aifinlab 名单匹配结果分析助手
1. 业务问题
名单筛查系统（制裁名单、政治敏感人物名单、内部黑名单等）每日产生大量匹配结果，其中包含大量误报。合规团队需要逐条复核确认，工作量大且重复性高。本技能对匹配结果进行相似度分层、字段差异分析和误报模式聚类，帮助合规人员快速定位高相似度命中并批量处理低风险误报。
2. 适用场景
- 日常名单筛查结果的批量复核辅助
- 新名单更新后的存量客户回溯筛查结果分析
- 误报率统计和误报模式归类
- 筛查规则优化前的历史匹配结果分析
- 跨名单源的匹配结果交叉比对
3. 输入
| 输入项 | 说明 | 是否必需 |
|---|---|---|
| 名单匹配结果 | 筛查系统输出的匹配记录，含匹配分数和匹配字段 | 必需 |
| 客户信息 | 被匹配客户的姓名、证件号、国籍等基本信息 | 必需 |
| 名单源信息 | 匹配命中的名单类型、名单条目详情 | 可选 |
| 历史复核记录 | 过往相同或相似匹配的复核结果 | 可选 |
| 误报规则库 | 已确认的常见误报模式 | 可选 |
4. 输出
| 输出项 | 说明 |
|---|---|
| 相似度分层结果 | 高/中/低相似度分层及各层数量分布 |
| 字段差异明细 | 每条匹配的逐字段比对结果和差异说明 |
| 误报聚类结果 | 按误报原因归类的匹配记录分组 |
| 高相似度命中清单 | 需优先人工核实的高相似度匹配 |
| 复核效率建议 | 建议的复核顺序和批量处理候选 |
5. 默认分析维度
- 相似度分层：高相似度（≥85%）、中相似度（60%-85%）、低相似度（<60%）
- 字段级差异：姓名匹配度、证件号匹配、国籍/地域匹配、出生日期匹配
- 误报模式 - 别名误报：常见姓名重合但实为不同人
- 误报模式 - 翻译/拼写差异：不同翻译版本或拼写习惯导致的匹配
- 误报模式 - 字段缺失误报：因关键区分字段缺失导致无法排除的匹配
- 误报模式 - 重复实体误报：同一客户因多条记录重复命中
6. 默认分析框架
- 匹配结果接收与校验：检查匹配数据的完整性，标注缺失字段
- 相似度分层：按匹配分数将结果分为高/中/低三层
- 逐字段差异分析：对每条匹配记录进行字段级比对，标注差异点
- 误报模式匹配：将匹配结果与已知误报模式比对，识别疑似误报
- 误报聚类：将相似误报原因的记录归为一组，便于批量复核
- 历史复核回溯：检查是否有相同或高度相似的历史复核记录
- 结论先行输出：先呈现分层分布和疑似误报比例，再展开明细
7. 安全边界
- 不编造数据；不夸大结论；缺失信息标注"未获取"或"待核实"
- 不替代正式审批、正式风控、正式合规、正式报送、正式处置、正式责任认定、正式管理决策
- 不对交易或客户做"疑似洗钱""疑似欺诈"等定性表述
- 仅提供数据模式分析和复核参考
- 不替代正式合规复核、审计、调查或账户处置决策
- 不替代可疑交易报告（STR）的正式判定
- 误报判断仅为辅助建议，最终确认须由合规人员根据完整信息做出
8. 上游依赖
| 依赖技能 | 用途 |
|---|---|
| 无 | 直接接收名单筛查系统的匹配输出结果 |
9. 可联动下游 Skills
| 下游技能 | 联动场景 |
|---|---|
| 无 | 本技能输出对接合规团队人工复核流程 |
使用示例
示例 1: 基本使用
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json