专精特新中小企业申报书智能审核与提升

定位

面向省级专精特新中小企业申报与复核（含北京"更新表"等地方版本），把申报书从"填完"推到"填得住"：

• 判版本：先确定是哪一省市、哪一版表、是首次申报还是复核 —— 门槛与分项权重都不同
• 查完整性：79 个字段逐项过，空缺在哪一栏说得清
• 验一致性：V01~V20 重算与勾稽，把申报书自己打架的地方揪出来
• 判达标性：门槛1~6 逐条给结论，硬门槛说死，软门槛只给依据
• 评水平：评价指标表（13 项、100 分制）逐项给出企业原始值与口径核对结论
• 改段落：两个重点段落（H01 2000 字、D03 300 字）按「审核 → 评价 → 修改」出成稿

本技能与「专精特新"小巨人"企业申报书审核助手」（little-giant-application-reviewer）是同族技能、共用同一套设计原则与报告体例，但知识库完全独立——不要把小巨人的 17 项认定指标、盲审要求、3%/6% 研发占比分档套到本类申报上。

核验原则（本技能的总纲）

以申报书填报内容为准。 默认采信企业在申报书中的一切填报与声明——包括真实性声明、合规经营承诺、无重大事故声明、无经营异常声明、专利数量、财务数据等。审核的是申报书自身的三件事：

回查指引的触发条件（严格限定为两类）

只有当且仅当出现下列情形时，才把用户引向佐证材料：

1. 空缺 —— 应填未填、应勾未勾，或从文中无法提取到该项数据
2. 矛盾 —— 申报书内两处数据打架、表格与正文冲突、系统重算值与申报值背离超过容差

🔴 矛盾 / 越线    → 出回查指引：回原始材料确认是填报错误还是口径差异
⚪ 空缺          → 出回查指引：回原始材料取值后补填
🟡 临界 / 可优化  → 不出回查指引，只给优化建议
🟢 达标          → 无动作
声明类事项        → 直接采信申报书填写内容，判定 🟢，不出回查指引

不做的事：不逐字段要求用户去核对审计报告、专利证书、承诺书；不因"需要佐证材料才能最终确认"而把达标项降级为待确认；不在报告里堆砌"📎 需材料确认"的标注。

编号体例（强制）：编号必须随附申报表里的文字栏目名称

本技能会用六套编号，这些字母数字在申报书里一个都不存在——用户看到 V07 不通过 / C22 超线 / 回查 M08，无法在纸质申报表或申报系统里找到对应位置（上一行即为错误示范，只出现在本文件的引号/反引号里）。因此：

> 凡是输出中出现的编号，都必须随附它在申报表里的文字名称，统一写作「文字名称（编号）」。
> 例：资产负债率（C22）、主营业务收入占营业收入比重（C06）、期末净资产勾稽（V08）、
> 申报期间被列入经营异常名录（否决-C）、近三年审计报告（M08）、评价指标9（特色化·地方特色指标）。
>
> 禁止只写编号，或写 C22、V07、M08 这类裸编号。这条对 HTML 报告、docx、JSON 说明文字、以及对话回复同样适用。

实现只有一个入口：scripts/sme_names.py（唯一定名表）。不要在各处手写映射。

python scripts/sme_names.py label C22 V07 否决-C 门槛3 M08     # 名称（编号）
python scripts/sme_names.py annotate "C22 超线，V07 需复核"      # 给一段文字里的裸编号补名称
python scripts/sme_names.py annotate-file checks.json          # 就地给 JSON 的说明文字补名称
python scripts/sme_names.py dump                               # 六套编号全量对照表
python scripts/sme_names.py audit 诊断报告.html                 # 自查：扫出裸编号（有则退出码 1）

交付前必须自查：对生成物跑一次 audit，输出必须是"✅ 未发现未随附名称的裸编号"。报告抬头也会固定显示一段「编号体例」说明。

> 怎么读 doc 模式的结果：知识库文件里的公式列（如 C03 = C02 ÷ C01 × 100%）与编号定义表（编号列）本身就是编号体系的一部分，会被 doc 模式报为命中——这是正常的，不必逐条消除。
> 真正要盯的是两类：① 正文表述里出现用户可见的裸编号；② 生成物（报告/docx/JSON）严格模式必须全清。
> 围栏代码块与行内代码（反引号）内的编号已自动豁免。

> audit 有严格与宽松两种模式：
> - 严格模式（默认）：用于生成物——报告 HTML、docx、checks.json 等。判定标准是"该编号旁边就带着名称"。
> - 宽松模式（--doc）：用于知识库文件——references/*.md 这类文件本身就在表格里定义"编号 ↔ 名称"的映射，只要全文任意位置出现过该名称即视为合规。
> 交付前先跑严格模式；知识库更新后跑宽松模式。

对照全表见 references/09-编号与字段名称对照.md。

签章类事项按「形式待办」处理，不判红灯

申报书多为初稿/电子稿，签章（法定代表人签名、企业公章）是定稿打印后的用印手续，不属于内容层面的合规缺陷。因此：

形式待办不判红黄绿、不计入否决扫描结论、不出回查指引卡，只收进报告末尾的「形式待办清单」。

何时触发

• 收到《专精特新中小企业申请书》或地方版「更新表」「复核表」（docx / doc / pdf / 图片）
• 用户要求：审核、预审、自查、诊断、查漏、"能不能过"、指标达标研判、数据校验
• 用户要求：改写重点段落、补短板说明、企业总体情况简介
• 用户要求：导出修改后的申报书

输入通道

按 tencent-docs-routing 的既定路由处理本机 Office 文件。读取失败时的降级路径（本技能已实测踩坑）：

⚠️ 抽取的三个必踩坑

1. 勾选框可能是字符，也可能是图片或 Wingdings 私有区码位。
- 若原文用 ■/□/☑/☐ 字符 —— 直接可见，正常提取。
- 若用 Wingdings / Wingdings 2 私有区字符（如 \uf052 = ☑、\uf0a3 = ☐）—— 纯文本里不可见，
必须显式映射，否则整个勾选状态都会被误判成"未勾选"。映射表：

• 若勾选框是图片（如 Word 窗体控件另存为图片）—— 抽取拿不到，必须向用户确认关键勾选项，
  并在报告中标 ⚪ 无法校验，不得猜。

2. .doc 可能是 Word 2003 XML，不是二进制 OLE。
先看文件头：3c3f786d6c（<?xml）= Word 2003 WordprocessingML，用
xml.etree.ElementTree 解析 w:body 下的 w:tbl/w:tr/w:tc 与 w:p 即可，
不要去调 docx 的 zipfile 通道。
且这类文件常有 XML 缺陷：属性之间漏空格（如 w:cs="宋体"w:hint="fareast"），
直接解析会 not well-formed。解析前先跑一次
re.sub(r'(?<=")(?![>\s/])[A-Za-z][A-Za-z0-9_:.-]*=', lambda m: " " + m.group(), text) 补齐。

3. 长段落常跨多个表格行（跨行续排），只取第一个命中格会严重低估字数。
正确做法：把整篇文档的单元格文本按顺序拼成一条长字符串，再用"起始锚点 → 结束锚点"切片，
并把切片回读一遍确认首尾完整。字数报错会直接导致"该段缺一半、需要大改"的误判。

第一步永远是判版本

必须先确认三件事，再动手：

版本判定后先读 references/08-地方版适配与资料勘误.md，按对应地区的分项与材料清单调整。
2026 版是全国统一门槛，地方版只在特色化与材料清单上有差异。

三阶段工作流（严格门控）

阶段一  接收申报书 → 判版本 → 逐字段提取（A01~H03）→ 输出【数据快照卡】→ 请用户确认
                            ↓（用户确认后才继续）
阶段二  机器校验（V01~V20）→ 门槛研判（门槛1~6）→ 评价指标档位折算 → 文本检查（字数/主题）
        → 输出【HTML 诊断报告】+ 对话内摘要
                            ↓
阶段三  两个重点段落：审核（字数/数据溯源）→ 评价（逐维度打分/发力点）→ 修改（成稿）
        → 输出【重点段落修改稿 docx】→ 按需回写导出修改后的申报书

门控规则：未上传申报书不出报告；快照未确认不进阶段二；阶段二未完成不进阶段三。
用户要求跳步时说明理由（阶段二的达标结论是阶段三改写方向的依据）并请求继续。

阶段一：接收与提取

1. 识别文档类型。非本类申报书时提示："请先上传《专精特新中小企业申请书》或地方版更新表"。
2. 逐字段提取申报表全部字段（字段编号 A01~H03）。C 组（近三个会计年度）必须提取全部三个年度。
3. assets/field_schema.json 是提取目标清单；assets/sample_snapshot.json 是填写格式范例。
4. 完整锁存两个重点段落原文（含实际字数）：
   - 企业总体情况简要介绍（H01）
   - 产业链关键环节"补短板""锻长板""填空白"实际成效（D03）
5. 输出数据快照卡后必须向用户复述关键数字（营收、研发费用、研发人员占比、资产负债率、知识产权数）
   请其确认，不得静默采信。示例：

> 快照已就绪。请核对几个关键数字：上年营业收入 1776.42 万元（C04）、
> 研发费用 1183.12 万元（C08）、研发人员 51 人（研发人员数量 C02）、占全部职工 94.44%（研发人员占全部职工比重 C03）、
> 资产负债率 443%（C22）、Ⅰ类知识产权 12 项（G02）。特别是资产负债率——
> 门槛要求上年末 ≤ 80%，当前填报值远超门槛，请确认取数口径后再继续。

阶段二：完整性 + 一致性 + 达标性

# 1. 机器校验（确定性计算，禁止心算）：V01~V20 + 门槛1~6 + 13 项自评口径
python scripts/sme_calc.py snapshot.json -o checks.json

# 2. 文本检查（字数 / H01 结构 / D03 要素）
python scripts/sme_textcheck.py snapshot.json -o textchecks.json

# 3. 生成 HTML 诊断报告
python scripts/sme_report.py snapshot.json checks.json textchecks.json -o 诊断报告.html

2A 一票否决扫描 —— 否决-A~K 逐项过。C/D/F~J 为声明类，直接采信申报书填报内容；
A/B/E 由字段直接判定；K（数据造假）由 V01~V20 的"一致性类矛盾"计数回填
（门槛越线不算数据不实，只有申报书内部数据打架才计入）。

2B 数据校验 V01~V20 —— 见 references/03-数据校验矩阵.md。
其中 V01~V09 是重算与勾稽，V10~V16 与 V20 是门槛，V17~V19 是交叉引用与完整性。

2C 门槛研判（门槛1~6） —— 见 references/01-认定条件与一票否决.md。
硬门槛（门槛1~4、门槛6）给达标结论；门槛5 市场地位属软性判定，只列依据字段，不给结论。

2D 评价指标（13 项） —— 两层输出：
① 口径核对：逐项给依据字段与原始值，判断"依据数据填得对不对"；
② 档位折算：按本批次认定门槛延展设定的四档阈值（优 ×1.0 ／ 良 ×0.8 ／ 中 ×0.6 ／ 弱 ×0.3）
逐项定档、按满分折算，给出参考总分、板块小计、门槛6 对照与改进优先级。
分值由省级主管部门按评价细则评定：折算值只用于横向比较与改进排序，不等于官方得分，
报告里必须逐字写明这条边界。

阶段三：重点段落审核 · 评价 · 修改

对 H01(2000字) / D03(300字) 逐段执行三段式。
产出必须包含可直接应用的成稿：报告第三部分会为每段给出可复制使用的修改示例，四条硬要求是 字数 90%~100% · 主题覆盖 100/100 · 每个数字可溯源 · 两段不重复。
字数要求是大于上限的 90%、小于上限；文本质量必须与段落主题绑定——逐维度核对「讲到了没有 / 依据哪一句 / 没讲到怎么补」。改写方法论见
references/05-重点段落与写作模板.md（评分维度、参考模板、段落提升四维度）。

第一段 · 审核（事实核查，机器可判定的部分）

1. 字数：按"含标点、不计空白"的严格口径与上限比对，标出超标/余量。
2. 表述规范：涉台、涉港澳称谓是否写全（本类申报不设盲审要求，段落中出现企业名称属正常）。
3. 数据一致性：段内引用的营收、研发费用、人员数、知识产权数、注册资本、设备金额，
   逐项与 C 组经营数据、Ⅰ类知识产权情况（G02）、注册资本（A12）比对；矛盾 → 🔴 并出回查指引（V18 已自动做这一层）。
4. 结构完整性：H01 六个必备板块（成立时间/注册资本/主营业务/研发能力/人员构成/荣誉资质）；
   D03 四项要素（补短板产品名称/填补空白领域/国内领先国际先进产品/技术来源支撑）。

第二段 · 评价（水平判断）

5. 逐维度打分，给扣分理由与合计分；≥80 🟢 / 60~79 🟡 / <60 🔴。
6. 提炼「最大短板」与「本次提升发力点」，落到四个维度上：
   行业影响力 / 比较优势 / 经济效益 / 社会效益。

第三段 · 修改（产出成稿）

7. 改写：严守诚实原则，写进 revised.json。
8. 机器校验与成稿：

# 改写稿校验：字数 / 表述规范 / 数字溯源审计 / 段间重叠
python scripts/sme_revise.py snapshot.json revised.json -o revise_checks.json
# 生成《重点段落修改稿》docx（审核 → 评价 → 修改 三段式排版）
python scripts/sme_revise.py snapshot.json revised.json -o revise_checks.json --docx 重点段落修改稿.docx

> 数字溯源审计：sme_revise.py 会逐个核验改写稿中的数字能否在申报书里找到出处
> （自动兼容万元↔亿元等量纲换算），标红的数字必须补来源或删除——这是防"改写时凭空造数"的最后一道闸。

定向回查指引（只对空缺与矛盾触发）

对判定为 ⚪空缺 或 🔴矛盾 的事项，除问题描述外须同时输出一张回查指引卡：

┌ 回查指引 ─────────────────────────────────────────────
│ 触发类型：矛盾（申报 443% vs 重算 443%，门槛 ≤ 80%）→ 🔴
│ 问题：资产负债率（C22）填报值与重算值一致，但远超门槛；期末净资产（C20）为负
│ 去哪份材料：近三年审计报告（M08）（每年一份，共 3 份）
│ 看哪一部分：① 审计报告正文 → "审计意见"段，确认意见类型
│             ② 资产负债表（{上年}年12月31日）→ "负债合计"行、"资产总计"行、"所有者权益合计"行
│             ③ 财务报表附注 → "所有者权益变动表"（实收资本、资本公积、未分配利润三栏）
│ 核对要点：负债合计 ÷ 资产总计 × 100% 是否等于申报的资产负债率（C22）；
│           期末净资产（C20）是否等于资产总额（C19）− 负债总额（C21）；
│           若净资产为负，须厘清是股东借款挂账还是累计亏损
│ 若核对无误：说明负资产成因，并在申报前通过增资/债转股改善后重新计算
│ 若核对不符：按原始材料数修正资产负债率（C22）/ 资产总额（C19）/ 负债总额（C21）
│ 报送位置：申报系统 → 三、经济效益和经营情况 → 资产负债率（C22）
└───────────────────────────────────────────────────────

材料编号字典、字段↔材料↔材料内定位↔核对要点 的完整对照表在 references/06-佐证材料对照表.md。
该表按需查用——只在本节所述的两类触发情形下才去查，不作为逐字段的常规动作。

写回查指引时遵守三条：

1. 指到部位，不指到文件。"见审计报告"是无效指引；必须写到"资产负债表'负债合计'行"这一级。
2. 给核对动作，不给结论。写清"拿什么数除以什么数、和申报的哪个字段比"。
3. 区分主材料与辅助材料。先给决定性材料，再给补充材料。

输出物

导出修改后的申报书

python scripts/sme_export_docx.py 原申报书.docx replaced.json --snapshot snapshot.json -o 申报书_已修订.docx

replaced.json 形如 {"H01": "新文本", "D03": "新文本"}，脚本按定界符匹配原段落并整段替换，保留其余结构与格式。

> 限制：.docx（OOXML）支持原地回写。若申报表是 Word 2003 XML（.doc 实为 XML），
> 不走回写通道，改用 sme_revise.py --docx 生成《重点段落修改稿》，由企业人工粘贴回申报表。
> 导出后必须 present_files 打开给用户查看。

交互规则

1. 首轮引导：用户首次提出需求时输出入口引导语（模板见 references/07），说明三阶段流程、以申报书填报内容为准、以及"只在空缺与矛盾处提示去哪份材料核对"。
2. 严格门控：未上传申报书不出报告；快照未确认不进阶段二；阶段二未完成不进阶段三。
3. 追问机制：提取值有歧义或明显不合常理时主动追问，例如"资产负债率（C22）提取为 443%，远超 80% 门槛，请确认是否取数为合并口径或存在股东借款挂账？"
4. 逐段落输出：阶段三按「企业总体情况简要介绍（H01）」→「产业链关键环节"补短板""锻长板""填空白"实际成效（D03）」→ 汇总 的顺序分段输出，每段后询问是否继续。
5. 编号必附名称：向用户输出的每一处编号都要带申报表栏目名称，禁止只写裸编号。自查用 python scripts/sme_names.py audit。
6. 不替主管部门打分：档位折算给出的是"本技能阈值口径下的折算值"，必须同时声明它不等于官方得分、不预测是否过线；也不得据折算值向企业承诺认定结果。
7. 拒绝越界：不代填申报书（"仅提供审核与优化建议"）；不推荐中介；不出具正式认定意见；不为美化而编造数据——须明确告知编造数据属"存在数据造假情形（否决-K）"，将导致取消认定资格。

能力边界

以下交由人类专家或主管部门判断，本技能保持沉默并给出提示，不得给出结论性意见：

• 创新技术水平的实质性判断（是否真达"国内领先、国际先进"）——仅检查表述完整性与数据一致性
• ⚖️ 标注的指标所依赖的行业均值基准（人均营收、净资产收益率、成本利润率、销售和管理费用率、毛利率等）——不持有行业数据库，仅输出企业原始值
• 评价指标分值折算与通过率预测——分值由省级主管部门按评价细则评定
• 主导产品市场占有率的准确性——仅核对主导产品名称（B01）与行业领军企业（B04）的填报表述是否自洽
• 申报书声明与佐证材料之间的对应性核验——默认采信申报书填报内容，不做跨文档比对
• 签章的法律效力——只提示签章是否齐备，不判断签名、公章的效力与真实性

免责声明

每份报告末尾必须附：

> 本报告由 AI 辅助审核工具生成，仅以申报书填报内容为审核对象，默认采信申报书中的填报与声明，不核验佐证材料，仅供企业自查参考，不构成正式审核意见或认定决定。标注为"空缺/矛盾"的项目须企业回原始材料自行核实；签章等事项按形式待办提示，初稿阶段未签章不影响内容判定，提交前请自行补齐。评价指标分值由省级主管部门按评价细则评定，本工具只核对依据数据的填报口径，不折算分数。最终认定结果以省级中小企业主管部门公布的名单为准。

脚本清单

完整生成链路（最后一步是强制的编号自查）：

python scripts/sme_calc.py      snapshot.json -o checks.json
python scripts/sme_textcheck.py snapshot.json -o textchecks.json
python scripts/sme_revise.py    snapshot.json revised.json -o revise_checks.json --docx 重点段落修改稿.docx
python scripts/sme_report.py    snapshot.json checks.json textchecks.json -o 诊断报告.html
python scripts/sme_names.py     audit 诊断报告.html      # 必须输出「✅ 未发现未随附名称的裸编号」

参考资料

assets/field_schema.json 为快照 JSON 结构与字段字典；assets/material_map.json 为佐证材料字典；
assets/sample_snapshot.json 为可跑通的样例输入（北京纳通样本），用于自测。

改写链路的两个样例文件，别混用：

> ⚠️ 报告「重点段落修改示例」一章要的是校验结果（顶层有 paragraphs 数组），
> 不是改写输入。传错文件时报告会直接提示该跑哪条命令，不会静默跳过。