jialong@columbia:~/site$cat ./lab/repf.md
主页
> 实验室 · repf-agent

REPF Agent

仓库:
repf-agent
语言:
Python · Claude Code
年份:
2026 — 在做

REPF Agent 是一个面向美国可再生能源项目融资(renewable energy project finance, REPF)的垂直 AI agent——服务于税权(tax equity)银行、PF 债权方和开发商一侧的顾问,在每一笔交易里都要跑一遍那套相同的尽调流程。它读合同、验模型、起草带 citation 的 memo,但绝不替人下结论:是否投这笔交易的判断永远留给人。

为什么写它

IRA(《通胀削减法案》)把美国可再生能源的税权结构重写了一遍。Bonus credits、transferability、prevailing wage、domestic content——所有团队都在同一时间重新学习这些规则;与此同时,美国 utility-scale PF 的成交量正处在多年高位,瓶颈一直卡在分析师工时上。尽调里最痛的恰恰是 LLM 加上一个 deal-grade eval harness 第一次能可靠完成的部分:读 100–300 页的 PPA、把 sponsor 财务模型和合同条款对齐、识别税权结构里的合规问题。

这个项目的起点是哥大的 REPF 课(INAFU 6326)。八份关于税权、债权、PPA、IRA、市场数据和 IC memo 工作流的 discovery brief 最终凝成了一个 knowledge corpus 和一个 working prototype。目标不是替分析师做决策——而是把每笔交易里最痛的四个工作日,压缩到一个分析师一个下午可以审完的草稿。

它做什么(V1 目标)

给定一笔交易的完整材料——PPA、term sheet、sponsor 财务模型、附件——agent 帮税权/债权分析师:

  1. 解析 PPA / term sheet → 结构化条款、风险标记、与 benchmark 数据集的对比
  2. 验证财务模型 → 把 sponsor 的 Excel 跟合同条款对齐,跑敏感性
  3. 检查税权结构 → 标记 IRA 时代的合规问题(bonus credits、prevailing wage、transferability 机制)
  4. 起草 IC memo → 写出一份接近终稿的投委会 memo,每一处事实都引回源文件
  5. 维护 deal memory → 跨交易的模式、市场 benchmark、本所历史决策

每一份产出都是 draft-and-review,带 citation。Agent 永远不会给出"投或不投"的结论——这条线必须留给人。

怎么做的

discovery 先行,code 在后。当前的 Phase 0 切片是一个 eval harness,不是一个产品:

  • parse-ppa 用真实的 claude -p 抽取,跑在一批从公开 PPA(AES Waikoloa、Hale Kuawehi、Mililani I 和一份 SIPA 模板案例作为 ground truth)人工打分的 eval cases 上
  • 评分公式:0.6 × required + 0.3 × important + 0.1 × citation − 0.05 × hallucinations,pass 线 0.85,Phase 0 gate 是 10+ cases 上 ≥ 80% 通过率
  • 一个行业情报 crawler 每次运行能存下约 400 条公开报道,用于监管与市场上下文
  • 哥大 REPF 课的 brief 喂给了一个 ChromaDB RAG index,用来支撑 agent 自己的 playbooks 和 intuitions,用于原文引用

离开 Phase 0 的 gate:≥ 10 个访谈、≥ 3 个 $500/mo 的支付意愿、≥ 1 个 design partner、parse-ppa ≥ 80%、discovery brief 里没有 deal-killer。

技术栈

Python、Claude Code(claude -p)、Anthropic Sonnet 用于多轮抽取、ChromaDB 做 RAG index、MCP 风格的 skill harness、一个带 per-case 预算控制的结构化 eval runner。

状态

仓库私有。Phase 0——discovery 和 eval prototype。如果你是税权银行的 VP/Director,或者一年做 10–30 笔的 PF 分析师,看完觉得这是你想试的工具,欢迎联系我