用 Claude Fable 5 分析财报：以 Apple 2025 Form 10-K 为例

Claude Fable 5 适合处理长文档和多阶段分析，但“能读财报”不等于“能替你投资”。更稳妥的用法是把模型限制在证据整理、计算复核和反方推演，让每条结论都能回到公开文件。

下面使用 Apple 于 2025 年 10 月 31 日提交的 Form 10-K 做演示。文中的数字来自 Apple 财务报表和 SEC 文件，不构成买卖建议。

准备唯一可信的输入

先下载原始文件，不要把搜索摘要或财经媒体文章混进第一轮：

• Apple 2025 Form 10-K（SEC HTML）
• Apple FY2025 consolidated financial statements

建立工作目录：

1
2
3
4
5
6
7

apple-fy2025/
├── source/
│   ├── aapl-20250927.htm
│   └── FY25_Q4_Consolidated_Financial_Statements.pdf
├── notes/
├── extracted-facts.csv
└── review-log.md

在 review-log.md 记录文件 URL、下载日期、财年截止日和单位。Apple 报表中的金额单位是百万美元；如果忽略单位，模型即使抄对数字也会生成错误结论。

第一轮只提取事实

把 10-K 提供给 Claude 后，不要先问“Apple 值不值得买”，而是使用受约束的提取指令：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

只根据我提供的 Apple 2025 Form 10-K 工作。
提取 2025、2024 两个财年的以下字段：
- Total net sales
- Products net sales
- Services net sales
- Gross margin
- Operating income
- Net income

输出 Markdown 表格。每个数字必须附表名、财年和原文定位。
找不到时写“未找到”，不要估算，不要补充外部资料。
金额单位统一为 million USD，不做投资建议。

人工复核后应得到以下基础表：

同比应由本地计算复核，而不是相信模型心算：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

values = {
    "net_sales": (416161, 391035),
    "services": (109158, 96169),
    "operating_income": (133050, 123216),
    "net_income": (112010, 93736),
}

for name, (current, previous) in values.items():
    growth = (current / previous - 1) * 100
    print(f"{name}: {growth:.2f}%")

只要脚本结果与模型表格不同，就以原始数字和本地计算为准。

第二轮检查结构变化

事实表通过后，再让模型解释变化，但仍要求把事实与推断分栏：

1
2
3
4
5
6
7

基于已核对的数字，输出三列：
1. 可验证事实；
2. 从事实得到的计算；
3. 仍需验证的解释。

不要把“服务收入增速更快”直接写成“利润一定持续提升”。
所有解释必须列出还需要查看的 10-K 章节。

例如“Services 增长 13.51%”是计算结果；“增长来自订阅业务提价”则需要业务分类、管理层讨论或其他披露支持，不能因为听起来合理就写成事实。

让模型主动寻找反证

完成初步分析后，单独执行反方任务：

1
2
3
4
5
6
7

针对“Apple 2025 年盈利质量改善”这一假设，提出最强的五个反方问题。
每个问题必须包含：
- 需要核查的报表项目或 10-K 章节；
- 如果假设错误，未来哪个指标会先变化；
- 当前材料能否回答；
- 不能回答时需要什么新增资料。
不要给目标价、评级或仓位建议。

有用的反方方向包括地区收入、产品与服务组合、税项变化、回购对每股收益的影响，以及现金流与利润是否同步。重点是生成待验证问题，不是让模型写一篇看空文章。

引用失败案例

模型常见的失败不是数字完全编造，而是引用看起来具体、实际却无法定位。例如：

1

Services 增长主要来自 iCloud 和广告，见第 32 页。

如果第 32 页没有这项拆分，应把这句话标为不合格。正确处理方式是：

1. 在 SEC HTML 中搜索关键短语。
2. 检查模型引用的是报表页码、PDF 页码还是 HTML 章节。
3. 找不到原文就删除原因判断，只保留已核实的收入变化。
4. 在 review-log.md 记录“未找到支持证据”。

不要让模型为了补齐表格而引用财经网站。第一轮研究的证据边界就是指定的 10-K。

把输出保存成可审计文件

extracted-facts.csv 可以使用以下字段：

1
2
3

metric,period,value,unit,source_table,source_location,verified
Total net sales,2025,416161,million USD,Consolidated Statements of Operations,2025 column,true
Services net sales,2025,109158,million USD,Net Sales by Reportable Segment and by Reportable Product,2025 column,true

review-log.md 至少记录：

• 使用的文件及版本；
• 模型和运行日期；
• 人工抽查的项目；
• 被删除的无来源结论；
• 本地计算脚本结果；
• 尚未回答的问题。

这比保存一段聊天记录更可靠。后续季度报告发布时，可以明确知道哪些假设需要更新。

哪些任务值得使用 Fable 5

Fable 5 官方定位偏向复杂、长时间和多阶段任务，API 成本也高于日常模型。适合交给它的部分包括：

• 跨多个章节建立事实索引；
• 比较不同财年的口径变化；
• 为主要假设设计反证清单；
• 检查报告中的数字、文字和引用是否一致；
• 在大量材料中维护待验证问题。

格式清洗、简单同比计算和 CSV 转换可用脚本或更便宜的模型完成。把所有原始文件反复塞给强模型，既昂贵，也不增加可验证性。

最终人工验收

一份可用的 AI 财报分析应同时满足：

• 每个关键数字能回到原始文件。
• 单位和财年一致。
• 计算可以由脚本复现。
• 事实、计算和推断明确分开。
• 找不到证据的内容已经删除或标为待验证。
• 输出不包含买入、卖出、目标价或确定收益承诺。

Claude Fable 5 可以缩短整理时间，但研究质量仍取决于证据边界和人工复核。模型最适合帮助你发现该继续查什么，而不是替你决定该买什么。

参考资料：

• Anthropic：Claude Fable 5
• Apple 2025 Form 10-K
• Apple Investor Relations