credit-risk-scoring

name	credit-risk-scoring
description	TableCodeAgent 信贷风控样本处理与评分 workflow 指导。需要设计、实现、审核或运行贷前申请表、贷后泄漏字段、标签窗口、重复申请、客户唯一性、缺失/异常/字段类型、规则卡评分和 no-helper benchmark 时使用；必须区分已接入能力、工业场景目标和未验证能力。

信贷风控样本处理

适用范围

本 skill 用作信贷风险评分 benchmark 场景和风控数据处理 workflow 的流程指导。它只描述检查顺序、业务边界和验证要求；确定性 oracle 已迁移到 tests/test_workflows/，产品态主 Loop 应通过 src/tablecodeagent/workflow/ 和表格工具接入 MiniClaude Agent Loop。

三层边界必须写清：

• 当前已实现 / 已接入能力：公开 task contract、Pydantic schema、本地 fixture oracle、模拟 Agent 输出回归、sandbox + pytest/validator 验证，以及产品 Loop 的任务解析、表格画像、上下文压缩、候选代码执行和 repair feedback。
• 面向工业业务场景的目标能力：把风控样本检查、贷前/贷后隔离、标签窗口、重复申请、字段类型和可解释规则评分组织成可追踪的 Coding Agent 工作流。
• 尚未接入 / 尚未验证能力：真实授信审批、线上模型训练评估、监管报送、公平性审计、生产监控和跨系统自动决策。

不适用范围

• 不用于直接给真实用户做授信或拒贷决策。
• 不用于把固定规则卡包装成已训练或已上线模型。
• 不用于替代模型训练、验证集评估、上线监控、公平性审计或合规审批。
• 不用于给真实 API benchmark 暴露 oracle helper、build_*_report() 或 tests/test_workflows。

执行步骤

1. 识别输入表和字段边界：

   • 申请主键通常是 application_id。
   • 客户主键通常是 user_id。
   • 贷前时间字段通常是 application_time、feature_window_start、feature_cutoff_date。
   • 标签窗口通常由 label_window_start、label_window_end 和 default_90d 描述。
   • 贷后或泄漏字段如 post_loan_collection_calls、post_loan_dpd_max 不能作为贷前特征。

2. 先做数据质量检查：

   • 检查必需字段是否存在。
   • 检查缺失值、空字符串、字段类型异常。
   • 检查 application_id 是否唯一。
   • 检查同一 user_id 是否多次申请，并明确这不是自动删除理由。
   • 检查年龄、收入、贷款金额、信用分等字段的异常值或不可解析值。

3. 检查贷前/贷后隔离：

   • default_90d 是标签，不是特征。
   • 贷后催收、贷后 DPD、还款表现等字段必须进入 excluded_columns。
   • 每个排除字段必须给出 exclusion_reasons。

4. 检查时间窗和标签窗口：

   • 特征只能来自 feature_cutoff_date 及以前。
   • 标签窗口必须晚于申请时点，并明确窗口长度。
   • 如果任务没有真实训练/验证切分，只能写成 workflow fixture，不能写成生产建模。

5. 输出风险分层和解释：

   • 可使用可复现规则卡或轻量规则生成 risk_score 和 risk_band。
   • 输出必须说明该评分不代表生产模型。
   • 高风险样本应触发人工复核或业务告警字段。

6. 输出结构化结果：

   • row_counts
   • field_summary
   • data_quality
   • feature_processing
   • scoring_result
   • business_rule_checks
   • explanations
   • warnings
   • how_to_do_differently
   • validation

输入输出约定

• 输入通常来自 benchmarks/tasks/credit_risk_scoring_001/task.json 和 applications.csv。
• 真实 LLM Agent benchmark 只能看到 task、数据文件、允许库、业务目标和公开输出 schema。
• 真实 LLM Agent benchmark 不允许看到 expected.json、workflow helper import 路径或 build_credit_risk_scoring_report()。
• 输出必须落盘为 answer.json，并通过 Pydantic schema、pytest 和 trace 共同校验。

证据与验证要求

• tests/test_workflows/ 中的 helper-assisted oracle 只能用作 unit / integration / smoke / regression 测试。
• 真实 API benchmark 必须记录 benchmark_profile=no_helper、helper_hints_exposed=false、api_called、skipped、failure_type、generated_code_path、answer_path、run_python.exit_code、pytest_exit_code 和 schema_check.errors。
• SKIP、env 缺失、API 失败、schema 不匹配、pytest 失败或模型未生成代码，必须按真实失败写入报告，不能伪装通过。

注意事项

• 不要静默 drop duplicates。
• 不要把贷后字段、标签字段或人工催收字段用作贷前特征。
• 不要把规则卡示例包装成生产模型。
• 不要为了通过 pytest 放宽 validation 或删除业务断言。
• 报告中必须区分 product workflow、helper-assisted oracle 和 no-helper capability evaluation。