# Loan Pre Screening Assistant

> 用于零售金融场景下的个贷预审任务。适用于当用户需要对个人贷款申请进行准入初筛、资料完整性检查、关键风险识别、预审结论分级、补件建议和面谈核验要点整理时使用。 尤其适合住房按揭、消费贷、经营贷、信用贷等场景的贷前预审。 当输入材料不完整、字段前后不一致、存在明显高风险信号或结论需要降级时，应明确标注“待核验”“待补充”“不可直接下正式审批结论”。

- Skill: `aifinlab/loan-pre-screening-assistant` (Agent Skill, multi-file: 12 files)
- Install (CLI): `npx skillmds@latest add aifinlab/loan-pre-screening-assistant`
- Raw SKILL.md: https://api.skillmd.com/api/skills/aifinlab/loan-pre-screening-assistant/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: aifinlab (https://skillmd.com/u/aifinlab)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/aifinlab/loan-pre-screening-assistant

---


# 技能概述

本技能用于支持银行零售金融场景下的个贷预审工作，帮助使用者在正式审批前，对借款申请人的基础准入条件、身份与职业信息、收入与负债情况、征信与外部风险信号、申请用途合理性以及资料齐备性进行结构化初筛，并输出统一口径的预审意见。

本技能的目标不是替代正式审批，也不是绕过风险规则，而是在信息有限的前提下，快速完成“是否可进入后续流程、还需补什么、哪里最需要核验”的判断。

# 适用范围

适用于以下场景：

- 住房按揭贷款预审
- 个人消费贷款预审
- 个人经营性贷款预审
- 纯信用类贷款预审
- 存量客户再授信前置筛查

# 不适用范围

以下情形不应直接使用本技能给出强结论：

- 缺少核心身份信息、收入信息或征信信息
- 涉及伪造材料、欺诈、洗钱等高敏感风险的最终定性
- 需要替代正式授信审批、人工尽调、反欺诈调查或面签核身
- 涉及银行内部未公开规则阈值且用户未提供明确口径

# 输入要求

建议输入至少覆盖以下内容：

- 申请人基础信息：姓名、年龄、婚姻、户籍、居住地
- 贷款申请信息：产品类型、申请金额、期限、用途、担保方式
- 职业与收入信息：单位、岗位、工作年限、收入来源、月收入或年收入
- 资产与负债信息：房产、车辆、存款、投资、现有贷款、信用卡负债
- 征信信息：逾期记录、查询次数、授信使用情况、负债水平
- 辅助材料：身份证明、收入证明、流水、社保公积金、经营材料、购房或消费合同等

# 输出要求

输出结果应尽量包括以下部分：

1. 申请概况
2. 资料完整性检查结果
3. 关键准入判断
4. 风险信号与待核验事项
5. 补件建议
6. 预审结论分级
7. 后续处理建议

# 预审结论分级

建议使用以下四级口径：

- 通过初筛：当前材料下未见明显硬性阻断因素，可进入后续审批或面签流程
- 有条件通过：整体可继续推进，但存在信息缺口或局部风险，需补件或加强核验
- 审慎介入：存在较强不确定性或风险信号，建议人工重点复核后再决定是否推进
- 不建议推进：当前材料下已出现明显高风险、硬性障碍或关键逻辑不成立，不建议进入下一步

# 使用指导

## 使用步骤

### 第一步：整理申请信息
先按“身份—申请—职业收入—资产负债—征信—辅助证明”的顺序整理信息。对缺失字段不要猜测，要明确写出“未提供”。

### 第二步：做资料齐备性检查
先判断是不是已经具备做预审的最低材料条件。若身份证明、申请要素、收入或征信信息缺失，应先输出“材料不足，需补充后再判断”。

### 第三步：做准入初筛
围绕年龄、职业稳定性、收入连续性、负债承受能力、用途合理性、征信表现等核心维度进行初筛。结论要和证据对应。

### 第四步：识别高风险信号
优先识别以下情形：

- 多头借贷明显
- 近期开卡或查询异常频繁
- 收入证明与流水不匹配
- 工作单位与职业描述逻辑不一致
- 用途不清或资金回流路径不清
- 存在较严重逾期、涉诉、失信或异常经营信号

### 第五步：输出结构化结论
必须区分“已确认事项、待核验事项、待补材料、结论建议”四类内容，避免混在一起。

## 推荐使用方式

- 当用户只给了零散信息时，优先输出“预审信息清单 + 缺口提示”，不要强行给通过与否
- 当用户给了较完整信息时，可输出完整预审意见
- 当存在高风险或冲突信息时，应把重点放在“风险解释 + 进一步核验动作”上

## 输出措辞要求

- 避免使用“最终批准”“必过”“肯定拒绝”等绝对化表述
- 应使用“初步判断”“基于现有材料”“建议进一步核验”等审慎措辞
- 对未提供的信息必须显式说明，不得默认为正常

# 工作流程

1. 接收申请材料并做字段归集
2. 执行资料完整性检查
3. 执行准入初筛
4. 执行风险信号识别
5. 形成待补件清单与待核验清单
6. 输出预审结论与下一步建议

# 重点检查维度

## 一、基础准入

- 年龄是否在合理准入范围内
- 身份证件是否有效
- 是否具备稳定居住与联络信息
- 是否存在明显身份异常

## 二、职业与收入

- 职业类型是否清晰
- 工作单位是否真实、稳定
- 收入来源是否可解释
- 收入证明、流水、社保公积金是否能相互印证

## 三、资产与负债

- 现有债务压力是否过高
- 月供覆盖能力是否合理
- 是否存在短期集中新增负债
- 资产证明是否真实且可支撑信用判断

## 四、征信与外部风险

- 逾期情况是否可接受
- 近月查询次数是否异常
- 授信使用率是否偏高
- 是否存在涉诉、失信、行政处罚等不利信息

## 五、贷款用途与交易逻辑

- 贷款用途是否明确、合规
- 金额与用途是否匹配
- 消费或经营场景是否可解释
- 是否存在疑似套现、资金挪用、用途虚化风险

# 风险边界

- 本技能仅用于贷前预审辅助，不替代正式审批与反欺诈调查
- 若用户要求绕过风控、包装资料、伪造用途或规避审查，应拒绝并提示合规边界
- 对于无法验证真实性的信息，应明确降级结论

# 参考文件

- `references/pre_screening_methodology.md`
- `references/risk_flags.md`
- `references/material_checklist.md`
- `references/interview_points.md`
- `references/output_schema.md`

# 模板文件

- `assets/templates/pre_screening_report_template.md`
- `assets/templates/missing_information_notice_template.md`
- `assets/templates/interview_checklist_template.md`

# 脚本说明

- `scripts/application_normalizer.py`：对申请信息做标准化归集
- `scripts/pre_screen_rule_engine.py`：根据规则识别预审风险信号
- `scripts/render_pre_screen_report.py`：将结果渲染为 Markdown 报告