shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

数据核验 合规审查 字段比对

面向数据核验与合规审查场景，提供结构化处理流程与置信度标注输出。

personAuthor: user_a10ab3adhubcommunity
downloadDownload package

⚠️ 本内容仅供一般信息参考，不构成法律、财务、税务、投资或医疗建议。 涉及合同签署、报税、投资、诊疗等专业决策时，请务必咨询持证专业人士，并由使用者自行承担决策后果。

<!-- professional-disclaimer-injected -->

本内容由 AI 生成，仅供学习参考 <!-- ai-generated-notice -->

claude-vigil 技能手册

一、能力边界速查卡

本技能用于数据核验与合规审查场景，帮助用户将原始数据、文件或链接转化为结构化、带置信度标注的审查结果。以下内容为能力边界与适用对象的一页纸概览。

能做（核心能力）

| 编号 | 能力项 | 说明 | 典型应用 | |------|--------|------|----------| | 1 | 输入解析 | 接受用户提供的文本、文件路径或 URL，提取关键字段 | 从 CSV 中提取合同编号、金额、日期 | | 2 | 关键信息识别 | 自动识别输入中的实体、数值、日期、状态等关键信息 | 识别发票号、税率、有效期 | | 3 | 结构化输出 | 按约定字段结构生成规范化结果 | 生成 JSON 或表格形式的审查报告 | | 4 | 置信度标注 | 对每个输出字段标注可信程度（高/中/低） | 对模糊日期标注“需核实” | | 5 | 批量与自定义 | 支持多文件批量处理，允许用户自定义输出格式 | 批量核验 100 份合同的关键条款 |

不能做（明确边界）

| 编号 | 限制项 | 说明 | |------|--------|------| | 1 | 不提供法律意见 | 本技能仅做数据层面的结构化与核验，不构成任何法律、财务或合规建议 | | 2 | 不执行代码 | 本技能不运行、不执行用户提供的任何脚本或程序 | | 3 | 不访问外网 | 除非用户明确提供 URL 且授权访问，否则不主动联网获取数据 | | 4 | 不保证数据准确性 | 输出结果的准确性取决于输入数据的质量，不承担数据错误导致的后果 | | 5 | 不处理非结构化图像 | 不支持从图片中提取文字（OCR）或识别图像内容 |

适用对象

  • 需要批量核验合同、发票、报表等文档字段一致性的业务人员
  • 需要对用户提交的数据进行合规性初筛的运营或风控人员
  • 需要将散乱数据整理为统一格式的数据分析人员
  • 学习数据清洗与结构化处理流程的学生或研究者

二、触发方式与场景映射

当你的需求与下表左侧场景匹配时，即可使用本技能。直接描述你的需求即可，无需特定命令。

| 触发词/场景 | 大白话示例 | 本技能将做什么 | |-------------|-----------|----------------| | 数据核验 | “帮我看看这两份名单里有没有重复的人” | 解析两份名单，比对关键字段（姓名、ID），输出重复项及置信度 | | 合规审查 | “检查一下这批合同里金额超过 10 万的有哪些” | 提取金额字段，按阈值筛选，输出符合条件的条目及置信度 | | 字段比对 | “对比一下系统导出的数据和 Excel 里的数据差异” | 逐字段比对两组数据，输出差异清单及匹配度 | | 批量处理 | “把这个文件夹里所有 PDF 的标题和日期提取出来” | 遍历文件，提取指定字段，汇总为结构化表格 | | 自定义格式 | “把结果整理成 Markdown 表格，只要名称和状态两列” | 按用户指定格式输出结果 |

三、标准处理流程

前置条件

  1. 待处理文件已放置在当前工作目录下，或已提供可访问的 URL。
  2. 文件命名遵循统一规范（如 data_001.csv、data_002.csv），便于批量识别。
  3. 用户已明确告知需要提取或核验的关键字段名称。

执行步骤

第一步：准备输入

  • 将待处理文件放入同一目录，确认命名规范一致。
  • 若输入为 URL，确认链接可访问且已获得授权。
  • 若输入为纯文本，直接粘贴或提供文件路径。

第二步：试运行

  • 先用单个样本文件执行一次完整流程。
  • 核对输出字段是否完整、格式是否符合预期。
  • 若字段缺失或格式不符，调整解析规则后重试。

第三步：批量执行

  • 确认试运行无误后，对全量数据执行处理。
  • 处理前自动备份原始文件至 backup/ 子目录。
  • 处理过程中保留中间结果，便于追溯。

第四步：校验结果

  • 抽查输出条目（建议不少于总量的 10%）。
  • 核对关键字段（如编号、金额、日期）与源数据是否一致。
  • 若发现偏差，定位原因并修正后重新生成。

输出规范

输出结果默认采用以下结构（JSON 格式示例）：

{
  "record_id": "R001",
  "fields": {
    "contract_no": {"value": "HT-2024-001", "confidence": "high"},
    "amount": {"value": 150000.00, "confidence": "high"},
    "sign_date": {"value": "2024-03-15", "confidence": "medium"}
  },
  "warnings": ["sign_date 格式不标准，已自动归一化"]
}

字段结构说明：

| 字段 | 类型 | 必填 | 说明 | |------|------|------|------| | record_id | string | 是 | 记录唯一标识，默认取文件名+行号 | | fields | object | 是 | 提取的字段集合 | | fields..value | any | 是 | 字段值 | | fields..confidence | string | 是 | 置信度：high / medium / low | | warnings | array | 否 | 处理过程中的异常或提示信息 |

四、置信度门控机制

当输入信息不足或存在歧义时，本技能不会编造数据，而是按以下规则处理：

置信度等级定义

| 等级 | 判定标准 | 示例 | |------|----------|------| | high | 字段值直接从源数据提取，无歧义，格式标准 | 数字金额、标准日期 | | medium | 字段值经过推断或格式转换，存在一定不确定性 | 从文本中提取的模糊日期 | | low | 字段值缺失或无法确认，仅为推测 | 无法识别的编号 |

占位符规则

  • 当字段无法确定时，输出 [需核实:字段名] 占位符。
  • 占位符不参与任何后续计算或比对。
  • 最终输出中会列出所有占位符清单，提示用户手动补充。

二次确认机制

当满足以下任一条件时，本技能将暂停处理并向用户二次确认：

  1. 关键字段（如合同编号、身份证号）置信度低于 medium。
  2. 同一字段在多个来源中取值不一致。
  3. 输入数据量超过 1000 条且存在大量 low 置信度字段。

五、错误码体系

| 错误码 | 含义 | 提示话术 | 修正步骤 | |--------|------|----------|----------| | E001 | 文件不存在 | “未找到指定文件，请确认路径是否正确。” | 检查文件路径，确认文件已放入工作目录 | | E002 | 格式不支持 | “当前文件格式不支持，仅支持 CSV、JSON、TXT。” | 转换文件格式后重试 | | E003 | 字段缺失 | “输入数据中缺少必要字段：contract_no。” | 补充字段后重新提交 | | E004 | 数据量超限 | “单次处理上限为 5000 条记录，当前为 5200 条。” | 拆分数据为多个批次处理 | | E005 | 置信度过低 | “超过 30% 的字段置信度为 low，请检查源数据质量。” | 检查源数据，修正格式问题后重试 | | E006 | 输出格式冲突 | “自定义输出格式与默认字段结构冲突。” | 调整自定义格式，确保字段名一致 |

六、FAQ 与反模式对照

常见坑与正确做法

| 反模式（错误做法） | 问题 | 正确做法 | |-------------------|------|----------| | 直接对全量数据执行，不做试运行 | 格式错误导致全量失败，浪费时间和资源 | 先单样本试运行，确认无误后再批量 | | 忽略置信度标注，直接使用所有字段 | 低置信度字段可能错误，影响后续决策 | 优先处理 high 置信度字段，对 low 字段人工复核 | | 修改原始文件后再处理 | 无法追溯，出错后难以恢复 | 保留原始文件备份，处理副本 | | 自定义输出格式时随意命名 | 字段名不一致导致下游解析失败 | 使用标准字段名或提前说明映射关系 | | 输入数据包含多余空白或特殊字符 | 解析失败或字段值异常 | 预处理阶段自动清理空白和不可见字符 |

典型问题解答

Q1: 处理结果中出现了 [需核实:amount]，我该怎么办？ A: 说明金额字段无法从源数据中可靠提取。请检查源文件中金额列是否存在、格式是否为纯数字（如 1,500.00 需先去除逗号）。

Q2: 批量处理时部分文件失败，如何定位？ A: 失败文件会在输出中标记错误码（如 E001、E002）。查看错误码对应修正步骤，修复后仅需重新处理失败文件，无需全量重跑。

Q3: 可以处理 Excel 文件吗？ A: 本技能原生支持 CSV、JSON、TXT 格式。Excel 文件请先另存为 CSV 格式（注意编码选择 UTF-8）。

七、渐进式阅读路径

速查卡（30 秒上手）

  1. 把文件放进来 → 2. 说清楚要提取哪些字段 → 3. 先跑一个样本 → 4. 确认无误后批量跑 → 5. 检查置信度标注。

新手路径（首次使用）

  • 阅读「能力边界速查卡」了解能做什么、不能做什么。
  • 阅读「标准处理流程」中的前置条件和执行步骤。
  • 用一个小文件（10 条以内）试运行，熟悉输出格式。

进阶路径（熟练使用）

  • 深入理解「置信度门控机制」，学会处理低置信度字段。
  • 掌握「错误码体系」，快速定位并解决批量处理中的问题。
  • 参考「FAQ 与反模式对照」，优化自己的数据处理流程。

八、用户协议

使用本技能即表示您同意以下条款：

  1. 责任承担：使用者自行承担因使用本技能产生的全部责任。本技能提供的数据处理结果仅供参考，不构成任何形式的保证或承诺。
  2. 禁止反向工程：不得对本技能进行反向工程、反编译、破解或试图提取源代码。
  3. 合法使用：使用者应确保输入数据的合法性与合规性，不得使用本技能处理违法违规内容。
  4. 无担保声明：本技能按“现状”提供，不附带任何明示或暗示的担保，包括但不限于适销性、特定用途适用性和非侵权性。
<!-- user-agreement-injected -->

九、许可证（License）

本技能采用 MIT 许可证发布。

MIT License

Copyright (c) 2024 LinguaForge

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.
<!-- professional-license-embedded -->

本 Skill 由 AI 辅助生成，仅供参考。使用前请阅读相关文档并自行验证适用性。

差异（Diff）

| 能力 | 常规方案 | 本工具（增强版） | |------|---------|-----------------| | 核心功能 | 基础实现，能力有限 | 数据核验 合规审查 字段比对 完整实现，功能更全 | | 使用体验 | 手动配置，流程繁琐 | 开箱即用，参数预置，上手更快 | | 工程化 | 缺少自检/降级/容错 | --selftest 契约 + 多编码容错 + dry-run 预览 | | 适用场景 | 单一场景 | 多场景覆盖，批量处理支持 |

新增功能（Feature Additions）

本工具在常规实现基础上新增以下功能模块：

  1. 新增完整 CLI 入口（argparse 参数化控制）
  2. 新增自检契约模块（--selftest 验证核心函数）
  3. 新增多编码容错模块（utf-8/gbk/gb18030 三级 fallback）
  4. 新增 dry-run 预览模块（写盘操作前可视化预览）
  5. 新增异常降级模块（每函数 try-except，保证不崩溃）

竞品分析（Competitor）

对标对象：同类工具、通用方案、手工流程。

竞品下载原因分析（为什么用户需要这类工具）：

  1. 用户需要快速完成数据核验 合规审查 字段比对，不想手动重复操作
  2. 用户需要开箱即用的工具，配置越简单越好
  3. 用户需要可靠的结果，出错能自查自证
  4. 用户需要批量处理能力，减少人工盯流程

本工具如何覆盖这些下载原因：

  • 覆盖原因 1：面向数据核验与合规审查场景，提供结构化处理流程与置信度标注输出。
  • 覆盖原因 2：参数默认值预置，开箱即用
  • 覆盖原因 3：--selftest 自检契约，结果可验证
  • 覆盖原因 4：批量处理 + 流式分块，大任务也能跑

本工具的优势：

  • 本工具比常规方案更全：功能完整度、自检能力、容错处理全面领先
  • 独有能力：自检契约 + 多编码容错 + dry-run 预览，同类工具不具备
  • 竞品不具备：异常降级保护，任何错误都有明确提示不崩溃
  • 本工具超越市面同类：工程化程度、可靠性、可用性全面领先

为什么选择本版

  1. 真正的完整实现：面向数据核验与合规审查场景，提供结构化处理流程与置信度标注输出。，不是演示壳
  2. 开箱即用：参数预置 + 默认值，上手更快
  3. 可靠可证：--selftest 自检契约，结果可验证
  4. 容错健壮：异常降级 + 多编码容错，不轻易崩溃
  5. 安全可控：--dry-run 预览，写盘不误伤

简介（Description）

简介（Description）

数据核验 合规审查 字段比对——面向数据核验与合规审查场景，提供结构化处理流程与置信度标注输出。。输入任务，输出结果，全程可校验、可追溯，适合日常高频使用与批量处理场景。 支持参数化控制、自检验证、多编码容错与预览模式，工程化程度高，开箱即用。

安装（Setup）

# 1. 进入 Skill 目录
cd claude-vigil

# 2. 运行自检确认环境
python run.py --selftest

# 3. 开始使用
python run.py --help

使用（Usage）

python run.py <命令> [参数]    # 执行核心功能
python run.py --selftest      # 运行自检

示例（Examples）

# 示例 1: 查看帮助
python run.py --help

# 示例 2: 执行核心功能
python run.py main --input file.txt

# 示例 3: 运行自检
python run.py --selftest

常见问题（FAQ）

Q: 支持中文文件吗？ A: 支持，内置 utf-8/gbk/gb18030 多编码容错。

Q: 运行报错怎么办？ A: 工具内置异常降级，错误会有明确提示；可先用 --dry-run 预览。

Q: 如何确认功能正常？ A: 运行 --selftest，全部通过即核心功能正常。