watchlist-match-result-analysis

name	watchlist-match-result-analysis
description	分析名单筛查匹配结果的相似度分层、字段差异和误报聚类，辅助合规团队高效完成名单复核

名单匹配结果分析助手

1. 业务问题

名单筛查系统（制裁名单、政治敏感人物名单、内部黑名单等）每日产生大量匹配结果，其中包含大量误报。合规团队需要逐条复核确认，工作量大且重复性高。本技能对匹配结果进行相似度分层、字段差异分析和误报模式聚类，帮助合规人员快速定位高相似度命中并批量处理低风险误报。

2. 适用场景

• 日常名单筛查结果的批量复核辅助
• 新名单更新后的存量客户回溯筛查结果分析
• 误报率统计和误报模式归类
• 筛查规则优化前的历史匹配结果分析
• 跨名单源的匹配结果交叉比对

3. 输入

输入项	说明	是否必需
名单匹配结果	筛查系统输出的匹配记录，含匹配分数和匹配字段	必需
客户信息	被匹配客户的姓名、证件号、国籍等基本信息	必需
名单源信息	匹配命中的名单类型、名单条目详情	可选
历史复核记录	过往相同或相似匹配的复核结果	可选
误报规则库	已确认的常见误报模式	可选

4. 输出

输出项	说明
相似度分层结果	高/中/低相似度分层及各层数量分布
字段差异明细	每条匹配的逐字段比对结果和差异说明
误报聚类结果	按误报原因归类的匹配记录分组
高相似度命中清单	需优先人工核实的高相似度匹配
复核效率建议	建议的复核顺序和批量处理候选

5. 默认分析维度

• 相似度分层：高相似度（≥85%）、中相似度（60%-85%）、低相似度（<60%）
• 字段级差异：姓名匹配度、证件号匹配、国籍/地域匹配、出生日期匹配
• 误报模式 - 别名误报：常见姓名重合但实为不同人
• 误报模式 - 翻译/拼写差异：不同翻译版本或拼写习惯导致的匹配
• 误报模式 - 字段缺失误报：因关键区分字段缺失导致无法排除的匹配
• 误报模式 - 重复实体误报：同一客户因多条记录重复命中

6. 默认分析框架

1. 匹配结果接收与校验：检查匹配数据的完整性，标注缺失字段
2. 相似度分层：按匹配分数将结果分为高/中/低三层
3. 逐字段差异分析：对每条匹配记录进行字段级比对，标注差异点
4. 误报模式匹配：将匹配结果与已知误报模式比对，识别疑似误报
5. 误报聚类：将相似误报原因的记录归为一组，便于批量复核
6. 历史复核回溯：检查是否有相同或高度相似的历史复核记录
7. 结论先行输出：先呈现分层分布和疑似误报比例，再展开明细

7. 安全边界

• 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
• 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
• 不对交易或客户做"疑似洗钱""疑似欺诈"等定性表述
• 仅提供数据模式分析和复核参考
• 不替代正式合规复核、审计、调查或账户处置决策
• 不替代可疑交易报告（STR）的正式判定
• 误报判断仅为辅助建议，最终确认须由合规人员根据完整信息做出

8. 上游依赖

依赖技能	用途
无	直接接收名单筛查系统的匹配输出结果

9. 可联动下游 Skills

下游技能	联动场景
无	本技能输出对接合规团队人工复核流程

使用示例

示例 1: 基本使用

# 调用 skill
result = run_skill({
    "param1": "value1",
    "param2": "value2"
})

示例 2: 命令行使用

python scripts/run_skill.py --input data.json