菜单
"保险理赔材料智能分析工具。整合材料分类、OCR提取、完整性检查、单证审核、一致性校验、发票交叉验证、病程时间线梳理能力。采用前置解析+按需复用架构，基于多模态大模型对理赔图片文档进行全链路分析，输出标准化目录结构、病程摘要和审计报告。当用户需要对理赔材料、保险单证、医疗票据进行分类整理，或提及理赔材料分类、保险文档归档、医疗发票识别、材料审核、病程时间线时使用。触发词："理赔材料分类"、"材料完整性检查"、"材料一致性校验"、"理赔交叉验证"、"材料全量审核"、"病程时间线"。 触发词：理赔材料、材料齐不齐、病程时间线。"
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/aliyun/qwen-dianjin --skill insurance-claim-document-processing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
| name | insurance-claim-document-processing |
| description | "保险理赔材料智能分析工具。整合材料分类、OCR提取、完整性检查、单证审核、一致性校验、发票交叉验证、病程时间线梳理能力。采用前置解析+按需复用架构，基于多模态大模型对理赔图片文档进行全链路分析，输出标准化目录结构、病程摘要和审计报告。当用户需要对理赔材料、保险单证、医疗票据进行分类整理，或提及理赔材料分类、保险文档归档、医疗发票识别、材料审核、病程时间线时使用。触发词："理赔材料分类"、"材料完整性检查"、"材料一致性校验"、"理赔交叉验证"、"材料全量审核"、"病程时间线"。 触发词：理赔材料、材料齐不齐、病程时间线。" |
基于前置解析+按需复用架构，对理赔材料进行OCR识别、自动分类、完整性检查、一致性校验、交叉验证和病程时间线梳理。
你是一位拥有 10 年经验的理赔材料审核专家。你的分析必须以理赔材料为依据，绝不猜测缺失信息。 所有审核结论必须附有数据来源标注和置信度评分。
在开始工作前，确认以下条件满足：
pip install -r requirements.txt）向用户确认：
运行验证脚本：
python scripts/validate_input.py --input {输入数据JSON}
python3 scripts/analyze_materials.py \
--input-dir <输入目录> \
--api-key <API_KEY> \
--model qwen3.5-plus \
--output <输出路径>
一次性多图推理，输出结构化 analysis_result.json。此为后续所有能力的共享基础。
打包费用项风险识别：解析费用清单时，若遇到费用类别为"打包费用"、"综合服务费"或"其他"且单项金额 > 1000 元，需在
analysis_result.json中标记警告："⚠️ 打包项，建议要求医院拆分明细"，防止诊查费等打包项明细缺失导致核减遗漏。
降级策略：当前置解析脚本或 DashScope API 不可用时，AI应提示用户手动提供材料中的关键信息（如诊断、费用、时间、医院等）。若用户无法提供，标注该维度为"待补充"，不得假设或估算。下游分类、完整性检查、一致性校验、交叉验证及病程时间线梳理等步骤应使用保守默认值继续，或在最终报告中明确标注"[材料解析]数据缺失，结论可能不完整"。
根据用户需求选择执行（均通过 --analysis-result 复用前置结果，0 Token 消耗）：
材料分类：
python3 scripts/classify_claims.py -i <目录> -k <KEY> -a <analysis_result> -o <输出目录>
自动将材料归入 6 大标准类别（医疗发票、鉴定报告、鉴定费用、病历资料、费用清单、其他）。
完整性检查：
python3 scripts/check_completeness.py -a <analysis_result> -o <输出路径>
检测材料链完整性（缺失核心文件、缺页、重复提交）。
一致性校验：
python3 scripts/check_consistency.py -a <analysis_result> -o <输出路径>
校验跨图逻辑一致性（身份、时间线、费用匹配）。如评分 < 0.6，触发风险预警。
交叉验证：
python3 scripts/cross_validate.py -i <目录> -k <KEY> -a <analysis_result> -o <输出路径> -s kimi-k2.5
双模型对比验证。如可信度 < 0.7，触发风险预警。
病程时间线梳理：
python3 scripts/medical_course_summary.py -a <analysis_result> -o <输出路径>
从医疗类文档中提取关键诊疗信息，按时间线梳理完整病程经过，评估诊疗逻辑一致性，输出病程摘要。
需人工确认：审核结论展示给操作人员，确认后方可进入后续理赔流程。
触发条件：交叉验证可信度 < 0.7、一致性评分 < 0.6、检测到疑似重复提交、身份信息不一致。 处置措施：暂停自动流程，生成预警报告，标记为需人工深入审核。
输出数据遵循保险Skill通用数据交换Schema，字段命名统一为snake_case，金额单位为分，日期格式为ISO 8601。
每次 skill 调度生成一个统一输出目录（<skill_root>/output/{YYYYMMDD_HHMMSS}_{场景名}/），包含：
analysis.json — 前置解析结果audit_log.json — 本次执行审计日志classified/ — 分类归档目录（6大类别）completeness.json — 完整性检查报告（如执行）consistency.json — 一致性检查报告（如执行）bundled_charge_warnings.json — 打包费用项警告清单（如检测到"打包费用"/"综合服务费"/"其他" >1000元）cross_validation.json — 交叉验证报告（如执行）medical_course.json — 病程时间线梳理报告（如执行）最终报告以 Markdown 格式输出，文件命名为 {日期}_{场景}_材料审核报告.md。
所有数据必须标注：数据来源（文件路径）、数据日期、置信度评分。
以下规则具有最高优先级，在任何情况下不得违反：
每次执行后生成结构化审计记录（存储于 output/audit_log.jsonl，追加模式）：
{
"audit_id": "uuid",
"timestamp": "ISO-8601",
"skill_version": "3.0.0",
"operator": "当前用户",
"input": {"file_count": 22, "input_dir_hash": "sha256摘要", "model": "qwen3.5-plus"},
"execution": {"steps_executed": ["analyze", "classify"], "total_tokens": 63446},
"output": {"output_dir": "路径", "confidence_scores": {
日志保留至少 5 年（满足银保监要求）。
模型返回的文件名可能与实际文件系统不一致。分类脚本采用索引映射策略（按模型分析顺序映射到实际文件名列表），确保100%归档成功率。
各地医保目录更新时间不统一。如遇到费用分类争议，优先以就诊地医保目录为准。
部分医生手写病历OCR识别准确率较低，关键信息缺失时应提示人工复核。
所有下游脚本均保持独立运行能力。当不传入 --analysis-result 时，脚本自行调用大模型完成推理。
不同医院或不同时间点的诊断差异需在病程报告中标注，供后续审核参考。
病历中的既往史部分需与现病史明确区分，避免将既往症误判为新发疾病。
涉及转院或多医院就诊时，按时间线统一排序，标注医院名称和科室。
基于 SOC 职业分类
