topn-high-risk-discovery

Files (5)

• SKILL.md
• router_card.json
• test_topn_high_risk_discovery.sh · scripts/
• test_topn_high_risk_discovery_fast.sh · scripts/
• topn_high_risk_discovery_wrapper.py · scripts/

SKILL.md (first lines)

# topn-high-risk-discovery

## 这个 skill 是做什么的

`topn-high-risk-discovery` 是电话网络数据中的**自动发现与综合排名型** skill。

它的核心不是按用户给出的条件做过滤，而是：

> 用户没有给出硬性筛选规则时，系统基于预设综合风险评分模型，对全量号码或候选集合进行自动打分和排序，找出最值得优先核查的 TopN 对象。

它直接生成：

- TopN 高风险候选榜；
- 未标注高可疑榜；
- 设备驱动高可疑榜；
- 风险分和排名；
- 排名驱动因素；
- Top 证据摘要；
- Markdown 报告；
- CSV 风险名单。

它回答的是：

1. 全量号码里谁最值得优先核查；
2. 哪些号码综合风险分最高；
3. 哪些未标注号码虽然没有风险标签，但结构特征很可疑；
4. 哪些对象主要由共享设备或联系人广度等因素驱动上榜；
5. 每个上榜对象的主要排名驱动因素是什么。

## 与 condition-based-screening 的强边界

必须严格区分本 skill 和 `condition-based-screening`。

| 维度 | topn-high-risk-discovery | condition-based-screening |
|---|---|---|
| 用户意图 | 用户希望系统自动发现重点对象 | 用户已经给出明确筛选规则 |
| 核心动作 | 自动打分、排序、生成榜单 | 筛选、过滤、命中解释 |
| 典型词 | TopN、Top10、排行榜、最可疑、自动发现、优先核查、综合评分 | 筛选、过滤、满足条件、阈值、同时满足、按省份、按标签 |
| 输出重点 | 排名、风险分、驱动因素 | 命中对象、筛选链路、命中条件 |
| 是否按用户规则过滤 | 不作为核心任务 | 是核心任务 |

如果用户说：

- “找 Top10 高风险号码”；
- “生成高风险排行榜”；
- “哪些号码最可疑”；
- “自动发现重点对象”；
- “综合风险评分排序”；

应使用本 skill。

如果用户说：

- “筛选夜间通话占比超过阈值的号码”；
- “过滤出四川省风险标签对象”；
- “找同时满足联系人广度高和共享设备多的号码”；
- “按省份、标签或阈值筛选对象”；

应使用 `condition-based-screening`，不是本 skill。

## 适合使用的场景

本 skill 适合开放式发现、自动评分、优先级排序类问题，例如：

- 现在这批电话网络数据中最值得优先核查的 TopN 号码是谁；
- 哪些号码综合风险分最高；
- 请生成一份高风险号码排行榜；
- 请自动发现未标注但结构特征可疑的号码；
- 请找出设备关系特别异常、值得优先关注的号码；
- 请输出重点对象名单、风险分、驱动因素和证据摘要。

## 不适合使用的场景

以下情况不要使用本 skill：

- 用户已经给出明确条件，要求按条件筛选；
- 用户要求按省份、标签、夜间阈值、联系人阈值、共享设备阈值过滤号码；
- 用户要求找“同时满足某几个条件”的对象；
- 用户要求解释某一个号码为什么可疑；
- 用户要求生成单号码风险证据包；
- 用户上传原始 CSV，要求先建图；
- 用户要求四川和陕西做地域对比；
- 用户要求跨省同实体联动识别。

对应应转向：

- 条件筛选：`condition-based-screening`；
- 单号码画像：`single-number-analysis`；
- 单号码证据包：`risk-evidence-pack`；
- 原始数据建图：`dataset-onboarding-graph-preprocess`；
- 四川陕西地域对比：`sichuan-shaanxi-comparison`；
- 跨省可联动性判断：`dataset-quality-and-linkability-diagnostic`。

---

## 一、数据集使用规则

### 规则 1：用户明确指定数据集时，优先使用用户指定的数据集

如果用户问题或命令中明确给出：

- `--dataset-root /workspace/imiss-deer-flow-main/datasets/phone-network`
- `--dataset unified`
- “使用 unified / sichuan / shaanxi 数据”

则直接按用户指定执行。

### 规则 2：用户没有指定数据集根目录时，优先使用真实 unified 预处理数据

脚本优先自动查找以下真实数据位置：

1. `PHONE_NETWORK_DATASETS_ROOT`
2. `<repo_root>/datasets/phone-network`
3. `/workspace/imiss-deer-flow-main/datasets/phone-network`
4. `/mnt/datasets/phone-network`
5. `~/imiss-deer-flow-main/datasets/phone-network`

### 规则 3：用户没有指定 dataset 时，默认使用 `unified`

From bettercallfan/deerflow, MIT.

More from bettercallfan/deerflow