核心用法
本技能作为中国大陆保险市场的AI顾问助手，采用模块化工作流设计，涵盖保险需求分析、产品对比、保费计算、方案设计、知识问答、合规提示及理赔支持七大核心功能。用户通过自然语言触发关键词后，系统自动识别意图并调用对应脚本与知识库，返回结构化结果。
需求分析模块通过对话收集用户年龄、职业、收入、家庭结构、已有保单及预算信息，调用needs_analyzer.py分析身故、大病、意外、住院四大风险，输出包含风险评分、保障缺口、优先级建议及预算规划的结构化报告。产品对比模块从products.json加载数据，按险种类型筛选并生成横向对比表格，涵盖产品名称、保额保费、保障期限、等待期、核心保障内容及现金价值等维度。保费计算模块支持按年龄、性别、保额、产品类型及缴费期（趸交/3年至30年）进行多维度测算。方案设计模块采用四步流程：需求分析→险种询问→功能解释与产品推荐→合规提示，其中产品推荐环节会调取数据库全量产品进行横向对比，筛选出最优2-3款并说明推荐理由。
显著优点
数据驱动的决策支持：技能内置产品数据库与计算脚本，能够基于用户真实参数（年龄、收入、家庭责任等）进行量化分析，替代传统保险顾问的经验判断，提升配置方案的客观性与精准度。
全流程覆盖：从需求识别、缺口计算、产品对比到方案输出，形成完整服务闭环，用户无需在多个渠道间切换即可获取一站式保险规划服务。
透明化产品对比：方案设计模块强制要求展示全量对比表（取前8-10款）并明确标注综合最优推荐及备选方案，打破信息不对称，帮助用户理解推荐逻辑。
合规性嵌入设计：三条行为规范（产品时效免责声明、多公司平台优先建议、保险咨询渠道提供）嵌入各模块执行流程，规范一/二为强制要求，规范三仅在用户主动询问时触发，兼顾用户教育与风险隔离。
本土化适配：专注中国大陆保险市场，覆盖重疾险、医疗险、寿险、意外险、储蓄险等主流险种，术语与监管框架符合本土语境。
潜在缺点与局限性
数据时效性依赖：产品数据库为静态文件，技能明确提示"保险产品更新比较快，建议电话咨询核对最新信息"，实际保费与条款以保险公司正式测算为准，存在推荐结果与在售产品不符的风险。
无法替代人工核保：虽然提供健康告知与核保合规提示，但无法直接对接保险公司核保系统，最终投保结果仍需以人工核保结论为准。
理赔支持的局限性：理赔模块仅提供通用流程指导，无法介入具体案件的进度查询或纠纷处理，复杂理赔场景仍需依赖保险公司客服或专业律师。
产品覆盖范围未知：技能描述未明确产品数据库的规模与更新频率，小众险种或新上市产品可能未被收录，影响推荐全面性。
个性化深度受限：尽管支持预算、家庭结构等参数输入，但保险配置涉及复杂的财务规划与心理偏好，AI难以完全替代人工顾问的深度沟通与情感支持。
适合的目标群体
- 保险小白用户：对险种功能、术语概念缺乏了解，需要系统化知识普及与需求梳理
- 家庭责任期人群：有子女、房贷等家庭负担，需要科学测算身故、大病等风险缺口
- 产品对比型消费者：希望在多家公司产品间横向比较，追求性价比最优方案
- 预算敏感型用户：希望通过缴费期灵活调整（趸交至30年）优化现金流安排
- 初步规划阶段客户：尚未确定具体产品，需要专业框架辅助明确保障优先级
使用风险
性能与依赖风险：脚本执行依赖本地Python环境与JSON文件读取，若products.json数据损坏或路径配置错误，将导致产品对比与保费计算功能失效。技能未提及数据备份或异常处理机制。
合规与法律风险：尽管嵌入免责声明，但保险销售涉及严格监管，AI推荐的方案若被用户误解为"投保建议"而非"咨询参考"，可能引发纠纷。规范三的渠道提供环节虽强化免责声明，但电话号码等信息的准确性仍依赖维护者更新。
信息安全风险：需求分析涉及年龄、收入、健康状况等敏感个人信息，技能通过stdin传递JSON参数，若执行环境日志记录不当，存在数据泄露隐患。
模型幻觉风险：保险知识问答模块依赖insurance-knowledge.md静态文件，若用户询问内容超出知识库覆盖范围，可能触发大模型生成未经校验的内容。