第39课 · AI 生成审计底稿：实战与避坑指南
本节要点
- 一条指令让 AI 生成货币资金底稿（索引表、审定表、明细表、分析表、测试表）
- 结果看着不错，但点开看会发现：AI 在「编」没看过的凭证结论、抽样不符合准则、效率不如传统代码
- 用 AI 做底稿的经验：生成表别填模板、先把数据标准化再生成、脚本要能固化复用
- 让 AI 不乱来：把要求做成 Skill 加强约束 + 对准则引用做事实性检查
- 制作底稿 Skill 要原子化：抽样、凭证检查、函证各自独立，科目 Skill 只做流程描述
- 示例数据（科目余额表、序时账）已上传百度网盘，可下载练习
📁 测试数据获取
本节课演示用的示例科目余额表和序时账数据，已上传到百度网盘，大家可以下载下来跟着练习。
💡 数据是脱敏的演示数据，拿来跑通流程即可。百度网盘链接会在课程群内公布，找不到的话在群里问一下。
1. 实战：一条指令生成货币资金底稿
1.1 准备工作
把科目余额表和序时账放在一个文件夹里，比如：
审计项目/
├── 科目余额表.xlsx
└── 序时账.xlsx1.2 给 AI 下指令
打开 OpenCode / Claude Code，指向数据所在的文件夹，说一句：
根据这个文件夹里的财务数据（科目余额表和序时账），按照中注协的审计底稿要求，帮我生成一份货币资金的 Excel 底稿。
如果想指定用上一课安装的 Excel Skill，可以在 /skill 里选 Excel Automation（用 Xlwings 操作，格式安全）。不指定也行，AI 会自己选合适的库。
1.3 AI 执行了哪些步骤
AI 收到指令后，大致会走这几步：
- 探查目录结构：扫描文件夹，找到科目余额表和序时账文件
- 读取并分析数据：读取两个 Excel，做一些统计分析（各科目金额、月度分布等）
- 规划任务：拆解成几个子任务——分析数据、写生成脚本、执行生成、验证勾稽
- 写 Python 脚本：用代码生成各个 Sheet（索引表、审定表、明细表、分析表、测试表）
- 执行脚本：生成最终的 Excel 底稿
- 验证勾稽关系：检查金额是否对得上
整个过程大约 5-10 分钟，最后会产出一个完整的 .xlsx 文件。
2. AI 生成的底稿长什么样
打开生成的 Excel，你会发现 AI 已经做好了这些 Sheet：
| Sheet | 内容 | 说明 |
|---|---|---|
| 索引表 | 列出本次底稿包含哪些审计程序 | 相当于目录 |
| 审定表 | 未审数据、调整、审定数据的对比 | 底稿核心 |
| 明细表 | 按明细科目逐笔列示 | 含编制表头、审计说明、审计结论 |
| 分析表 | 月度收支金额统计 | 12 个月的波动分析 |
| 收支测试表 | 抽样凭证检查 | 抽了借方 top15 + 贷方 top15 + 随机 10 笔 |
| 截止测试表 | 期末截止性测试 | 跨期收入/支出的检查 |
表头、审计说明、审计结论这些位置，AI 都自动填好了。对于 C 类项目来说，这个完成度已经相当惊艳了。
💡 很多事务所的 C 类项目，现在还做不到这个程度。这说明用 AI 自动生成底稿，是完全可行的。
3. 结果看着不错，但仔细看就发现问题
底稿结构是齐了，可是一张张表点开看，就会发现几个要命的问题。这些不是吹毛求疵，是直接影响能不能用的硬伤。
3.1 最严重的问题：AI 在「编」
先看那张收支测试表。AI 的抽样逻辑是：借方取金额最大的 15 笔，贷方取最大的 15 笔，再随机抽 10 笔，凑成 40 笔。这个抽样方式是否符合你事务所的抽样准则？大概率不符合——审计抽样不是这么拍的。
更要命的是表里的审计说明和审计结论。AI 写得头头是道，好像真的检查过这些凭证一样。但你想想——我根本没给它凭证的 PDF 扫描件，它从哪儿检查的？
截止测试表也是一样。没给任何原始单据，它照样给了检查结论。
这就是目前大模型最典型的问题：它会「脑补」自己没看过的东西。在别的场景这可能无所谓，但审计底稿是签字担责的法律文件，编出来的东西一旦被发现，后果不堪设想。
3.2 效率问题：AI 做这个其实不快
刚才这条指令，从下达到生成完，大概花了好几分钟。对咱们人来说，几分钟生成一整套底稿当然快得不可思议。但对机器来说，这个速度其实很慢。
对比一下：我之前做的审计工具箱，用传统代码批量跑，半小时能生成 100 多家被审计单位的全部明细表和披露表。传统代码写好一次，后面就是机械执行，速度碾压 AI 每次从零开始思考。
所以这里要明确一个判断：不是所有底稿内容都适合用 AI 生成。
像明细表、披露表、辅助到 Word 报告这些——格式固定、内容机械、且容不得半点数字错误的部分，建议还是用传统工具做。执行效率高，准确度有保障。AI 更适合做那些需要灵活判断的部分。
3.3 一个实战经验：生成表，别填模板
如果你确实要用 AI 做底稿，有一个经验要记住：让 AI 用代码直接生成表，不要给它一个 Excel 模板去填。
刚才演示的这条指令，AI 的做法是写 Python 脚本直接生成各个 Sheet——这就是「生成」。为什么不选「填模板」？
第一，速度。 审计底稿的模板通常很复杂——合并单元格、多层表头、条件格式层层嵌套。AI 要先理解你这个模板的结构，这一步极其耗时，而且理解完还经常填错位置。直接生成就没这个问题。
第二，裁剪方便。 每个项目的审计程序是不一样的，C 类项目可能只做几个核心程序。如果是填模板，你得手动把不用的 Sheet 删掉；如果是生成，需要哪些程序就生成哪些，干干净净。
3.4 脚本能固化，但前提是解决格式不一
刚才 AI 写的脚本，是针对这次给的科目余额表和序时账格式来的。如果换一家客户，导出的表头列不一样、科目编码规则不一样，这个脚本就直接废了——AI 又得重新理解格式、重新写代码，效率又掉下来了。
这就引出一个关键问题：每家被审计单位导出的财务数据格式都不一样。 列的顺序、表头行数、有没有辅助核算列……千差万别。这是阻碍自动化的最大障碍。
怎么解决？答案是先把数据标准化。
推荐借助 SW 审计工具箱里的看账功能（或者类似的能做数据清洗的工具）。把科目余额表、序时账、辅助科目余额表导进去，它会自动做清洗，然后把清洗后的标准数据存在本地的一个数据库里。
这样一来，不管原始 Excel 是什么格式，AI 读到的都是同一个数据库里的标准化数据。脚本写一次就能复用，换一家客户只是换数据，代码不用动。
4. 让 AI 不乱来：约束 + 事实性检查
刚才的演示，我下的是一条完全没有约束的裸指令——就让它「按中注协要求生成货币资金底稿」，其他什么都没说。结果就是 AI 按自己的理解随意发挥，该编的编、该省的省。
要让它可控，得从两个方面入手。
4.1 把底稿要求写死，做成 Skill
你的底稿长什么样、每个程序具体怎么做、整个流程分几步——这些不应该每次都在对话里重复说，而是固化成一个 Skill。
Skill 里要明确写清楚：
- 每个 Sheet 的结构、列名、表头怎么排
- 抽样按什么规则、检查哪些内容、结论怎么写
- 第一步做什么、第二步做什么，整个流程串起来
- 最重要的一条：禁止虚构——所有底稿内容必须基于真实的财务数据和实际提供的审计资料，没看过的东西不许写结论
有了这些约束，AI 就不会像刚才那样「自由发挥」了。
4.2 事实性检查：AI 写的引用未必是真的
AI 生成底稿时，经常会引用审计准则、法规条文来支撑它的审计说明。比如它可能写「根据《中国注册会计师审计准则》第1312号——函证……」。
问题是：它写的这个准则编号和名称，不一定真的存在。 AI 会一本正经地编造看似权威的引用。
所以要做事实性检查——底稿里凡是涉及外部依据的内容（引用的准则、法规、政策原文），都要验证真伪。两种方式：
- 让 AI 联网搜索，核实准则编号和名称是否真实
- 或者给它挂一个知识库（参考第 17 课 IMA 知识库、第 36 课本地 RAG），让它从知识库里查证，而不是自己编
⚠️ 这一步不能偷懒。审计底稿里一条编造的准则引用，就够毁掉整份报告的可信度。
5. 真要做底稿 Skill，记住两个字：原子化
如果你打算认真做一个能用的底稿 Skill，这是本节最重要的方法论。
5.1 别把所有功能塞进一个 Skill
很多人第一反应是：做一个「货币资金底稿 Skill」，从抽样到检查到出结论，全包。这样做有三个问题——Skill 太大 AI 理解不了、换个科目又得从头写、改一处可能影响全局。
5.2 拆成单点能力，各自独立
正确的思路是把底稿编制拆成原子化的能力。你看审计工作里，有哪些动作是反复出现的、跟具体科目无关的？
- 抽样——不管审哪个科目都要抽凭证
- 凭证检查——抽中了就要核对金额、日期、对方科目
- 函证——银行、应收应付都可能要发函
- 截止测试——每个科目期末都要看跨期
这些，每个做成一个独立的原子化 Skill，只完成自己那一件事。它们跟「货币资金」还是「应收账款」无关，是审计的底层能力。
5.3 科目 Skill 只管流程，不管执行
那货币资金的 Skill 干什么？它只做流程性的描述——告诉 AI 这一步该做什么、下一步该做什么、每一步去调用哪个原子化 Skill：
# 货币资金底稿编制流程（示意）
第一步：读取标准化数据库，确认货币资金各明细科目余额
第二步：对大额收支进行抽样 → 调用【抽样 Skill】
第三步：核对抽中凭证的原始单据 → 调用【凭证检查 Skill】
第四步：向银行发函确认存款余额 → 调用【函证 Skill】
第五步：检查期末前后的收支跨期 → 调用【截止测试 Skill】
第六步：汇总分析，得出审计结论注意，货币资金 Skill 自己不执行任何检查，它只是个「调度员」。具体干活的是那些原子化 Skill。
这样的架构有两个好处：
第一，换个科目——比如做应收账款底稿——你只需要写一个新的流程描述（应收账款的步骤和货币资金不一样），底层的抽样、函证、截止测试这些 Skill 原封不动复用。
第二，每个原子化 Skill 可以单独打磨。抽样逻辑优化了，所有科目都受益。
6. C 类项目怎么落地
C 类项目（低风险、规模小）最适合用 AI 自动化。建议路径：
路径一：传统代码 + AI 写代码（推荐）
- 明细表、披露表、辅助到报告：用传统代码工具（AI 帮你写代码）
- 这些内容固定、格式统一，做成系统或工具批量执行
- 执行效率高，准确度有保障
路径二：Skill + 流程描述
- 把审计程序拆成原子化 Skill
- 科目底稿用流程描述串联，AI 按步骤调用
- Skill 内部可以嵌工具（比如调用数据库、调用清洗后的数据），提高执行效率
路径三：混合方案（最务实）
- 能用传统工具的（明细表、披露表），就用传统工具
- 需要灵活判断的（抽样策略、异常分析、审计说明撰写），用 AI Skill
- 两者通过标准化数据（数据库）打通
💡 这个过程不简单——你需要对自己的审计业务有深入理解，同时能把需求清楚地说给 AI。但一旦跑通，C 类项目的底稿编制可以大幅自动化。
⚠️ 常见问题
AI 生成的底稿可以直接归档吗？
绝对不行。 至少要人工复核以下几点：
- 凭证检查、函证等需要看原始单据的程序——AI 没看单据就写的结论必须删除重做
- 引用的准则编号、名称——必须逐条验证是否真实存在
- 金额勾稽——AI 生成的数字要和原始数据核对
- 审计结论——不能照搬 AI 写的模板话术，要基于实际审计发现
AI 生成一份底稿要多久？
简单的裸指令大约 5-10 分钟。如果做成固化 Skill + 标准化数据，可以缩短到 1-2 分钟。但批量处理（几十上百家）还是建议用传统代码工具。
不同事务所的底稿模板不一样，Skill 能通用吗？
科目级 Skill 不通用（每家模板不同），但原子化 Skill 通用（抽样、函证、截止测试这些能力跟事务所无关）。建议优先打磨原子化 Skill，科目级 Skill 根据自己事务所的模板定制。
不会写代码，能做底稿 Skill 吗？
可以。你不需要自己写代码，只需要：
- 懂审计业务（知道每个程序该做什么）
- 能把流程说清楚
- 让 AI 帮你写代码、做 Skill
这正是本课程一直在训练的核心能力——把需求说清楚，让 AI 去实现。
关键收获
TIP
一条裸指令就能生成结构完整的底稿，说明 AI 做审计底稿完全可行，尤其对 C 类项目。但要用好它，记住三件事：
- 别全交给 AI：明细表、披露表这些格式固定、容不得错的，用传统工具更靠谱——AI 做这个又慢又不稳
- 别让它自由发挥：把底稿要求和流程固化成 Skill，明确禁止虚构；所有准则引用都要做事实性检查
- Skill 要拆开做：抽样、凭证检查、函证做成独立的原子化 Skill，科目底稿只写流程描述去调用它们——换个科目底层全复用
最后记住：每家事务所的模板都不一样，没有一个现成的 Skill 能直接套用。但只要掌握了「标准化数据 + 约束 + 原子化」这套方法论，C 类项目的底稿自动化完全做得出来。
下一步
- 下载示例数据，跟着视频跑一遍货币资金底稿生成
- 思考你手头的 C 类项目，哪些程序可以拆成原子化 Skill
- 结合第 6 课（学会 Skills）和第 10 课（Skill Creator），开始制作你的第一个原子化 Skill
参考链接
- 第6课 · 学会 Skills：/lessons/06-learn-skills
- 第10课 · Skill Creator 制作工具：/lessons/10-skill-creator
- 第38课 · AI 操作 Excel（上一课）：/lessons/38-ai-excel
- 第17课 · AI 调用 IMA 知识库（事实性检查）：/lessons/17-ima-knowledge-base