财税场景对错误零容忍——一个税率的误判可能导致整张申报表作废。所以我们的设计原则是：AI 可以自动做，但必须留下可核对的痕迹。
把非结构化的原始凭证变成结构化的数据。这一层的质量决定后面全部环节的上限，所以我们把识别置信度也暴露出来——不确定的会标出来让人确认，而不是硬猜。
把结构化数据变成会计语言，再变成经营指标。科目匹配会学习你的历史习惯——同一家供应商的印刷费，第三次出现的匹配与第一次必然不同。
这是潮生和「自动记账工具」的分水岭。同一批票据数据，别人输出的是财务报表，我们输出的是「哪里在漏钱、下一步动什么、税能省多少」。
这是潮生最重要的一条产品原则。筹划必须业务真实、有政策依据、可被追溯——否则省下来的钱，迟早要加倍还回去。
| 输入参数 | 引擎判断 | 输出 |
|---|---|---|
| 小规模纳税人 · 年收入 280 万 | 月均 23.3 万 > 10 万，不适用免税；适用 3% 征收率减按 1% | 增值税部分节税 |
| 附加税费基数联动 | 城建 7% + 教育附加 3% + 地方教育附加 2%，小规模「六税两费」减半后按 6% 计 | 附加税费联动减免 |
| 应纳税所得额 96 万 · 60 人 · 资产 1500 万 | 三条件同时满足小型微利标准，实际税负 5%（对比法定 25%） | 企业所得税优惠 |
| 当年新购设备 8 万 | 可一次性税前扣除（属时间性差异，非永久节税） | 已标注差异性质 |
| 未取得发票的支出 6 万 | 无票支出不得税前扣除，补齐合规票据后消除 | 补票可节省税负 |
以上为简化测算示意，用于说明引擎的判断逻辑与输出形式；实际适用请以最新政策口径及主管税务机关认定为准。
持续更新，以最新公告口径为准
潮生不会提供也不会协助任何违法方案。当提问或参数触及以下情形，系统会直接给出法律风险提示，并转而提供合法路径。
「筹划的前提是业务真实。凡是需要靠隐藏、拆分或编造才能成立的方案，本质上都不是筹划，是把风险往后挪。」
同一套知识能力，两种运行模式。没接大模型也能用，接了大模型能问更复杂的。
内置专业财税知识库，覆盖 6 大类常见问题。适合条款式、有标准答案的问题——这类问题用知识库回答反而更稳定、更可追溯，且完全离线、无需显卡。
接入本地或云端大模型后，可以回答开放式、多条件的复杂问题，例如「我们这种情况，是继续做小规模合适还是转一般纳税人」。回答仍会带上引用的知识库条目与政策依据。
| 问题类型 | 离线知识库 | 大模型 RAG | 说明 |
|---|---|---|---|
| 条款式问题（税率多少、流程怎么走） | 适合 | 适合 | 有标准答案，知识库回答更稳定 |
| 条件判断（我这种情况适不适用） | 有限 | 适合 | 需要结合多个条件推理 |
| 开放式咨询（怎样更合理） | 不支持 | 适合 | 需要模型理解与生成 |
| 合规边界提醒 | 必做 | 必做 | 无论哪种模式都强制拦截违法意图 |
| 离线环境可用性 | 完全可用 | 需本地模型 | 本地模型部署后同样可完全离线 |
财税领域有个特殊性：AI 说错了，是要有人负责的。所以「准确率」不够，还得「可核对」。
前端不碰模型、不存密钥。浏览器只调服务端一个接口，密钥与知识库都留在你的服务器上。
模型挂了或没配，接口照样返回答案，只是标注为「已降级为知识库直答」。私有化交付里，一个会因为模型故障而整站白屏的 AI 系统，客户是不敢用的。