财报更正后AI还用旧数，怎样保留版本和更正依据
应保留原公告与更正公告两份证据，用明确的更正关系替换指定字段，再重算依赖这些字段的比率；不能按下载时间取最后一个文件。本例四月二日重新抓到旧公告，仍不能覆盖三月二十日已经公开、明确指向原公告的更正数据。
同一期间的多版本证据怎样构造？
教学公告一号于二零二六年三月一日公开，记录二零二五年度合并报表，单位人民币万元：收入一千、成本七百、净利润一百二十、经营现金流一百五十。教学公告二号于三月二十日公开，明确更正一号中的收入为九百、成本六百八十、净利润八十，未声明替换经营现金流。
这些公告编号、日期、字段与版本关系都是构造输入，没有真实发行人。我们不推断更正原因，不判断责任或适用披露规则。需要检验的是：在已经给定明确更正映射的条件下，程序能否保留来源、更新有效字段，并准确重算依赖结果，而非凭语言模型的记忆补数。
原公告、更正公告和检索时间怎样并排？
| 证据 | 构造公告号 | 公开日期 | 本次检索日期 | 收入 | 成本 | 净利润 | 经营现金流 |
|---|---|---|---|---|---|---|---|
| 原公告 | 教学2026A001 | 2026-03-01 | 2026-04-02 | 1000 | 700 | 120 | 150 |
| 更正公告 | 教学2026A002 | 2026-03-20 | 2026-04-01 | 900 | 680 | 80 | 未替换，沿原150 |
原公告这次检索日期比更正公告晚一天，但公开日期更早。检索时间表示本次何时拿到资料，公开日期表示资料何时可被外部看到，适用期间表示数字描述哪个年度。三种时间不能混作一个更新时间。若按最后抓取的文件覆盖数据库，收入就会从正确有效的九百倒退到旧的一千。
字段替换怎样保留没有更正的部分？
程序先复制原公告字段，逐项给出来源为一号公告；当查询时点已超过三月二十日，才应用二号声明的三个替换项，并把这三项来源改为二号。经营现金流仍为一百五十，其证据仍指向一号。不能因为有更正公告，就把未涉及字段统统清空或全标成来自二号。
有效结果因此可以由多个文件共同支持，但共同构成一个有明确继承关系的版本视图。这与随意从不同版本各挑一个数字不同：前者有公开的更正指向和字段清单，后者没有。如果更正范围写得不清楚，校验器应标为待确认，而不是自行决定所有同名字段都已被替换。
查询时点不同，数字该怎样变化？
截至三月十日的构造视图只能使用已经公开的一号，收入一千、成本七百、净利润一百二十、现金流一百五十，毛利率为百分之三十，现金流除净利润为一点二五倍。截至四月一日，应用更正后毛利率为九百减六百八十再除九百，约百分之二十四点四四；现金流除净利润变为一点八七五倍。
这里没有把更正后的数字回填到三月十日的当时可得视图，否则会引入后来才知道的信息。若研究的是现在对过去期间的最新认知，则可以使用更正后数字，但应将这个视图标为最新修订。按当时可得与按当前最新是两种合理用途，不能在同一历史比较里未经说明混用。
为什么只修改正文中的收入还不够？
收入、成本和净利润变化后，毛利率、利润率、现金流比率以及引用这些值的文字都可能失效。若摘要只将收入一千改成九百，却保留旧毛利率百分之三十，就形成了新旧版本拼接。修复应沿字段依赖关系传播，而不是只搜索替换某一个出现的数字字符串。
反例是现金流一百五十没有更正，但现金流除净利润仍从一点二五变成一点八七五，因为分母变了。由此可见，未改的原始字段不等于未受影响的派生指标。版本台账应记录哪些原始值被替换、哪些公式需要重跑，以及哪些摘要句子依赖这些公式。
文件摘要能证明哪些事，不能证明哪些事？
本例将两份构造JSON按键排序、紧凑格式和UTF八编码序列化，再分别计算SHA二五六。摘要用于检查复算时拿到的字节是否与该次记录一致，不证明公告来自真实机构，也不自动证明更正关系有效。只有在文件身份、公开来源及正文指向已经核对后，摘要才成为版本固定的一项技术记录。
如果只保留文件名一号、二号而不保留内容摘要，文件被同名替换后可能难以发现；若只保留摘要而没有文件，后来也无法从摘要反推出正文。两者应并存，并保持未修改的原件与另外生成的解析结果，不能把清洗过的文本冒充原始字节文件。
怎样报告尚未确定的更正状态？
若新公告没有明确期间、范围或被更正编号，应并列差异并标记关联待核，不以发布时间最新为唯一依据。本文能够自动替换，是因为构造材料已明确提供映射，不表示任何现实更正都能按这几行代码处理。实验不讨论模型知识截止日期，只让同一期间多版本证据的继承、失效与依赖重算可以被逐项复查。
当下载时间带时区而公开日期只有日历日时，应保留原始精度，不能自行补成当天零点后声称能还原盘中可得信息。本例查询点均远离公开日边界，因此没有推导日内先后关系。
这份核验记录的来源和边界是什么？
本篇DJ113的公司名称、公告编号、页码、日期、表格原值和模型参数均为构造教学输入，没有真实发行人或真实财报个案。实验由 Python 3.12.4 独立运行，字段、版本和数值结果保存在生产记录 calc_ai_research.py 及其同名 JSON；它检验本文规则，并非某款 AI 模型的准确率实测。
相关背景见财报精读母题，基础核验入口见AI幻觉核验工具。本文扩展字段与实验独立列出，不声称网页工具已经支持全部条件。
原始资料：Python hashlib官方文档，支持字节摘要机制，不证明构造公告真实或替代更正关系核对。核对日：2026-10-23。资料只支持正文注明的定义或技术机制，本文构造数字不冒充来源中的真实披露。
署名：道积君编辑组。AI辅助起草，构造实验经程序复算，不虚构持牌资质、真人经历或真人专家审阅。仅供金融教育，不评价具体公司价值，不提供买卖或个性化投资建议。
复算资料
本篇编号为DJ113。可下载Python核算脚本（文本）与完整输入输出JSON，对照文中表格复算。脚本文件改存为.py后可用Python运行；数据均为构造教学样本。