Clearview Advisory Group 是一家总部位于美国的战略与财务咨询公司，为中端市场客户提供多年规划和资本配置服务。其项目需要以当前宏观经济现实为基础构建预测模型——面向 CFO 和董事会成员的文档。James Merritt 负责统筹客户项目中的定量建模工作。
三份政府数据集，没有整合层
交付成果是一个以实时美国宏观经济基准为锚点的 3 年财务预测模板——包括 CPI、实际 GDP 增长和利率。宏观数据分别存放在不同的政府发布 CSV 文件中。为了构建基准，Merritt 需要从每个文件中提取 2020 年之后的行，计算 CPI 和实际 GDP 的同比增长率，并在任何面向客户的工作开始之前，将三组序列合并为一张连贯的表。
2020 年后的环境带来了非线性复杂性：通胀飙升、美联储四十年来最激进的加息周期，以及 GDP 从急剧收缩到强劲复苏的波动，都意味着平直假设或 2020 年前趋势外推会生成明显误导性的基准。以最新数据为锚点是不可妥协的要求。若手工完成，这项对齐工作在开始制作预测模板之前就要耗费数小时。
Energent.ai 成了整合引擎
Merritt 将这三份宏观经济 CSV 直接上传到 Energent.ai。该代理处理了完整流程：
- 在继续之前扫描并验证全部三份上传数据集
- 执行 Python，从每个文件中提取最新的 2020 年后读数
- 计算 CPI 和实际 GDP 的同比增长率，然后将三组序列合并为一个统一的 CSV
- 将仪表板生成委派给一个子代理，生成一张交互式叠加图，统一时间轴上展示通胀飙升、加息周期和 GDP 波动
- 编写一份结构化的 markdown 3 年预测模板，包含基准数值、同比比率表和三年预测框架
- 在最终交付前验证文件结构和渲染完整性
无需手动合并。无需重写公式。无需单独的制图工具。
具备制度感知的数据，而不只是更好看的报表
- 基于真实文件的真实计算。 该代理针对实际上传的 CSV 执行 Python，而不是占位数据。同比增长率来自源读数，而非近似值。
- 默认覆盖 2020 年后。 三组序列都提取了 2020 年后的行，捕捉到使当前时期预测与 2020 年前外推显著不同的制度切换。
- 一次会话，完整流程。 数据摄取、整合、可视化和模板编写在一次会话中顺序完成。仪表板和模板都基于同一个整合后的基准。
- 格式灵活。 来自不同政府来源、列结构各异的文件都能在无需手工预处理的情况下处理。
James Merritt 的操作方式
- 将三份宏观经济 CSV 文件上传到 Energent.ai 会话中。
- 代理提取当前时期读数并计算同比增长率。
- 生成可下载的整合 CSV。
- 子代理生成交互式叠加仪表板。
- 编写并验证结构化 markdown 预测模板。
- 下载两个文件用于客户交付。
三个可直接交付客户的成果，一次会话完成
- 整合后的宏观基准：将 CPI、实际 GDP 和利率读数合并为单一 CSV——CPI 和实际 GDP 计算同比增长率，利率保留为水平读数
- 交互式叠加仪表板：覆盖 2020 年后各制度阶段的统一图表——非专业财务受众也能清晰理解
- 结构化预测模板：一份格式化的 markdown 文档，包含基准数值、同比比率表和三年预测框架，可直接交给客户
原本需要在三份独立政府文件之间手工整理数小时的数据工作，在一次工作会话内就完成了。
"这个模板直接交给了客户的 CFO 团队，作为多年规划周期的工作文档。标准就是这么高——足以让 CFO 团队直接使用。它做到了。" — James Merritt，Clearview Advisory Group 高级战略顾问