收益：
- 能够通过人工智能逐级计算基数、免税、扣除、税额，逻辑链透明可见
- 能够通过独立地重新计算（手动或使用表格）人工智能产生的每个算术结果来捕获无声的计算错误
- 能够养成不相信人工智能记忆中的旧值的习惯，知道速率、例外限制和周期参数是不断变化的。
计税是通过正确确定应纳税额（基数，即计算税款的基本金额）并应用相关税率来确定应纳税额的任务。这听起来很简单，但实际上是一系列排除、折扣、定期费率和连续步骤。人工智能对于逐步建立并使这条链条可见非常有用；但在这里我们遇到了该模型最大的弱点：大型语言模型默默地在算术中犯错误，并完全自信地呈现错误的结果。因此，该单元的不变规则很明确：人工智能生成的每个数字都被独立地重新计算。
底座解剖：使台阶可见
好的税收计算绝不是一个单一的数字；而是一个数字。这是一连串的步骤。使用人工智能透明地构建这条链，因为每个步骤都可以单独验证。
典型的资本利得税链是这样的：
- 交易利润/毛收入：起点。
- 添加：添加了法律不允许的费用 (KKEG)。
- 扣除和排除：法律允许的项目将被扣除。
- 上一年度亏损抵销：如有，则扣除结转亏损。
- 基础：形成应税金额。
- 税率应用：税款按现行税率计算。
- 抵销：扣除预缴的预缴税款、预扣税款等。
- 应付/退款：最终结果。
提示：告诉人工智能“不要将结果作为单个数字给出；在单独的行上显示每个步骤及其金额。”步骤离散时更容易发现错误；在聚合结果中，错误被隐藏了。
为什么重新计算是不可协商的
语言模型可能会写成“1,240,000 × 23% = 285,200”，这看起来是正确的。但有时模型会生成一个接近但不正确的数字，而不是“285,200”，并毫不犹豫地呈现它。即使税款计算错误 15,000 里拉，也会导致税款损失和罚款。因此，每个乘法、比率和总和都可以使用独立的计算器/表格或通过以不同的方式重建模型来检查。
两个实用技巧：
- 反向检查：通过从结果返回来进行验证。税/税率=基数？
- 独立工具：使用电子表格（Excel）中的公式重复相同的计算；两个结果应该完全匹配。
周期性参数陷阱
税率、免税限额、扣除金额和关税几乎每年都会发生变化，有时甚至在一年中都会发生变化。模型的信息被冻结在训练日期中，可能会将去年的比率误认为是“当前”。这会悄无声息地破坏整个帐户。因此：
- 不会从模型内存中检索任何速率或限制。
- 每个周期参数均取自当年的官方来源（总统令、公报、GIB），然后将其提供给模型。
- 您清楚地将指令写入模型“使用我给您的费率，不要使用您知道的费率”。
参数类型
哪里购买
如何导出到模型
税率
当年官方规定
索赔中写得很清楚
排除/折扣限制
当前通知/决定
索赔中写得很清楚
所得税税率
当年官方电价
切片已完整给出
折旧率
VUK折旧清单
是从列表中取出的
三个迷你箱子
情况 1 — 无提示乘法错误。顾问让人工智能计算公司收入。该模型对所有步骤进行了正确排序，但最终的乘法错误：它写的是 426,300 而不是真正的 462,300。这个数字可能会被忽略，因为它看起来很合理。当顾问在 Excel 中重新计算时，他发现差异为 36,000 TL。教训：即使步骤正确，也要单独检查算术。
案例 2 — 旧费率。实习生使用模型给出的关税来计算所得税；关税是上一年的。尽管基数相同，但由于括号已更改，税费将错误为 18,500 土耳其里拉。正确的做法是给模型当年的官方资费，然后说“就用这个”。
案例 3——良好的操控性。注册会计师让人工智能在复杂的例外计算中设置步骤，在单独的行中要求每个步骤，并自己给出费率。然后用Excel中的公式重复整个计算；两个结果完全匹配。人工智能提高了思维速度，验证还是交给CPA。 40分钟的工作减少到10分钟，不会出现任何错误。
弱提示/强提示
弱提示：
算一下这家公司的企业税，税率就知道了。
该模型使用内存中的（可能是旧的）速率并返回单个结果；比率和算术都有风险。
强力提示：
你的角色：税务计算助理。任务：用以下数据逐步计算企业利得税。规则：- 仅使用我给你的税率（X%）；不要使用您知道的汇率。 - 在单独的行上显示每个步骤及其金额（商业利润、CCEG、折扣、基础、税、抵消、应付）。 - 说明结果必须“手动/使用 Excel 重新计算”。数据：[商业利润、CCEG、折扣、上一年亏损、预缴税，税率：X%（取自今年官方来源）]
第二个提示固定速率，分离步骤，并提醒验证义务。
反向检查提示重新计算：
反向验证以下计算：- 通过从给定结果返回来再次找到底数。- 结果底数与开始时给出的底数相同吗？- 如果有差异，请显示它发生在哪一步。[计算步骤：...]
要请求单个表格公式：
我将在电子表格中设置此帐户。编写每个步骤的单元格公式（例如基数 = 交易利润 + CUEG - 折扣 - 过去损失）。只要给出公式，我就会在表中得出结果。
比例/参数确认提醒：
列出我在此帐户中使用的以下参数，并为每个“应从官方来源确认哪一年”添加注释：费率、例外限制、折扣金额、关税切片。
常见错误
- 依靠算术。该模型在乘法/加法上默默地犯了错误；每个结果都会重新计算。
- 从模型中获取比率。周期性参数取自官方来源并赋予模型。
- 想要集体成果。不分隔步骤的输出会隐藏错误。
- 未注明年份。如果没有说明属于哪个时期，则模型使用旧参数。
- 对一种方法感到满意。应通过在模型和独立工具 (Excel) 上执行关键计算来进行交叉检查。
总之
税务会计是一连串的步骤，而人工智能的强大之处在于使这个链条变得可见；但它会默默地犯算术错误并磨损周期参数。因此，每个数字都是独立重新计算的，每个比率和限制均取自当年的官方来源并提供给模型，并且模型内存中不接受任何周期性值。分离步骤、反向检查和使用独立表进行交叉验证是该单元的三大安全支柱。
应用任务
选择真实或样本税务账户（公司税、预缴税或所得税）。通过强大的提示模板，从人工智能中获得一步一步的计算；你给个汇率。然后独立地用Excel中的公式重复相同的计算并比较两个结果。如果有差异，请确定差异在哪一步。从官方来源确认您使用的每个周期参数并记录下来。
清单
- [ ] 我一步步设置了帐户，每个金额都在单独的行上。
- [ ] 我从官方来源获取了所有费率和限制并将其提供给模型。
- [ ] 我给模型写了“使用你知道的比率”指令。
- [ ] 我在 Excel 中/手动独立重新计算了每个结果。
- [ ] 我通过反向检查向后验证了基础。
- [ ] 我已在每个账户中清楚地注明了期间/年份信息。
- [ ] 我检测并修复了差异并将其记录在验证跟踪中。