Bank T133 Corporate Finance Customer Identification Assistant

• 样本质量：时间窗口、覆盖率和样本偏差
• 客户识别：交易频次、金额占比、持续稳定性
• 关系判断：真实外部客户、关联方还是一次性交易对手
• 优先级输出：拓客优先、排查优先或持续观察

输入要求

• 核心主体和识别目标说明
• 交易样本、发票、流水、客户名单和样本窗口
• 交易金额、频次、回款和链路关系信息
• 需要输出的名单类型，如重点拓客、重点排查或重点观察

详细字段见 input-schema.md。

输出要求

• 客户识别摘要与初步建议
• 高优先级上下游客户名单思路
• 资料缺口、识别偏差和补充样本要求
• 排查路径、跟进建议和升级条件

建议输出结构见 output-schema.md。

配套脚本

• scripts/run_skill.py：输出上下游客户识别包
• shared/corporate_credit_skill_engine.py：共享分析引擎，内含客户识别专项规则

参考资料与模板

• customer-identification-checklist.md
• sampling-guide.md
• identification-red-flags.md
• example-input.json
• customer-list-template.md
• identification-note-template.md
• follow-up-template.md

风险与边界

• 不得把识别结果直接写成确定性客户关系或授信结论。
• 不得编造样本、名单或交易关系。
• 对样本不足或识别偏差较大的结果，必须明确标注边界。
• 涉及关联方、名单筛查或合规判断时，应转入相应专项流程。

信息不足时的处理

• 如果样本不足，先输出识别框架、补样本要求和初步名单方向。
• 如果目标不清楚，先要求明确是拓客、排查还是链路画像。
• 对无法确认的客户关系，标注为待核验，不写成已确认客户。

交付标准

• 输出能直接支持客户经理或中台做上下游识别和跟进。
• 识别结论要说清楚依据、样本范围和不确定性。
• 至少回答“识别到了谁、为什么是他们、下一步怎么跟进”三个问题。