James Whitfield 在 Harborview Capital 负责覆盖公开交易的科技公司。Harborview Capital 是一家位于美国的中型投资机构。每一份交付物都必须以公式驱动并可追溯来源——当输出要交给投资组合经理和投资委员会时，静态粘贴数值在合规上是绝对不可接受的。为了完成一项 Microsoft 估值并赶上固定的展示截止日期，他使用 Energent.ai 在一次会话中，直接从原始 API 源文件构建了完整的 DCF。
原始 EDGAR JSON、缺失的 Fed Funds 序列，以及对公式错误零容忍
四个阻碍同时出现。自由现金流需要跨五份年度 10-K 文件计算两个 GAAP 标签，而不是从数据供应商直接提取。FRED 利率文件缺少 Fed Funds 序列，因此需要一个基于 CAPM 的 WACC 代理值，而且必须为审阅者明确记录。工作簿中的每个单元格都必须保留实时公式——静态粘贴数值无法通过审计——并且还要有稳定的行映射，以便任何假设变动都能传导到 WACC、预测、终值和敏感性矩阵。截止日期是固定的：如果在展示当天仍有未解决错误，就只能从头重做，而不是修补。
Energent.ai 成为了模型构建者和自我纠错者
- 直接摄取原始 SEC company facts JSON 和 FRED rates CSV——无需预处理
- 解析 GAAP 标签，筛选年度 10-K 文件，并生成干净的 FY2021–FY2025 FCF 序列
- 计算出实际 6.28% CAGR，并将其作为前瞻增长率，基于已披露业绩
- 通过 CAPM 构建 9.33% WACC——DGS10 为 4.38%，ERP 为 5.5%，beta 为 0.9——并生成一份方法说明，记录 Fed Funds 替代方案
- 通过对抗式验证流程发现第一版中的静态数值缺陷，然后用实时 Excel 公式重建整个工作簿
- 在交付前识别并修正了假设标签页上残留的单元格引用错连问题
- 在同一会话中生成了 HTML 估值仪表板和 markdown 执行摘要
没有手动数据预处理。没有修补过的公式链。没有单独的制图步骤。
正确的架构，而不仅仅是更快的数据录入
- 文件原生摄取：代理直接处理原始 EDGAR JSON 和 FRED CSV，消除了通常在模型工作开始前就会消耗分析师时间的转换步骤。
- 有记录的替代逻辑：当 Fed Funds 序列缺失时，代理会标记该问题，应用 CAPM 代理值，并生成方法说明——因此任何审阅者都可以在不翻查工作簿的情况下评估该假设。
- 对抗式自检：两轮独立验证在分析师查看任何内容之前就发现了错误：第一版中的静态数值，以及假设标签页上的单元格引用偏移。
- 实时公式传导：每个输出单元格都引用命名的假设单元格。更改 ERP、beta 或终值增长率，会自动更新 WACC、预测、终值以及完整的敏感性矩阵。
已验证的 $1,262.3bn 企业价值，完整审计链保持完好
- 企业价值：$1,262.3bn；股权价值：$1,386.6bn；净现金：$124.3bn
- 基准情景隐含股价：$186.55；每股敏感性区间：$151.72–$249.91
- 实际 FCF CAGR：6.28%，直接来源于年度 10-K 文件
- WACC：9.33%，并已明确记录 Fed Funds 替代方案以供同行评审
- 执行摘要已纳入委员会简报，仅做了少量格式调整
"这种自动化自检，通常要靠第二双眼睛才能发现。这里它被内置进去了。" — James Whitfield，Harborview Capital 高级股票分析师