用 AI 提示词把企业保险风险做成自动化脚本：从识别到政策落地的全流程代码解析

一、背景：为什么要把风险脚本化

传统风险管理三步曲：Excel 填表 → 法务邮件往返 → 董事会 PPT。
痛点：口径不统一、版本难回溯、监管对接累。
把风险逻辑用 Prompt+Code 托管到 Git 后，可 CR、可回滚、可单元测试，实现 Risk-as-Code。

二、整体架构（Mermaid 图）

三、Step1 风险识别：用 Prompt 做命名实体抽取

提示词模板（可直接复现）：

你是一位保险精算师，只输出 JSON。  
输入：企业描述文本  
输出：{"event": <风险事件>, "asset": <受影响资产>, "loss_lower": <最小损失>, "loss_upper": <最大损失>, "prob": <年度发生概率>, "unit": "CNY"}

Python 封装见仓库，这里不再占篇幅。

四、Step2 险种匹配：把知识图谱装进 Prompt

先把公开险种条款 embedding 入库（2000 条企财险/营业中断/货运险）。
匹配脚本已打包，文末仓库自取。

五、Step3 生成政策：把 JSON 变合规文档

Prompt 关键段：

根据以下风险矩阵，输出《企业 2025 年度风险管理政策》Markdown，必须包含：1. 风险编号与描述 2. 承担部门 & 负责人 3. 自留额 vs 投保额 4. 损失触发条件 5. 复盘时限  
风险矩阵：{risk_matrix}

CI 集成：GitHub Actions 监听到 risk_matrix.json 变更 → 自动生成新政策 → 提 PR 给风控总监 review。

六、Step4 董事会报告：用 Jinja2 做 HTML 模板

模板片段 + Python 渲染代码已上传，同样放仓库。

七、效果评估

• 耗时：手工 3 人日 → 自动化 15 分钟
• 一致性：同一条风险 5 次运行，损失区间波动 < ±3%
• 监管反问次数：上一季 12 次 → 本季 2 次（模型说明随文档自动生成）

八、二次开发建议

1. 把 Prompt 做成可调参数，前端用 Streamlit 给风控同事自助调阈值
2. 引入精算模型（蒙特卡洛 100 万次）替换 LLM 的“概率幻觉”
3. 用 Azure 私有 endpoint，避免商业数据出域

九、参考链接 & 源码

下方 4 个超链接与原文完全一致，仅供技术研究，勿做商业用途。

1. 保险风险管理专家

2. 撰写风险沟通文案

3. 撰写风险模型说明

4. 制定风险管理政策

---

更多详情请看官网文章：2025 AI保险风险管理全流程：提示词驱动风险识别、沟通文案与政策制定的实战教程