Best use case
client-relationship-tagging is best used when you need a repeatable AI agent workflow instead of a one-off prompt.
用于信托领域客户与产品支持中的客户关系标签助手场景，支持结构化处理与报告输出。
Teams using client-relationship-tagging should expect a more consistent output, faster repeated execution, less prompt rewriting.
When to use this skill
- You want a reusable workflow that can be run more than once with consistent structure.
When not to use this skill
- You only need a quick one-off answer and do not need a reusable workflow.
- You cannot install or maintain the underlying files, dependencies, or repository context.
Installation
Claude Code / Cursor / Codex
Manual Installation
- Download SKILL.md from GitHub
- Place it in
.claude/skills/client-relationship-tagging/SKILL.mdinside your project - Restart your AI agent — it will auto-discover the skill
How client-relationship-tagging Compares
| Feature / Agent | client-relationship-tagging | Standard Approach |
|---|---|---|
| Platform Support | Not specified | Limited / Varies |
| Context Awareness | High | Baseline |
| Installation Complexity | Unknown | N/A |
Frequently Asked Questions
What does this skill do?
用于信托领域客户与产品支持中的客户关系标签助手场景，支持结构化处理与报告输出。
Where can I find the source code?
You can find the source code on GitHub using the link provided at the top of the page.
SKILL.md Source
# client-relationship-tagging
## 概述
本技能用于信托业务场景的结构化处理，支持数据解析、规则识别与报告输出。
## 输入要求
- 支持 JSON 数组或 JSONL
- 建议字段：`id`, `name`, `text`, `status`, `timestamp`，以及场景相关业务字段
## 工作流程
1. 明确业务口径与目标
2. 读取并清洗输入数据
3. 执行规则分析与风险识别
4. 输出结构化结果并标注复核事项
5. 人工复核后进入正式流程
## 执行方式
```bash
python scripts/analyze.py --input input.json --output report.md
```
## 输出结构
1. 样本概览（数量、等级分布）
2. 重点条目（分值、命中原因）
3. 风险提示与复核建议
4. 免责声明
## 质量要求
- 事实与判断分离
- 规则命中可追溯
- 保留自动生成需人工复核声明
- 不输出投资建议、授信决策或法律最终意见
## 使用示例
### 示例 1: 基本使用
```python
# 调用 skill
result = run_skill({
"param1": "value1",
"param2": "value2"
})
```
### 示例 2: 命令行使用
```bash
python scripts/run_skill.py --input data.json
```Related Skills
client-churn-warning
客户流失预警助手，专用于识别客户流失风险和制定挽留方案。 以下情况请主动触发此技能： - 用户需要识别客户流失风险 - 用户问"这个客户会不会流失""怎么判断流失风险" - 用户准备流失预警方案、挽留话术 - 用户需要流失原因分析、挽留策略 - 用户问"客户要转走了怎么办""怎么挽留客户" 输出含流失风险识别、原因分析、挽留方案的流失预警方案。 不要等用户明确说"流失预警"——只要涉及客户流失风险识别、挽留方案，就应主动启动此技能。
silent-client-awakening
沉默客户唤醒助手，专用于长期未互动客户的唤醒激活。 以下情况请主动触发此技能： - 用户需要唤醒长期未互动的沉默客户 - 用户问"这个客户很久没联系了怎么重新联系" - 用户准备沉默客户唤醒话术、激活方案 - 用户需要沉默客户分析、唤醒策略设计 - 用户问"客户不回消息怎么办""怎么重新建立联系" 输出含沉默分析、唤醒话术、激活方案的沉默客户唤醒方案。 不要等用户明确说"沉默客户唤醒"——只要涉及长期未互动客户的重新联系、激活唤醒，就应主动启动此技能。
key-risk-client-list
重点风险客户名单助手，适用于券商客户风控、财富管理、投顾服务、合规监控等场景。 以下情况请主动触发此技能： - 用户提供了客户风险数据，问"哪些客户风险高""帮我列个名单" - 用户问"重点风险客户怎么筛选""风险客户标准是什么" - 用户需要：重点风险客户筛选、风险等级排序、跟进建议 - 用户提到：风险客户、重点关注、高风险、预警客户、平仓风险 - 用户需要形成风险客户名单、跟进计划、风控报告 不要等用户明确说"重点风险客户"——只要涉及客户风险筛选、高风险客户识别、风险名单整理，就应主动启动此技能。
key-client-reminder
用于信托领域客户与产品支持中的重点客户提醒助手场景，支持结构化处理与报告输出。
roadshow-qa-client-meeting
面向基金渠道与销售支持领域的路演问答任务Skill，围绕「路演问答助手-客户会版」场景提供信息抽取、结构化分析与结果输出。
portfolio-attribution-client
面向基金投研分析领域的组合归因任务Skill，围绕「组合归因助手-客户版」场景提供信息抽取、结构化分析与结果输出。
key-client-outreach
面向基金渠道与销售支持领域的客户触达任务Skill，围绕「重点客户触达助手」场景提供信息抽取、结构化分析与结果输出。
fund-product-health-check-client
面向基金投研分析领域的产品体检任务Skill，围绕「基金产品体检助手-客户版」场景提供信息抽取、结构化分析与结果输出。
family-relationship-summary
用于信托领域财富与家族信托中的家族关系要点摘要助手场景，支持结构化处理与报告输出。
client-service-sop
面向基金投顾与客户服务领域的流程问答任务Skill，围绕「客户服务SOP助手」场景提供信息抽取、结构化分析与结果输出。
client-sentiment-detection
面向基金投顾与客户服务领域的情绪识别任务Skill，围绕「客户情绪识别助手」场景提供信息抽取、结构化分析与结果输出。
client-segmentation
客户分层经营助手，专用于客户分层策略设计和差异化经营方案。 以下情况请主动触发此技能： - 用户需要为客户设计分层经营方案 - 用户问"不同资产级别的客户怎么差异化服务" - 用户准备客户分层标准、各层级服务策略 - 用户需要客户升级路径设计、层级跃迁方案 - 用户问"这个层级的客户应该提供什么服务" 输出含分层标准、各层级服务策略、升级路径的客户分层经营方案。 不要等用户明确说"客户分层"——只要涉及客户分层、差异化服务、层级经营，就应主动启动此技能。