product-fit-assistant

用于信托领域客户与产品支持中的产品适配助手场景,支持结构化处理与报告输出。

105 stars

Best use case

product-fit-assistant 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产品适配助手场景,支持结构化处理与报告输出。

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

Manual Installation

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

How product-fit-assistant Compares

Feature / Agentproduct-fit-assistantStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

用于信托领域客户与产品支持中的产品适配助手场景,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

# product-fit-assistant

## 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

trust-product-analyzer

105
from aifinlab/FinClaw

## 描述

bank-wealth-products

105
from aifinlab/FinClaw

银行理财产品分析工具。获取银行理财产品发行数据、收益率、风险等级、投资期限等信息。支持收益率对比、产品筛选。使用中国理财网、AkShare理财数据。适用于理财投资决策、产品筛选、收益对比。

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。