aifinlab 征信解读助手
这个 skill 是做什么的
将征信摘要中的查询、逾期、多头、负债结构等指标进行结构化解读，输出风险关注点、驱动项说明、追问方向与待核验事项，帮助客户经理或贷前人员形成“可行动”的征信解读意见。
适用范围
- 零售贷款征信解读、贷前预审与尽调准备
- 客户经理、零售运营、贷前审核辅助团队
- 需要结构化输出征信要点与后续核验方向
何时使用
- 有征信摘要或征信报告结构化字段时
- 需要将征信指标转化为业务语言与面谈提纲时
何时不要使用
- 无任何征信数据时
- 需要正式征信审批结论或法律判断时
默认工作流
- 明确征信报告时间、口径与适用产品
- 识别核心风险指标（逾期、查询、多头、负债）
- 拆解异常成因与可能驱动项
- 输出关注点、追问方向与核验建议
输入要求
- 征信摘要字段（查询次数、逾期情况、账户数、负债余额、使用率等）
- 报告时间与样本范围
- 业务场景（经营贷/消费贷等）
输出要求
- 征信解读摘要（事实）
- 风险关注点与可能成因（推断需标注）
- 追问方向与补充资料建议
- 待核验事项清单
风险与边界
- 不得把相关性直接写成因果关系
- 不得把解读结论当作审批结论
- 数据缺失必须标注并降级处理
信息不足时的处理
- 输出可解释范围内的事实与趋势
- 列出缺失字段并给出补充建议
配套脚本
scripts/credit_bureau_interpretation.py：读取征信摘要与阈值配置，输出关注点与追问方向。
脚本使用
python scripts/credit_bureau_interpretation.py --input bureau.json --rules rules.json --output out.json
bureau.json 示例结构
{
"report_date": "2026-01-15",
"summary": {
"inquiries_3m": 6,
"inquiries_6m": 9,
"delinquencies_12m": 1,
"max_dpd_24m": 30,
"revolving_utilization": 0.78,
"open_accounts": 12,
"total_balance": 260000
}
}
rules.json 示例结构
{
"thresholds": {
"max_inquiries_3m": 5,
"max_utilization": 0.7,
"max_delinquencies_12m": 0
}
}
out.json 输出要点
flags：命中阈值的风险点interpretation：业务解读摘要questions：建议追问方向missing_fields：缺失字段
交付标准
- 清楚区分事实、解释与推断
- 输出可直接用于面谈或补充材料准备