转的底层。（mof.gov.cn）
第 4 条要求部署方对员工采取 AI 素养措施——只要"使用"第三方 AI 系统即受约束，不限于开发者。（Regulation (EU) 2024/1689, Art. 4）
按"功能 · 流程 · 治理"三层框定风险，把人工复核与独立验证列为核心缓释——同样适用于编制方。（frc.org.uk）
《关于银行业保险业人工智能安全开发应用的指导意见》：全生命周期管理、风险分类分级、点名高风险领域、强制人工监督与高风险用途的人工最终决策、定期算法审计。（nfra.gov.cn，2026-06-18）
两大支柱：机构级治理 + 全生命周期管理；实践 10 要求人工监督随系统自主性同步升级。（fsb.org，2026-06-10）
把时钟连起来读，各法域正收敛于同三件事： 给风险分级、把人留在决策里、留下可审计的轨迹。一个本来就这样工作的审计团队，不是在应对监管——是已经走在监管要求的方向上。
本页所有数字均出自德勤出版物或监管一手文件；调研数字描述其样本，不指向任何单一机构。今天全程使用的不是聊天机器人，而是能动手的智能体：授权它一个文件夹， 它自己读文件、写代码、跑出结果、向你汇报。三步心智模型：
用大白话说清你要的结果——"要什么"，不是"怎么点"。
智能体列出步骤、写代码、在你的文件夹里跑出结果——过程你全程可见。
读它的计划与回执、核关键数字。你的工作从"做"变成"定义与验收"。
桌面应用、中文界面；安装后授权一个本地文件夹即可开工。本次培训的默认工具。
免费 AI IDE，国内版内置豆包 / DeepSeek 模型；适合想在开发环境里进一步折腾的学员。
命令行 / 桌面形态，能力上限最高；可把跑通的流程沉淀成可复用的 Skill——团队资产化的方向。
同类国际工具还有 Cursor、OpenAI Codex CLI、Gemini CLI 等——形态略异（IDE / 命令行），心智模型完全相同：学会一个，就学会了全部。
Cowork 不是某个软件，而是一种工作组织方式：给智能体一个工作目录，像给新同事布置任务一样下达目标与验收标准； 它交付结果和"做了什么"的回执，你验收、追问、改需求。团队的下一步，是让多个专业智能体协同—— 编排、证据、估值建模、基金核算、报告起草各司其职，审计师在关键节点复核签认。 今天的 7 个案例，就是你与"估值与建模智能体"的第一次结对办公。
智能体直接在你授权的文件夹里创建、修改文件——这是它和聊天机器人的本质区别。
它只能看到你授权的目录。课堂用模拟数据随便授权；真实数据先过所内政策。
动手前列计划、做完后给回执。读计划，是你在错误发生前拦住它的机会。
代码报错它自己改自己重跑；真卡住了，把任务拆成两半重发——拆解是技能，不是妥协。
同一句话两次产出可能略有差异——所以验收清单和自查数字才是你的锚。
难的它常做对，简单的（格式、符号）反而会翻车——这正是审计师必须在环上的原因。
拿到智能体不等于会用。技能拆成三门学科：把目标说准（Prompt）、把上下文喂对（Context）、 给产出装上护栏（Harness）——七个案例，每个都在练全部三门。
"分析一下这个数据。"
得到的是它猜你想要什么。
"按四条红旗规则对全部 42 个项目做全量扫描，输出红旗清单（编号、企业、红旗类型、一句话说明——写清差异金额或滞后月数）……最后用中文汇报关键发现。"
得到的是可以进底稿的工作成果。
本站全部数据虚构、固定种子可复现——可放心交给任何 AI 工具。
客户数据只进所内合规许可的工具与环境；能脱敏则脱敏，不确定先问。
每个 AI 产出都连同异常清单/回执一起交付——悄无声息的修复比脏数据更可怕。
数字对回控制总数、判断逐句过目——与 IAASB/FRC 立场一致：责任不可委托给机器。
按顺序做：拆分（1）→ 勾稽（2）→ 清洗（3）→ 红旗扫描（4）→ 一键报告（5）， 复算（6）与底稿生成（7）作为进阶带回家。案例正文即学员版原文；数据从"下载"区获取， 做完对照各案例的"完成后自查"。贯穿口径：启衡三号基金（虚构）· 45 个项目 · 基准日 2025-12-31 · 公允价值合计 50.80 亿元 · 差异门槛 500 万元。
| 项目 | 说明 |
|---|---|
| 业务场景 | 基金年审开工：投资组合明细分派 |
| 核心操作 | 数据拆分（一张大表 → 多张子表 / 多个文件） |
| 难度 | ⭐（热身） |
| 预计时长 | 25 分钟（Part 1 ≈ 10′ · Part 2 ≈ 10′ · 对比 ≈ 5′） |
| 原始数据 | 原始数据_投资组合明细表.xlsx（1 个工作表，45 行） |
本案例及后续所有案例中的基金、企业与数字均为虚构的模拟教学数据，如有雷同纯属巧合。
启衡三号基金的年审进场了。这支基金期末持有 45 个投资项目，横跨 8 个行业、9 种估值技术。开工第一件事是分工：按估值技术拆一套（同类方法集中做底稿），按项目负责人拆一套（每人一份分派清单）。
以前的做法：筛选 → 复制 → 新建表 → 粘贴 → 重命名，循环二十几遍，手一抖就漏一行。
今天这个问题你要解决两次，用两种方式——因为这一对比教给你的，比任何一种单独教都多：
Part 1 的方法今天之后你可能再也不用。但看过一次机器内部，Part 2 在你眼里就不再是魔法——这会改变你敢把多重要的活交给它。本次培训从案例 2 起全部使用智能体。
工作表 投资组合明细（45 行 × 11 列）：
| 列 | 字段 | 说明 |
|---|---|---|
| A–B | 序号 / 项目编号 | P001–P045，全基金唯一 |
| C–F | 企业名称 / 所属行业 / 投资日期 / 投资类型 | 8 个行业 |
| G–H | 期末成本（元） / 期末公允价值（元） | 2025-12-31 口径 |
| I | 公允价值层次 | 第一/二/三层次 |
| J | 估值技术 | 拆分维度①（9 种） |
| K | 项目负责人 | 拆分维度②（5 人） |
数据本身是干净的——热身案例不埋坑。
Part 1 —— 看机器内部（AI 写 VBA）
Part 2 —— 同一件事，用智能体
完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 公允价值审定：审计测算 vs 管理层估值 vs 上期审定 |
| 核心操作 | 数据合并（按编号关联多表 + 差异计算 + 缺口检查） |
| 难度 | ⭐⭐ |
| 预计时长 | 20 分钟 |
| 原始数据 | 原始数据_底稿勾稽三表.xlsx（3 个工作表） |
估值底稿的灵魂是双轨制：管理层（客户）有一套估值结果，审计师（DTT）独立测算一套，两边对比，差异超门槛的逐项跟进——这是每个基金审计底稿里"估值计算复核"那一段做的事。
现在三份数据分别躺在三个工作表里：项目组自己整理的本期投资明细（含 DTT 测算值）、客户交来的管理层估值表（PBC）、去年的上期审定数。以前靠一列列 VLOOKUP，拉完还要肉眼找 #N/A。今天：一句话，让 AI 把三表并成一张审定汇总表，差异、变动、缺口全部自动算出来。
| 工作表 | 行数 | 关键列 |
|---|---|---|
| 本期投资明细 | 42 | 项目编号、被投资企业名称、所属行业、期末成本（元）、公允价值-DTT测算（元） |
| 管理层估值表 | 40 | 项目编号、被投资企业名称、公允价值-管理层（元） |
| 上期审定数 | 43 | 项目编号、被投资企业名称、上期公允价值（元） |
复核差异Diff（元） = 公允价值-DTT测算 − 公允价值-管理层公允价值变动（元） = 公允价值-DTT测算 − 上期公允价值勾稽状态：差异在门槛内，通过 / 差异超门槛，需跟进 / 管理层估值表缺失，需向客户催要完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 接收客户资料（PBC）后的第一步：台账治理 |
| 核心操作 | 数据清洗（去重、去空行、格式统一、口径标准化） |
| 难度 | ⭐⭐⭐ |
| 预计时长 | 25 分钟 |
| 原始数据 | 原始数据_客户投资台账.xlsx（1 个工作表，50 行） |
向基金管理人要的投资台账终于来了。打开一看，熟悉的味道：
2024年3月15日、2024/3/15、2024.3.15，还有一串神秘数字 45678；¥1,200.00，有的带"万元"两个字；8.25%、8.25、0.0825 三种口径混着来；这张表不洗干净，后面的勾稽、分析全是白搭。以前手工洗半天，现在让 AI 来——但洗完必须能说清"洗了什么"，这是审计底稿的留痕要求。
工作表 投资台账（50 行 × 10 列）：
| 列 | 字段 | 已知"味道" |
|---|---|---|
| A | 序号 | — |
| B | 被投资企业名称 | 全称/简称混用，部分前后有空格 |
| C | 投资轮次 | 天使轮 – Pre-IPO |
| D | 投资日期 | 5 种写法 |
| E | 投资金额（万元） | 数字/文本/带符号/带单位混杂 |
| F | 股权比例 | 三种口径 |
| G | 估值方法 | 写法不统一 |
| H | 基金对接人 | 部分带空格 |
| I | 联系电话 | 三种格式 |
| J | 备注 | — |
另有整行空白与整行重复，数量自己找。
YYYY-MM-DD；完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 公允价值审定前的组合复核：全量替代抽样 |
| 核心操作 | 数据分析（分组聚合 + 规则扫描 + 可视化） |
| 难度 | ⭐⭐⭐⭐ |
| 预计时长 | 30 分钟 |
| 原始数据 | 原始数据_估值复核明细.xlsx（组合估值明细 42 行 + 红旗规则） |
以前复核估值，靠抽样：42 个项目挑十几个重点看。现在 AI 让全量过一遍成为常态——每个项目都跑一遍规则，可疑的自动跳出来，审计师把时间花在"跟进红旗"而不是"翻表找疑点"上。
项目组沉淀了四条估值红旗规则（见数据文件"红旗规则"工作表）：
| 编号 | 红旗 | 判定标准 |
|---|---|---|
| R1 | 估值滞后 | 用最近融资价格法（含沿用），但定价日期距基准日 2025-12-31 超过 24 个月——价格还能代表公允价值吗？ |
| R2 | 疑似减值 | 公允价值-DTT 低于成本 × 60%——减值计提是否充分？ |
| R3 | 复核差异超门槛 | DTT 与管理层差异绝对值 > 500 万——差在哪？ |
| R4 | 集中度偏高 | 单项目占组合公允价值 > 10%——披露与敏感性要重点关注 |
你的任务：让 AI 把规则落到数据上，并把结果画成"一眼能看懂"的图。
工作表 组合估值明细（42 行 × 13 列）：项目编号、被投资企业名称、所属行业、投资日期、估值技术、定价基准日期、期末成本（元）、上期公允价值（元）、本期公允价值-管理层（元）、本期公允价值-DTT（元）、持股比例、公允价值层次、项目负责人。
工作表 红旗规则：上表四条规则的原文。
完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 底稿收口：公允价值变动损益的分析性复核与汇报 |
| 核心操作 | 生成报告（聚合 + 图表 + 结论段落 → 一份可交付文档） |
| 难度 | ⭐⭐⭐⭐⭐ |
| 预计时长 | 30 分钟 |
| 原始数据 | 原始数据_报告基础数据.xlsx（组合估值明细 / 红旗清单 / 基本信息） |
估值底稿的最后一段永远是分析性复核及结论："本期公允价值较上期增加 X 亿元，主要因为……我们执行了相关审计程序，未发现……"。经理还要一页汇报材料给合伙人看组合全貌。
数据都是现成的（前几个案例刚做完）：明细、汇总、红旗清单。差的只是把数字变成一份能看的文档——排版、图表、结论话术，这活最花时间，也最没技术含量。今天把它交给 AI：读数据 → 自动聚合 → 自动出图 → 自动起草结论 → 生成一份双击就能打开的图文报告。
原始数据_报告基础数据.xlsx 共 3 个工作表：
| 工作表 | 内容 |
|---|---|
| 组合估值明细 | 42 个持有项目：编号、企业、行业、估值技术、期末成本、上期公允价值、本期公允价值、负责人 |
| 红旗清单 | 11 项待跟进事项（项目、红旗类型、说明） |
| 基本信息 | 基金名称、管理人、估值基准日、差异门槛等报告抬头信息 |
注意：部分项目上期公允价值为空——它们是本年新增投资，算"较上期变动"时要想清楚口径。
完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 估值底稿"估值计算复核"段：市场乘数法独立复算 |
| 核心操作 | 专业计算自动化（分组取中位数 + 公式复算 + 差异归因） |
| 难度 | ⭐⭐⭐⭐⭐ |
| 建议用法 | 课后作业 / 培训中快手学员加餐 |
| 原始数据 | 原始数据_市场乘数法复算.xlsx（3 个工作表） |
组合里有 12 个项目用市场乘数法估值（5 个 P/E、7 个 P/S）。底稿里那段熟悉的计算——
复算公允价值 = 财务指标 × 可比公司乘数中位数 × (1 − 流动性折扣 30%) × 持股比例
——每个项目要查一批可比公司乘数、取中位数、套公式、和管理层结果比差异。一个项目十分钟，12 个就是两小时。而且真正的功夫不在算，在差异归因：超门槛的项目，差在乘数选择？还是折扣假设？
今天让 AI 把 12 个项目一口气复算完，并且替你把差异的原因线索找出来。
| 工作表 | 内容 |
|---|---|
| 可比法项目清单（12 行） | 项目编号、企业名称、乘数类型（P/E 或 P/S）、财务指标口径（净利润/营业收入）、财务指标金额（元）、管理层采用流动性折扣、持股比例、公允价值-管理层（元） |
| 可比公司乘数表（58 行） | 项目编号、可比上市公司（虚构）、股票代码、乘数类型、乘数值——每个项目 4–6 家可比公司 |
| 复算说明 | 审计师复算口径 5 条（中位数、统一 30% 折扣、公式、500 万门槛、折扣检查） |
完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
| 项目 | 说明 |
|---|---|
| 业务场景 | 估值底稿编制：最近融资价格法（新一轮，12 个月内） |
| 核心操作 | 底稿生成（结构化参数 + 底稿骨架 + 叙述拼装 + 检查点） |
| 难度 | ⭐⭐⭐⭐⭐ |
| 预计时长 | 30 分钟 |
| 原始数据 | 原始数据_底稿参数表.xlsx（底稿参数表 11 行 + 底稿骨架说明） |
组合里 11 个项目本年发生了新一轮融资，都用最近融资价格法。这 11 张底稿长得一模一样：抬头、基本信息、公司情况、方法评估、融资情况叙述、权利条款四问、"价格 × 持股数"的计算复核、分析性复核结论。
不一样的只是参数：融资日期、金额、每元价格、投资方、持股数……而这些参数，你在做勾稽和复核时已经整理成了一张结构化的表。
换句话说：底稿 = 参数 × 模板。既然如此，11 张底稿为什么要一张一张手打？今天让 AI 按底稿骨架批量生成，你只做两件事：核参数、审结论。
一个重要提醒：底稿不是填空游戏。有的项目不该用最近融资价格法（适用条件检查），有的项目差异超门槛（计算复核检查）——这些判断点，必须让 AI 在生成时自动亮红灯，而不是悄悄糊过去。
| 工作表 | 内容 |
|---|---|
| 底稿参数表（11 行 × 23 列） | 每个项目一行：企业信息、融资协议要素（签署日期/金额/新增注册资本/每元价格/投资方/关联关系/融资目的）、本基金持股（注册资本数/比例）、权利条款四问答案、管理层公允价值、上期公允价值 |
| 底稿骨架说明 | 《新一轮融资-当年（12个月内）》底稿的 9 段结构——这就是你要给 AI 的"模板" |
善意提示：11 个项目里，有的适用条件有问题（仔细看关联关系列，算一算重大性），有的差异会超门槛。生成底稿前，先想清楚检查规则。
完成后请对照"自查"清单检查结果。如有疑问，可向讲师索取参考答案。
讲师在每个案例使用的示范 Prompt 与值得带走的启示。复制后把文件名、列名换成你屏幕上的实际情况再运行—— 技能是描述你的目标，不是背诵别人的指令。
请输入课堂公布的访问凭据
全部数据为模拟数据、固定随机种子——你的自查合计会与讲义印的预期数字完全一致。 课前：把数据拷到本机新建文件夹，并授权给你的智能体。
讲师包（全部预期数字、埋点剧本、排障表）刻意不在此发布——课上找讲师。
德勤审计合伙人 · CPA · MSF
扫码添加讲师微信，课后交流与答疑
Tom 是德勤审计合伙人，十六年横跨加拿大、美国与中国的大型会计师事务所与企业财务咨询经历。 他的职业生涯就泡在这次培训要自动化的那些工作里——金融机构审计、季末年末结账、难估值投资的公允价值复核—— 现在他教财务与审计团队把这些工作中机械的部分交给 AI，而控制权一寸不让。
每一场培训都同一个做法：先对团队自己的流程、数据形态与合规工具做结构化摸底，再把案例写成团队自己的样子—— 让学员在第一分钟就认出"这就是我的文件"。
教学立场来自审计，而不是技术推销：AI 产出在被验证之前只是草稿；每个交付物都带着异常清单；判断永远不外包给机器。 这也是审计、风控与财务团队信任这套材料的原因。