用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt;运行前请先检查来源。
npx skills add https://github.com/aifinlab/FinClaw --skill customer-churn-early-warning-assistant命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地?可下载 SkillsMP 当前能够提供的文件。
A股逆向选择/信息不对称分析。当用户说"逆向选择"、"adverse selection"、"信息不对称"、"知情交易者"、"逆向选择成本"、"信息劣势"时触发。基于 cn-stock-data 获取数据,度量逆向选择与信息不对称程度。支持 formal/brief 两种输出风格。
A股量价异常检测/异动监控。当用户说"异常检测"、"异动"、"anomaly"、"量价异常"、"异常波动"、"XX有异动"时触发。量化检测股价和成交量异常。支持formal和brief风格。
A股自相关/序列相关性/收益率自相关结构分析。当用户说"自相关"、"autocorrelation"、"序列相关"、"收益率预测性"、"动量还是反转"、"自相关系数"、"ACF"、"PACF"、"Ljung-Box"、"收益率是否可预测"、"随机游走检验"时触发。MUST USE when user asks about return autocorrelation, serial correlation tests, or whether a stock's returns are predictable. 量化分析收益率的自相关结构(ACF/PACF、Ljung-Box检验、随机游走检验)。支持formal和brief风格。
正在显示 SKILL.md
基于 SOC 职业分类
| name | customer-churn-early-warning-assistant |
| description | 零售客户流失预警与经营挽留助手,识别高流失风险客户并提供挽留策略。当用户需要客户流失预警、流失原因分析、挽留方案时使用。 |
| level | task |
| industry | 银行 |
| business_line | 零售金融 |
| scenario | 客户流失 |
| priority | P1 |
| supported_by_industry_data | 强依赖 |
| summary | 零售客户流失预警与经营挽留助手 |
| version | 1.0.0 |
本技能用于银行零售金融场景下的客户流失预警分析与经营挽留建议生成。技能目标不是简单判断“客户是否会流失”,而是基于客户资产、交易、产品持有、渠道活跃、触达响应、服务体验、竞品迁移迹象以及行业对标数据,形成可解释、可执行、可跟踪的预警结论。
本技能特别适用于以下任务:
在出现以下情形时,优先使用本技能:
以下情形不建议直接使用本技能得出强结论:
优先提供以下信息:
输出内容至少应包括:
本技能采用“多维信号识别 + 行业对标校准 + 经营动作生成”的框架。
本技能对行业数据依赖较强,原因如下:
因此,在进行以下判断时必须提示行业数据支持程度:
references/churn_signal_catalog.mdreferences/industry_data_requirements.mdreferences/retention_playbook.mdreferences/compliance_notes.mdreferences/output_schema.mdscripts/customer_churn_signal_engine.py:识别客户流失预警信号。scripts/industry_benchmark_adjuster.py:结合行业基线对风险进行校准。scripts/render_churn_report.py:将结果渲染为 markdown 报告。