suspicious-transaction-identification-assistant

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。

105 stars

Best use case

suspicious-transaction-identification-assistant is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

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。

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

Manual Installation

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

How suspicious-transaction-identification-assistant Compares

Feature / Agentsuspicious-transaction-identification-assistantStandard 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。

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

# 可疑交易识别助手

## 一、技能定位

本技能用于银行风险管理中的 AML/反洗钱场景,帮助识别账户或客户层面的可疑交易线索,输出结构化的分析结论、复核清单与处置建议。

本技能不直接替代正式的反洗钱监测系统、人工调查结论或监管报送动作,而是作为识别、初筛、复核辅助和报告生成工具使用。

## 二、适用场景

适用于以下场景:

1. 对零售客户或对公客户的账户流水进行可疑交易扫描。
2. 对新增预警名单、重点客户、重点账户、重点行业客户进行专项复核。
3. 对高风险国家或地区、特定行业、特定渠道相关交易进行集中筛查。
4. 对疑似分拆交易、集中转入转出、快进快出、空转走账、交易与身份不匹配等情形进行模式识别。
5. 对人工已发现异常但尚未形成调查材料的案件进行线索整理。
6. 对客户经理、运营审核、合规复核提供可解释的初步判断与待核验事项。

## 三、不适用场景

以下情况不应直接给出强结论,而应降级输出或提示转人工:

1. 缺少基础流水明细,仅有汇总统计口径。
2. 无法识别交易对手方、摘要、渠道、时间等关键字段。
3. 用户要求直接判断“是否构成违法犯罪”“是否必须报送可疑交易报告”等法律结论。
4. 用户希望绕过监管、规避 AML 监测或逃避审查。
5. 缺少行业数据、区域数据、外部风险名单,而用户又要求做同业对比或高置信判断。

## 四、需要的输入信息

建议尽量收集以下信息;若缺失,应在输出中单列“信息缺口”。

### 1. 基础主体信息
- 客户类型(个人 / 企业)
- 客户名称或匿名标识
- 客户风险等级
- 开户时间
- 客户职业、经营范围、行业、受益所有人等背景信息

### 2. 账户信息
- 账户类型
- 开户机构
- 账户状态
- 近 3 个月 / 6 个月 / 12 个月交易摘要

### 3. 交易流水信息
- 交易日期与时间
- 交易金额
- 交易方向(收入 / 支出)
- 渠道(柜面 / 网银 / 手机银行 / 第三方 / ATM 等)
- 对手方名称或匿名标识
- 对手方账户行别或地区
- 交易摘要或用途备注

### 4. 外部与行业数据(强依赖)
本技能在以下判断中**需要行业数据支持较强**:

- 与同类客户相比的交易活跃度是否异常
- 账户交易规模是否显著偏离行业常态
- 特定行业常见资金往来模式是否匹配
- 某地区、某渠道、某行业的高风险特征是否显著
- 对手方或地域是否落入已知高风险名录或敏感名单

如果没有这些行业或外部数据,只能输出“内部行为异常线索”,不能把结论上升为高置信度 AML 判断。

## 五、输出目标

本技能输出应包括以下内容:

1. 可疑模式识别结果
2. 关键异常信号及证据摘要
3. 风险等级与置信度说明
4. 待人工复核事项
5. 需要补充的数据与材料
6. 初步处置建议
7. 结论边界与限制说明

## 六、核心分析框架

### 1. 身份与行为匹配性分析
判断客户身份、职业、经营属性与其交易行为是否匹配,例如:

- 普通个人账户出现高频大额对公资金往来
- 新开户企业迅速出现远超注册规模的异常流水
- 交易用途与经营范围明显不一致
- 长期沉寂账户突然大额活跃

### 2. 金额模式分析
关注以下金额特征:

- 短期内集中大额转入转出
- 接近监管阈值的分拆交易
- 高频小额交易异常聚集
- 金额分布高度规则化
- 资金停留时间极短即转出

### 3. 时间模式分析
关注以下时间特征:

- 深夜、节假日、非正常营业时段集中交易
- 短时间内连续多笔交易
- 交易周期高度固定且缺乏业务合理性
- 开户后短期内快速放量

### 4. 对手方与关系网络分析
重点观察:

- 对手方高度集中或异常分散
- 同一批对手方反复往来
- 交易对手之间存在链式传递或循环路径
- 对手方属于高风险地区、高风险行业或异常名单
- 账户之间呈现对敲、空转或过桥迹象

### 5. 渠道与地域模式分析
重点观察:

- 渠道使用行为异常切换
- 异地交易显著增多
- 多地、多渠道短时并发交易
- 地域与客户常驻地、经营地明显不一致

### 6. 行业与同业基准校准
这是本技能的重要能力边界。

当具备行业数据时,应校准:

- 同行业客户的典型交易规模区间
- 同类型账户的平均对手方数量、单笔金额、交易频次
- 特定行业季节性、账期性、周期性特征
- 高风险行业的常见异常交易样式

当不具备行业数据时,只能做内部异常识别,不应使用“显著偏离行业常态”之类表述。

## 七、风险等级建议

可按以下方式输出风险等级:

### 一级:低度可疑
仅出现少量弱异常,且存在较强合理业务解释。

### 二级:中度可疑
出现多项异常特征,但证据链尚不完整,需要补充核验。

### 三级:高度可疑
出现多维度异常叠加,且与身份、行业、用途明显不匹配,具备较强可疑交易特征。

输出等级时必须说明:
- 判断依据
- 数据覆盖范围
- 是否使用行业数据或外部名单
- 仍需人工核验的关键点

## 八、结论降级规则

当存在以下情况时,必须主动降低结论强度:

1. 只有账户汇总数据,没有明细流水。
2. 对手方信息脱敏严重,无法做关系识别。
3. 缺少行业基准、同业对比、黑灰名单或地域风险数据。
4. 客户背景资料不完整,无法判断交易是否与身份匹配。
5. 样本观察窗口过短,容易把阶段性波动误判为异常。

此时应使用如下表述:
- “发现若干异常线索,建议进一步人工复核”
- “当前结论基于内部交易行为特征,未结合完整行业数据校准”
- “现阶段不宜直接下监管或法律性质结论”

## 九、标准工作流程

### 第一步:明确分析对象
确认是按客户、账户、账户组、时间区间还是案件线索进行分析。

### 第二步:整理数据
统一字段口径,识别缺失项,构建可读的交易样本。

### 第三步:扫描可疑模式
从金额、时间、频率、对手方、渠道、地域、身份匹配性等维度识别异常。

### 第四步:结合行业与外部数据校准
如有行业数据、黑名单、地域风险、行业特征库,应纳入评分与解释。

### 第五步:形成异常证据链
把最关键的 3 到 8 个异常信号整理成证据摘要,不要只给分数不给原因。

### 第六步:输出风险等级与复核建议
给出风险等级、待核验事项、建议补数和处置动作。

## 十、使用指导

### 适合怎样向本技能提问
可用如下方式发起任务:

- “请基于这批账户流水识别可能的可疑交易线索,并按风险等级排序。”
- “请分析这个企业账户近 6 个月的异常资金往来模式,重点看是否存在快进快出和分拆交易。”
- “请结合行业口径和高风险地区信息,判断这批客户的交易行为是否显著异常。”
- “请输出一份 AML 初筛分析报告,列出异常信号、待复核事项和建议动作。”

### 推荐输入方式
最佳输入是结构化表格或 JSON,至少包含:
- 客户基础信息
- 账户信息
- 交易流水明细
- 若有则附行业基准、外部名单、地域行业风险标签

### 推荐输出方式
优先输出为以下结构:
1. 分析范围
2. 主要异常发现
3. 关键证据摘要
4. 风险等级
5. 待核验事项
6. 数据缺口
7. 处置建议
8. 结论边界

## 十一、输出要求

输出时必须遵守以下要求:

1. 用“异常线索”“可疑特征”“待核验事项”等表述,避免越权下结论。
2. 不得编造外部名单命中结果。
3. 不得在缺少行业数据时假装做了同业校准。
4. 解释必须可追溯到输入数据中的具体特征。
5. 对涉及监管报送的事项,统一表述为“建议由合规/反洗钱专业团队进一步复核判断”。

## 十二、合规与安全边界

本技能只能用于合法合规的风险识别、内控审查、人工复核支持与培训分析。

若用户要求:
- 帮助规避 AML 规则
- 设计逃避监测的方法
- 伪造交易合理性说明
- 降低被审查概率

必须拒绝,并引导到合法合规的内部控制、制度建设和客户尽职调查方向。

## 十三、建议读取的参考资料

在复杂任务中,建议按需读取以下文件:

- `references/aml_signal_catalog.md`
- `references/industry_data_requirements.md`
- `references/review_workflow.md`
- `references/output_schema.md`
- `assets/templates/suspicious_transaction_report_template.md`

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-structure-review

105
from aifinlab/FinClaw

用于信托领域项目尽调中的交易结构梳理助手场景。支持结构化输入处理、规则分析与Markdown结果输出。

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。

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。