chexian-ir-diagnosis

star 0

Use when diagnosing auto insurance incident rate deterioration, investigating why 出险率 is worsening, or performing root cause analysis on loss frequency (ir = Incident Rate 出险率). Trigger phrases — 分析出险率, 出险率恶化, 出险率诊断, 为什么出险率上升, incident rate drill-down.

alongor666 By alongor666 schedule Updated 6/11/2026

name: chexian-ir-diagnosis description: Use when diagnosing auto insurance incident rate deterioration, investigating why 出险率 is worsening, or performing root cause analysis on loss frequency (ir = Incident Rate 出险率). Trigger phrases — 分析出险率, 出险率恶化, 出险率诊断, 为什么出险率上升, incident rate drill-down. user_invocable: true version: "1.1.1"

出险率自主诊断

Overview

脚本做精确计算(零 token),本 Skill 做智能判断。核心循环:运行脚本 → 读输出 → 判断下一步 → 直到所有 🔴 路径到达终点。中间产物链是推荐工作流:下钻 JSON 摘要 → 校验区分度 → 归入根因分类 → 生成一页纸报告

When to Use

  • 出险率 vs 上年同期(vs25)恶化,需要找原因
  • 单机构 / 单车型出现异常,需要归因
  • 需要把恶化归因到 车型 × 机构 × 维度(渠道/风险等级/价格段/客户源…)

When NOT to Use

  • 已知改善路径、无需诊断 → 直接跳到报告写"无显著恶化"
  • 纯保费 / 赔付率 / 定价策略问题(不是出险频率问题)→ 转 chexian-pricing-decision

任务流 checklist

复制到回复中逐项打勾:

  • Step 1 — 理解任务:确认范围(全省 / 单机构 / 单车型?默认全省)
  • Step 2 — 运行主下钻脚本
  • Step 3 — 读 JSON 摘要,理解全局
  • Step 4 — 逐条路径智能决策
  • Step 5 — 判断是否追加脚本
  • Step 6 — 输出一页纸诊断报告
  • Step 7 — 存档

Step 1 — 理解任务

可用工具:

  • python3 04_工程/脚本/生成出险率下钻_v2.py → 出险率下钻 MD + 诊断摘要 JSON
  • python3 04_工程/脚本/生成红绿灯仪表盘.py → 全省 KPI 总览
  • python3 04_工程/脚本/生成费用率下钻.py → 费用率交叉验证
  • python3 04_工程/脚本/生成车型深度分析.py --province 四川 --city X --label Y → 月度趋势
  • 04_工程/脚本/knowledge.pyscan_knowledge(keywords) 知识库查询
  • 保单级 parquet → ${CHEXIAN_DATA_ROOT:-~/Downloads/底层数据湖DUD/chexian-api}/数据管理/warehouse/fact/policy/daily/(数据湖根与 chexian-report-shell 的 lib/paths.py 同一环境变量)

Step 2 — 运行主下钻脚本

# 工作目录可经 ZSD_ROOT 环境变量覆盖(默认本机作战地图项目根)
cd "${ZSD_ROOT:-/Users/alongor666/Desktop/私董会--车险作战地图}"
python3 04_工程/脚本/生成出险率下钻_v2.py

产出:03_四川/下钻分析/出险率下钻_v2.md + 出险率诊断摘要.json

Step 3 — 读 JSON 摘要,理解全局

出险率诊断摘要.json

  • global.direction:恶化 → 继续 / 改善 → 跳到 Step 6 报告"无显著恶化"
  • global.diagnosis:频度驱动还是案均驱动 → 决定根因方向
  • why1_tracked:🔴 车型列表,按影响度从差到好

Step 4 — 逐条路径智能决策

遍历 why3_paths,按 next_action 路由:

next_action 含义 行动
done 有区分维度,路径已收敛 提取 findings,归入根因分类
policy_level_query 无区分度但样本充足 references/policy-level-query.md
knowledge_query 需查内部知识 调用 scan_knowledge([org, bt])

区分度判断(已由脚本计算,存于 findings[].spread_pp):

  • ≥20pp → 病灶已锁定,高置信
  • 10-19pp → 有方向,中置信
  • 5-9pp → 仅参考,低置信
  • <5pp → 无区分度,脚本已标 stop_reason

并行提示:多条 🔴 路径的 policy_level_query 与追加脚本相互独立,可并行 fan-out(并发 Bash / 子代理)而非逐条串行。

Step 5 — 判断是否追加脚本

触发条件 追加脚本
恶化车型含家自车且月度趋势不明 生成车型深度分析.py --label 家自车
变动成本率是否超 91% 不确定 生成红绿灯仪表盘.py
费用率与出险率同时恶化 生成费用率下钻.py
无现成脚本但有数据 自己写 Python 片段,存到 04_工程/脚本/,下次复用
无法判断 向人类报告,列出具体问题

多条独立追加脚本无依赖,可并行触发。

Step 6 — 输出一页纸诊断报告

references/output-template.md 的模板与排版规则生成。每条路径必须归入根因分类。

Step 7 — 存档

写入 03_四川/下钻分析/出险率诊断报告_YYYYMMDD.md

根因分类(每条路径必归其一)

分类 特征 行动方向
承保端 转保占比高、特定车辆类型集中(如过户车)、电销渠道占比高 收紧核保规则,调整承保条件
定价端 案均高、赔付率恶化、过户车/新车缺乏定价因子 优化定价模型,补充定价因子
渠道端 电销 vs 非电销有显著差异 调整渠道策略
待确认 无区分维度 / 矛盾信号 / 样本不足 明确标注,列出具体问题

注意:定价系数是定价工具,不是出险率的原因。系数低 → 可能吸引高风险业务(推断),但不能说"系数低导致出险率高"。

人机交接节点(必须停止等人)

在这些节点下结论前,先列出候选假设与各自证据,再下判断(Opus 长程推理点):

  • ir>60% 且无知识库解释 → 🚨 是否存在批量异常承保?
  • 频度+案均均恶化且幅度>15% → 先列候选假设+证据,再提 3 个候选根因,人拍板
  • 知识库说 A 但数据说非 A → 展示矛盾,请人判断
  • 任何"收紧核保"或"限制渠道"建议 → 标注"建议,需人确认执行"

分析铁律

  1. 频度恶化+案均改善 → 核保端,不是定价端
  2. 频度+案均同向恶化 → 优先锁定频度端
  3. 摩托车高出险率是结构性特征,看 vs25 变化而非绝对值
  4. policy<30 不得下结论,只标"⚠️ 样本不足"
  5. 知识库未记载的不能当确定结论,必须标"假设"
  6. 终端来源只区分"电销 vs 非电销",不把录单工具当渠道
  7. 过户车/新车无风险等级是结构性事实,不是漏评
  8. 满期出险率独立于定价系数——系数是定价工具,不决定出险与否
  9. 保单级分析用车架号(非保单号)关联赔案——保单号跨年格式可能不一致

领域规则(CRITICAL)

满期出险率公式、出险率 vs 定价系数因果禁忌、聚合 vs 保单级口径、终端来源/风险等级理解、数据层次区分 — 全部见 references/domain-rules.md违反即分析无效,分析前必读。

Install via CLI
npx skills add https://github.com/alongor666/alongor666-skills --skill chexian-ir-diagnosis
Repository Details
star Stars 0
call_split Forks 0
navigation Branch main
article Path SKILL.md
More from Creator