# Screening Alert Adjudication Amir Fadavi

> 裁决制裁、PEP 或负面媒体报道筛查产生的命中是真报、误报还是需要人工升级。当用户提供筛查警报、与观察名单（OFAC SDN、欧盟综合名单、英国 OFSI、联合国名单、PEP 名单、负面媒体报道命中）的姓名匹配，或要求排除筛查命中 / 减少误报 / 确定被标记姓名是否确为名单所列方时使用。即使用户随口描述任务——"is this person actually on the sanctions list"、"did we get a real match"、"clear this alert"、"I have a hit on X"——也适用，这些都是筛查裁决任务。产出带完整审计轨迹的确定性认定（结构化 JSON + 人类可读叙述）。设计供合规分析师和筛查系统使用。

- Skill: `cslawyer1985/screening-alert-adjudication-amir-fadavi` (Agent Skill, multi-file: 12 files)
- Install (CLI): `npx skillmds@latest add cslawyer1985/screening-alert-adjudication-amir-fadavi`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cslawyer1985/screening-alert-adjudication-amir-fadavi/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: cslawyer1985 (https://skillmd.com/u/cslawyer1985)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/cslawyer1985/screening-alert-adjudication-amir-fadavi

---


# 筛查警报裁决

本技能裁决单个筛查命中——上游筛查系统标记为可能与制裁名单、PEP 名单、负面媒体报道来源或类似观察名单匹配的姓名——并得出三种结论之一：

- **真报（TP）**——被筛查方即为名单所列方
- **误报（FP）**——被筛查方并非名单所列方
- **升级**——证据不足以确定性得出任一结论；连同完整证据记录移交人工分析师

## 本技能为何存在

筛查系统产生海量低质量警报。分析师将时间花在排除本就不该触发的警报上（实体类型错误、常见姓名但标识符无重叠、忽略命名惯例的部分姓名匹配）。确定性、标准驱动的裁决层可以排除明显误报并确认明显真报，让人专注于真正模糊的案件。

技能围绕两项不可妥协的属性设计：

1. **确定性。** 给定相同证据，技能得出相同结论。技能绝不权衡概率，绝不说“这看起来像”或“大概为”。规则要么触发，要么不触发。
2. **保守性。** 升级是安全的默认。除非每个前提条件均满足，否则任何规则不触发。宁可升级一个清晰案件，也不错误排除一个模糊案件。

## 工作组织方式

裁决按层级运行。每个层级升级令牌消耗；较早层级在可行时尽早退出。

- **第 0 层**——解析并规范化两个姓名；分类文字系统、语言、命名惯例；提取锚定组成部分、别名和标识符。尚不作认定。参见 `references/tier-0-parsing.md`。
- **第 1 层**——仅使用警报中的内容触发硬性误报规则。成本低，无网络访问。此层仅 FP 规则触发；TP 在第 1 层永不可能达成。参见 `references/tier-1-rules.md`。
- **第 2 层**——使用警报和名单条目中的内容进行结构化标识符佐证。TP 和 FP 规则均可用。仍无网络访问。参见 `references/tier-2-rules.md`。
- **第 3 层**——使用网络搜索和抓取进行定向外部研究。源语言感知、按来源排序，每个案件最多 8 次页面检索。参见 `references/tier-3-research.md`。

如适用层级结束时未达成认定，技能携带完整证据记录升级。

## 技能开始所需内容

**用户或上游系统必须提供：**
- 被筛查姓名（被检查的姓名——通常为客户、交易当事方、受益所有人或类似主体）
- 名单条目中的匹配姓名

**如提供则有用，否则可选：**
- 名单名称（如“OFAC SDN List”“EU Consolidated Financial Sanctions List”“UK OFSI Consolidated List”“Dow Jones PEP”）。技能在运营上不按名单名称分支——所有名单的匹配问题相同——但名单名称记入审计记录，并为分析师的后续处置提供信息。
- 被筛查方的实体类型（个人 / 实体 / 船舶）
- 任何次级标识符（出生日期、出生地、国籍、证件号码、地址）
- 上游系统的匹配分数
- 名单版本或快照日期（用于审计锚定）
- 模式（交互式 vs. 批处理）

**当有真人操作时，默认交互式模式。** 在交互式模式下，对以下任何缺失且会实质性有帮助的内容询问一次：
- 无法推断时的被筛查方实体类型
- 分析师可获取但未提供的任何次级标识符

在批处理模式下（系统输入，无人在场），按所提供的任何内容推进。不要询问。如关键背景缺失且规则无法得出结论，技能升级——这是正确的结果。

## 未提供时推断实体类型

先读名单条目。大多数观察名单条目带有明确的类型字段（个人 / 实体 / 船舶 / 航空器）。使用它。

对被筛查方：在交互式模式下询问。在批处理模式下，尝试从姓名结构推断，但将推断标记为低置信度。类型不匹配 FP 规则（FP-1）要求双方均为高置信度类型——绝不在推断出的被筛查方类型上触发。

## 技能回答的核心问题

在所有名单类型和所有规则中，底层问题相同：**被筛查姓名是否与名单所列方为同一方？** 名单类型影响答案的后果，而非问题本身。无论名单是制裁名单、PEP 名单还是负面媒体报道来源，均适用同一匹配引擎。

话虽如此，名单类型影响行动的阈值：

- 对严格责任名单（OFAC SDN、欧盟制裁、联合国制裁）：TP 需要肯定性证据，而不仅仅是无矛盾。模糊时默认升级。
- 对负面媒体报道：来源时效性和质量进入评估。12 年前的小报提及不同于路透社关于近期定罪的现行报道。但身份匹配问题不变。
- 对 PEP 名单：技能的职责止于身份匹配。是否维持关系是机构的风险决策，不属于本技能。

## 跨文字系统和命名惯例处理姓名

筛查命中常涉及来自不同文化、文字系统和命名惯例的姓名。标准模糊匹配器对此处理得很差——它们按字符串重叠将“Jose Andrea”视为与“Jose Andrea Coronado”匹配，却忽略在西班牙语惯例中 Coronado 是锚定姓氏。

技能先将两个姓名解析为结构组成部分。锚定组成部分（真正识别个人的部分）驱动匹配；非锚定组成部分是佐证上下文。命名惯例参考（`references/naming-conventions.md`）按惯例定义锚定与非锚定组成部分：西班牙语、葡萄牙语、阿拉伯语、俄语、东亚、印尼/缅甸、西方默认。

当文字系统为非拉丁或姓名源自非拉丁来源的转写时，技能意识到同一源语言姓名可产生多种拉丁拼写。已记录的变体模式见 `references/transliteration-variants.md`。当第 3 层网络研究运行时，源语言查询是搜索阶梯的一部分。

## 输出要求

每次裁决产出一条记录，含两种视图，两者由同一底层状态共同生成：

1. **结构化 JSON**——机器可读，用于系统摄入、质检抽样、跨案件查询
2. **人类可读叙述**——固定章节，以“基于 Y 认定 X，然后 Z”的形式走查每个层级的推理

完整模式和叙述格式见 `references/output-schema.md`。每次裁决都必须产出两者，无论结果如何。

叙述绝不超过规则产出的范围描述自身置信度。没有“这似乎是”或“可能是误报”的措辞。规则要么触发，要么没有。

对升级，记录包含 `gaps_for_human` 字段，列出本可实现认定的具体信息。技能在升级中不提出 TP 或 FP 倾向建议——证据包被中立呈现，由人得出自己的结论。

## 裁决程序

对每个警报按此顺序执行。不要跳过层级，也不要重新排序——确定性保证依赖顺序。

### 第 1 步：读取警报
捕获输入的每个字段。记录缺失项。在交互式模式下，对实质性缺口询问一次。

### 第 2 步：运行第 0 层
按 `references/tier-0-parsing.md` 解析两个姓名和名单条目上下文。产出解析记录。如任一姓名解析置信度低，注明——这将使该配对在第 1 层的结构性不匹配 FP 规则失效。

### 第 3 步：运行第 1 层
按 `references/tier-1-rules.md` 评估每个第 1 层规则（FP-1、FP-2、FP-3）。如任何规则触发，产出 FP 认定并停止。如均未触发，继续。

### 第 4 步：运行第 2 层
按 `references/tier-2-rules.md` 评估每个第 2 层规则（TP-1、TP-2、升级-2、FP-5、FP-6）。记录软信号（性别、地域、硬性规则未触发时的部分出生日期不匹配），但不得让它们驱动认定。如某规则触发，产出认定并停止。如均未触发，评估第 3 层是否有现实的研究路径。

### 第 5 步：决定是否进入第 3 层
按 `references/tier-3-research.md` 的门禁，仅当以下至少一项为真时运行第 3 层：
- 至少一方存在足够独特的标识符可锚定网络查询
- 名单条目中的特定可核验主张可通过一手来源确认或反驳
- 第 0 层的转写歧义是唯一障碍

如均不成立，不经第 3 层直接升级。不要在不产生结论的研究上烧令牌。

### 第 6 步：运行第 3 层（如进入）
走四级语言阶梯。一旦 TP-3 或 FP-7 触发，或达到 8 次抓取上限，即停止。对每次促成认定的抓取留存快照。

### 第 7 步：产出输出记录
按 `references/output-schema.md` 产出 JSON + 叙述。包含每个层级的评估、每项被检查规则及其是否触发、如运行第 3 层则包含每次抓取，以及最终分类。

## 需要注意的常见失败模式

- **将无矛盾视为确认。** 无论存在多少情境性吻合，TP 规则要求肯定性证据。不要因为没有任何东西反驳它就升级为 TP。
- **过度信任低置信度解析。** 如第 0 层无法置信地解析姓名结构，结构性不匹配 FP 规则不适用于该配对。静默跳过，不要强套。
- **让软信号驱动认定。** 性别不匹配、地域不匹配、部分出生日期不匹配——这些为审计轨迹记录。它们绝不独立产生 TP 或 FP。
- **跳过语言阶梯。** 当姓名源自波斯语、阿拉伯语、中文、俄语或任何其他非拉丁文字时，仅拉丁文字搜索几乎总是不够的。以源语言运行第一级。
- **将检索上限烧在噪音上。** 先做廉价的定向查询。如第一级未返回任何 A 或 B 级结果，沿阶梯上升，而非重新搜索同一糟糕查询的变体。

## 关于本技能不做什么的说明

- **行业所有权分析（OFAC 50% 规则及等效规则）。** 范围外。如名单所列方按所有权链基础匹配，技能标记交人工审查。
- **负面媒体报道行为评估。** 技能确认被筛查方是否为媒体条目中的当事方。它不评估所述行为是否构成对机构的相关风险。
- **PEP 风险分级。** 同样逻辑——身份匹配，是；风险处置，否。
- **向上游筛查反馈评分调优。** 裁决记录以后可为评分调优提供输入，但那是基于聚合记录的独立分析。

## 参考文件

- `references/tier-0-parsing.md`——如何解析姓名和分类命名惯例
- `references/tier-1-rules.md`——硬性 FP 规则（FP-1、FP-2、FP-3）
- `references/tier-2-rules.md`——结构化佐证规则（TP-1、TP-2、升级-2、FP-5、FP-6）
- `references/tier-3-research.md`——网络研究程序、语言阶梯、来源排序、TP-3、FP-7
- `references/naming-conventions.md`——按命名惯例的锚定与非锚定组成部分
- `references/transliteration-variants.md`——跨文字姓名处理的已记录变体模式
- `references/place-name-equivalences.md`——有多名称的城市和国家（列宁格勒/圣彼得堡、孟买/新孟买、波斯/伊朗等），用于出生地和地址比较
- `references/output-schema.md`——JSON 模式和叙述格式

读取你当前正在执行的层级的层级参考。当第 0 层或第 3 层需要时，读取支持性参考（命名惯例、转写变体）。你不需要预先读完所有内容——SKILL.md 会告诉你何时查阅哪个文件。