메뉴
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。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
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 - 财富管理智能体。提供资产配置、财务健康诊断、退休规划、保险规划、税务优化、教育金规划、房产规划、智能投顾等8大能力。基于规则引擎的轻量级财富管理系统，零API费用。
| name | product-manual-rag |
| description | 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。 |
| version | 1.0.0 |
| author | AlphaAgent (Financial AI Community) |
| license | MIT |
| metadata | {"BetaAgent":{"tags":["rag","qa","product-manual","knowledge-base","retrieval","bm25","tfidf","financial","customer-service"],"related_skills":["risk-compliance","wealth-management","customer-marketing"],"benchmark":{"Hit@1":1,"Hit@3":1,"MRR":1,"avg_latency_ms":2.5,"test_set_size":15}}} |
| prerequisites | {"commands":["python3"]} |
客户问"金葵花理财起购金额是多少？" → AI 秒回答案 + 标注出处。 基于 BM25 + TF-IDF 双路检索 + 章节加权 + 产品自动识别。
⚡ 零外部依赖 | 🎯 Hit@1 100% | 📚 出处可追溯 | ⏱️ < 3ms 检索
| 能力 | 触发场景 | 核心功能 |
|---|---|---|
| 智能问答 | 客户经理 / 大堂经理 / 远程银行 | 自然语言查询 → 抽取式答案 |
| 出处标注 | 合规留痕 / 客户复核 | 每条答案标明产品名/章节/匹配片段 |
| 多产品同库 | 全行 / 全条线产品库 | 一次构建支持 N 个手册同时检索 |
| 产品自动识别 | 模糊查询 | 自动判断"问的是哪个产品" |
| 检索效果评估 | 准入测试 / 上线灰度 | Hit@K / MRR 一键评估 |
git clone https://github.com/yuzhaopeng-up/financial-ai-skills.git
cp -r financial-ai-skills/skills/product-manual-rag ~/.BetaAgent/skills/
cd ~/.BetaAgent/skills/product-manual-rag
# 问答（默认使用内置示例知识库）
python3 scripts/rag_cli.py ask "金葵花理财起购金额是多少"
# 限定产品
python3 scripts/rag_cli.py ask "最高额度多少" --product "建行惠懂你小微贷"
# 输出格式：text | json | card（企微卡片）
python3 scripts/rag_cli.py ask "积分多久过期" --format card
# 列出已加载手册
python3 scripts/rag_cli.py list
# 添加新手册
python3 scripts/rag_cli.py ingest --product "招行招赢通" --file ./新手册.md
# 检索效果评估
python3 scripts/rag_cli.py bench --testset tests/testset.json
from product_manual_rag import ProductManualRAG, RAGFormatter
rag = ProductManualRAG()
rag.load_knowledge_base("./knowledge_base") # 自动加载目录下所有 .md/.txt
rag.build_index()
result = rag.query("赎回到账要几天？", top_k=3)
print(RAGFormatter.format_text(result))
# 适配企微卡片
card = RAGFormatter.format_card(result)
返回结构：
{
"question": "金葵花理财起购金额是多少",
"answer": "单只理财产品起购金额：人民币产品 1 万元起...",
"citations": [
{
"product": "招行金葵花理财",
"section": "二、申购起点与持有门槛",
"snippet": "...起购金额：人民币产品 1 万元起...",
"score": 0.0548
}
],
"no_answer": false
}
用户问题
│
├─→ ① 中文 bigram + ASCII 分词
│ （tokenize：bigram + unigram + ASCII 词）
│
├─→ ② 产品自动识别（_infer_product）
│ "建行惠懂你最高额度" → product_filter="建行惠懂你小微贷"
│
├─→ ③ 双路检索
│ ├─ BM25Okapi（k1=1.5, b=0.75）
│ └─ TF-IDF 余弦相似度
│
├─→ ④ RRF 融合（k=60）
│
├─→ ⑤ 章节标题加权 bonus
│ "起购金额" 命中 "二、申购起点" → +0.005
│
├─→ ⑥ 抽取式答案生成
│ 从 Top-K 段落中挑出"关键词密度最高"的句子拼接
│
└─→ ⑦ 出处标注（产品/章节/页码/片段/分数）
| 指标 | 数值 |
|---|---|
| Hit@1 | 100% |
| Hit@3 | 100% |
| MRR | 1.000 |
| 平均检索耗时 | 2.5 ms |
| 索引构建耗时 | < 50 ms |
| 内存占用 | < 5 MB（25 chunks） |
| 银行 | 产品 | 我们的方案 |
|---|---|---|
| 招行 | "智谱" 智能投顾 | ✅ 出处可追溯 + 零 API 费用 |
| 平安 | "知鸟" 知识库问答 | ✅ 一行命令上线，无需训练 |
| 工行 | "工小智" 客服 | ✅ 毫秒级响应 + 适配企微 |
| 建行 | 惠懂你客服 | ✅ 跨产品自动识别 |
详见 wecom_integration.py，已实现：
no_answer=true 时主动提示"建议复核"