菜单
当用户需要针对银行内控制度、操作规程、管理办法、审批权限、岗位职责、流程要求、例外处理、留痕要求等内容进行问答、解释、定位、归纳或答复草拟时，使用本技能。适用于制度问答、制度检索、条款解释、流程口径说明、制度培训答疑、内控合规咨询初步回复等场景。若用户问题涉及多个制度冲突、跨条线口径不一致、是否允许例外、是否必须升级审批、是否需要法律/合规最终确认，也应触发本技能。本技能尤其适合在已有制度文本、制度摘要、FAQ、操作手册、会议纪要、培训材料的基础上，形成结构化、可追溯、边界清晰的答复。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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 internal-control-policy-qa-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 | internal-control-policy-qa-assistant |
| description | 当用户需要针对银行内控制度、操作规程、管理办法、审批权限、岗位职责、流程要求、例外处理、留痕要求等内容进行问答、解释、定位、归纳或答复草拟时，使用本技能。适用于制度问答、制度检索、条款解释、流程口径说明、制度培训答疑、内控合规咨询初步回复等场景。若用户问题涉及多个制度冲突、跨条线口径不一致、是否允许例外、是否必须升级审批、是否需要法律/合规最终确认，也应触发本技能。本技能尤其适合在已有制度文本、制度摘要、FAQ、操作手册、会议纪要、培训材料的基础上，形成结构化、可追溯、边界清晰的答复。 |
本技能用于支持银行在合规运营场景下开展制度问答与制度解释工作，帮助使用者基于现有制度文本、制度摘要、流程规范、岗位职责说明、历史 FAQ 与培训材料，快速形成有依据、可追溯、边界清晰的答复。
本技能的目标不是替代正式制度发布、法务意见或合规裁定，而是作为“制度问答与解释的标准化助手”，在日常问答、流程咨询、制度培训答疑、条款检索、制度口径整理等场景中，输出初步且规范的答复建议。
适用于但不限于以下场景：
以下场景不应由本技能单独给出最终结论：
遇到上述情形时，应明确说明本技能只能提供初步判断，并建议升级至制度归口部门、合规部门、法务部门或授权审批人确认。
较理想的输入应包含以下要素中的若干项：
若输入不完整，也可以先做初步处理，但必须说明限制：
若缺少以下关键要素，应主动提示：
本技能的标准输出应尽量包含以下部分：
若用户只需要简答，可压缩为三段：
先判断用户问题属于哪一类：
梳理可用依据：
若制度来源不明确，应先输出“待核实制度来源”，不要直接进入强结论。
从制度中抽取最关键的信息：
组织输出时，优先按以下顺序：
在输出前检查：
当用户提出如下请求时，适合使用本技能：
建议优先收集以下信息后再生成答复：
适用于需要较正式答复的场景。
适用于培训、宣导、内网知识库沉淀。
适用于多制度并行、口径不一致、边界不清的场景。
适用于无法直接下结论、需归口确认的场景。
建议结构：
建议结构：
建议结构：
建议结构：
为了防止错误地给出过强结论，本技能应将结论划分为以下等级：
存在清晰、直接、现行有效的制度条款支持，可直接答复。
存在较明确制度依据，但仍需结合具体场景或补充资料确认。
制度依据不充分，或仅有局部条款支持，只能形成初步解释。
存在制度冲突、版本不明、适用范围不明或重大例外，应升级确认。
输出时建议显式写出结论等级。
本技能必须避免以下风险：
优先参考以下文件：
若参考资料之间存在冲突，应在输出中单独说明。
建议按如下格式输出：
简要复述用户问题。
列出制度名称、版本、章节、条款或关键词。
直接回答用户问题，并标注结论等级。
说明为何得出该结论。
列出可能影响结论的边界条件。
给出业务人员可执行的下一步动作。
若适用，说明应咨询何部门、何岗位。
说明本答复不可替代正式制度解释的边界。
scripts/policy_qa_normalizer.py 对问题和制度片段做结构化整理。scripts/policy_conflict_checker.py 对多条制度口径做差异检查。scripts/render_policy_answer.py 生成标准答复 markdown。assets/templates/policy_answer_template.md 生成标准回复。assets/templates/escalation_notice_template.md 生成升级确认说明。在任何情况下，都应遵守以下要求：