メニュー
授信客户贷后全周期风险管理技能。执行贷后检查、资金用途核查、财务健康评估、担保有效性审查、预警识别与分类调整、预警处置闭环。触发词包括:"贷后检查"、"贷后管理"、"风险分类调整"、"贷后检查报告"、"做一下贷后检查"、"贷后管理查一下"、"这个客户风险分类需要调吗"、"预警处置方案"、"资金用途核查"。不适用于:贷前尽调、授信审批、个人信贷贷后管理、纯财务分析不涉及贷后场景。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
理赔核赔全案复审与决策专家。整合全案复审、流程合规检查能力。核查材料齐全性、立案合理性、医审核定准确性、理算计算正确性及作业规范性，综合输出核赔决策（准赔/减赔/拒赔/挂起）。当核赔专员需要对已完成医审和理算的案件进行终审决策、发现疑点需复核时触发。适用于核赔岗全案审核、赔付决策、案件质检场景。触发词：全案复审、怎么判、审核结论汇总。
理赔理算校验与调度专家。对进入理算环节的案件进行准入审查和数据完整性校验，确认理算前置条件满足后，通过MCP调用理算引擎完成实际金额计算，输出标准化理算书。当案件完成医审和责任认定后进入理算环节、需要计算应赔金额、生成理算书时触发。适用于理赔理算前置校验、理算参数校验、理算书生成场景。触发词：赔多少、理算、赔付金额。
"理赔报案受理与案件登记专家。整合报案信息结构化提取、保单状态核验、重复报案检测能力，提取出险时间、事故经过、伤亡情况、保单信息等关键要素，生成标准化报案记录并分配案件编号。当客户拨打报案电话、提交报案申请或上传报案材料时触发。适用于理赔受理岗报案登记、报案信息结构化录入、案件初始档案建立场景。触发词："报案登记"、"案件登记"、"报案受理"、"录入案件"。 触发词：理赔报案、案件录入、重复报案。"
"保险理赔材料智能分析工具。整合材料分类、OCR提取、完整性检查、单证审核、一致性校验、发票交叉验证、病程时间线梳理能力。采用前置解析+按需复用架构，基于多模态大模型对理赔图片文档进行全链路分析，输出标准化目录结构、病程摘要和审计报告。当用户需要对理赔材料、保险单证、医疗票据进行分类整理，或提及理赔材料分类、保险文档归档、医疗发票识别、材料审核、病程时间线时使用。触发词："理赔材料分类"、"材料完整性检查"、"材料一致性校验"、"理赔交叉验证"、"材料全量审核"、"病程时间线"。 触发词：理赔材料、材料齐不齐、病程时间线。"
对理赔案件进行多维度欺诈风险检测，综合分析材料一致性、行为模式、历史记录等信息，计算欺诈风险评分，识别虚假理赔、骗保欺诈等可疑信号。当需要评估理赔案件欺诈风险、识别可疑骗保行为、对高风险案件进行预警时触发。适用于理赔欺诈筛查、可疑案件调查决策、反欺诈合规管理场景。触发词：欺诈风险、骗保嫌疑、欺诈评分。
理赔结案通知与客户沟通专家。生成标准化的理赔通知书（赔付/拒赔/补件），并配套口头沟通话术与情绪安抚指导，确保书面函件合规、口头沟通专业。当需要出具理赔结果通知、生成拒赔说明书、通知客户补充材料、告知赔付金额，或需要与客户进行拒赔解释、情绪安抚时触发。适用于理赔结案通知生成、拒赔函件起草、补件通知书制作、客户沟通话术辅助场景。触发词：结案通知、通知客户、理赔通知书。
| name | post-loan-management |
| description | 授信客户贷后全周期风险管理技能。执行贷后检查、资金用途核查、财务健康评估、担保有效性审查、预警识别与分类调整、预警处置闭环。触发词包括:"贷后检查"、"贷后管理"、"风险分类调整"、"贷后检查报告"、"做一下贷后检查"、"贷后管理查一下"、"这个客户风险分类需要调吗"、"预警处置方案"、"资金用途核查"。不适用于:贷前尽调、授信审批、个人信贷贷后管理、纯财务分析不涉及贷后场景。 |
| target_role | 贷后管理岗 / 风险审查人员 |
| business_domain | 风险管理 > 信贷风险管理 > 贷后管理 |
| risk_level | high |
| version | 1.0.0 |
| status | draft |
| data_sources | ["客户基本信息与授信台账（信贷系统 API）","客户财务报表（用户上传或信贷系统获取）","征信报告（人行征信系统，需人工授权）","资金流向明细（信贷系统/支付系统 API）","押品价值监控数据（押品管理系统 API）","references/ 中的行业基准与监管规则"] |
| upstream_skills | [] |
| downstream_skills | ["credit-risk-classification","early-warning-disposal"] |
| 数据项 | 来源 | 获取方式 | 敏感级别 |
|---|---|---|---|
| 客户基本信息 | 信贷系统 | API: /api/credit/customer | 内部 |
| 授信台账（额度/余额/期限/担保） | 信贷系统 | API: /api/credit/exposure | 内部 |
| 财务报表（近3年+最新一期） | 用户上传 / 信贷系统 | 文件上传或 API | 内部 |
| 征信报告 | 人行征信 | 需人工授权后 API | 机密 |
| 资金流向明细 | 信贷/支付系统 | API: /api/payment/flow | 内部 |
| 押品价值数据 | 押品管理系统 | API: /api/collateral/value | 内部 |
| 行业基准数据 | references/industry-benchmarks.md | 文件读取 | 公开 |
* 替代| 易混淆术语 | 本 Skill 中含义 |
|---|---|
| 逾期天数 | 从约定还款日次日算起，含宽限期（如有） |
| 流动性 | 流动比率 / 速动比率（非市场流动性） |
| 重组贷款 | 因借款人财务困难而对原合同条款作出让步的贷款 |
| 交叉违约 | 客户对其他金融机构的债务出现违约，触发本合同项下的违约条款 |
| 关注类上调 | 分类上调须满足持续 3 个月改善且无新增风险信号 |
| 首次检查 | 放款后 30 天内的第一次贷后检查，100% 实地完成 |
先读后写：在开始任何分析之前，必须先执行以下数据确认步骤：
- 读取并列出所有输入数据（客户信息、授信台账、财务报表、征信报告等）
- 确认数据的时间范围、会计准则（CAS/IFRS）和币种
- 运行
scripts/validate_post_loan_data.py验证数据完整性和勾稽关系- 仅在验证通过后进入步骤 1
根据客户风险分类和授信金额确定检查频率与重点，准备检查清单。
references/check-frequency-policy.md 确定检查频率矩阵📋 数据来源：
user_upload（客户提供检查参数）
逐笔核查贷款资金流向，对照 references/fund-usage-policy.md 的禁止性清单。
运行 scripts/check_fund_usage.py --input {fund_flow_data} --rules references/fund-usage-policy.md 进行自动化违规检测。
📋 数据来源：
system_api（信贷系统资金流向数据）
分析客户经营稳定性和财务健康度。
references/industry-benchmarks.md 获取行业基准references/financial-warning-thresholds.md 判断是否触发预警分析要求：
运行 scripts/calculate_financial_ratios.py --input {financial_data} --benchmarks references/industry-benchmarks.md 计算财务指标并与行业基准对比。
📋 数据来源：
user_upload（用户上传财务报表）
核查担保物价值和外部环境变化。
references/collateral-policy.md 获取各类担保的抵押率上限和预警阈值📋 数据来源：
system_api（押品管理系统、保证人征信）
综合前述核查结果，识别预警信号，评估风险分类。
references/early-warning-indicators.md 确定等级（黄/橙/红）references/five-classification-policy.md（五级分类标准），评估当前分类是否准确一票否决条件检查：逐项核对 P1-P6 一票否决条件（见 references/p1-p6-veto-conditions.md）。触发任一条件须立即红色预警。
运行 scripts/evaluate_risk_classification.py --input {assessment_data} --policy references/five-classification-policy.md 生成分类建议。
📋 执行主体：
ai→human（AI 生成分类建议 → 风险审查人员确认） 📋 确认机制：approve（不良类分类下调须人工审批）
对已识别预警信号制定处置方案，生成结构化贷后检查报告。
references/disposal-escalation-policy.md 确定上报路径和时限assets/post-loan-report-template.md 生成贷后检查报告assets/disclaimer-template.md）输出完整贷后检查报告。
📋 执行主体：
ai→human（AI 生成报告 → 检查人员、负责人双签归档） 📋 确认机制：approve（报告须双签后方可归档）
使用 assets/post-loan-report-template.md 模板。报告必须包含以下结构化章节：
| 字段 | 类型 | 说明 |
|---|---|---|
| 企业名称 | string | 企业全称 |
| 统一社会信用代码 | string | 脱敏后（前6后4） |
| 授信额度 | number | 万元 |
| 授信余额 | number | 万元 |
| 授信期限 | string | 起讫日期 |
| 担保方式 | enum | 信用/保证/抵押/质押/组合 |
| 当前风险分类 | enum | 正常/关注/次级/可疑/损失 |
| 字段 | 类型 | 说明 |
|---|---|---|
| 检查日期 | string | YYYY-MM-DD |
| 检查方式 | enum | 实地/非现场/暗访 |
| 检查人员 | string | 姓名/工号 |
| 客户配合度 | enum | 配合/部分配合/不配合 |
| 字段 | 类型 | 说明 |
|---|---|---|
| 资金用途合规性 | enum | 合规/部分不合规/严重违规 |
| 疑似违规笔数 | number | 笔 |
| 资金回流识别 | enum | 未发现/疑似/确认 |
| 处理措施 | string | 具体处置动作 |
| 字段 | 类型 | 取值范围 |
|---|---|---|
| 经营状况评价 | enum | 稳定/一般/恶化 |
| 财务健康度 | enum | 健康/关注/预警 |
| 关键指标偏离数 | array | [指标名: 实际值/基准值] |
| 字段 | 类型 | 说明 |
|---|---|---|
| 担保物价值变动 | number | 变动百分比 |
| 保证人资信 | enum | 良好/关注/恶化 |
| 登记有效性 | enum | 有效/部分无效/全部无效 |
| 字段 | 类型 | 说明 |
|---|---|---|
| 信号编号 | string | 唯一标识 |
| 信号类别 | enum | 财务/行为/担保/经营/外部 |
| 预警等级 | enum | 黄色/橙色/红色 |
| 触发条件 | string | 具体描述 |
| 字段 | 类型 | 说明 |
|---|---|---|
| 当前分类 | enum | 正常/关注/次级/可疑/损失 |
| 建议分类 | enum | 正常/关注/次级/可疑/损失 |
| 分类理由 | string | 详细分析依据 |
| 字段 | 类型 | 说明 |
|---|---|---|
| 处置措施 | array | [措施, 责任人, 时限] |
| 下期检查日期 | string | YYYY-MM-DD |
| 下期重点 | array | [关注点列表] |
报告末尾必须包含免责声明，使用 assets/disclaimer-template.md 标准版模板。
本输出可被 credit-risk-classification 和 early-warning-disposal Skill 解析使用。
每次贷后检查执行结束后，生成审计日志 audit/{企业简称}_{日期}_post_loan_audit.json：
{
"skill_name": "post-loan-management",
"skill_version": "1.0.0",
"execution_time": "YYYY-MM-DDTHH:mm:ss+08:00",
"customer_id": "[脱敏]",
"check_type": "首次检查/常规检查/风险分类调整/预警处置",
"model": "claude-opus-4-7",
"operator": "[姓名]（工号：[工号]）",
"steps": [
{
"step": "数据确认与验证",
"executor": "ai",
"data_source": {"type": "user_upload"},
"result": "通过/不通过",
"duration_seconds": 0
},
{
"step": "资金用途核查",
"executor": "ai",
"data_source": {"type": "system_api", "system": "信贷系统"},
"result": "通过/不通过/预警",
"findings_count": 0
},
{
"step": "经营与财务检查",
"executor": "ai",
"data_source": {"type": "user_upload"},
"result": "pass/fail/warning"
},
{
"step": "担保有效性检查",
"executor": "ai",
"data_source": {"type": "system_api", "system": "押品管理系统"},
"result": "pass/fail/warning"
},
{
"step": "预警识别与分类评估",
"executor": "ai→human",
"data_source": {"type": "context"},
"ai_output": "建议分类：[分类]",
"confirmation": {"type": "approve", "approved_by": "[姓名]", "role": "风险审查人员", "final_decision": "[分类]"}
},
{
"step": "报告生成与归档",
"executor": "ai→human",
"confirmation": {"type": "approve", "signed_by": "[检查人] + [负责人]"}
}
],
"warnings": ["如有"],
"veto_conditions_triggered": [],
"references_used": ["references/check-frequency-policy.md", "references/industry-benchmarks.md", "..."]
}
审计日志保留期限 ≥ 3 年。
用户输入：
请对 XX 科技有限公司执行本季度贷后检查。当前分类：正常类，授信金额 8000 万元，担保方式：房产抵押。
Skill 执行流程：
输出摘要：客户经营正常，财务指标健康，担保有效，无预警信号。建议维持正常类分类，下次检查日期：[下月日期]。
用户输入：
XX 制造公司最近经营不太稳定，帮我做一次贷后检查。当前关注类，授信 3000 万，保证担保。
Skill 执行流程：
输出摘要：客户营收大幅下滑，利息保障倍数不足，存在关联交易存疑。建议维持关注类、压缩敞口 500 万、要求追加抵押担保，30 日内完成。