蜜獾小债

解决了什么问题

在金融与法律实务中，「小债」类业务（如民间借贷、小额债权、非公开债务）的处理长期存在两个痛点：一是通用大模型对这类细分场景缺乏结构化分析框架，对话结果容易流于空泛；二是业务人员手工整理债权信息、起草文书时，格式不统一、关键要点容易遗漏。

蜜獾小债Skill 正是面向这一细分领域设计的大模型技能，属于 professional（行业专业）分类。它不追求通用对话能力，而是将「小债」业务场景的领域知识与处理框架沉淀为可复用的技能模块。

技能如何工作

作为 Skill 类插件，其工作方式可以拆解为三个环节：

1. 领域上下文注入：技能被触发后，会向模型上下文注入「小债」业务相关的专业知识与结构化模板，使模型在理解任务时自带领域视角，而不是仅依赖通用知识。
2. 结构化任务处理：针对债权信息整理、债务关系分析、相关文书起草等典型任务，技能提供统一的问题拆解步骤与输出格式约束，降低模型自由发挥带来的不确定性。
3. 可追溯的输出：分析结果基于用户输入的数据与技能内置的领域框架生成，每一部分都可以对应回输入要素，便于人工复核。

技能本身不连接外部数据库或实时行情接口，所有输入数据需要由用户在对话中提供。

适用边界与注意点

• 定位是辅助而非替代：技能输出可用于草稿、框架参考与初步分析，但不能替代执业律师、会计师或专业风控人员的正式判断。
• 输入质量决定输出质量：若用户提供的债权信息不完整（如缺少金额、期限、担保情况等关键要素），输出也会相应受限。建议调用前先整理好基础资料。
• 场景聚焦：该技能面向「小债」细分领域；若任务涉及公开市场债券、标准化票据等品种，可能需要其他技能或通用模型配合完成。
• 发布与来源：技能由 user_0ccc096f 发布，托管于 SkillHub 技能市场。