上传材料，跑硬性规则，获得准备度反馈。
上市资格与招股书起草是分开的产品。AI 负责抽取与反馈；确定性引擎用已确认数字对照上市门槛——从不编造数值。
四个阶段
适合读文本的地方用 AI；门槛必须精确的地方用代码。
1 · 信息抽取
读取 PDF / DOCX / XLSX / JSON，得到可量化字段与叙述摘录（Mode B：确认后才进硬性比对）。
2 · 硬性检查
纯 Python 对照版本化 YAML（港股 / A 股 / 新交所）。此路径不导入 LLM。
3 · 定性分析
LLM 审阅不可量化实质信号（集中度、独立性、内控等）。
4 · 反馈
用白话说明准备度与待改进项，并挂钩短板与缺输入。
端到端流程
结构化字段与上传材料最终进入同一套硬性引擎。推理提供商在资格诊断设置中配置——与起草设置分开。
结构化字段
手填 · 不用 AI
上传文件
AI 抽取
确认数值
Mode B · 未确认 = MISSING_INPUT
硬性规则引擎
确定性 · 不用 AI
定性信号
LLM
反馈 + 记分卡
诊断意见 · 非法律结论
公司可以怎样提交资料
盈利测试或市值门槛不是判断题。不能让 LLM 编数字或选错规则分支。硬路径必须可审计、可复现、可回归测试。
结构化字段
不需要 AI直接填写盈利、收入、市值、持续性、汇率等。数值进入发行人结构体，供硬性比对。
上传材料
需要 AI 抽取上传审计报表或尽调文件。由资格诊断抽取代理（不是起草 Agent1）提取字段与叙述；交易参数仍须手填。
为什么硬性门槛从不使用 AI
盈利测试或市值门槛不是判断题。不能让 LLM 编数字或选错规则分支。硬路径必须可审计、可复现、可回归测试。
独立程序包
位于 eligibility/，不依赖 Agent1 / Agent2 起草图。
独立推理设置
/diagnostic/settings 与招股书起草 Settings 分开存储。
硬性规则引擎
覆盖港交所、A 股板块与新交所的 YAML 规则包。
反馈层
回答「能否讨论上市」并列出缺口——不是交易所批复。
状态模型
已覆盖的市场与板块
PASS
解析值达标。
SHORTFALL
解析值未达标。
MISSING_INPUT
缺值或未确认。
INDETERMINATE
有值但无法比较（如缺汇率）。
NOT_EVALUATED
规则已写但本阶段未评 / 定性证据不足。
TRIGGERED
定性信号触发（软层）。
已覆盖的市场与板块
资格诊断重建发行人数据、比对门槛并标出缺口。它不决定能否上市，也不自动撰写招股书。
港交所主板、GEM、第 8A / 18A / 18C 章、公众持股
A 股主板、科创板、创业板、北交所及证监会前置条件
新交所主板与 Catalist
规则包来自 update/ 阈值主表编码