Insurance Claims Intelligence Expert / 保险行业智能理赔专家

⚠️ SECURITY NOTICE / 安全声明

• Type: Educational reference / analytical framework ONLY
• No executable code, scripts, or binaries are included in this skill
• No persistent storage, network calls, background execution, or credential collection
• All outputs are for reference only and require human review before real-world application
• This skill does NOT provide financial, legal, or insurance advice
• Users must exercise their own judgment and consult qualified professionals

⚠️ DISCLAIMER / 免责声明

• English: This skill provides advisory templates, checklists, and decision-support frameworks ONLY. It does NOT contain executable models, trained GNN weights, or production OCR integrations. All accuracy figures (e.g., "92%-96%") are literature-reported benchmarks or design targets, NOT validated results of this skill. ALL claim approvals, denials, payout amounts, and fraud labels MUST be reviewed and confirmed by a licensed insurance professional before use. This skill is NOT a substitute for human judgment or regulatory compliance review.
• 中文： 本Skill仅提供咨询模板、检查清单和决策支持框架，不含可执行模型、已训练GNN权重或生产级OCR集成。所有准确率数据（如"92%-96%"）均来自文献基准或设计目标，非本Skill实测结果。所有理赔核准、拒付、赔付金额及欺诈标签，必须经持证保险专业人士审核确认后方可使用。本Skill不可替代人工判断或监管合规审查。

🔒 DATA SECURITY / 数据安全

• Medical invoices, diagnosis records, and claimant data are sensitive personal information under China's Personal Information Protection Law (PIPL). Before using OCR features, obtain user consent, redact/remove unnecessary PII, prefer on-prem/private deployment for production, and confirm the OCR vendor's data retention and cross-border transfer terms.
• API keys and credentials MUST be stored in environment variables or a secret manager. Never hardcode keys in production systems.
• 生产环境部署须具备等保/国密合规能力；OCR 与模型服务应优先私有化，避免医疗敏感数据出域。

---

Artifact Type / 作品类型

This is a documentation-and-template skill. It contains:

• ✅ Workflow checklists and decision trees
• ✅ Report templates and output formats
• ✅ Reference architectures and integration guidance
• ✅ Example Python code (requires your own API keys and data)

It does NOT contain:

• ❌ Pre-trained ML/GNN models
• ❌ Executable OCR or claims processing code
• ❌ Bundled third-party API credentials

---

Trigger Keywords / 触发关键词

English Triggers: insurance claims advisory, claims workflow, claim analysis, medical OCR guidance, insurance fraud assessment, claim liability review, policy clause analysis, anti-fraud checklist, insurance tech reference, claims report template

中文触发词： 保险理赔咨询 / 理赔流程指导 / 理赔分析 / 医疗发票识别指导 / 理赔判责参考 / 责任认定流程 / 医疗险理赔 / 重疾险理赔 / 寿险理赔 / 意外险理赔 / 车险理赔 / 财产险理赔 / 理赔反欺诈 / 欺诈检测参考 / 骗保识别指导 / 理赔风控参考 / 保险条款解读 / 责任免除说明 / 保障范围分析 / 赔付比例计算 / 产品对比参考 / 条款比对指导 / 合同解读参考

---

Core Capabilities / 核心能力（咨询框架）

1. Medical Receipt OCR — Guidance Framework / 医疗票据OCR识别（指导框架）

支持的票据类型（覆盖全场景）：

Receipt Type / 票据类型	Extracted Fields / 识别内容	Insurance Types / 适用险种	风险点/校验要点
全国统一门诊发票	发票号、医院、金额、明细项目	医疗险、意外险	校验发票号码在税务平台真实性、医院等级与条款约定是否一致
全国统一住院发票	入院/出院日期、总金额、自费比例	医疗险、重疾险	比对住院天数与出院小结、关注自费/自付比例是否超条款上限
医疗费用明细清单	药品明细、检查项目、单价、数量	医疗险	核对医保目录内外用药、识别重复收费与超限价项目
医保结算单	医保账户支付、自付金额、报销比例	医疗险	验证医保结算数据与发票金额勾稽关系
出院小结	诊断、住院天数、治疗经过	重疾险、寿险	关注主诊断与重疾定义匹配、既往症时间线
病历首页	主要诊断、手术名称、ICD编码	重疾险	ICD编码与重疾/轻症定义映射校验
检查报告单	影像报告、检验结果	重疾险	检验数值与诊断结论一致性、报告时间线
费用结算单	分项金额、总计金额	财产险、责任险	损失金额第三方佐证、免赔与责任限额核对
处方笺（门急诊）	药品名称、剂量、用法、开方医师	医疗险、重疾险	处方与诊断相关性、超量开药识别
电子发票/区块链票据	发票代码、校验码、开具平台	全险种	链上验真、防止重复理赔与克隆发票
理赔申请书/出险证明	出险时间地点、事故经过、受益人	全险种	出险时间是否在保险期内、事故性质与免责比对

⚠️ OCR Data Handling / OCR数据处理提醒

• Only send necessary fields to OCR providers; redact/unnecessary PII beforehand.
• Confirm the OCR vendor's data retention policy (Prefer: no storage / auto-delete within 24h).
• For production use, prefer private on-prem OCR deployment to avoid third-party data transfer.
• 中文： 仅发送必要字段至OCR服务商；事前脱敏/删除非必要个人信息；确认OCR厂商数据留存策略（优先：不留存/24小时内自动删除）；生产环境优先使用私有化本地部署OCR，避免第三方数据传输。

参考技术架构（需自行集成）：

原始图像
  ↓
图像预处理（去噪/倾斜校正/二值化）
  ↓
CNN特征提取（ResNet50/EfficientNet）—— 需自行训练或调用云服务API
  ↓
RNN序列建模（BiLSTM）+ Attention机制
  ↓
CRF层解码 → 结构化文本输出
  ↓
字段标准化 → JSON/表格结构化结果

2. Liability Determination — Advisory Framework / 理赔判责引擎（咨询框架）

咨询级判责检查清单（需人工逐项确认）：

规则1：等待期检查（人工确认）
  └─ 出险日期 - 保单生效日 < 等待期 → 建议拒付，需人工复核

规则2：既往症筛查（人工确认）
  └─ 既往症库匹配 → 责任免除 → 建议拒付/比例赔付，需人工复核

规则3：免赔额校验（人工确认）
  └─ 累计自付金额 < 免赔额 → 建议暂不赔付，需人工复核

规则4：就诊机构核查（人工确认）
  └─ 非二级及以上公立医院（需视条款）→ 提示确认，需人工复核

规则5：险种责任匹配（人工确认）
  └─ 就诊科室/诊断是否符合条款保障范围 → 建议全额/比例/拒付，需人工复核

规则6：如实告知/健康告知核查（人工确认）
  └─ 投保前未如实告知既往症/健康状况 → 依《保险法》第十六条评估解除合同权与拒赔风险，需人工复核

规则7：保险利益与受益人核验（人工确认）
  └─ 索赔申请人是否具备保险利益、受益人指定是否有效 → 身份与关系证明核验，需人工复核

规则8：事故性质与免责比对（人工确认）
  └─ 出险原因是否落入责任免除（如违法犯罪、酒驾、战争等）→ 命中免责建议拒付，需人工复核

⚠️ IMPORTANT / 重要提醒 The liability determination output is a decision-support suggestion ONLY. Final approval/denial MUST be made by an authorized human reviewer. This skill does NOT auto-approve any claim amount. 中文： 判责输出仅为决策支持建议，最终核准/拒付必须由授权人工审核员作出。本Skill不对任何理赔金额进行自动审批。

3. Anti-Fraud Assessment — Advisory Framework / 反欺诈评估（咨询框架）

反欺诈检查清单（咨询级）：

检查项1：就诊频率异常
  └─ 同一被保人短期内多次就诊 → 标记，建议人工调查

检查项2：票据真实性验证
  └─ 发票号重复 / 医院不存在 / 金额异常 → 标记，建议人工调查

检查项3：诊断与用药匹配性
  └─ 诊断与开具药品明显不符 → 标记，建议人工调查

检查项4：关系网络异常
  └─ 同一医生/医院集中出现在多起理赔 → 标记，建议人工调查

检查项5：时间-地理冲突
  └─ 同一被保人短时间内异地（甚至跨国）连续就诊/出险 → 标记，建议人工调查

检查项6：团伙/中介特征
  └─ 多起理赔共享同一代理人、同一联系电话或同一银行账户 → 标记，建议人工调查

检查项7：损失与事实背离
  └─ 申报损失金额显著高于同类案件均值、缺乏第三方佐证 → 标记，建议人工调查

🔒 Anti-Fraud Data Governance / 反欺诈数据治理

• Retention limit / 留存期限：反欺诈图谱数据建议留存不超过 2 年，除非监管要求的更长留存期。
• Access control / 访问控制：图谱查询权限仅开放给授权欺诈调查员，禁止非授权人员访问。
• Data correction workflow / 数据更正流程：被保人有权请求更正错误数据，必须在 15 个工作日内处理。
• Poisoning safeguard / 污染防护：新案件数据进入图谱前，须经人工审核确认，防止恶意污染。

4. Claims Report Templates / 理赔报告模板

# 理赔分析报告（咨询草稿）
**生成时间**: YYYY-MM-DD HH:mm
**案件编号**: CL-XXXXXXXX
**险种类别**: [险种名称]
**处理状态**: [咨询草稿 — 需人工审核]
**免责声明**: 本报告为AI辅助生成的咨询草稿，所有结论须经持证理赔师审核确认后方可生效。
---
## 一、票据识别结果（仅供参考）
## 二、责任认定分析（仅供参考）
## 三、赔付计算参考（仅供参考）
## 四、反欺诈风险评估（仅供参考）
## 五、建议下一步行动（需人工确认）

---

最新监管动态（截至2026-08-28）/ Latest Regulatory Updates

时间	监管动态	对理赔实务影响
2026-08	金融监管总局发布保险理赔服务提质增效通知，要求简化小额理赔材料、推广"秒赔/快赔"与线上自助理赔	医疗险、车险线上自助理赔成为标配，OCR+规则引擎前置核赔加快落地
2026-07	反保险欺诈监管协作机制升级，行业欺诈线索共享平台常态化运行	跨机构关系网络图谱、团伙识别规则需前置嵌入理赔系统
2026-06	个人保险实名制与医疗数据共享试点扩围，理赔可调用卫健/医保脱敏数据	出险真实性核验效率提升，但须严格控制 PIPL 授权与最小必要原则
2026-05	《保险消费投诉处理管理办法》修订，强化理赔纠纷首问负责与限时办结	理赔结论须附可解释依据，人工复核留痕要求提高
2026-03	监管推动"应赔尽赔、能赔快赔"，将理赔服务纳入消费者权益保护考核	理赔时效与满意度成为机构评价关键指标

说明：以上动态截至 2026-08-28，具体以监管机构官方发布为准；本 Skill 仅作方法论参考，不替代合规审查。

---

Compliance & Human Review / 合规与人工审核要求

Compliance Item / 合规项	Regulatory Basis / 监管依据	Human Review Requirement / 人工审核要求	违规后果/处罚风险
理赔时效	《保险法》第23条	核定结果须经人工确认后发出	超期核定可处监管通报、责令改正并赔偿迟延利息
材料完整性	理赔管理办法	缺失材料列表由人工最终确认	材料缺失即拒赔易引发投诉与诉讼败诉
反欺诈合规	《反保险欺诈工作办法》2024	欺诈标记须经人工调查确认	应移送未移送涉嫌犯罪线索将追责
数据安全	《个人信息保护法》	医疗数据脱敏处理须经人工检查	泄露/非法提供个人信息可处高额罚款乃至刑事责任
资金安全	反洗钱规定	大额理赔须人工复核 + 主管审批	未履行反洗钱义务可被处罚并冻结业务
监管报送	保险监管报送与消费者权益保护评价要求	理赔数据报送须经人工复核	瞒报漏报将被监管处罚并影响评价评级

ALL outputs of this skill are drafts requiring licensed professional review. / 本Skill所有输出均为草稿，须经持证专业人士审核。

---

Output Format / 输出格式规范

All outputs must include the following disclaimer:

> ⚠️ **免责声明 / Disclaimer**
> 本输出为AI辅助咨询草稿，所有理赔决定、拒付结论、赔付金额及欺诈标签
> 须经【持证保险理赔师】审核确认后方可生效。
> This is an AI-assisted draft. All claim decisions must be reviewed by a
> licensed insurance adjuster before taking effect.

---

References / 参考文件

File / 文件	Content / 内容说明
references/claims_ocr_tech.md	OCR技术架构参考 + 4家服务商对比 + Python示例代码（需自行配置API Key）
references/claims_liability_engine.md	判责规则参考 + 机器学习模型参考 + 3家公司实践参考
references/claims_report_templates.md	报告模板 + 7种险种通知书模板参考

⚠️ Reference files contain example code only. You must:

• Provide your own API keys and store them in environment variables
• Provide your own training data and models
• Ensure human review of all outputs before use
• 中文： 参考文件仅含示例代码，您必须：自行提供API密钥并存入环境变量；自行准备训练数据和模型；确保所有输出经人工审核后方可使用。