القائمة
企业贷后风险评估智能体。调用外部/行内MCP采集数据，经三层算法（一票否决+多维打分+专家规则）评估企业未来3个月违约风险并输出评估报告。当用户要求评估企业贷后风险、生成风控报告时调用。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/openJiuwen-ai/agent-store --skill post-loan-risk-eval-agentيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
异常检测预警。基于规则引擎对网点运营数据执行异常检测，输出 CRITICAL/WARN/INFO 三级预警。触发词：异常检测、风险预警、今日预警、告警、有没有异常。当用户提到异常检测相关查询时触发。
网点数据查询。通过 NL2SQL 将自然语言转换为 SQL 语句，查询网点交易、客流、营销数据。支持大额交易、交易汇总、失败交易、对公客户等查询。触发词：今天大额交易、交易情况、客流量、营销转化率、失败交易、对公客户、交易汇总。当用户提到网点运营数据查询时触发。
网点全景概览。组合调用前三个 Skill 生成日终运营报告。触发词：网点概况、今日运营、日终报告、全景概览、整体情况。当用户提到网点全景查询时触发。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | post-loan-risk-eval-agent |
| description | 企业贷后风险评估智能体。调用外部/行内MCP采集数据，经三层算法（一票否决+多维打分+专家规则）评估企业未来3个月违约风险并输出评估报告。当用户要求评估企业贷后风险、生成风控报告时调用。 |
| version | 1.0.0 |
| author | post-loan-risk-eval-agent contributors |
当用户提出以下需求时调用本 skill：
向用户或上游系统获取评估对象的基础元信息（最少必填）：
name 企业名称credit_code 统一社会信用代码industry_code 行业代码region_code 区域代码ownership 企业性质、company_age 企业年龄 等（可选，缺失由外部MCP补全）并行调用两个 MCP 服务：
外部数据 MCP（mcp/external_data_mcp.py，工具 fetch_external_data_tool）
行内数据 MCP（mcp/internal_data_mcp.py，工具 fetch_internal_data_tool）
若 MCP 未部署，可直接读取
data/mock/demo_*.json测试数据演示。
调用 core/data_merger.py 的 merge_company_data(external, internal) 合并为引擎可用的统一数据对象。
合并后字段定义见 data/field_dictionary.json（英文键<->中文名<->模块<->来源）。
调用 core/engine.py 的 RiskEngine().evaluate(merged_data)，引擎自动执行三层递进算法：
config/rules.yaml 的 veto_rules。config/scoring.yaml。config/rules.yaml 的 expert_rules。最终分映射监管五级分类：
| 分值 | 五级分类 | 违约风险 |
|---|---|---|
| 0~20 | 正常 | 无 |
| 21~40 | 关注 | 无 |
| 41~60 | 次级 | 有 |
| 61~80 | 可疑 | 有 |
| 81~100 | 损失 | 有 |
引擎返回的 report 字段为 Markdown 报告，遵从 风控报告样本.txt 的六部分结构：
将报告呈现给用户。报告可直接保存为 .md 文件。
config/*.yaml，业务可例行调优，**不客户甲在代码或大模型中硬编码阈值。python run_demo.py # 跑全部 5 个 mock 样例并生成报告
python core/engine.py data/mock/demo_doubtful.json # 单个评估
post_loan_risk_eval_agent/
├─ config/ # 算法配置（单一可信源，可调优）
│ ├─ scoring.yaml # Layer2 五维打分阈值与权重
│ └─ rules.yaml # Layer1 否决规则 + Layer3 专家规则
├─ .trae/
│ └─ skills/
│ └─ post-loan-risk-eval-agent/
│ └─ SKILL.md # Trae Skill 定义
├─ core/
│ ├─ engine.py # 核心评估引擎（三层算法+报告生成）
│ └─ data_merger.py # 外部+行内数据合并器
├─ mcp/
│ ├─ external_data_mcp.py # 外部数据MCP（可接权威/商业数据源，未配置时回退基线）
│ └─ internal_data_mcp.py # 行内数据MCP（对接行内接口）
├─ data/
│ ├─ field_dictionary.json # 字段字典（英文键<->中文名<->来源）
│ └─ mock/ # 5个脱敏测试样例（正常/关注/次级/可疑/损失）
└─ run_demo.py # 一键验证脚本
用户提供企业元信息：
请评估企业"客户A"（统一社会信用代码：00000000000000000X）的贷后违约风险。
或直接提供 JSON 数据：
{"name": "客户A", "credit_code": "00000000000000000X",
"industry_code": "K", "ownership": "民营中小", "dscr": 1.15,
"debt_asset_ratio": 0.68, "current_rating": "BB", ...}
引擎返回 Markdown 评估报告，包含：数据完备度评估、一票否决检查、
多维度评分（含细项拆解）、专家规则修正、风险判定（五级分类）、评估结论。
完整报告结构参见 data/mock/demo_doubtful.report.md。