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-relevance-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-relevance-analyze-202607 |
| description | 银行限额解控凭证相关性审核技能，判断申请人与交易对手的关系及材料相关性。触发词：相关性审核、关系判断、凭证相关、强相关/弱相关 |
| version | 1.0.0 |
扮演银行限额解控相关性审核专家。通过分析申请人与交易对手的关系证明、身份类、来源类材料，判断凭证与可疑交易的相关性，输出相关性结论（强相关/弱相关/不相关/待人工判断）。
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：
判断凭证材料与可疑交易的相关性，确认申请人与交易对手的关系，输出相关性结论（强相关/弱相关/不相关/待人工判断），为最终审核决策提供相关性维度判断依据。
| 属性 | 值 | | 任务类型 | 限额解控凭证相关性审核 | | 风险等级 | 高（相关性误判可能导致误放或误控） | | 数据依赖 | audit_image_classify 分类结果 + 原始图片 + 申请人/交易信息 | | 决策类型 | 四值判断（强相关/弱相关/不相关/待人工判断） |
| 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 | 相关性审核结论仅供参考，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 | | image_list | List[Dict] | 是 | 分类结果（来自 audit_image_classify） | | applicant_info | Dict | 是 | 申请人信息 {姓名, 身份证号码, 银行卡号} | | transaction_info | Dict | 是 | 交易信息 {交易时间, 交易金额, 对手姓名, 对手账号} | | risk_category | str | 是 | "普通" 或 "加强" | | control_duration | str | 是 | "是" 或 "否" | | vl_config | dict | 否 | 视觉模型配置 |
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | data.详细推导过程 | str | 逐类材料相关性检查的详细过程 | | data.推导过程总结 | str | 审核推理摘要 | | data.推导结论 | str | 相关性结论（强相关/弱相关/不相关/待人工判断） | | error | str | 失败时的错误信息 |
# Role
你是银行限额解控相关性审核专家
# Tool Routing 规则（按 priority）
1. 关系证明优先 → 直接结论（优先）
2. VL 视觉模型 → 身份类/来源类内容确认（次优先）
3. 文本 LLM → 元数据相关性分析（fallback）
# Selection 策略
- depth=quick: 仅输出相关性结论
- depth=standard: 相关性结论 + 推导过程总结
- depth=deep: 相关性结论 + 详细推导 + 四组并行分析细节
# Fallback
关系证明不存在 → 进入身份类/来源类审核
VL 模型调用失败 → 仅基于申请人/交易信息元数据判断，标注"未验证图片内容"
| 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+申请人+交易信息 | 必须 | 三组数据齐全 | | N2-关系证明优先 | 规则模块 | 有关系证明且合理→强相关 | 必须 | 关系证明判断 | | N3-身份类审核 | VL模型模块 | 证件与申请人一致性检查 | 核心 | 一致性判断 | | N4-来源类审核 | VL模型模块 | 四组并行来源类审核 | 核心 | 四组判断 | | N5-场景路由 | 规则模块 | 按风险等级+管控时长路由结论 | 必须 | 场景匹配 | | N6-结论输出 | 输出模块 | 综合输出相关性结论 | 必须 | 四值结论 |
加强类： 身份+来源都通过 → 强相关；都不通过 → 不相关 普通类： 来源通过 → 强相关；不通过 → 不相关 >4个月： 身份或来源任一通过 → 强相关
{
"success": true,
"data": {
"详细推导过程": "1. 无关系证明\n2. 身份类：身份证号码与申请人一致，通过\n3. 来源类：微信三件套完整，通过\n4. 场景1（加强+≤4月）：身份+来源都通过→强相关",
"推导过程总结": "无关系证明，身份类通过，来源类通过，场景1结论：强相关",
"推导结论": "强相关"
}
}
| 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 | 图片内容确认 | 是 | | Python 3.8+ | 运行环境 | 是 | | httpx | HTTP 请求 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | VL视觉模型 | MCP tool | P0 | 仅基于元数据判断，标注"未验证" | | 文本LLM | MCP tool | P1 | 返回"待人工判断"并标注数据缺口 |
VL 模型调用失败: 仅基于申请人/交易信息元数据判断，标注"未验证图片内容" 关系证明不合理: 进入身份类+来源类审核 申请人/交易信息缺失: 返回"待人工判断"
会话级缓存：同一批图片的相关性审核结果缓存至会话结束，TTL = 会话生命周期
| 指标 | 目标 | | 相关性判断准确率 | ≥ 90%（与人工审核对比） | | 强相关识别率 | ≥ 85% | | 单次调用延迟 | ≤ 10s |
记录工具调用链、入参（图片数量/分类结果摘要/申请人信息掩码/交易信息掩码）、出参摘要（相关性结论）、数据源（模型名称）、时间戳、模型版本
本相关性审核结论由 AI Agent 自动生成，仅供参考，不构成任何审核决策依据。最终相关性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"}}
],
"applicant_info": {"姓名": "张三", "身份证号码": "123456****8901", "银行卡号": "6222****3456"},
"transaction_info": {
输出：
{
"success": true,
"data": {
"详细推导过程": "...",
"推导过程总结": "无关系证明，身份类通过，来源类通过，强相关",
"推导结论": "强相关"
}
}
from scripts.relevance_auditor import RelevanceAuditor
auditor = RelevanceAuditor(vl_config={...})
result = auditor.audit(
images=["身份证.jpg", "合同.png"],
image_list=[...],
applicant_info={"姓名": "张三", "身份证号码": "123456", "银行卡号": "6222"},
transaction_info={"交易时间": "2026-01-01", "交易金额": "50000", "对手姓名": "李四", "对手账号": "6223"},
risk_category="加强",
control_duration="否"
)