汽车供应链风险监控与影响穿透 Skill

端到端一体化 skill（自包含，无外部依赖）：仅以联网搜索为信息源，采集汽车供应链风险事件 → 三维评级 → 多层打标 → 确定性穿透到内部供应商/零件主数据 → 全景报告 + Excel。核心增量是重点下级部件供应商（龙头/垄断企业）驱动的搜索 + 命中确定性预打标。

全流程分两段，职责边界=「事件里写了什么 ↔ 命中了我们什么」（先评级落契约，再打标穿透，不让 LLM 一把梭）：
- 采集段＝事件原文实体抽取（涉及原材料/涉及供应商）+ 三维评级 +（监控层）企业种子预打标，不碰主数据。
- 穿透段＝对真实 BOM 受控词表多层打标（LLM）+ 确定性穿透（脚本）→ 受影响供应商/零件/地区。

配置变量

执行前读 skill 根目录 config.json（所有脚本经此读取）：
- time_window_days：检索时间窗口天数，默认 7
- output_dir：交付物输出目录，默认 outputs/
- search_config：搜索词预算（p0_l1≤7, p0_l2≤3, company_watchlist≤10, p1=1/类, cross=1）
- company_watchlist.path：references/company_watchlist.json（重点企业清单 + 类别搜索包 + 轮动游标）
- data_sources.supplier_name_map：运行时口子（references/supplier_name_map.csv，名↔编码，零构建）。底座原始口子(A/新表)在 build-kit/，不在 skill。
- feishu_upload：飞书云盘上传配置（enabled 默认 false）

所有时间窗口过滤统一按新闻发布时间判断。来源类型固定为 联网搜索。

环境依赖（首次在新平台运行先装齐）

pip install pandas openpyxl                         # 数据/Excel(必需)
pip install playwright && python -m playwright install chromium   # PDF 主方案
pip install reportlab                               # PDF 兜底(可选)

• 联网搜索由主会话的联网搜索工具执行（步骤 1），skill 不内置搜索 API。
• WebFetch（步骤 2.6）由主会话工具执行。
• lark-cli（步骤 12 飞书上传，可选）：未装则跳过上传，不影响主流程。
• 本 skill 完全自包含 + 构建/运行分离：报告套件在 report_kit/、契约在 references/、主数据底座已物化在 data/master/，无任何 ../ 跨目录依赖；整个 skill 目录可直接搬运（整包 ~25M，zip <10M）。
• 穿透底座以纯文本随包（目标平台禁 .sqlite/.xlsx）：data/master/parts_agg.csv（A库一级广度·聚合版：供应商码/省市区县/大类/n_parts）+ data/master/nt_chain.json（新表三层深度链）。penetrate.py 启动时载入内存 sqlite(:memory:) 查询，包内无 .sqlite 文件。受影响零件数=SUM(n_parts) 约2%跨组合重复（广度估算），供应商数/大类分布精确；零件级精确底座在 build-kit/archive/。
• 构建脚本与原始数据均不在 skill 内——clean_new_table.py/build_base.py（及旧 build_master.py 等）、原始 A/新表口子都在项目级 build-kit/，补数重建见 build-kit/README.md。新平台只跑分析流程，无需 build-kit。
• 供应商名→编码 运行时口子：目标环境把两列 CSV（供应商名称,供应商编码，UTF-8）放到 references/supplier_name_map.csv 即生效，零构建；缺失则供应商名匹配降级（按码显示）。模板见 references/supplier_name_map.example.csv。

执行流程

严格按步骤顺序执行。每次新任务前清空 outputs/（含 intermediate/）。

步骤 0：确认主数据底座就绪（穿透段前置）

data/master/parts_agg.csv + nt_chain.json 已随包，运行时载入内存 sqlite 直接用，不在 skill 内构建。仅当主数据更新时，去 build-kit/ 重建后把成品拷回（见 build-kit/README.md）：

python build-kit/scripts/clean_new_table.py <新表.xlsx> -o build-kit/intermediate/nt_chains.json
python build-kit/scripts/build_base.py --old-sqlite build-kit/archive/penetration_legacy.sqlite \
       --chains build-kit/intermediate/nt_chains.json \
       --out-dir data/master

运行时口子（零构建）：references/supplier_name_map.csv（供应商名↔编码），目标环境自投即生效。

步骤 1：联网搜索词条生成

按 三组 系统化生成搜索词，合计 ≈30 条。

词条设计规范（所有组通用）

1. 关键词 ≤5~6 个（含信号词+时间锚定词）
2. 必含 1 个新闻信号词：最新 通报 预警 突发 本周
3. 必含 1 个时间锚定词：近期 本周 2026年X月（动态取当前月）
4. 禁用词：分析 趋势 展望 回顾 纵览 全景 报告 综述 盘点
5. 优先事件性名词（爆炸/封闭/停运/断供/减产），少用描述性词汇

组 A — 原材料波动 P0（L1≤7 + L2≤3）

参考 references/material_keywords.md 与 references/semiconductor_supply_map.md：
- L1 大类层（≤7）：原材料名称 + 风险场景词（涨价/断供/产能不足/出口管制）
- L2 品类层（≤3）：具体型号 + 风险场景词（如「DDR4 DDR5 车规级 产能 分料 最新」）
- 体现汽车语境：「车规级」「汽车用」等限定词
> 旧 L3「巨头层」已被组 B 系统化覆盖，不再单列。

组 B — ★重点企业监控层（≤10，本版核心）

读取 references/company_watchlist.json：
1. 核心档 core：每次必搜。
2. 轮动档 rotation：按 rotation_config.cursor 取 batch_size 家本次覆盖；跑完把 cursor 推进 batch_size 并对清单长度回绕（就地写回 company_watchlist.json 的 cursor，实现多轮跑遍全表）。
3. 词条来自 search_bundles：每条把一个高优类别的 2-4 家头部企业打包（如「美光 三星 SK海力士 存储芯片 减产 涨价 断供 最新」），并携带该 bundle 的 tag_category 作为命中预打标依据。
4. 合计 ≤ search_config.company_watchlist_max_terms（默认 10）。

> 设计意图：词按企业播种 → 命中事件可确定性预打标企业名+部件类别（见步骤 3），下游穿透置信度天然高。这是监控层相比通用搜索的核心增量。

组 C — P1 其他 9 类（每类 1 条）+ 跨类型综合（1 条）

完整事件类型清单与词条示例见 references/event_types.md。9 类：自然灾害/生产事故/交通事故/公共事件/限电限产/海关贸易/供应商经营/品牌口碑市场舆情/物流港口。

执行方式

1. 先生成全部词条列表（标注每条所属组；组 B 词条附带 命中企业候选=该 bundle 企业、命中部件类别=tag_category）。
2. 列表返回主会话，由主会话调用联网搜索工具逐条执行。
3. 结果回传本技能继续处理；执行中输出当前词条；记录完整搜索日志。

搜索结果原始数据保存（search_events_{ts}.json，严禁改写原始字段）

搜索工具适配规则（按工具能力分支填 snippet/snippet_scope）

日期预过滤

明确超窗口→不保存（记日志）；缺失/模糊→保留标 unknown；窗口内→保留标 valid。

步骤 2：数据预过滤

python scripts/pre_filter.py outputs/search_events_{ts}.json --time-window 7

• 输入：search_events_{ts}.json（单一联网搜索源）→ 输出：cleaned_events_{ts}.json + pre_filter_stats_{ts}.json
• 规则：导航页垃圾（标题≤4字无时间）丢弃 / 首页·极短路径 URL 丢弃 / URL 全等去重 / 归一化标题重叠系数 ≥0.6 去重（保留更丰富者）/ 时间窗口（含 URL 多模式日期提取）/ 空内容(<20字)丢弃。
• 气象预警 guard：标题含「预警」且命中气象·地质灾害关键词的事件不参与标题相似度合并（各区县独立，模板字串高度雷同极易误并）。

步骤 2.6：WebFetch 日期 + 正文摘要补全

对 date_status=unknown 且 URL 日期提取失败、或 snippet_scope=search_term 的事件，WebFetch 其 URL，一次同时取：发布日期（meta/JSON-LD/正文 YYYY-MM-DD）+ 正文前 500 字摘要。
- 日期：窗口内→valid；超窗→移除；失败→留 unknown。
- 摘要：成功→覆盖 snippet 并把 scope 改 per_link；失败→留原值。
- 覆盖更新 cleaned_events_{ts}.json。只取这两类信息，不抓全文、不做语义分析。

步骤 3：原始事件标准化 + 评级 +（监控层）企业预打标

评分前必须完整阅读 references/scoring_guide.md（三维评分细则 + 公司供应商地理梯队）。按 8-10 条一批 做 LLM 语义分析，输出 llm_analysis_{ts}.json（符合 references/llm_output_schema.json）。

字段分类

• A 类·事实透传（原样复制）：事件标题、来源URL、发布时间（YYYY/MM/DD HH:mm，禁模糊到月，无法确定填「未知」）。
• C 类·内容派生（忠于原文）：事件详情——素材来源优先级：per_link snippet（可保留具体数字）＞ search_term 总结（不得归因数字到单条 URL）＞ 仅 title（最小化扩展，不编造）。
• B 类·语义生成：事件类型（10 枚举或「待过滤-非风险事件」）、省/市/区县/泛区域海域、涉及原材料（原文锚点）、涉及供应商（原文锚点）、相关度（写具体理由，禁套话）、关联度评分依据（必填，写命中地理梯队或非地理依据）、运输方式、风险评级结果及三维得分。

★企业命中预打标（监控层确定性，本版新增）

对来自组 B 监控层的事件（watchlist_group=true），在 LLM 标准化时确定性回填：
1. 命中重点企业：正文确认提及该词条携带的 watchlist_companies 中某企业 → 是；否则 否。搜索词召回≠正文命中，必须正文确认，避免误标。
2. 命中企业名：命中的清单企业官方中文名（多个逗号分隔；填清单标准名，便于供应商名匹配）。
3. 命中部件类别：命中企业所属 watchlist_category（如 存储芯片）。
4. 同时把 命中企业名 并入 涉及供应商、命中部件类别 可佐证 涉及原材料/事件类型判断。
> 非监控层事件：命中重点企业=否，后两字段留空。但若通用搜索/原材料词命中了清单企业，也可据正文置 是 并回填（清单见 company_watchlist.json）。

被过滤事件精简输出

仅 5 字段：事件标题、来源URL、来源类型、是否过滤标志位、被过滤的原因。

LLM 只做语义判断并输出 JSON，格式化交脚本。严禁临时写新 Python 脚本。

步骤 4：原始事件过滤（含全局去重）

1. 时间窗口过滤（无明确时间跳过）。
2. 语义相关度过滤（LLM 语义推理，禁关键词匹配）。
3. 全局事件去重（跨批次强制）：所有批次分析完后回看全部保留事件，只比对轻量字段（标题/类型/省/市/区县/发布时间）。聚类同一现实事件，每簇留 1 条代表（信息最全→风险最高）。其余改判 是否过滤=是，原因填「与「<代表>」为同一事件，重复仅保留一条」。气象/地质预警按区县判独立性，不得合并；拿不准不并。

差异化过滤标准

• 原材料波动（P0）：宽松但非无限制——价格异动/供应中断/产能变化/政策管制才保留。
• 重点企业命中事件：优先保留（即便影响偏间接，也保留为低风险供知晓，因穿透价值高）；但纯正面/经营动态仍按通用排除清单过滤。
• P1 其他类型：严格——须确实可能对供应链物流供货产生实质性影响。

通用排除清单（一律归「待过滤-非风险事件」，无一例外）

政企/外交动态、技术研发/产品发布、正面景气分析、行业趋势/综述、常规统计数据（除非伴随骤降/暴跌）、政府长期规划、人事任免、公司经营动态（融资/上市/扩产计划未开工/季报）、非重点区域常规气象·地质预警（低关注省份，或 T2/T3 省未命中核心区县；T1 沪苏浙照常保留走评级；且未伴随人员伤亡/干线封闭/港口机场停运/波及汽车产业链）。详见 references/scoring_guide.md 地理梯队。

原材料波动适用范围（满足≥1 项才保留）

价格异动（量化涨跌）/ 供应中断（断供·出口管制·限产·罢工·矿难·交期延长）/ 产能变化（扩产已开工·停产·关停·检修）/ 政策管制（关税·配额·反倾销·新增管制）。
核心原则：是否在未来 1-4 周内可能对汽车供应链物流或零部件供货产生实质性负面影响？正面/意向/技术/综述一律不算。

步骤 5：风险评级

详细细则见 references/scoring_guide.md。3 维度各 1-3 分加权：
- 事件严重程度 ×0.4 / 供应链关联度 ×0.35 / 影响紧迫性 ×0.25。
- ≥2.50 高 / 1.70-2.49 中 / <1.70 低。兜底：任一维度=3 且另一维度≥2 → 至少中风险。
- 命中重点企业可作为「供应链关联度」的加分依据（命中清单内寡头/单一来源企业 = 直接命中核心供应节点）。

步骤 5.5：确定性去重兜底

python scripts/dedup_events.py outputs/llm_analysis_{ts}.json

按 (事件类型+省+市+发布日) 分组，组内标题重叠系数 ≥0.5 判同一事件，把步骤 4 LLM 漏掉的翻为 是否过滤=是。气象预警 guard 不参与。不调 LLM、可复现，就地写回。

步骤 6：数据标准化输出（产出契约）

python scripts/data_processor.py outputs/llm_analysis_{ts}.json

分离保留/过滤事件、一致性自检（全量=过滤+保留）、输出 all_events_{ts} + filtered_events_{ts}（JSON+Excel）、保存 suggestions_{ts}.json。filtered_events_{ts}.json 即穿透段输入契约（含 命中重点企业/命中企业名/命中部件类别）。严禁省略被过滤事件。

步骤 7：载入并校验契约（穿透段入口）

按 config.json → input_contract.events_glob（outputs/filtered_events_*.json）取最新契约，按 references/impact_schema.json → event_contract.required 逐字段校验：任一保留事件缺必填（尤其 涉及原材料/涉及供应商/命中重点企业/省市区县/三维得分）→ 报错停止，提示缺哪条哪字段。

步骤 8：多层打标（LLM，受控词表）

打标前必须完整阅读 references/tagging_guide.md 与 data/master/part_dictionary.json。对每条保留事件分步打标：原材料标签（保留原词）→ 大类标签（语义映射到真实 10 大类，匹配不到留空）→ 材料类标签（真实 13 材料类）→ 一级零件标签（多为「全品类」）。每层给命中依据+置信度。
- ★命中重点企业的事件：命中部件类别 直接为大类标签提供高置信 grounding（如 存储芯片→电子/电池电源/电器按 part_dictionary 映射），命中企业名 进 涉及供应商 供穿透名匹配。
输出 outputs/tagged_events.json（追加 多层标签，见 schema）。LLM 只打标输出 JSON，不写脚本。

步骤 9：确定性穿透（脚本）

python scripts/penetrate.py outputs/tagged_events.json -o outputs/penetrated_events.json

两库独立并列（编码两套命名空间，不 join），各库内三匹配器并集 + 命中层 provenance + 去重 + 相关度排序：
- A 库（一级广度，可信地理） parts：地理∩大类（地理绝不裸用——原材料波动=全国×大类；区域性事件=地理×大类，避免「上海暴雨→全上海」）。产出 A_广度：受影响 T1 供应商/零件数、清单、大类分布、Top集中度。
- 新表库（三层深度，试用基座） nt_chain：① 实体自底向上上溯（事件原材料/零部件实体→命中 T3/T2/T1 名→带出完整上游链，原始名不剥前缀靠分词召回）② 供应商名（事件供应商名→references/supplier_name_map.csv 运行时直读→编码→命中任一层）③ 地理∩实体（仅对已被实体命中的链，再以 T2/T3 地点收敛）。产出 新表_深度：受影响 T1/T2/T3 供应商数、命中层统计、层级化链（每链含命中层标注 + 三层名/码/地点 + 采购周期）。

纯查底座，不调 LLM。supplier_name_map.csv 缺失→供应商名硬匹配降级（按码原样显示），其余穿透不受影响。

步骤 10：多维建议（LLM）→ 报告 + Excel

1. 基于穿透结果写多维建议存 outputs/suggestions.md（受影响大类分布 / 地区集中度 / 供应商集中度 / 采购周期 /命中重点企业清单专项）。
2. 全景报告（HTML 自包含 + 同名 PDF）：

python scripts/report.py outputs/penetrated_events.json --suggestions outputs/suggestions.md

套 report_kit/risk_report_shell.html（ECharts + 中国地图内联，无 CDN）。骨架：执行摘要 / 风险态势（等级·类型·省份分布 + 中国地图热力）/ 风险事件清单（按等级高→中→低、组内按风险评级加权总分降序，含地理敏感层级标签[T1/T2/T3/低关注，不涉及留空，从 关联度评分依据 取最高梯队] + 逐条穿透块[A库一级广度 + 新表库三层深度链（命中层标注·试用水印）两区] + 多层标签 + 命中重点企业高亮）/ 影响穿透汇总（A库广度图 + 新表深度 T1/T2/T3 + T2地点分布 + 高采购周期链）/ 多维建议。输出 outputs/risk_monitor_report.html + .pdf。
3. Excel 双表交付物：

python scripts/export_impact_excel.py outputs/penetrated_events.json

impact_deliverable_{ts}.xlsx：① 风险事件清单（一行一事件，含原文锚点+命中企业+多层打标+A库/新表穿透汇总）② 受影响一级供应商明细（A库，一行一事件×T1供应商，事件ID 关联）③ 新表·三层深度链（一行一 T1→T2→T3 链，含命中层+三层名码地点+采购周期，仅新表库有命中时生成）。

步骤 11：交付物整理

mkdir -p outputs/intermediate
mv outputs/search_events_*.json outputs/cleaned_events_*.json outputs/pre_filter_stats_*.json \
   outputs/llm_analysis_*.json outputs/all_events_*.json outputs/suggestions_*.json \
   outputs/tagged_events.json outputs/penetrated_events.json outputs/intermediate/ 2>/dev/null

最终交付物（outputs/ 主目录）：风险监控报告(.html/.pdf) + all_events_*.xlsx + filtered_events_*.xlsx + impact_deliverable_*.xlsx。

步骤 12：飞书云盘上传（可选，默认关）

仅用户明确要求时执行：

python scripts/feishu_uploader.py --timestamp {ts}

读 config.json → feishu_upload（enabled 默认 false，临时改 true 上传完改回）。在 parent_folder_token 下建日期子文件夹（风险监控报告_YYYYMMDD）。只传 html/pdf/xlsx，不传 json。前置：lark-cli 已认证；单文件 ≤20MB；失败不阻塞。

脚本一览

> 构建脚本（clean_new_table.py/build_base.py/旧 build_master.py/build_geo_weights.py/export_master_excel.py）已移出 skill，在项目级 build-kit/，见 build-kit/README.md。下表只列 skill 内运行时脚本。

数据流

步骤1   联网搜索(组A原材料 + 组B重点企业监控 + 组C通用) → search_events_{ts}.json
步骤2   pre_filter.py → cleaned_events_{ts}.json
步骤2.6 WebFetch 日期/正文补全 → 更新 cleaned_events
步骤3-5 LLM 标准化+评级+企业预打标(分批8-10) + 全局去重 → llm_analysis_{ts}.json
步骤5.5 dedup_events.py → 确定性去重兜底
步骤6   data_processor.py → all_events + filtered_events(契约)
步骤7   契约校验(impact_schema.json) fail-fast
步骤8   LLM 多层打标(受控词表 tagging_guide) → tagged_events.json
步骤9   penetrate.py → penetrated_events.json
步骤10  LLM 多维建议 + report.py(全景报告 html/pdf) + export_impact_excel.py(双表)
步骤11  中间产物移 intermediate/
步骤12  feishu_uploader.py(可选)

核心设计原则

1. 信息源单一（联网搜索），来源类型固定「联网搜索」。
2. 采集↔穿透职责边界保留：LLM 语义判断，脚本确定性处理。
3. 多层打标只落真实 BOM 受控词表，匹配不到留空、不硬填。
4. 重点企业监控层：词按企业播种 → 命中确定性预打标 → 穿透高置信。
5. 报告完全自包含（ECharts + 中国地图内联，禁 CDN），套 shared/ 统一外壳。

配置与参考文件

• config.json（skill 根）— 路径/口子/搜索预算/穿透阈值/飞书
• references/company_watchlist.json — ★重点企业清单 + 类别搜索包 + 轮动游标
• references/event_types.md — 10 类事件定义与词条示例
• references/material_keywords.md / semiconductor_supply_map.md — 原材料词条与芯片供应链 grounding
• references/scoring_guide.md — 三维评分 + 地理梯队
• references/tagging_guide.md — 多层打标分步指引
• references/llm_output_schema.json — LLM 输出格式（含企业预打标字段）
• references/impact_schema.json — 采集↔穿透事件契约（唯一真相源）
• report_kit/（render_report.py + risk_report_shell.html + assets）— 自包含报告渲染套件