税务风险智能识别系统 · 落地 Skill

把"金税四期稽查逻辑"变成可计算、可预警的数据资产——这是系统的 AI 含量所在，区别于"税务政策问答机器人"。系统由两层引擎 + 三交付物构成，本技能已沉淀为自包含体系（知识源头、蒸馏脚本、运行引擎、模板全部内置，见下方体系导航）。

体系导航（资产地图）

本技能所有资产分层如下；溯源与演进见 docs/sources/00_来源总览.md。

何时使用

• 用户要"落地"税务风险识别系统（架构/规格书/指标/模型/预警）。
• 用户提到税负率、发票预警、进销项背离、虚开识别、关联拓扑、风险评分、自查建议。
• 用户明确"不是政策问答"，要的是数据化稽查逻辑 + 预警。

三层数据 / 三交付物

1. 结构化层：307 维财税指标（原 120：发票22/税负20/财务28/资金15/社保个税10/申报合规15；证据链新增 82：证据链完整性23/凭证附件规范性36/异常凭证事件11/税务时序管理12；2025 指南专项 26：#203–#228；A 核心断层 41：纳税评估20/数电票16(原8+2025新规8)/金税四期13；B 行业深度 30：#278–#307 电商4/医药13/建筑7/制造6）。
2. 时序层：36 个月开票/申报/税负波动，识别阶段性异常节奏。
3. 关联拓扑层：股权/交易/法人图，发现团伙虚开、利益输送链条。
   交付：风险评分 + 预警清单 + 自查建议。

执行：三大交付物（A/B/C）

(A) 系统设计规格书 HTML

• 直接呈现 docs/system_design_spec.html（架构、数据 schema、评分权重、ML pipeline、交付物模板、技术栈、6 阶段路线）。
• 保持浅色底 + 深色字。

(B) P0 规则引擎 Demo（可运行）

• 零依赖运行（仅标准库）：
  bash python scripts/p0_rule_engine.py --self-check --out <输出目录>
• 内置 63 个指标（36 基础 + B 行业深度 25 + 资金流水红线 2 #17/#86）+ 6 家合成样本，输出 warning_list.html 与 risk_report.json。
• 红线直红：任一 red 命中即整体判红；评分加权；三级预警。
• 接真实数据：把样本企业字典替换为真实企业 raw 字段（字段名见脚本内 clean/risky/clever 示例）。

(C) 307 维指标字典 + 行业基准

• docs/120_indicator_dictionary.md：307 维定义。第十一/十二/十三/十四章 = 指南专项/纳税评估/数电票/金税四期；第十三章续接 #270–#277 数电票2025新规；第十五章 = B 行业深度 #278–#307（电商/制造/医药/建筑）。
• docs/industry_depth.md：B 行业深度层主文档（四行业风险点蒸馏 + 诚实标注扫描PDF/IMA disconnected）。
• docs/industry_benchmark.md + .json：实测三张基准表（含 12366 口径诚实标注）。

红线纪律（必须遵守）

1. 红线直红：任一 red 指标命中，整体直接判红，不依赖模型分——防"模型说低风险但明显虚开"事故。
2. 可解释优先：每条命中可溯源到公式/阈值/月份/对手方；模型分必带 SHAP；图分带中心性/社群说明。
3. 非政策问答：仅做风险识别与自查预警；LLM 仅最后一步把结构化结果转自然语言，且必须基于本企业数据，不回答"税法怎么规定/如何避税"。
4. 小样本不硬凑：1:10 下规则层(引擎 A)独立可用；模型层须 SMOTE/ADASYN + CGAN/CTGAN + 主动学习闭环，禁用纯监督硬凑。
5. 合规边界：仅企业内部自查；数据脱敏、权限分级、行业基准不外发。

已知缺陷与边界（交付/对外承诺前必读）

> 以下为脚本实测得出的事实，不是估算。对外沟通须如实说明，禁止宣称"307 维全部可用"。

数据可得性约束：资金类(81–95)需银行/私户流水、社保个税类(96–105)需 HR 数据、关联拓扑层需工商数据。一家只有"财务+发票+申报"数据的企业，真实可算约 50–70 维——交付前须先问清用户手上有什么数据，再承诺能算多少维。

误报风险：#15「与非正常户往来」>0 即判红、#8「临界开票卡位」∈[80%,100%] 即判红，二者误报率高。交付时按"确定性红线 / 疑似红线（转人工复核）"分级，详见 docs/产品评估与升级建议。

落地路线（先规则后模型）

P0 规则引擎(已含证据链+指南+金税四期红线) -> 277 维补全+行业基准(已落地) -> 时序层 -> 关联拓扑 -> 模型引擎 B(融合+小样本增强) -> 交付运营(看板+清单+复核闭环，红橙黄分级放开)。

资源索引（全部 skill 内相对路径，自包含）

• 使用说明书.md — 大白话版说明书（用户问"怎么用"先给这个）
• scripts/p0_rule_engine.py — P0 可运行规则引擎（63 指标，含 B 行业深度 25 条 + 资金流水红线2 #17/#86）
• scripts/funds_flow_adapter.py — 资金流水/发票生命周期数据适配器：#17/#86 红线计算逻辑 + 加载器（零依赖，待数据生效）
• scripts/engine_b_ml.py — 引擎 B(ML) 原型：基于引擎A 63特征的可解释风险评分(LogReg+Mahalanobis, numpy, 支持真实标签--labels / 银标签--silver / 合成兜底)
• docs/120_indicator_dictionary.md — 307 维指标字典（第十五章 #278–#307 为 B 行业深度）
• docs/industry_depth.md — B 行业深度层主文档（电商/制造/医药/建筑四行业风险点+来源+可算性+净新增指标，诚实标注扫描PDF/IMA disconnected）
• tax-risk-ai-refs/references/guide_2025_risk_points.md — 2025 指南 328 点场景+方案库（第三方出版物衍生，须授权后挂载，见 references/README.md）
• docs/evidence_chain_config.json / .md — 证据链配置（机器可读 + 说明）
• docs/industry_benchmark.md / .json — 行业基准（方案 + 三张表）
• docs/error_pattern_library.md — 凭证附件错误模式库
• docs/void_invoice_playbook.md — 虚开识别与司法认定专项库（C 层头号风险·补库内空白）
• docs/selfcheck_guidance.md — D 自查指引库（五步流程+分税种要点+报告/整改模板）
• docs/system_design_spec.html / docs/产品评估与升级建议.html — 设计规格 + 四维评估
• docs/sources/00_来源总览.md — 知识来源总览（溯源/演进/外部指针） <- 资料不再散落的关键
• docs/sources/a_gap_chapters.md — A 断层三章（国家税务总局《纳税评估管理办法》指标，含第三方经验值标注）
• docs/sources/benchmark_report.txt — 行业基准整理报告
• docs/sources/draft_links_review.md — 6 链接核查报告（建筑/医药/电商/通用）
• docs/sources/manufacturing_guide_gd_web.md — 制造指南风险点网页抽取（PDF为扫描件·兜底）
• tax-risk-ai-refs/references/sources/guide_2025_points.csv — 指南 328 点全量结构化溯源（第三方出版物衍生，须授权后挂载）
• tax-risk-ai-refs/references/sources/docx_quanzhuan_text.txt — 数电票官方指引全文（政府机构公开文本）
• tax-risk-ai-refs/references/sources/red_river_173.csv — 红河州 173 风险点权威源（外部源）
• tax-risk-ai-refs/references/sources/draft_ecommerce_risks.md — 电商风险蒸馏草稿（春戈书，第三方出版物衍生）
• tax-risk-ai-refs/references/sources/draft_pharma_risks.md — 医药风险蒸馏稿（华税2025 网页/案例补全，第三方衍生）
• tax-risk-ai-refs/scripts/parse_guide.py crossmap_guide.py gen_library_md.py build_a_gap.py build_benchmark.py — 可复现蒸馏脚本（依赖第三方源，须授权后挂载）
• docs/templates/selfcheck_template.md — 自查建议模板