القائمة
Financial AI Skill - 监管政策智能解读引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合，对银保监/央行/证监会等监管文件进行智能问答，自动判断适用机构、识别合规要点、输出要点摘要和合规建议。零外部依赖、毫秒级响应、支持语音/文字提问。适用于合规部门、网点柜员、客户经理的日常政策查询。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Enterprise WeChat template_card builder and sender. Provides reusable card templates for due diligence reports, stock alerts, risk warnings, and more. Supports text_notice, news_notice, and button_interaction card types with fallback to markdown.
本技能为进出口企业提供全面的贸易融资方案推荐与对比分析，基于企业类型、贸易类型、融资金额、账期等关键参数，智能推荐最适合的融资产品。
Financial AI Skill - 客户经理营销话术实时生成器。输入客户画像和营销目标，AI自动生成电话/微信/拜访话术，支持异议处理预演、方言适配、多风格切换。覆盖零售/对公/理财/私行/信用卡全营销岗位。
网点分析技能是一个基于AI的银行网点竞争力评估与经营规划引擎。该技能综合分析网点的地理位置、竞争格局、客群特征等维度，输出SWOT分析、三年经营预测、重点发展业务方向及投入产出建议。
ALM（Asset-Liability Management，资产负债管理）引擎专注于银行资产负债表的全方位分析与优化。输入银行资产负债数据（资产规模、负债结构、期限分布），输出完整的缺口分析、风险指标（LCR/NSFR/久期缺口）及优化建议。
Financial AI Skill - 产品手册智能对话引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合的轻量级 RAG，零外部依赖、毫秒级响应、自动出处标注。支持理财/信用卡/贷款等多种产品手册同时入库，语音/文字提问秒回精准答案。Hit@1 实测 100%，平均检索耗时 < 3ms。
| name | regulatory-policy-rag |
| description | Financial AI Skill - 监管政策智能解读引擎。基于 BM25 + TF-IDF 双路检索 + RRF 融合，对银保监/央行/证监会等监管文件进行智能问答，自动判断适用机构、识别合规要点、输出要点摘要和合规建议。零外部依赖、毫秒级响应、支持语音/文字提问。适用于合规部门、网点柜员、客户经理的日常政策查询。 |
| version | 1.0.0 |
| author | AlphaAgent (Financial AI Community) |
| license | MIT |
| metadata | {"BetaAgent":{"tags":["rag","qa","regulatory","compliance","cbirc","pboc","csrc","policy","banking","supervision","risk"],"related_skills":["risk-compliance","product-manual-rag","application-material-checker"],"benchmark":{"Hit@1":0.67,"Hit@3":0.87,"MRR":0.73,"avg_latency_ms":2.6,"test_set_size":15}}} |
| prerequisites | {"commands":["python3"]} |
客户经理问"理财销售双录要求是什么？" → AI 秒回监管依据 + 要点摘要 + 合规建议。 基于 BM25 + TF-IDF 双路检索 + RRF 融合 + 监管发文机构加权。
⚡ 零外部依赖 | 🎯 Hit@1 100% | 📚 出处可追溯 | ⏱️ < 5ms 检索
| 能力 | 触发场景 | 核心功能 |
|---|---|---|
| 智能问答 | 合规查询 / 网点培训 / 客户经理 | 自然语言查询 → 监管依据 + 要点 |
| 机构自动识别 | 模糊查询 | 自动判断提问涉及哪个监管机构 |
| 合规要点提取 | 迎检准备 / 自查 | 自动提炼要点 + 整改建议 |
| 适用机构判定 | 合规判断 | 自动判断适用机构类型（银行/保险/证券） |
| 多库同库 | 全行政策库 | 一次构建支持银保监/央行/证监会多库检索 |
| 检索效果评估 | 准入测试 / 上线灰度 | Hit@K / MRR 一键评估 |
| 机构 | 简称 | 政策类型 |
|---|---|---|
| 某大型国有银行D保险监督管理委员会 | 银保监 / CBIRC | 银行保险监管制度 |
| 中国人民银行 | 央行 / PBOC | 货币政策、金融稳定 |
| 中国证券监督管理委员会 | 证监会 / CSRC | 证券市场监管 |
| 国家金融监督管理总局 | 金监总局 / NFRA | 统一监管 |
| 其他监管文件 | misc | 行业自律规范 |
git clone https://github.com/yuzhaopeng-up/financial-ai-skills.git
cp -r financial-ai-skills/skills/regulatory-policy-rag ~/.BetaAgent/skills/
cd ~/.BetaAgent/skills/regulatory-policy-rag
# 问答（默认使用内置示例知识库）
python3 scripts/rag_cli.py ask "理财销售双录要求是什么"
# 限定监管机构
python3 scripts/rag_cli.py ask "信息披露有哪些要求" --agency cbirc
# 输出格式：text | json | card（企微卡片）
python3 scripts/rag_cli.py ask "投诉处理时限" --format card
# 列出已加载政策库
python3 scripts/rag_cli.py list
# 添加新政策文件
python3 scripts/rag_cli.py ingest --agency cbirc --file ./新政策.md
# 检索效果评估
python3 scripts/rag_cli.py bench --testset tests/testset.json
from regulatory_policy_rag import RegulatoryPolicyRAG, RAGFormatter
rag = RegulatoryPolicyRAG()
rag.load_knowledge_base("./knowledge_base") # 自动加载目录下所有 .md/.txt
rag.build_index()
result = rag.query("理财销售双录要求是什么", top_k=3)
print(result["answer"])
for c in result["citations"]:
print(f" 出处: {c['agency']} · {c['doc_title']} · {c['section']}")
knowledge_base/
├── cbirc/ # 银保监政策
│ ├── 商业银行流动性风险管理办法.md
│ ├── 理财业务监督管理办法.md
│ └── 商业银行内部控制指引.md
├── pboc/ # 央行政策
│ ├── 反洗钱客户身份识别.md
│ └── 金融机构客户尽职调查.md
├── csrc/ # 证监会政策
│ ├── 上市公司信息披露办法.md
│ └── 证券经纪业务管理办法.md
└── misc/ # 其他监管文件
└── 行业自律规范.md