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/openJiuwen-ai/agent-store --skill claims-analysis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。
异常检测预警。基于规则引擎对网点运营数据执行异常检测,输出 CRITICAL/WARN/INFO 三级预警。触发词:异常检测、风险预警、今日预警、告警、有没有异常。当用户提到异常检测相关查询时触发。
网点数据查询。通过 NL2SQL 将自然语言转换为 SQL 语句,查询网点交易、客流、营销数据。支持大额交易、交易汇总、失败交易、对公客户等查询。触发词:今天大额交易、交易情况、客流量、营销转化率、失败交易、对公客户、交易汇总。当用户提到网点运营数据查询时触发。
网点全景概览。组合调用前三个 Skill 生成日终运营报告。触发词:网点概况、今日运营、日终报告、全景概览、整体情况。当用户提到网点全景查询时触发。
基于 SOC 职业分类
正在显示 SKILL.md
| name | claims-analysis |
| description | 理赔分析工具,实现索赔频率与严重度分析、理赔模式识别及IBNR估算。适用于精算教学示例与理赔数据探索;基于简化统计模型,不适用于正式理赔决策或准备金报告。 |
| version | 1.0.0 |
| author | wangyi |
理赔分析工具,进行索赔频率与严重度分析、理赔模式识别及IBNR估算。
📌 说明:本工具基于简化模型实现,仅使用 Python 标准库。结果仅供学习参考,不构成投资建议或交易依据。
frequency_analysis(claim_counts, exposure)索赔频率分析。 必填: claim_counts, exposure
severity_analysis(claim_amounts)索赔严重度分析。 必填: claim_amounts
claim_pattern_analysis(report_lags)理赔报案模式分析。 必填: report_lags
ibnr_estimate(earned_premium, expected_loss_ratio, reported_loss, development_factor=1.0)IBNR(已发生未报告)估算。 必填: earned_premium, expected_loss_ratio, reported_loss
percentile(p)
pct(p)
python scripts/main.py \
--earned-premium <earned_premium> \
--expected-loss-ratio <expected_loss_ratio> \
--reported-loss <reported_loss> \
--development-factor <development_factor>