Meridian Capital Advisors 是一家总部位于美国的投资研究公司，覆盖公开交易的医疗保健分销商。James Whitfield 构建用于投资决策、资本配置审查和情景规划的前瞻性预测模型。团队没有专门的数据工程职能——分析师端到端负责数据获取、清洗和建模。
在建模开始之前，EDGAR 的对比项结构就已经在污染 FY2022 实际数据
要构建可信的 3 年预测，需要从 Cardinal Health 在 SEC EDGAR 上提交的 10-K 报告中，直接获取 FY2022、FY2023 和 FY2024 的八个项目的干净实际数据——Revenue、COGS、SG&A、Interest Expense、Capital Expenditures、Accounts Receivable、Accounts Payable 和 Inventory。
两种故障模式阻碍了可靠的手工提取。第一，US-GAAP 分类体系使用的概念名称与经济科目并不直观对应，而且同一项目会因不同申报人的披露习惯而出现在不同标签下——要在八个概念中完成分类导航，没有任何捷径。
第二，EDGAR 的 JSON 结构会把上一年度的对比值与当年数据一起暴露出来。若按财年标签进行天真提取，就会抓到重复或错配的数值，在建模开始前就污染实际数据。对于 Cardinal Health 来说，这种结构特征本会彻底污染 FY2022 的实际数据。除了提取完整性之外，Inventory 在三年回溯期内波动显著——如果在预测层直接套用一个简单的历史平均比率，就会得到不可靠的估算，而且不会有任何可见警告。
Energent.ai 在一次会话中同时成为提取引擎和工作簿构建器
该 agent 加载了 Cardinal Health 的 EDGAR JSON facts 文件，并处理了完整流程：
- 映射 US-GAAP 分类体系，识别八个目标项目各自对应的正确概念标签
- 按期间结束日期而不是申报年份标签提取 FY2022、FY2023 和 FY2024 的实际数据，从源头消除对比项重复
- 构建
CAH_3Yr_Forecast.xlsx，其公式驱动的预测层连接到一个可编辑的增长假设单元格（B2，设为 3%） - 当历史比率波动使简单移动平均不可靠时，为 Inventory 添加程序化的 “Unstable Ratio” 标记
- 生成
cah_financial_dashboard.html——一个展示 Revenue、COGS 和 Net Income 在三年历史期间变化的交互式可视化
无需手工核对对比项。无需手动查找分类。下一份 10-K 报告发布时，也无需重建模型。
以期间日期分组，而不是按申报标签分组，才让实际数据真正可信
- 在摄取阶段完成分类解析：该 agent 在提取任何数值之前，先映射完整的 US-GAAP 概念分类体系，确保无论各申报人的披露惯例如何，都能将正确标签匹配到每个经济项目。
- 按设计过滤对比项：按期间结束日期而非申报年份标签分组，为 FY2022、FY2023 和 FY2024 各自隔离出干净的 12 个月滚动数据——消除了会污染标准 EDGAR 提取结果的结构性重复。
- 程序化 Unstable Ratio 标记：当历史比率在回溯期内波动过大时，工作簿会显式显示标记，而不是悄悄把一个有缺陷的平均值应用到预测层。
- 单单元格情景架构：所有成本结构公式都回溯到一个可编辑的增长假设单元格——压力测试只需修改一个数值，而不是调整模型结构。
八个项目，三个财年，一次会话
- 为 FY2022、FY2023 和 FY2024 的全部八个 US-GAAP 项目验证了实际数据——直接来源于 SEC EDGAR，并可追溯到源头
- 在工作簿构建之前，已识别并更正上一年度对比项的标签错误
- 交付
CAH_3Yr_Forecast.xlsx，其中包含公式驱动的预测层，以及针对波动较大的营运资本项目的 Unstable Ratio 标记 - 同时生成
cah_financial_dashboard.html，可直接用于内部评审演示
"The Unstable Ratio flag on Inventory is exactly the kind of guardrail that prevents a formula from silently producing a nonsense projection in year three." — James Whitfield, FP&A Analyst at Meridian Capital Advisors