enterprise-operational-anomaly-early-warning

当用户需要对银行对公客户开展贷后经营异常预警、风险信号识别、预警分级、触发原因解释、跟踪建议、走访核查清单、风险提示或预警报告输出时,使用本技能。 适用于银行对公金融场景下的贷后预警、客户持续监测、异常经营识别、风险苗头发现与早期处置建议。 当用户提供企业经营、财务、账户、交易、司法、舆情、纳税、工商、担保、上下游、库存、回款、订单等信息,希望识别异常并形成预警结论时,应优先触发本技能。

105 stars

Best use case

enterprise-operational-anomaly-early-warning is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

当用户需要对银行对公客户开展贷后经营异常预警、风险信号识别、预警分级、触发原因解释、跟踪建议、走访核查清单、风险提示或预警报告输出时,使用本技能。 适用于银行对公金融场景下的贷后预警、客户持续监测、异常经营识别、风险苗头发现与早期处置建议。 当用户提供企业经营、财务、账户、交易、司法、舆情、纳税、工商、担保、上下游、库存、回款、订单等信息,希望识别异常并形成预警结论时,应优先触发本技能。

Teams using enterprise-operational-anomaly-early-warning 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

$curl -o ~/.claude/skills/enterprise-operational-anomaly-early-warning/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/enterprise-operational-anomaly-early-warning/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/enterprise-operational-anomaly-early-warning/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How enterprise-operational-anomaly-early-warning Compares

Feature / Agententerprise-operational-anomaly-early-warningStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

当用户需要对银行对公客户开展贷后经营异常预警、风险信号识别、预警分级、触发原因解释、跟踪建议、走访核查清单、风险提示或预警报告输出时,使用本技能。 适用于银行对公金融场景下的贷后预警、客户持续监测、异常经营识别、风险苗头发现与早期处置建议。 当用户提供企业经营、财务、账户、交易、司法、舆情、纳税、工商、担保、上下游、库存、回款、订单等信息,希望识别异常并形成预警结论时,应优先触发本技能。

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

# 技能用途

本技能用于银行对公金融场景中的贷后预警工作,帮助识别企业在贷后阶段出现的经营异常、财务恶化、交易异动、司法风险、舆情风险、账户异常、上下游波动与担保变化等风险信号,并输出结构化的预警结论、分级判断、核查重点与处置建议。

本技能强调“早识别、早解释、早跟踪、早处置”,适合用于:

- 贷后客户持续监测
- 风险苗头预警
- 客户经理预警排查
- 预警报告撰写
- 走访核查提纲生成
- 风险会商材料准备

# 适用范围

- 行业:银行
- 业务条线/能力域:对公金融
- 场景/能力:贷后预警
- 技能层级:task

# 何时使用

当出现以下需求时,使用本技能:

1. 用户要求判断企业是否存在经营异常或贷后风险苗头。
2. 用户提供多维度数据,希望识别预警信号并进行分级。
3. 用户希望生成企业贷后预警报告、预警摘要、核查清单或处置建议。
4. 用户需要将零散异常现象整合为结构化风险判断。
5. 用户需要对连续监测数据进行趋势识别和异常解释。

# 不适用情形

以下情形不应直接给出强结论,或应切换/结合其他技能:

- 仅有极少量非结构化信息,且缺乏时间序列或交叉验证依据。
- 用户需要的是授信准入尽调,而非贷后预警。
- 用户要求提供最终法律认定、审计结论或监管处罚结论。
- 用户需要复杂量化违约概率建模而非规则型预警分析。

# 核心原则

1. **证据分层**:区分“已确认异常”“高度疑似异常”“待核验线索”。
2. **时间比较**:优先比较近期与历史、环比与同比、单月与滚动区间,避免静态看点值。
3. **多信号交叉验证**:单一信号不轻易下结论,尽量结合财务、交易、工商、司法、舆情等多源信息验证。
4. **保守输出**:在数据不足时明确说明不确定性,不夸大风险程度。
5. **面向处置**:结论不仅指出问题,还要给出跟踪项、补充材料和建议动作。

# 重点关注的预警维度

## 1. 经营层面异常

- 营收明显下滑
- 订单减少或新增订单不足
- 开工率下降、停工停产
- 核心客户流失
- 核心供应商变动或供货中断
- 库存异常上升
- 应收账款回款放缓
- 业务区域或产品线收缩

## 2. 财务层面异常

- 收入、利润、现金流同步恶化
- 毛利率、净利率明显下滑
- 经营性现金流持续为负
- 有息负债增长过快
- 短债占比过高
- 应收、存货、预付项目异常膨胀
- 资产负债率显著抬升
- 费用率异常波动

## 3. 账户与交易层面异常

- 账户流水明显收缩或突然放大
- 资金归集异常、频繁大额转出
- 回款与销售规模不匹配
- 交易对手集中度上升
- 关联方资金往来异常增加
- 异常时点集中交易
- 对外担保或代偿迹象

## 4. 外部风险层面异常

- 工商变更频繁
- 实控人、法定代表人、高管异常变动
- 股权冻结、股权质押比例升高
- 涉诉、被执行、失信、限高等司法风险上升
- 税务异常、行政处罚、环保处罚
- 负面舆情增加
- 行业景气度明显下行

## 5. 履约与授信层面异常

- 利息、本金、票据、租金等支付迟缓
- 保证金不足
- 抵质押物价值波动
- 贷后资料提交延迟
- 约定财务指标触碰预警线
- 资金用途偏离约定

# 标准工作流程

## 步骤一:梳理输入资料

优先整理以下资料:

- 企业基本信息
- 授信信息与存量融资结构
- 财务报表及期间数据
- 银行账户流水或交易摘要
- 发票、纳税、订单、回款信息
- 工商、司法、舆情、处罚信息
- 担保、抵押、质押信息
- 上下游结构与集中度信息
- 历史预警记录与走访记录

若资料不全,必须明确:

- 已获取资料
- 缺失资料
- 缺失资料对结论影响

## 步骤二:识别异常信号

对各维度信号进行梳理,并记录:

- 信号名称
- 出现时间
- 变化方向
- 幅度或严重程度
- 数据来源
- 是否已交叉验证

## 步骤三:进行预警分级

建议按四级输出:

- 正常:暂未发现明显异常
- 关注:发现轻度异常,需持续跟踪
- 预警:出现多项明显异常,建议尽快核查
- 高预警:风险快速积聚或已有实质性违约苗头,建议立即处置

分级应结合:

- 异常数量
- 异常持续时间
- 异常间相互印证程度
- 是否涉及现金流和偿债能力
- 是否存在司法、舆情、账户等高敏感信号

## 步骤四:解释成因与风险传导路径

不要只罗列异常点,还需说明:

- 异常可能由什么驱动
- 是否为行业共性波动
- 是否为客户自身经营恶化
- 风险如何从经营传导至现金流、再传导至还款能力

## 步骤五:输出处置建议

建议覆盖:

- 继续监测项
- 立即补充材料项
- 实地走访核查项
- 账户监控建议
- 授信调整建议
- 担保补强建议
- 风险上报建议

# 输出要求

输出应优先采用以下结构:

1. 企业基本情况摘要
2. 预警等级结论
3. 核心异常信号清单
4. 异常成因与传导分析
5. 待核验事项
6. 建议采取的跟踪与处置动作
7. 数据缺口与结论边界

# 输出风格要求

- 全部使用中文
- 语气客观、审慎、可复核
- 避免夸张和未经证实的定性表述
- 必须显式区分“事实”“判断”“建议”
- 若数据不足,必须写明“当前结论仅为阶段性判断”

# 风险边界

- 本技能输出不替代法律意见、审计意见、正式评级结果或最终授信审批结论。
- 对于重大负面事项,除文本判断外,应建议线下核查与人工复核。
- 若关键数据缺失,不应直接下达“实质违约”或“持续经营无法维持”等强结论。

# 建议读取的参考文件

- `references/early_warning_signal_catalog.md`
- `references/post_loan_monitoring_checklist.md`
- `references/disposal_actions_guide.md`
- `references/output_schema.md`
- `references/walkthrough_interview_outline.md`

# 可使用的模板

- `assets/templates/early_warning_report_template.md`
- `assets/templates/data_request_notice_template.md`
- `assets/templates/customer_visit_outline_template.md`

# 可使用的脚本

- `scripts/warning_signal_engine.py`
- `scripts/warning_level_scoring.py`
- `scripts/render_warning_report.py`

# 成功标准

当本技能使用成功时,输出结果应满足:

- 能清晰说明企业当前贷后风险状态
- 能列出主要异常信号及其证据来源
- 能给出合理的预警等级与解释
- 能指出缺失资料和待核验事项
- 能提出可执行的后续动作建议

Related Skills

client-churn-warning

105
from aifinlab/FinClaw

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。

portfolio-risk-warning

105
from aifinlab/FinClaw

持仓风险提示助手,专用于识别和提示客户持仓中的各类风险。 以下情况请主动触发此技能: - 用户需要识别客户持仓风险点(集中度、流动性、信用等) - 用户描述持仓情况,问"这个持仓有什么风险" - 用户准备风险提示材料、客户风险告知 - 用户问"客户持仓风险大吗""需要提示什么风险" - 市场波动大时,用户需要批量提示客户风险 - 持仓产品出现重大风险事件(违约、大幅回撤等) 输出清晰的风险识别和提示建议,含风险等级、影响程度、应对措施。 不要等用户明确说"风险提示"——只要涉及持仓风险识别、评估、提示,就应主动启动此技能。

market-anomaly-tracker

105
from aifinlab/FinClaw

市场异动追踪助手,适用于券商研究、投资管理、风控监控、交易决策等场景。 以下情况请主动触发此技能: - 用户问"今天市场有什么异常""某股票为什么突然拉升""帮我看看市场异动" - 用户提供了行情数据、异动股票列表,问"这些异动怎么看""有什么共同点" - 用户需要:市场异动监控、异动原因分析、异动股票归因、市场情绪判断 - 用户提到:涨停、跌停、闪崩、拉升、跳水、放量、缩量、异常波动 - 用户需要形成市场点评、异动快报、投资决策参考 不要等用户明确说"市场异动追踪"——只要涉及市场行情异常波动分析、异动原因解读、市场情绪判断,就应主动启动此技能。

subscription-redemption-anomaly-monitoring

105
from aifinlab/FinClaw

面向基金产品管理领域的申赎监测任务Skill,围绕「申赎异常监测助手」场景提供信息抽取、结构化分析与结果输出。

scale-anomaly-alert

105
from aifinlab/FinClaw

面向基金产品管理领域的规模预警任务Skill,围绕「规模异动预警助手」场景提供信息抽取、结构化分析与结果输出。

filing-anomaly-locator

105
from aifinlab/FinClaw

用于信托领域合规与运营中的报送异常定位助手场景,支持结构化处理与报告输出。

enterprise-financial-health-diagnosis

105
from aifinlab/FinClaw

当用户需要对企业进行财务健康诊断、财务分析、偿债能力评估、盈利质量分析、 现金流稳定性判断、资本结构诊断、营运效率分析、财务红旗识别、授信前财务审阅、 贷后财务跟踪或出具财务诊断报告时,使用本技能。 适用于银行对公金融场景,尤其适合授信尽调、授信审查、贷后检查、风险预警、 存量客户复评、重点客户经营监测等任务。 当输入仅为零散财务数据、部分报表字段或口径不完整材料时,也可先输出 “初步财务诊断”,但必须明确口径限制、缺失信息与待核验事项。

customer-churn-early-warning-assistant

105
from aifinlab/FinClaw

零售客户流失预警与经营挽留助手,识别高流失风险客户并提供挽留策略。当用户需要客户流失预警、流失原因分析、挽留方案时使用。

concentrated-position-warning-assistant

105
from aifinlab/FinClaw

当用户需要识别账户集中持仓风险、单一证券暴露过高、行业集中度过高、风格暴露失衡、流动性不足、客户持仓偏离风控要求或形成预警提示时使用。适用于券商、财富管理、风控、投顾及机构账户监控场景。

bank-t208-risk-management-identity-anomaly-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理场景下,对客户身份异常与资料变更进行监测、排查与处置建议输出时使用本技能。适合生成身份异常摘要、优先级判断、排查清单与升级路径。

bank-t206-risk-management-cross-border-anomaly-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理场景下,对跨境交易异常进行监测、分级与排查建议输出时使用本技能。适合生成异常信号摘要、优先级判断、排查清单与升级路径。

bank-t203-risk-management-transaction-anomaly-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理场景下,围绕交易异常进行持续监测、异常识别和风险分级时使用本技能。适合输出异常信号摘要、优先级排序、排查建议与升级路径。