菜单
对公授信客户信贷风险逆向思维链(CoT)生成技能。给定原始信贷数据和目标风险点,深度模拟资深风险经理的研判逻辑,构建逻辑严密、证据确凿的推理链,解释为何从该数据能推导出该风险结论。触发词包括:"风险推理链生成"、"思维链分析"、"CoT生成"、"帮我分析一下这个风险点"、"生成思维链"、"这个结论的数据支撑是什么"、"风险点数据支撑分析"。不适用于:无原始数据的纯猜测分析、个人信贷风险评估、非风险类的正向财务分析、贷后风险监测(请使用loan-risk-monitor)。
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 credit-risk-cot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 | credit-risk-cot |
| description | 对公授信客户信贷风险逆向思维链(CoT)生成技能。给定原始信贷数据和目标风险点,深度模拟资深风险经理的研判逻辑,构建逻辑严密、证据确凿的推理链,解释为何从该数据能推导出该风险结论。触发词包括:"风险推理链生成"、"思维链分析"、"CoT生成"、"帮我分析一下这个风险点"、"生成思维链"、"这个结论的数据支撑是什么"、"风险点数据支撑分析"。不适用于:无原始数据的纯猜测分析、个人信贷风险评估、非风险类的正向财务分析、贷后风险监测(请使用loan-risk-monitor)。 |
| target_role | 信贷风险分析师 / 信审人员 |
| business_domain | 风险管理 > 信贷风险管理 > 风险推理分析 |
| risk_level | high |
| version | 1.0.0 |
| status | draft |
| data_sources | ["企业财务报表（三表，PDF/Excel 上传）","信贷报告/审计报告（文件上传）","目标风险点（用户指定）","行业背景信息（用户提供或 references/ 行业基准）","references/ 中的推理框架与监管政策"] |
| upstream_skills | [] |
| downstream_skills | ["credit-risk-classification","post-loan-management"] |
| 数据项 | 来源 | 获取方式 | 敏感级别 |
|---|---|---|---|
| 原始信贷数据（财务报表/信贷报告） | 用户上传 | 文件上传 | 内部 |
| 目标风险点 | 用户指定 | 对话输入 | 内部 |
| 行业背景信息 | 用户提供 / references/ | 对话输入或文件读取 | 公开 |
| 行业基准数据 | references/industry-benchmarks.md | 文件读取 | 公开 |
* 替代* 替代| 易混淆术语 | 本 Skill 中含义 |
|---|---|
| 合并报表 vs 母公司口径 | 合并报表数据只与合并报表数据对比，母公司口径只与母公司口径对比，严禁混用 |
| DSCR（债务覆盖率） | 经营现金流 / 当期应还本息，非 EBITDA/利息 |
| 净现比 | 经营现金流净额 / 净利润，衡量利润质量 |
| 在建工程 | 尚未完工转固的资本性支出，非存货或固定资产 |
| 产能利用率 | 实际产量 / 设计产能，行业对标关键指标 |
| 账龄 | 应收账款自确认之日起至分析时点的时间跨度，非逾期天数 |
先读后写：在开始任何推理之前，必须先执行以下数据确认步骤：
- 读取并列出所有输入数据（财务报表、信贷报告、目标风险点）
- 确认数据的时间范围、会计准则（CAS/IFRS）和报表口径（合并/母公司）
- 运行
scripts/validate_financial_data.py验证数据完整性和勾稽关系- 仅在验证通过后进入步骤 1
从原始信贷数据中精确引用与目标风险点相关的初步异常信号，按以下维度逐项排查：
防偷懒指令：
查阅 references/cot-signal-library.md 获取完整信号类型库。
📋 数据来源：
user_upload（用户上传财务报表/信贷报告）
获取细分行业公开数据，验证企业行为是否符合行业整体趋势，区分"个体问题"与"行业系统性风险"。
查阅 references/industry-benchmarks.md 获取行业基准数据。
查核要点：
全行业新增产能增长率是否远超下游终端需求增长率
产能利用率、价格走势、行业整体盈利状况
若行业已出现供过于求迹象，企业面临的风险将显著放大
✅ 行业数据获取成功 → 进入步骤 3
⚠️ 行业数据不可用 → 标注"未纳入行业对标维度"，进入步骤 3
📋 数据来源：
reference（references/industry-benchmarks.md）
研究相关国家及地方产业政策，判断政策对行业的当前影响方向（支持/中性/收紧）。
查阅 references/policy-regulatory-framework.md 获取监管文件清单。
判断要点：
前期是否存在鼓励性补贴、低门槛准入或过度宽松审批
当前政策方向是否已转向收紧，对企业盈利中枢的量化影响
✅ 政策分析完成 → 进入步骤 4
⚠️ 无明确政策文件可引用 → 标注"（政策信息不足）"，进入步骤 4
研判目标技术路线的生命周期位置，评估新技术对当前主业的替代威胁。
评估维度：
是否存在新技术方案对当前主流技术形成替代威胁
新技术的转换效率、生产成本、产业化成熟度
替代时间窗口估计及置信度说明
✅ 评估完成 → 进入步骤 5
⚠️ 技术信息不足以判断替代趋势 → 标注"（推断）"，进入步骤 5
建立简化财务模型，对最坏情景进行压力测试，量化风险传导至还款能力的路径。
查阅 references/financial-stress-test-params.md 获取压力测试参数。
测算要素：
输出格式：以"收入下降X% → 毛利率变化Y pct → 净利润减少Z% → DSCR = W"的链式表达呈现。
结合以上五步分析结果，形成因果链闭合判断，对齐目标风险点，给出授信决策参考。
判断逻辑：
授信决策参考输出：
📋 执行主体：
ai→human（AI 生成推理链 → 信审人员确认） 📋 确认机制：approve（推理链结论须人工审核确认）
### 逻辑思维链推导
#### 推理链
**【数据源1】** 只可引用原文数据，不可自行杜撰
- 依据：[完整复制原文内容]
- 来源：[标注数据来自哪个报表/哪个年份]
**【推导】** 基于数据源的逻辑推演
- 现象：数据表明...
- 推导：这一变化意味着...
- 影响：进而导致...
**【结论】**
综上，推导出...
**【基于因果链的逻辑推导步骤】**
1. 信号识别：[结论]
2. 行业趋势验证：[结论]
3. 政策驱动力分析：[结论]
4. 技术替代可能性评估：[结论]
5. 财务后果敏感性测算：[链式表达]
6. 综合判断与授信建议：[具体阈值]
### 最终综合结论
综合上述所有推理链，【原始信贷数据】充分支撑了【目标风险点】，核心逻辑为：...
（若证据不足，则仅输出："证据不足，无法构建有效推理链"）
| 字段 | 类型 | 说明 |
|---|---|---|
| 数据源引用 | string | 必须标注来源（报表类型 + 年份 + 科目） |
| 推导过程 | array | [现象, 推导, 影响] 三段式 |
| 六步结论 | array | [步骤1-6 结论] |
| 不确定性标注 | enum | 必须标注"（推断）"或"（数据不足，待核实）" |
| 量化阈值 | string | 授信建议须附具体数值（如 DSCR < 1.2） |
📋 本输出可被 credit-risk-classification 和 post-loan-management Skill 解析使用。
每次推理链生成结束后，生成审计日志 audit/{企业简称}_{日期}_cot_audit.json：
{
"skill_name": "credit-risk-cot",
"skill_version": "1.0.0",
"execution_time": "YYYY-MM-DDTHH:mm:ss+08:00",
"customer_id": "[脱敏]",
"target_risk_point": "[用户指定的风险点]",
"model": "claude-opus-4-7",
"operator": "[姓名]（工号：[工号]）",
"steps": [
{
"step": "数据确认与验证",
"executor": "ai",
"data_source": {"type": "user_upload"},
"result": "通过/不通过",
"duration_seconds": 0
},
{
"step": "信号识别",
"executor": "ai",
"data_source": {"type": "user_upload"},
"result": "通过/不通过/预警",
"signals_found": 0
},
{
"step": "行业趋势验证",
"executor": "ai",
"data_source": {"type": "reference"},
"result": "通过/降级"
},
{
"step": "政策驱动力分析",
"executor": "ai",
"data_source": {"type": "reference"},
"result": "通过/预警"
},
{
"step": "技术替代评估",
"executor": "ai",
"data_source": {"type": "context"},
"result": "通过/预警"
},
{
"step": "财务敏感性测算",
"executor": "ai",
"data_source": {"type": "user_upload"},
"result": "通过/降级"
},
{
"step": "综合判断与授信建议",
"executor": "ai→human",
"data_source": {"type": "context"},
"confirmation": {"type": "approve", "approved_by": "[姓名]", "role": "信审人员"}
}
],
"warnings": ["如有"],
"data_termination_triggered": false,
"references_used": ["references/cot-signal-library.md", "references/industry-benchmarks.md", "..."]
}
审计日志保留期限 ≥ 3 年。
references/financial-stress-test-params.md 中的口径校验规则references/industry-benchmarks.md）每次推理链生成完毕后，对照以下 8 条逐项自检，全部通过后方可输出：
用户输入：
原始信贷数据：某化工企业 2021-2023 年合并资产负债表显示，在建工程从 2.1 亿增长至 8.7 亿（+314%），同期营业收入从 12.3 亿下降至 10.8 亿（-12%）。目标风险点：该企业存在盲目扩产风险，长期偿债能力存疑。行业：基础化工-聚氨酯。
Skill 执行流程：
输出摘要：在建工程暴增 314% 与营收下降 12% 形成严重背离，行业产能过剩确认，政策收紧叠加技术替代压力，压力测试 DSCR = 0.8 低于安全线。建议审慎维持授信，设定 DSCR < 1.2 为降额触发条件。
用户输入：
原始信贷数据：无原始数据源。目标风险点：该企业应收账款周转存在异常。
Skill 执行流程：
输出：（无输出，直接跳过）
"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。"
"理赔责任认定专家。整合免责条款审核、保单责任认定、费用责任匹配能力。通过OCR提取理赔材料内容，与保单免责条款逐条比对，识别可能触发的免责事项，评估拒赔风险等级，输出责任认定结论。当需要检查理赔材料中的免责条款适用性、判断是否存在拒赔事由、认定保险责任范围时触发。适用于理赔合规审核、责任认定、拒赔风险评估场景。触发词："免责"、"责免"、"拒赔"、"免责条款"、"责任认定"。 触发词：理赔责任、能不能赔、免责问题。"
对理赔费用清单中所有费用项（含检查、手术、耗材、护理、药品、床位费等）进行逐项合理性审核，识别不符合诊断的费用、超标准收费、重复收费；同时审查处方药品与诊断匹配性，识别超适应症用药、剂量异常、配伍禁忌，结合医保目录与临床指南输出核减建议，生成医学审查报告。当用户要求审核理赔费用明细、核定住院费用合理性、识别超标准或重复收费、审核药品合理性时触发。适用于医疗险理赔费用核定、住院费用审查、费用核减决策、理赔用药审核场景。触发词：住院费用、用药合理性、过度收费。
基于 SOC 职业分类
