产品实拍
真实界面，真实数据
以下截图全部取自演示环境，数据来自合成的「明州控股集团」演示库。
工作台：五项 KPI、税负趋势、税种分布、板块对比与最新预警
这三条不是我们想出来的，是需求调研里逐条记下来的。
票、表、缴、免分散在各子公司的系统里，口径还不一致。想看全集团上个月的增值税税负率， 得等各家报上来，报上来的口径还得再对一遍。
异常藏在几十万张发票里。循环开票、关联方低价、优惠悄悄断了——靠人抽查， 发现时往往已经过了自查窗口。
数据只用来报税，报完就躺在库里。同样一批发票，其实能看出哪里采购买贵了、 哪个客户要流失了、关联定价偏到什么程度。
不是功能罗列，是一条从「有数」到「有用」的路。
把口径统一的指标摆上台面，全集团一屏可见。
税负变了，能说清楚是什么因素、贡献多少。
风险主动找上门，并且走完处置闭环留痕。
让税务数据反过来支持业务与决策。
覆盖需求方案的 16 个应用场景。菜单里没有一个「建设中」的占位页——全部已交付。
以下截图全部取自演示环境，数据来自合成的「明州控股集团」演示库。
工作台：五项 KPI、税负趋势、税种分布、板块对比与最新预警
所以我们把几条规矩写成了代码红线，不是文档里的倡议，是提交前会被拦下来的约束。
归因、排名、金额只能来自工具查询返回，提示词里明令禁止估算。 模型负责把因素写成人话，数字由引擎产出。
模型只能调用参数化的语义工具，指标、维度、期间都是枚举参数。 既防注入，也保证 AI 的口径与看板完全一致。
所有文案只用「提示 / 关注 / 偏离」，禁止出现违法或虚开定性字样。 每条预警必须带证据：票号、行次、数值、阈值。
税负率区分「实缴口径」与「应纳（申报）口径」，接口与页面都带 basis 字段。
比率指标分子分母分开存，组织汇总先加总再求比。
授权范围外一律不可见。遇到无法按范围重算的集团级口径（如 CR/HHI）， 系统明确拒绝并说明原因——给一个分母错的数字比拒绝更危险。
阈值、指标定义、评分卡权重全在 rules/*.json。政策变了改配置不改代码，
用统计方法（IQR / Z 分数 / 回归）而非黑箱模型。
怎么证明这些分析模型真的能抓到问题？我们在演示库里主动埋了异常，然后让系统去找。
合成的「明州控股集团」演示库，全部经导入 API 写入（顺带验证了导入器本身）。 我们在里面预埋了 12 类典型税务异常，每次发版必须跑一次核对， 15 项断言全部 PASS 才算通过——也就是每一个能力都有可验证的演示，而不是"我们支持这个功能"。
AI 问数另有 30 道题的评测集，断言「期望工具被调用」+「答案含 golden SQL 现算的数字」，目前 30/30 通过。