菜单
当用户需要在银行风险管理或 AML/反洗钱场景下，对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时，使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时，也应优先使用本技能。
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 suspicious-transaction-identification-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。
正在显示 SKILL.md
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。
基于 SOC 职业分类
| name | suspicious-transaction-identification-assistant |
| description | 当用户需要在银行风险管理或 AML/反洗钱场景下，对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时，使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时，也应优先使用本技能。 |
本技能用于银行风险管理中的 AML/反洗钱场景，帮助识别账户或客户层面的可疑交易线索，输出结构化的分析结论、复核清单与处置建议。
本技能不直接替代正式的反洗钱监测系统、人工调查结论或监管报送动作，而是作为识别、初筛、复核辅助和报告生成工具使用。
适用于以下场景：
以下情况不应直接给出强结论，而应降级输出或提示转人工：
建议尽量收集以下信息；若缺失，应在输出中单列“信息缺口”。
本技能在以下判断中需要行业数据支持较强：
如果没有这些行业或外部数据，只能输出“内部行为异常线索”，不能把结论上升为高置信度 AML 判断。
本技能输出应包括以下内容：
判断客户身份、职业、经营属性与其交易行为是否匹配，例如：
关注以下金额特征：
关注以下时间特征：
重点观察：
重点观察：
这是本技能的重要能力边界。
当具备行业数据时，应校准：
当不具备行业数据时，只能做内部异常识别，不应使用“显著偏离行业常态”之类表述。
可按以下方式输出风险等级：
仅出现少量弱异常，且存在较强合理业务解释。
出现多项异常特征，但证据链尚不完整，需要补充核验。
出现多维度异常叠加，且与身份、行业、用途明显不匹配，具备较强可疑交易特征。
输出等级时必须说明：
当存在以下情况时，必须主动降低结论强度：
此时应使用如下表述：
确认是按客户、账户、账户组、时间区间还是案件线索进行分析。
统一字段口径，识别缺失项，构建可读的交易样本。
从金额、时间、频率、对手方、渠道、地域、身份匹配性等维度识别异常。
如有行业数据、黑名单、地域风险、行业特征库，应纳入评分与解释。
把最关键的 3 到 8 个异常信号整理成证据摘要，不要只给分数不给原因。
给出风险等级、待核验事项、建议补数和处置动作。
可用如下方式发起任务：
最佳输入是结构化表格或 JSON，至少包含：
优先输出为以下结构：
输出时必须遵守以下要求：
本技能只能用于合法合规的风险识别、内控审查、人工复核支持与培训分析。
若用户要求：
必须拒绝，并引导到合法合规的内部控制、制度建设和客户尽职调查方向。
在复杂任务中，建议按需读取以下文件：
references/aml_signal_catalog.mdreferences/industry_data_requirements.mdreferences/review_workflow.mdreferences/output_schema.mdassets/templates/suspicious_transaction_report_template.md