loan-pre-screening-assistant

用于零售金融场景下的个贷预审任务。适用于当用户需要对个人贷款申请进行准入初筛、资料完整性检查、关键风险识别、预审结论分级、补件建议和面谈核验要点整理时使用。 尤其适合住房按揭、消费贷、经营贷、信用贷等场景的贷前预审。 当输入材料不完整、字段前后不一致、存在明显高风险信号或结论需要降级时,应明确标注“待核验”“待补充”“不可直接下正式审批结论”。

105 stars

Best use case

loan-pre-screening-assistant is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

用于零售金融场景下的个贷预审任务。适用于当用户需要对个人贷款申请进行准入初筛、资料完整性检查、关键风险识别、预审结论分级、补件建议和面谈核验要点整理时使用。 尤其适合住房按揭、消费贷、经营贷、信用贷等场景的贷前预审。 当输入材料不完整、字段前后不一致、存在明显高风险信号或结论需要降级时,应明确标注“待核验”“待补充”“不可直接下正式审批结论”。

Teams using loan-pre-screening-assistant 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/loan-pre-screening-assistant/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/loan-pre-screening-assistant/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/loan-pre-screening-assistant/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How loan-pre-screening-assistant Compares

Feature / Agentloan-pre-screening-assistantStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

用于零售金融场景下的个贷预审任务。适用于当用户需要对个人贷款申请进行准入初筛、资料完整性检查、关键风险识别、预审结论分级、补件建议和面谈核验要点整理时使用。 尤其适合住房按揭、消费贷、经营贷、信用贷等场景的贷前预审。 当输入材料不完整、字段前后不一致、存在明显高风险信号或结论需要降级时,应明确标注“待核验”“待补充”“不可直接下正式审批结论”。

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

# 技能概述

本技能用于支持银行零售金融场景下的个贷预审工作,帮助使用者在正式审批前,对借款申请人的基础准入条件、身份与职业信息、收入与负债情况、征信与外部风险信号、申请用途合理性以及资料齐备性进行结构化初筛,并输出统一口径的预审意见。

本技能的目标不是替代正式审批,也不是绕过风险规则,而是在信息有限的前提下,快速完成“是否可进入后续流程、还需补什么、哪里最需要核验”的判断。

# 适用范围

适用于以下场景:

- 住房按揭贷款预审
- 个人消费贷款预审
- 个人经营性贷款预审
- 纯信用类贷款预审
- 存量客户再授信前置筛查

# 不适用范围

以下情形不应直接使用本技能给出强结论:

- 缺少核心身份信息、收入信息或征信信息
- 涉及伪造材料、欺诈、洗钱等高敏感风险的最终定性
- 需要替代正式授信审批、人工尽调、反欺诈调查或面签核身
- 涉及银行内部未公开规则阈值且用户未提供明确口径

# 输入要求

建议输入至少覆盖以下内容:

- 申请人基础信息:姓名、年龄、婚姻、户籍、居住地
- 贷款申请信息:产品类型、申请金额、期限、用途、担保方式
- 职业与收入信息:单位、岗位、工作年限、收入来源、月收入或年收入
- 资产与负债信息:房产、车辆、存款、投资、现有贷款、信用卡负债
- 征信信息:逾期记录、查询次数、授信使用情况、负债水平
- 辅助材料:身份证明、收入证明、流水、社保公积金、经营材料、购房或消费合同等

# 输出要求

输出结果应尽量包括以下部分:

1. 申请概况
2. 资料完整性检查结果
3. 关键准入判断
4. 风险信号与待核验事项
5. 补件建议
6. 预审结论分级
7. 后续处理建议

# 预审结论分级

建议使用以下四级口径:

- 通过初筛:当前材料下未见明显硬性阻断因素,可进入后续审批或面签流程
- 有条件通过:整体可继续推进,但存在信息缺口或局部风险,需补件或加强核验
- 审慎介入:存在较强不确定性或风险信号,建议人工重点复核后再决定是否推进
- 不建议推进:当前材料下已出现明显高风险、硬性障碍或关键逻辑不成立,不建议进入下一步

# 使用指导

## 使用步骤

### 第一步:整理申请信息
先按“身份—申请—职业收入—资产负债—征信—辅助证明”的顺序整理信息。对缺失字段不要猜测,要明确写出“未提供”。

### 第二步:做资料齐备性检查
先判断是不是已经具备做预审的最低材料条件。若身份证明、申请要素、收入或征信信息缺失,应先输出“材料不足,需补充后再判断”。

### 第三步:做准入初筛
围绕年龄、职业稳定性、收入连续性、负债承受能力、用途合理性、征信表现等核心维度进行初筛。结论要和证据对应。

### 第四步:识别高风险信号
优先识别以下情形:

- 多头借贷明显
- 近期开卡或查询异常频繁
- 收入证明与流水不匹配
- 工作单位与职业描述逻辑不一致
- 用途不清或资金回流路径不清
- 存在较严重逾期、涉诉、失信或异常经营信号

### 第五步:输出结构化结论
必须区分“已确认事项、待核验事项、待补材料、结论建议”四类内容,避免混在一起。

## 推荐使用方式

- 当用户只给了零散信息时,优先输出“预审信息清单 + 缺口提示”,不要强行给通过与否
- 当用户给了较完整信息时,可输出完整预审意见
- 当存在高风险或冲突信息时,应把重点放在“风险解释 + 进一步核验动作”上

## 输出措辞要求

- 避免使用“最终批准”“必过”“肯定拒绝”等绝对化表述
- 应使用“初步判断”“基于现有材料”“建议进一步核验”等审慎措辞
- 对未提供的信息必须显式说明,不得默认为正常

# 工作流程

1. 接收申请材料并做字段归集
2. 执行资料完整性检查
3. 执行准入初筛
4. 执行风险信号识别
5. 形成待补件清单与待核验清单
6. 输出预审结论与下一步建议

# 重点检查维度

## 一、基础准入

- 年龄是否在合理准入范围内
- 身份证件是否有效
- 是否具备稳定居住与联络信息
- 是否存在明显身份异常

## 二、职业与收入

- 职业类型是否清晰
- 工作单位是否真实、稳定
- 收入来源是否可解释
- 收入证明、流水、社保公积金是否能相互印证

## 三、资产与负债

- 现有债务压力是否过高
- 月供覆盖能力是否合理
- 是否存在短期集中新增负债
- 资产证明是否真实且可支撑信用判断

## 四、征信与外部风险

- 逾期情况是否可接受
- 近月查询次数是否异常
- 授信使用率是否偏高
- 是否存在涉诉、失信、行政处罚等不利信息

## 五、贷款用途与交易逻辑

- 贷款用途是否明确、合规
- 金额与用途是否匹配
- 消费或经营场景是否可解释
- 是否存在疑似套现、资金挪用、用途虚化风险

# 风险边界

- 本技能仅用于贷前预审辅助,不替代正式审批与反欺诈调查
- 若用户要求绕过风控、包装资料、伪造用途或规避审查,应拒绝并提示合规边界
- 对于无法验证真实性的信息,应明确降级结论

# 参考文件

- `references/pre_screening_methodology.md`
- `references/risk_flags.md`
- `references/material_checklist.md`
- `references/interview_points.md`
- `references/output_schema.md`

# 模板文件

- `assets/templates/pre_screening_report_template.md`
- `assets/templates/missing_information_notice_template.md`
- `assets/templates/interview_checklist_template.md`

# 脚本说明

- `scripts/application_normalizer.py`:对申请信息做标准化归集
- `scripts/pre_screen_rule_engine.py`:根据规则识别预审风险信号
- `scripts/render_pre_screen_report.py`:将结果渲染为 Markdown 报告

Related Skills

wealth-product-suitability-assistant

105
from aifinlab/FinClaw

当用户需要基于客户画像、风险承受能力、投资目标、期限偏好、流动性需求、 家庭资产配置情况和适当性要求,为客户推荐更合适的理财产品、产品组合或备选方案时, 使用本技能。适用于银行财富管理场景中的产品匹配、客户经理陪访准备、方案比较、 适当性校验、信息缺口提示和推荐报告输出。

wealth-advisor-compliance-communication-assistant

105
from aifinlab/FinClaw

当用户需要在银行财富管理场景下生成、审阅、改写或校准合规沟通话术时,使用此技能。 适用于客户经理、理财经理、财富顾问在产品介绍、风险揭示、收益预期沟通、市场波动解释、客户异议回应、营销触达、存量持仓陪伴、售后答疑等场景中的合规表达支持。 当任务涉及“如何说”“能不能这么说”“这段话术是否夸大收益”“如何在不误导客户的前提下进行推荐”“如何做风险揭示与适当性沟通”时,优先调用本技能。

underwriting-workflow-orchestrator-assistant

105
from aifinlab/FinClaw

当用户需要把一单保险核保案件按完整工作流进行分析时使用本 skill。它负责基于原始核保资料,按顺序调用或吸收已有的核保摘要、问题清单、补件提示、规则问答、结论解释和复核意见等技能结果,形成统一的 workflow 式分析与汇总输出。

underwriting-questionnaire-secondary-review-assistant

105
from aifinlab/FinClaw

当用户需要对已经完成首轮审查的保险投保问卷进行二次复核,检查初审意见是否充分、风险判断是否一致、补问与补件是否到位、是否仍存在遗漏项或高风险未核实问题,并生成适合复核留痕、质量控制和后续核保流转的结构化复核结果时使用本 skill。

underwriting-questionnaire-precheck-assistant

105
from aifinlab/FinClaw

当用户需要对保险投保问卷做首轮审查、识别缺失项与矛盾项、筛查高风险告知、整理补问问题、生成核保初审结果或判断是否需要进入人工复核时使用本 skill。适用于寿险、重疾险、医疗险、意外险等投保问卷、OCR 文本、截图转写文本或结构化问卷记录的通用初审与分流场景。

underlying-asset-lookthrough-assistant

105
from aifinlab/FinClaw

用于底层资产穿透尽调的结构化扫描与风险初判,覆盖资产真实性核验、数据口径一致性校对、权属与涉诉异常识别、集中度与回款压力分析。适用于信托/资管项目尽调中的资产池穿透分析、风控预审与投前复核场景。

tumor-history-risk-review-assistant

105
from aifinlab/FinClaw

当用户需要对与肿瘤相关的既往病史资料进行专业、结构化的审查,提取肿瘤类型、病理结果、分期分级、治疗经过、手术情况、放化疗或靶向治疗、复发转移风险、随访状态及其他与保险核保相关的重要健康信息,并生成适合核保审查、风险分层和资料流转的结构化分析结果时使用本 skill。

transaction-banking-solution-recommendation-assistant

105
from aifinlab/FinClaw

当用户需要为企业客户推荐交易银行方案时使用本技能,适用于现金管理、收付款管理、 账户体系设计、资金归集、票据结算、供应链结算、跨境结算、银企直联、司库协同、 流动性管理和场景化产品匹配等场景。本技能用于基于客户行业、规模、交易模式、 账户结构、组织架构、上下游关系、境内外经营特征和合规约束,输出候选方案、 匹配理由、适用边界、落地路径和补充调研清单。

suspicious-transaction-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理或 AML/反洗钱场景下,对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时,使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时,也应优先使用本技能。

supply-chain-customer-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行对公金融场景下开展供应链金融客户识别、核心企业链路梳理、上下游客户筛选、 交易闭环核验、客户分层、准入判断、白名单初筛、拓客名单整理、风险提示或识别报告输出时, 使用本技能。 适用于围绕核心企业开展供应商、经销商、承运商、服务商等链上客户识别与分类的任务。 当用户提供企业名单、交易资料、发票/订单/合同/物流/回款信息、工商信息、行业资料、 核心企业名单或希望生成供应链客户识别报告、客户清单、准入建议、补充核验事项时,优先调用本技能。

smoking-alcohol-risk-identification-assistant

105
from aifinlab/FinClaw

当用户需要对投保资料中的吸烟、饮酒相关信息进行专业、结构化的识别与审查,提取吸烟饮酒习惯、持续时间、频率、剂量、戒断情况、一致性问题及相关健康风险线索,并生成适合保险核保、补问流转和资料审查的结构化分析结果时使用本 skill。

service-ticket-assistant

105
from aifinlab/FinClaw

用于信托领域客户与产品支持中的服务工单助手场景,支持结构化处理与报告输出。