global-semantic-retrieval

# 法律条文或公司报告语意检索 Skill

针对法律条文与上市公司报告做语意检索，返回最相关公开证据片段。

## 数据来源
本 Skill 仅使用公网可查数据，默认内置以下公开来源：
1. 中国证监会官网：《上市公司信息披露管理办法（2025）》；
2. 中国证监会公开 PDF：《公开发行证券的公司信息披露内容与格式准则第2号—年度报告的内容与格式（2021年修订）》；
3. 巨潮资讯公开披露文件：立讯精密工业股份有限公司 2025 年半年度报告；
4. 巨潮资讯公开披露文件：立讯精密工业股份有限公司 2025 年半年度业绩预告。

## 功能
- 下载并解析公开法规 HTML/PDF 与公司报告 PDF；
- 对法律条文和公司报告切分建库；
- 基于字符 n-gram TF-IDF 做中文语意近似召回；
- 返回 Top-K、来源标题、页码、URL 与证据片段。

## 使用示例
```bash
pip install -r requirements.txt
python script/fetch_public_data.py --data-dir data
python script/semantic_retrieval.py --corpus data/corpus.jsonl --query "信息披露 真实 准确 完整" --top-k 5
python script/run_demo.py
```

## 交易说明
- 本 Skill 仅用于公开信息研究、检索与合规辅助，不构成法律意见、投资建议或交易指令。
- 结果来自公开网页与公开 PDF 的自动抽取，可能存在版式噪声、分页偏差或文本缺失，使用前应人工复核原文。
- 如用于证券、衍生品或其他金融交易场景，应由持证专业人士、法务或合规人员进行最终确认。
- 如源站链接、页面结构或格式发生变化，需重新抓取并更新语料库。

## License
- 本 Skill 自编代码采用 MIT License，见根目录 `LICENSE`。
- 公网数据的版权、许可和使用限制分别归属于对应官网、交易所或信息披露平台；使用时应遵守源站条款。