메뉴
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。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/aliyun/qwen-dianjin --skill insurance-claim-fraud-detection명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
"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。"
"理赔责任认定专家。整合免责条款审核、保单责任认定、费用责任匹配能力。通过OCR提取理赔材料内容，与保单免责条款逐条比对，识别可能触发的免责事项，评估拒赔风险等级，输出责任认定结论。当需要检查理赔材料中的免责条款适用性、判断是否存在拒赔事由、认定保险责任范围时触发。适用于理赔合规审核、责任认定、拒赔风险评估场景。触发词："免责"、"责免"、"拒赔"、"免责条款"、"责任认定"。 触发词：理赔责任、能不能赔、免责问题。"
对理赔费用清单中所有费用项（含检查、手术、耗材、护理、药品、床位费等）进行逐项合理性审核，识别不符合诊断的费用、超标准收费、重复收费；同时审查处方药品与诊断匹配性，识别超适应症用药、剂量异常、配伍禁忌，结合医保目录与临床指南输出核减建议，生成医学审查报告。当用户要求审核理赔费用明细、核定住院费用合理性、识别超标准或重复收费、审核药品合理性时触发。适用于医疗险理赔费用核定、住院费用审查、费用核减决策、理赔用药审核场景。触发词：住院费用、用药合理性、过度收费。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | insurance-claim-fraud-detection |
| description | 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。 |
| metadata | {"version":"1.0.0","risk-level":"high","insurance-type":"综合","business-domain":"理赔"} |
扮演反欺诈分析专家。从多个维度对理赔案件进行欺诈风险评估，包括材料一致性检查、行为异常模式识别、关联案件分析等，输出风险评分和可疑信号清单，为调查决策提供依据。
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
与用户确认（含默认值）：
| 输入 | 说明 | 默认 |
|---|---|---|
| 理赔案件材料 | 全部理赔文件（病历/发票/保单等） | — |
| 案件基本信息 | 投保人、被保人、出险描述 | — |
| 历史理赔记录 | 同一被保人/投保人的历史案件（如有） | — |
| 检测深度 | 快速筛查/深度分析 | 快速筛查 |
| 检测维度 | 检测内容 | 风险信号 |
|---|---|---|
| 日期一致性 | 出险日期、就诊日期、发票日期、报案日期的逻辑时序 | 日期倒置或跨度异常 |
| 人员一致性 | 患者姓名、身份证号在各材料中的一致性 | 人员信息不一致 |
| 金额一致性 | 发票金额与费用清单的对应关系 | 金额不匹配 |
| 医院一致性 | 同一案件不同材料显示的就诊医院 | 医院信息矛盾 |
| 诊断一致性 | 不同材料中诊断名称和编码是否一致 | 诊断矛盾 |
| 印章/签字 | 医院印章、医生签字的规范性 | 疑似伪造 |
| 风险模式 | 描述 | 风险权重 |
|---|---|---|
| 投保后短期出险 | 投保后极短时间内（如30天内）出险 | 高 |
| 高频理赔 | 短期内多次理赔，频率明显超出正常水平 | 高 |
| 金额恰好在限额边缘 | 赔付金额恰好触及免赔额上限或分级赔付节点 | 中 |
| 多次小额积累 | 多次微小理赔累积为较大金额 | 中 |
| 高保额低保费险种 | 投保高赔付额但保费极低的险种 | 低 |
| 同一地址多被保人 | 同一地址多人同时投保并理赔 | 中 |
| 异常就医地点 | 跨省就医但无合理解释 | 低 |
综合分析就医事实、既往病史、如实告知与不合理用药，从以下三个维度检测欺诈风险：
| 检测内容 | 检测方法 | 风险信号 |
|---|---|---|
| 既往病史与出险疾病关联 | 核查出险疾病是否与既往病史存在因果或延续关系，比对投保时健康告知中声明的既往疾病 | 出险疾病与未告知的既往病史高度相关 |
| 投保前已有症状 | 判断出险疾病是否在投保前已存在症状或就诊记录 | 投保前已有同系统疾病就诊记录但未告知 |
| 慢性病急性发作 | 区分急性起病与慢性病急性发作，判断是否属投保前已存在的慢性病 | 以急性出险报案但实际为慢性病延续 |
| 检测内容 | 检测方法 | 风险信号 |
|---|---|---|
| 健康声明比对 | 将当前理赔申报的疾病信息与投保时的健康声明逐项比对 | 理赔疾病在健康声明中未如实告知 |
| 就诊记录回溯 | 调取出险前（尤其是投保前）的就诊记录与投保声明交叉验证 | 投保前已有相关就诊但声明中否认 |
| 告知遗漏模式 | 识别系统性遗漏（如多个应告知项目均未申报） | 多项健康告知项目与实际不符，存在刻意隐瞒嫌疑 |
| 检测内容 | 检测方法 | 风险信号 |
|---|---|---|
| 用药与诊断不符 | 处方药品适应症与出险诊断无关联 | 大量用药与所报疾病无关，疑为虚构诊断套取药品 |
| 用药量异常 | 处方剂量或疗程远超临床常规 | 单次处方量异常大或疗程远超所需 |
| 多头开药 | 同一时期从多家医疗机构开具相同或同类药品 | 多机构重复开药，疑为骗取药品或重复报销 |
综合以上维度计算风险评分。总分采用加权求和法，各维度分值范围与权重如下：
| 评分维度 | 单项分值范围 | 权重 | 加权分值范围 | 计分依据 |
|---|---|---|---|---|
| 频率模式异常（高频理赔、投保后短期出险等） | 0–30 | 30% | 0–9 | 短期出险/高频程度 |
| 金额异常（金额恰好在限额边缘、多次小额积累等） | 0–30 | 30% | 0–9 | 金额偏离合理区间程度 |
| 一致性异常（材料不一致、日期/人员/金额/医院/诊断矛盾等） | 0–20 | 20% | 0–4 | 不一致项数量与严重程度 |
| 行为模式异常（异常就医地点、同一地址多被保人、代理人/医疗机构批量可疑等） | 0–20 | 20% | 0–4 | 异常行为项数量与严重程度 |
| 合计 | — | 100% | 0–26（加权原始分） | — |
标准化总分公式：
总分 = (频率模式原始分 × 0.3 + 金额异常原始分 × 0.3 + 一致性异常原始分 × 0.2 + 行为模式原始分 × 0.2) × 100 / 26（四舍五入取整，封顶 100 分）。各维度原始分由 AI 依据检测到的异常程度在对应范围内评定，无异常记 0 分，极端异常记满分。加权后总分范围为 0–100 分。
| 风险等级 | 分数范围 | 建议处理 |
|---|---|---|
| 低风险 | 0-30分 | 正常流程受理 |
| 中等风险 | 31-60分 | 加强审核，补充调查 |
| 高风险 | 61-80分 | 人工专项核查 |
| 极高风险 | 81-100分 | 暂停赔付，启动调查程序 |
本技能支持旁路监控（Sidecar Monitoring）模式，可在理赔全流程中以持续监控机制运行，而非仅作为一次性检查：
fraud-detection 在理赔流程中按以下节点触发，每次触发执行增量检测并更新风险评分：
| 触发点 | 触发时机 | 检测重点 | 风险评分更新 |
|---|---|---|---|
| Trigger 1 | 案件登记完成后 | 重复报案、短期高频理赔、频率模式异常 | 初始化风险评分（频率维度） |
| Trigger 2 | 材料审核完成后 | 材料一致性、金额异常、日期/人员/医院信息矛盾 | 叠加一致性异常与金额异常维度 |
| Trigger 3 | 医学审查完成后 | 处方药品与诊断不匹配、用药量异常、行为模式（多头开药） | 叠加行为模式异常维度 |
| Trigger 4 | 理算完成后 | 金额异常复核、赔付频率模式复核 | 复核并锁定最终风险评分 |
各触发点产生的风险评分为增量更新：后续触发在前序评分基础上叠加新维度得分，而非重新计算。最终评分由第六步公式标准化为 0–100 分。 注意：旁路监控模式下的检测结果同样为辅助建议性质，不得因自动告警而直接中断理赔流程，须由人工确认后决定后续处理。
| 依赖系统 | 作用 | 必需 |
|---|---|---|
| fraud-detection | 欺诈风险评分、重复报案检测、行为模式分析 | 是 |
| customer-system | 客户历史理赔记录查询 | 否 |
在工作流程的适当步骤，AI可调用以下MCP工具获取数据或执行操作：
| 工作步骤 | MCP工具 | 工具说明 | 输入参数 | 输出用途 |
|---|---|---|---|---|
| 步骤3 | customer-system.get_customer_claims_history | 获取客户历史理赔记录 | customer_id, limit | 分析高频理赔、短期多次出险等行为模式 |
| 步骤5 | customer-system.get_health_declaration | 获取投保时健康声明记录 | policy_no | 比对健康告知与出险疾病，检测未如实告知 |
| 步骤5 | customer-system.get_medical_history | 获取客户既往就诊记录 | customer_id, date_range | 交叉验证既往病史与出险疾病关联性 |
| 步骤5 | customer-system.get_prescription_records | 获取客户处方记录（含多机构） | customer_id, date_range | 识别多头开药、用药量异常等不合理用药模式 |
| 步骤6 | fraud-detection.score_fraud_risk | 计算案件欺诈风险评分 | case_no, dimensions | 输出综合风险分值（0-100）和风险等级 |
| 步骤6 | fraud-detection.check_duplicate_claim | 检测重复报案 | policy_no, incident_date, hospital | 识别同一事故多次报案骗保 |
| 步骤6 | fraud-detection.analyze_behavior_pattern | 分析报案行为异常模式 | case_no, customer_id | 识别投保后短期出险、异常就医等行为信号 |
降级策略：当MCP工具不可用时，AI应提示用户手动提供对应信息，或跳过该步骤继续后续分析。
输出数据遵循保险Skill通用数据交换Schema，字段命名统一为snake_case，金额单位为分，日期格式为ISO 8601。
以结构化 Markdown 报告输出：
insurance-claim-document-processing）：提供材料一致性校验、日期时序校验、发票交叉验证等欺诈检测基础数据insurance-claim-case-registration）：提供重复报案检测、保单有效性验证等前置数据每次执行后，生成审计日志至 audit/ 目录：