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 audit-limit-release-compliance-analyze-202607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 | audit-limit-release-compliance-analyze-202607 |
| description | 银行限额解控凭证合规性审核技能，对已分类图片逐图判断是否符合审核标准。触发词：合规审核、合规性判断、审核通过率、凭证合规 |
| version | 1.0.0 |
扮演银行限额解控合规审核专家。通过逐图对照审核要点，判断已分类凭证图片是否符合审核标准，输出通过/不通过/待人工审核的合规性结论。
银行限额解控审核
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
对已分类的凭证图片逐图判断是否符合审核标准，输出合规性结论（通过/不通过/待人工审核），为最终审核决策提供合规性维度判断依据。
| 属性 | 值 | | 任务类型 | 限额解控凭证合规审核 | | 风险等级 | 高（合规误判可能放行涉诈资金） | | 数据依赖 | audit_image_classify 分类结果 + 原始图片 | | 决策类型 | 三值判断（通过/不通过/待人工审核） |
| 要求项 | 状态 | | 监管合规 | 符合 JR/T 0171-2020 C2 级脱敏要求 | | 免责声明 | 合规审核结论仅供参考，最终决策由人工审核员确认 | | 审计日志 | 记录调用链、入参摘要、模型版本、时间戳 | | 引用来源 | 银行限额解控审核规则文档 |
| 参数名 | 类型 | 必填 | 说明 | | images | List[str] | 是 | 图片列表，支持文件路径或 base64 | | image_list | List[Dict] | 是 | 分类结果（来自 audit_image_classify） | | vl_config | dict | 否 | 视觉模型配置（不传则使用服务端默认） |
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | data.详细推导过程 | str | 逐图审核推理的详细过程 | | data.合规性审核推导过程总结 | str | 审核推理的摘要总结 | | data.合规性审核结果 | List[Dict] | 逐图合规结论（通过/不通过/待人工审核） | | error | str | 失败时的错误信息 |
# Role
你是银行限额解控合规审核专家
# Tool Routing 规则（按 priority）
1. VL 视觉模型 → 图片内容审核（优先）
2. 文本 LLM → 元数据审核（fallback）
# Selection 策略
- depth=quick: 仅输出合规结论（通过/不通过/待人工审核）
- depth=standard: 合规结论 + 推导过程总结
- depth=deep: 合规结论 + 详细推导过程 + 交叉验证
# Fallback
VL 模型调用失败 → 文本 LLM fallback → 返回"待人工审核"并标注数据缺口
| 节点 | 模块 | 任务 | 状态 | 检查点 | | N1-输入校验 | 输入模块 | 校验分类结果与图片数量一致 | 必须 | image_list非空 | | N2-审查表检查 | 规则模块 | 含审查表类图片→全部"待人工审核" | 必须 | 是否含审查表 | | N3-伪造检查 | 规则模块 | 伪造/手写/编辑图片→"不通过" | 必须 | 是否含伪造 | | N4-逐图审核 | VL模型模块 | 按图片类型匹配审核要点 | 核心 | 每图有审核结论 | | N5-合并判断 | 后处理模块 | 同类多张/多页合并判断 | 必须 | 合并后结论 | | N6-输出组装 | 输出模块 | 组装标准输出格式 | 必须 | JSON格式合规 |
身份类：
来源类：
关系证明类：
{
"success": true,
"data": {
"详细推导过程": "1. 无审查表类图片\n2. 无伪造图片\n3. 图片1（本人身份证）：证件号18位、无遮挡，通过...",
"合规性审核推导过程总结": "无审查表、无伪造，图片1通过，图片2不通过（缺少公章）",
"合规性审核结果": [
{"图片1": "通过", "图片2": "不通过"}
]
}
}
| 依赖系统 | 作用 | 必需 | | audit_image_classify | 提供分类结果 | 是（前置技能） | | VL 视觉语言模型 | 图片内容审核 | 是 | | Python 3.8+ | 运行环境 | 是 | | httpx | HTTP 请求 | 是 | | pyyaml | 配置解析 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | VL视觉模型 | MCP tool | P0 | 文本LLM fallback → 返回"待人工审核" | | 文本LLM | MCP tool | P1 | 返回"待人工审核"并标注数据缺口 | | HTTP REST API | HTTP | P2 | MCP不可用时通过HTTP调用 |
VL 模型调用失败: 使用文本 LLM fallback（仅分析分类元数据，不看图） 分类结果缺失: 返回"待人工审核"，提示先调用 audit_image_classify API 超时: 重试一次，仍失败则返回"待人工审核"
会话级缓存：同一批图片的合规审核结果缓存至会话结束，TTL = 会话生命周期
| 指标 | 目标 | | 合规判断准确率 | ≥ 90%（与人工审核对比） | | 误判率（假阳性） | ≤ 5% | | 单次调用延迟 | ≤ 10s（含VL调用） |
记录工具调用链、入参（图片数量/分类结果摘要）、出参摘要（合规结论）、数据源（模型名称）、时间戳、模型版本
本合规审核结论由 AI Agent 自动生成，仅供参考，不构成任何审核决策依据。最终合规判定由人工审核员确认。
满足以下任一条件时，结束技能执行：
输入：
{
"images": ["身份证.jpg", "合同.png"],
"image_list": [
{"图片1": {"类型": "身份类", "图片名称": "本人身份证"}},
{"图片2": {"类型": "来源类", "图片名称": "合同"}}
]
}
输出：
{
"success": true,
"data": {
"详细推导过程": "1. 无审查表类图片\n2. 无伪造图片\n3. 图片1（本人身份证）：证件号18位、无遮挡，通过\n4. 图片2（合同）：缺少公章，不通过",
"合规性审核推导过程总结": "无审查表、无伪造，图片1通过，图片2不通过（缺少公章）",
"合规性审核结果": [{"图片1": "通过", "图片2": "不通过"}]
}
}
from scripts.compliance_auditor import ComplianceAuditor
auditor = ComplianceAuditor(
vl_config={
"api_key": "your-api-key",
"api_url": "${your-base-url}",
"model": "${your-model-name}"
}
)
result = auditor.audit(
images=["身份证.jpg", "合同.png"],
image_list=[
{"图片1": {"类型": "身份类", "图片名称": "本人身份证"}},
{"图片2": {"类型": "来源类", "图片名称": "合同"}}
]
)
curl -X POST http://localhost:8005/skill/audit_compliance \
-H "Content-Type: application/json" \
-d '{
"images": ["base64_string_1", "base64_string_2"],
"image_list": [
{"图片1": {"类型": "身份类", "图片名称": "本人身份证"}},
{"图片2": {"类型": "来源类", "图片名称": "合同"}}
]
}'