征信报告自诊

问题背景

贷款申请被拒，往往不是因为资质不够，而是申请人根本没看清自己的征信画像。逾期次数、当前负债、多头借贷、近期查询记录，这些要素在正式报批前很少被系统化梳理；居间顾问拿到客户材料后，也缺少一个快速初筛工具，只能凭经验猜测通过率。结果就是大量无效申请，既浪费渠道配额，也拉高客户的时间成本。

技能如何工作

征信报告自诊 定位为信贷风控的初级预检环节，在正式进件前对征信数据做一次结构化体检。它不替代银行审批，也不对接任何报批系统，只负责把输入的征信要素整理成可决策的风险结论。

工作流分为四个步骤：

• 要素提取：解析输入中的 逾期次数、逾期金额、逾期时间、当前负债、多头借贷、查询次数、信用卡使用率 等关键字段，缺失项会触发追问。
• 风险评级：按银行常见口径给出 绿灯 / 黄灯 / 红灯 三档结论，每条结论对应具体的触发原因。
• 修复建议：针对黄灯和红灯项，输出可操作的优化方向，例如 降低信用卡使用率至50%以下、等待逾期记录被时间覆盖、对异常记录发起异议申请。
• 申贷建议：给出适配的产品方向，同时明确不建议碰的产品类型，避免盲目进件。

输入可以是结构化征信数据，也可以是自然语言描述。输出统一为 风险评级 + 拒贷点标注 + 修复建议 + 申贷方向 四段式报告。

适用边界

这个技能的定位是预检参考，不是审批承诺。它不会保证过审，也不会对任何 帮我把征信弄好 的请求妥协；遇到这类要求，只会返回合规的优化路径。所有建议以银行与征信机构的官方口径为准，不涉及修改数据、美化记录或规避审查的手段。

当用户提供的征信描述过于模糊，技能会列出需要补充的具体字段，而不是基于猜测给出结论。这种设计保证了输出的可追溯性——每一条风险判断，都能回溯到输入的某个数据项。