资产保全智能体的本体论与知识图谱怎么配套建:两个真实业务场景的路径设计、自动化管线与快速落地清单

核心摘要

  • 资产保全智能体不是先有模型再找场景,而是先有场景再反推本体。本文用三份现行监管文件把两个真实场景——保全全套方案路径设计、核销转让项目审查——拆成可建模的阶段、材料与决策点,本体只是这一拆解的产物
  • 两个场景的复杂度差一个数量级:转让是 10 户以上组包、样本资产金额不低于批次 80% 的标准化流水线;核销是 19 条认定标准逐条对证据、账销案存后还要继续追收的非标判断。本体必须按这个差异分层,不能用一张图覆盖
  • 自动化管线只覆盖本体的一部分:pySHACL 0.40.1(Apache-2.0)把校验做成 CI 断言,RDFLib 7.6.0 与 OWL-RL 7.6.2 管解析与推理;概念识别与层级构建靠人工——ICEIS 2025 实证 LLM 编造不存在本体、另开会话即回退
  • 本体快速落地的关键不是工具,是三件事:用能力问题(competency questions)替代"先建个完整的本体"的执念;把写在注释里的业务规则升级为 SHACL 形状让机器可校验;用账销案存的台账结构给智能体一个天然的追踪闭环

常见问题

FIBO 能直接拿来当资产保全本体吗?

A1:不能。本系列前作对 edmcouncil/fibo 全部 295 个本体做了逐词核查,可复用边界限于 FND/FBC 基础层与 Collateral 及其子类(来源8)。而且前作后来用源码证据推翻了自己早期的"以 FIBO 类为父类添加银行口径子类"建议——2025Q3 到 2025Q4 一个季度里 FIBO 移除了 145 个类 IRI(含 CollateralAgreement 本身),旧 IRI 只保留为带 owl:equivalentClass 的弃用指针。继承 FIBO 的类等于把本行本体的稳定性绑在一个每季度都会动的上游上。正确做法是自建,需要时做显式有损映射并标注 mappingLoss。

LLM 能自动生成本体吗?

A2:不能。ICEIS 2025 的作者自己写了免责声明:本工作不打算创建新的本体构建方法,而是探索这些工具如何辅助,承认它们可能无法完全自动化(来源7)。论文记录了七条失效模式,其中两条在资产保全场景尤其危险:ChatGPT 的初始回复包含不存在的本体(换到本场景就是编造 FIBO 里不存在的对应类),以及无状态导致另开会话时已经修正的错误回退(SmartRoom 又变回 Building 子类)。可行用法是把 LLM 限定在术语识别与关系候选,每条人工核实,定义一律从法规条文取。

SHACL 有什么用?不写不行吗?

A3:不写也能跑,但规则就只存在于注释与制度文档里,机器读不了。前作的自述是具体例子:mappingLoss 的规则写在注释里,靠一个构建时脚本检查 33 条映射目标的注记覆盖率(25 条声明有损、8 条明示无损、缺注记 0),但只在构建时生效,进不了运行时。写成 SHACL 形状之后,同一份校验在运行时也生效,而且 pyshacl 的校验报告本身就是审计材料。这是把"规则可机审"落到工具上的最短路径。

知识图谱在资产保全里到底用来干嘛?

A4:三类边各有各的用处。权属与法律关系边来自合同与司法文书,用来回答"这个债权挂了几个担保人、押品在谁手里、查封顺位第几"。资金与交易轨迹边来自账户与支付数据,民丰农商行是公开样本——五类实体、七类关系分析模型、三级穿透、一码通轨迹追踪,下一步做"时间+地点+金融"三维交易地图(来源6)。程序与时序边来自业务系统,回答"诉讼时效哪天到期、过渡期从哪天到哪天"。第三类最被低估,而保全路径设计的全部难点都在时序上。

智能体能自动决策吗?

A5:不能,而且不是技术原因。财金〔2013〕146 号第十五条堵住了"该追没追就核销"的路;第十三条要求上级行组织有关部门严格审查并签署意见,审批是人的动作;第二十五条要求每年累计检查覆盖面不低于当年核销呆账金额的 20%。试点延期通知又加了自查自纠与限时专项审计,2026-05-31 前要报送专项审计报告与整改报告(来源4)。GB/T 45251-2025 的催收频次红线(告知式语音催收含智能语音对单一债务人每日合计不超过 3 次)是必须硬编码的约束。机器做整理与初筛,人工做认定与审批,这条线监管已经划死。

本文哪些内容最需要人类核实?

A6:五处。

  • 财金〔2012〕6号与财金〔2013〕146号均为转载来源(中国会计视野与全球法规网),引用时应以正式文件为准。两份文件自印发以来未检索到废止或修订公告,但本文未做官方渠道的现行有效性复核。
  • 银保监办便函〔2021〕26号原文的暂定施行期限至 2022-12-31,其后两次延期的信息来自界面新闻报道(来源4),本文未获取延期通知原文,延期日期与新增审计要求应以监管正式文件为准。
  • 界面新闻的市场成交数据(2021 年 186.48 亿元、2024 年 2258 亿元、2025 上半年挂牌超 1670 亿元)为报道引述,非官方统计公告。
  • 彩讯 Rich AIBox 与民丰农商行两份材料均为机构自述(来源5、6),非第三方审计,本文只引用其工程方法与已公开的功能描述,未引用任何未标明出处的效果数字。
  • 本文第三、五节的本体四层划分、三类边、十二个能力问题与三条 SHACL 形状示例均为本文提出的设计,不是既有实施案例,落地前需要业务与科技部门联合验证。

资产保全智能体不是先有模型再找场景,而是先有场景再反推本体。本文用三份现行监管文件把两个真实场景——保全全套方案路径设计、核销转让项目审查——拆成可建模的阶段、材料与决策点,本体只是这一拆解的产物。

两个场景的复杂度差一个数量级:转让是 10 户以上组包、样本资产金额不低于批次 80% 的标准化流水线;核销是 19 条认定标准逐条对证据、账销案存后还要继续追收的非标判断。本体必须按这个差异分层,不能用一张图覆盖。

自动化管线只覆盖本体的一部分:pySHACL 0.40.1(Apache-2.0)把校验做成 CI 断言,RDFLib 7.6.0 与 OWL-RL 7.6.2 管解析与推理;概念识别与层级构建靠人工——ICEIS 2025 实证 LLM 编造不存在本体、另开会话即回退。

本体快速落地的关键不是工具,是三件事:用能力问题(competency questions)替代"先建个完整的本体"的执念;把写在注释里的业务规则升级为 SHACL 形状让机器可校验;用账销案存的台账结构给智能体一个天然的追踪闭环。

本文的建议是双轨并行:转让场景走"规则可机审"路线,本体重在材料清单与口径对齐;核销场景走"证据可追溯"路线,本体重在认定标准与证据链。两条线共用一套实体词表,不共用推理层。

智能体自动运行的边界由监管划死:财金〔2013〕146 号要求每年累计检查覆盖面不低于当年核销呆账金额的 20%,2025 年延期通知新增试点机构自查与限时专项审计。机器做整理与初筛,认定与审批留在人工,这条线不能越。


素材说明:本文事实来源为 6 份已归档文件与本站 3 篇系列前作,性质与边界如下。

>

1. 财金〔2012〕6号《金融企业不良资产批量转让管理办法》(来源1,2012-01-18 印发并施行):财政部与银监会联合发布的部门规范性文件,中国会计视野法规库转载全文。本文引用其批量转让定义(10户/项以上组包)、转让范围四类与六类禁转资产、九章转让程序(卖方尽调样本金额不低于批次 80%、一次性付款与分期首付不低于 30%、档案移交、过渡期管理)、以及第二十三条成交价与账面价值差额核销条款。该办法现行有效,但 2021 年后单户对公与批量个人转让已转入试点通道(见来源3)。

2. 财金〔2013〕146号《金融企业呆账核销管理办法(2013年修订版)》(来源2,2014-01-01 施行):财政部部门规范性文件,全球法规网转载北大法宝来源并标注现行有效。本文引用其七条核销原则(严格认定条件、提供确凿证据、严肃追究责任、逐级上报并经审核审批、对外保密和账销案存)、第八条核销申报材料、第十五条五类不得核销债权、第十七条责任认定(核销后 1 年内完成)、第二十二条账销案存与七种债权债务完全终结情形、第二十三条已核销呆账继续追收、第二十五条每年累计检查覆盖面不低于 20%,以及附 1 十九条一般债权呆账认定标准与对应核销材料。

3. 银保监办便函〔2021〕26号(来源3,2021-01-08):中国银保监会办公厅发布的试点工作通知,银登中心官网全文。本文引用其试点原则(依法合规、市场自愿、公开透明、稳步推进、真实洁净转让)、试点机构范围、两类试点贷款(单户对公、批量个人)、五类不参加试点贷款、真实洁净整体转让的禁止性规定(严禁抽屉协议或回购条款)、第六条银行内部管理与专项审计要求、第八条信息披露与公告永久保留、第十一条银登中心平台职责。该通知原文暂定施行期限至 2022-12-31,其后经第二批试点延期至 2025-12-31,再次延期至 2026-12-31(见来源4)。

4. 界面新闻(来源4,2026-01-12,记者曾令俊):财经媒体报道,记载国家金融监督管理总局 2025-12-29 下发延期通知、试点期限延长至 2026-12-31、监管新增自查自纠与限时专项审计(2026-05-31 前报送专项审计报告与整改报告)、试点机构重点关注尽职调查/估值定价/审批决策/个人不良贷款清收管理/对公不良贷款最终买受人/责任认定追究等六方面。市场成交数据(2021 年 186.48 亿元、2024 年 2258 亿元、2025 上半年挂牌超 1670 亿元)为报道引述,非官方统计公告。

5. 彩讯股份 Rich AIBox 资产保全材料审核智能体(来源5):厂商行业百科自述方案,非第三方审计数据。本文仅引用其工程方法(材料来源与版本记录、文件查毒与权限校验前置、字段抽取保留原文页码与段落位置、冲突形成待核对项而非静默选择、规则版本化与适用范围、确定性规则加模型判断的组合、人工修改进入 Bad Case 形成评测集、高风险与不可逆动作保留人工控制),不引用任何未标明出处的效果数字。

6. 民丰农商行社交图谱催收(来源6,2025-07-04,中国经济时报通过中国经济新闻网转载):机构自述实践。本文引用其五类实体(个人、企业、商户、掌心厅、用户)完整关系网络、七类关系分析模型(信贷担保、商户交易、企业员工、关联人等)、不良客户关系三级穿透式分析、一码通交易轨迹追踪,以及下一步交易地图可视化(时间+地点+金融三维动态呈现)。

7. 本站前作《本体构建方法论综述》(来源7):本系列已发布文章。本文引用其自述的 657 三元组银行资产保全本体骨架(AnnotationVocabulary、CollateralScheme 含四个正交分面 29 个 SKOS 概念、Lifecycle 含 6 个逾期阶段 8 项保全措施顺位 1–6 与 7 类角色、Mapping 含 33 条到 FIBO 的显式有损映射)、Talisman 六阶段管线(受控词表、元数据标准、分类法、叙词表、本体、知识图谱,分别绑定 Dublin Core/SKOS/SKOS-XL/RDF Schema 加精简 OWL/SPARQL)、以及 ICEIS 2025 论文记录的 LLM 参与本体构建七条失效模式(含 ChatGPT 编造不存在本体、无状态另开会话即回退、Classroom 被当作 Building 子类三轮才修正)。

8. 本站前作《FIBO 没有资产保全本体》(来源8):本系列已发布文章,对 edmcouncil/fibo 全部 295 个本体逐词核查。本文引用其结论——FIBO 可复用边界限于 FND/FBC 基础层与 Collateral 及其子类,资产保全领域本体必须自建,且不应以 FIBO 类为父类添加银行口径子类(该结论在前作《别继承 FIBO 的类》中用 2025Q3→2025Q4 一个季度移除 145 个类 IRI 的源码证据推翻了早期的继承建议)。

9. 本站前作《资产保全的智能化升级需要什么样的 FDE》(来源9):本系列已发布文章。本文引用其监管红线两条——国标 GB/T 45251-2025 第 5.3.1.8 条授权使用人工智能技术开展催收但规定告知式语音催收对单一债务人每日合计不超过 3 次,以及金发〔2026〕8号要求人工智能高风险应用须经风险管理委员会批准。

10. 自动化管线工具版本(来源8 的工具核实部分在本文单独核实):pyshacl 0.40.1(Apache License 2.0)、rdflib 7.6.0、owlrl 7.6.2,均取自 PyPI 官方 JSON API 于本文撰写日的返回。工具只解决校验、解析与 OWL2 RL 推理,不解决概念识别与领域建模。

一、先把场景说清楚:资产保全智能体到底被要求做什么

用户的问题里给了两个具体任务,它们不是同一件事。

第一个任务是保全全套方案路径设计。 给定一个不良项目,智能体要输出一套处置路径:先做什么、再做什么、每一步需要什么材料、卡在哪个审批节点、哪些环节可以并行。这不是一个分类问题,是一个规划问题,而且是有硬约束的规划——诉讼时效、保全顺位、抵质押物处置次序、债务人财产线索的可用性,都是不能跳过的前置条件。

第二个任务是核销转让项目审查。 给定一个拟核销或拟转让的项目,智能体要审查它够不够格、材料齐不齐、程序对不对。这是一个对照问题:把项目事实逐条对照监管认定标准与内部制度,输出命中了哪条、缺了什么材料、哪条没过。

两个任务的输入输出形态完全不同:第一个输出的是一条路径(有向图加节点属性),第二个输出的是一张对照表(检查项加命中状态加证据指针)。这正是场景导向本体设计的起点——先承认场景不同,再决定共用什么、分开建什么。

先给结论:这两件事今天都已经在银行里用机器做了,但用的不是同一个东西。 来源5 记录的资产保全材料审核智能体,走的是"机器整理与初筛、人工作关键判断"的生产流程;来源6 记录的民丰农商行社交图谱,走的是"关系网络加交易轨迹"的催收辅助。两者都还没到"自动决策"的程度,都在"辅助决策"这一层。这个边界不是技术不够,是监管划的(见第五节)。

二、用三份现行监管文件把两个场景拆开

本文不凭空设计本体。两个场景的业务结构全部从现行监管文件里拆。

2.1 转让场景:一条有明确阶段划分的流水线

来源1(财金〔2012〕6号)与来源3(银保监办便函〔2021〕26号)共同构成转让场景的监管骨架。前者管 10 户/项以上的批量转让,后者管单户对公与批量个人的试点转让。把两份文件的程序条款叠加,转让场景的结构是清晰的九个阶段:

来源3 另外叠了试点通道的专属约束:试点原则里"真实洁净转让"被写成禁止性规定——严禁在转让合同之外签订抽屉协议或回购条款,杜绝虚假出表、虚假转让、逃废债务;第六条要求银行制定试点业务内部管理规定、明确转让方案、履行决策程序、做好尽职调查和资产评估、建立专项审计机制;第八条要求转让公告与转让结果公告在公告平台永久保留;第十一条把资产登记、挂牌展示、转让服务、信息披露、市场监测交给银登中心。

这条流水线的本体含义:每个阶段就是一个类,阶段之间的次序就是一条传递属性,每个阶段要求的材料清单就是该类的属性约束。 这就是场景导向本体的建法——从业务流程的阶段划分直接映射,不从概念分类学出发。

2.2 核销场景:一个逐条对照的判断工程

定义来源2(财金〔2013〕146号)把核销场景拆成"认定标准—证据材料—审批程序—后续管理"四层。

认定标准层。 附 1 列了 19 条一般债权或股权呆账认定标准,每条都配了核销所需材料。挑几条看结构:第(七)条是强制执行类——借款人和担保人虽有财产但强制执行超过 1 年以上仍无法收回,或进入强制执行程序后执行困难经法院裁定终结/终止/中止,或无财产可执行法院裁定程序终结;第(十四)条是小额对公类——单户贷款余额 50 万元及以下(农信社、村镇银行 5 万元及以下)经追索 1 年以上仍无法收回;第(十七)条是中小企业与涉农类——单户 1000 万元及以下经追索 1 年以上可按账销案存原则自主核销;第(十六)条是涉刑类——借款人、担保人或其法定代表人、实际控制人涉嫌违法犯罪,或因金融企业内部案件,经公安机关或检察机关正式立案侦查 2 年以上。

证据材料层。 第八条规定申报材料三类:借款人或被投资企业的呆账核销申报材料及审核审批材料(含债权股权发生明细、借款人与担保人和抵质押物情况、追索情况及结果);经办行的调查报告(含呆账形成原因、补救措施及结果、具体追收过程及证明、抵押物质押物处置情况、核销理由、经办人与部门负责人和单位负责人情况);附 1 至附 3 要求的其他材料。第九条明确不能提供确凿证据证明的呆账不得核销。

审批程序层。 第七条给出六条基本原则:严格认定条件、提供确凿证据、严肃追究责任、逐级上报并经审核审批、对外保密和账销案存。第十三条要求上级行接到申报材料后组织有关部门严格审查并签署意见。第十四条排除外部干预:除法律法规和本办法规定外,其他任何机构和个人(包括债务人)不得干预、参与金融企业呆账核销运作。

后续管理层。 第二十二条与第二十三条是关键:除七种债权债务已完全终结的情形外,已核销的呆账作账销案存处理,建立呆账核销台账并进行表外登记,单独设立账户核算和管理;金融企业应比照表内不良贷款的管理方式建立呆账核销后的资产保全和追收制度,对已核销的呆账继续保留追偿的权利。第十七条要求核销后 1 年内完成责任认定和追究。第二十五条要求每年累计检查覆盖面原则上不低于当年核销呆账金额的 20%。

这个场景的本体含义与转让完全不同。 转让是流水线(阶段次序驱动),核销是对照表(认定标准驱动)。核销场景的本体核心是"认定标准条目—触发条件—所需证据—证据来源"这四元组,而不是流程阶段。

2.3 两个场景的结构差异,决定本体必须分层

维度转让场景核销场景
驱动逻辑流程阶段次序认定标准条目
输出形态路径(有向图)对照表(检查项)
标准化程度高(九阶段固定)低(19 条标准逐条判断)
典型粒度资产包(10 户/项以上)单户逐笔
关键证据尽调报告、估值报告、协议文本法院裁定、追索记录、法律意见书
机器最擅长材料清单核对、阶段完整性检查证据完整性检查、材料交叉校验
人工必须守住估值与定价决策、受让方确定认定判断、审批签署

这张表本身就是本体分层的依据。 共用的是实体词表(借款人、担保人、抵质押物、债权、合同、司法文书),不共用的是推理层:转让场景的推理是"阶段完整性"与"时序合法性",核销场景的推理是"标准命中"与"证据充分性"。

三、场景导向的本体论怎么配套建

讲完场景拆解,现在回答"本体论怎么配套建设"。本文的立场很明确:不要先建一个完整的资产保全本体,先建两个场景子集,共用词表、分开推理。

3.1 四层划分

本系列前作已经交付了一个 657 三元组的银行资产保全本体骨架(来源7),由四个文件构成:AnnotationVocabulary(成熟度与映射注记词汇)、CollateralScheme(押品分面码表,四个正交分面,29 个 SKOS 概念)、Lifecycle(案件、6 个逾期阶段、8 项保全措施、顺位 1–6、7 类角色)、Mapping(33 条到 FIBO 的显式有损映射)。本文在这个骨架上往两个具体场景延伸,给出四层划分:

第一层:共享实体词表(所有场景共用)。 这是 Talisman 六阶段里的第 1 与第 3 层——受控词表加分类法,用 SKOS 承载。内容包括:主体类(借款人、担保人、共同债务人、法定代表人、实际控制人)、资产类(债权、抵质押物、抵债资产、账销案存资产)、文书类(借款合同、担保合同、法院判决书、裁定书、调解书、法律意见书、追索记录)、机构类(银行、资产管理公司、银登中心、法院)。这一层必须先做,因为它决定后面所有场景本体能不能对齐。 前作核查过 FIBO 全部 295 个本体后的结论是:FIBO 可复用边界限于 FND/FBC 基础层与 Collateral 及其子类,资产保全领域本体必须自建(来源8)。

第二层:场景过程本体(转让场景)。 把第二.1 节的九个阶段建成类,阶段次序建成传递属性 precedesStage,每个阶段的材料清单建成属性约束。关键设计:把来源3 的禁止性规定写成图的硬约束而非标签——"严禁抽屉协议或回购条款"不是给资产包打个标签,而是对转让协议实体加一条唯一性约束(一个资产包只能有一份生效转让协议,且不得存在关联的回购协议实体)。

第三层:场景判断本体(核销场景)。 把第二.2 节的 19 条认定标准建成 19 个认定条件类,每条挂四个属性:触发条件、所需证据类型、证据来源、判断主体(机器可判 / 必须人工)。关键设计:把"机器可判"与"必须人工"的区分做进本体,而不是做进提示词。第(十四)条"单户 50 万元及以下经追索 1 年以上"是机器可判的(金额比对、日期比对、追索记录计数);第(七)条"强制执行超过 1 年以上仍无法收回"的"仍无法收回"必须人工判断。

第四层:追踪与审计本体(两个场景共用)。 核销场景的账销案存天然给了追踪闭环:已核销呆账建立台账、表外登记、单独设户、继续追偿(来源2 第二十二、二十三条)。把这套结构建成本体,智能体的每一次建议、每一次材料抽取、每一次规则命中,都挂到这条追踪链上。来源5 记录的工程方法正好对应这一层:任务完成后平台保留所用材料、模型、规则版本、工具调用、人工决定和最终结果,被人工修正的字段、误报和漏报进入 Bad Case 形成企业评测集。

3.2 知识图谱的三类边

本体是 schema,知识图谱是实例。资产保全知识图谱的边可以归成三类,各自有不同的可信来源与更新方式:

第一类:权属与法律关系边。 借款人—担保人—抵质押物—债权之间的担保关系、顺位关系、查封关系。这类边来自合同与司法文书,可信度高但需要文书解析,每条边必须保留文书来源与页码指针。来源5 的方法直接适用:每个字段保留原文页码、段落或单元格位置。

第二类:资金与交易轨迹边。 债务人账户之间的资金流向、商户交易、一码通轨迹。来源6 记录的民丰农商行实践是这类边的样本:五类实体(个人、企业、商户、掌心厅、用户)的完整关系网络,七类关系分析模型穿透信贷担保、商户交易、企业员工、关联人,不良客户关系三级穿透,一码通交易轨迹追踪还原资金流向,下一步做交易地图的"时间+地点+金融"三维动态呈现。这类边可信度取决于数据接入的完整性,必须标注数据时点与覆盖范围。

第三类:程序与时序边。 案件所处的保全阶段、诉讼节点、审批状态、时效起算点。这类边来自业务系统,可信度最高但最容易被忽略。它恰恰是智能体做路径设计时最需要的:诉讼时效什么时候到期、查封什么时候轮候、过渡期(来源1 第二十二条)从哪天到哪天。本文认为第三类边是当前最被低估的一类——银行做了大量客户画像图谱,却很少有人把程序时序建成图,而保全路径设计的全部难点都在时序上。

3.3 一个反直觉的设计判断:不要共用推理层

共用词表、不共用推理层——这个判断来自第二.3 节的结构差异表。如果强行共用,会出现两种情况之一:要么把核销的 19 条认定标准压成流水线阶段(丢失判断语义),要么把转让的九阶段拆成 19 条检查项(破坏流程语义)。两种都是削足适履。

前作在对照 Talisman 六阶段时自述的缺口,在两个场景上表现不同:转让场景缺的是元数据标准与叙词表(因为资产包描述需要多维度标签与等价关系),核销场景缺的是能力问题与 SHACL 形状(因为判断类场景必须能被问题检验、被机器校验)。所以两个场景的补课次序也不同:转让先补词表层,核销先补约束层。

四、有没有自动化工具或 pipeline

这是用户最直接的问题。答案分两半:校验与推理层有成熟工具,概念与建模层没有。

4.1 校验与推理层:现成工具链

本文核实了三个包的版本与许可(取自 PyPI 官方 JSON API):

这条管线在工程上意味着什么:把本体文件与数据图喂给 pyshacl,它会输出一份校验报告,指出哪些实例违反了哪条形状约束。这一步可以放进 CI——每次本体或数据变更,校验报告作为构建断言。这正是前作自述缺口里"SHACL 形状缺失"的解法:前作把 mappingLoss 的语义写成了注释("缺注记者视为有损并失败"),这是给人看的,机器读不了;它本该是一条 SHACL 形状,强制每条映射目标必须带 mappingLoss 或明示无损的 mappingBasis。前作自述当时的做法是构建时脚本检查 33 条目标(25 条声明有损、8 条明示无损、缺注记 0),但只在构建时生效、进不了运行时。换成 SHACL 形状,校验就从构建时延伸到运行时。

Java 侧另有 TopQuadrant/shacl(SHACL API in Java based on Apache Jena,本文核实 246 star、Apache-2.0),适合与 Jena 生态集成。

4.2 概念与建模层:LLM 能帮忙,但失效模式已被实证记录

用大模型参与本体构建,有实证记录,但结论不是"能自动化"。来源7 综述的 ICEIS 2025 论文(《Pipeline for Ontology Construction Using a Large Language Model: A Smart Campus Use Case》,Lichtnow 等,SCITEPRESS,DOI 10.5220/0013096000003929,CC BY-NC-ND 4.0)把 ChatGPT 塞进 Noy 与 McGuinness 的 Ontology Development 101 七步法做经验报告,作者自己先划了边界:本工作不打算创建新的本体构建方法,而是探索这些工具如何辅助本体构建过程,承认它们可能无法完全自动化。

论文记录的失效模式有七条,每条都对应资产保全场景的一个具体风险:

论文里记录最详细的一次故障是步骤 4 的 Places 类:ChatGPT 超出要求自行把地点概念分成八类,核心错误是把 Classroom 当作 Buildings 的子类,三轮修正才压住。这个错误模式在资产保全里会以另一种面貌出现:模型把"抵债资产"当作"押品"的子类,或者把"账销案存资产"当作"已核销呆账"的同义词。 前者在概念上是错的(抵债资产是已取得物权,押品是他物权),后者在监管口径上是错的(账销案存是会计处理,已核销呆账是结果认定)。这类错误必须靠本体里的显式定义与 SHACL 约束拦住,不能靠模型自觉。

4.3 一条可运行的 pipeline 长什么样

把工具与人的分工写清楚,pipeline 是这样的:

这条 pipeline 里机器能自动化的只有第 2 步的一半与第 4 步的全部。 第 1、3、5 步是人的判断。这个比例与 Talisman 的立场一致——来源7 记录她的原话是用机器加速人的工作,而不是把建模判断交给机器。

五、本体怎么快速落地支持智能体自动运行与辅助决策

5.1 快速落地的第一个动作:写能力问题,不是画类图

快速落地的最大障碍是"想建个完整的本体"。绕开它的办法是写能力问题(competency questions)——先列出这个本体必须能回答的业务问题,再反推需要哪些类与属性。Talisman 明确把能力问题列为系统设计的启发式(来源7)。

为两个场景各写一组。转让场景的六个问题:

核销场景的六个问题:

这十二个问题就是两个场景本体的验收单。 前作自述其骨架验证全部是技术性的(XML 良构、RDF 可加载、指向 FIBO 的 subClassOf 为 0、映射注记覆盖率),没有一条业务问题。本文这十二个问题是补这块缺口的直接动作。

5.2 快速落地的第二个动作:把散文规则变成 SHACL 形状

前作自述的缺口最具体的一条是:AnnotationVocabulary.rdf 里把 mappingLoss 的语义写成注释,这是给人看的,机器读不了。这个缺口在两个场景里普遍存在。举三个可立刻动手的例子:

这三条形状一旦写出来,pyshacl 就能在 CI 里跑,本体就从文档变成了可执行约束。 这是"快速落地"里最快的一步——不需要等模型,不需要等数据,只需要把已经写在法规与制度里的规则翻译成 SHACL。

5.3 自动运行与辅助决策的边界划在哪里

这是最关键的问题,也是本系列一直在回答的问题。边界不是技术决定的,是监管决定的。

财金〔2013〕146 号划了三条硬边界。 其一,第十五条:借款人或者担保人有经济偿还能力而金融企业未按规定履行必要措施和实施必要程序追偿的债权,不得作为呆账核销——该追的没追,机器不能给通过。其二,第十三条:上级行接到申报材料应当组织有关部门严格审查并签署意见——审批是人的动作。其三,第二十五条:各级财政部门和银行业监督管理部门负责事后监督,每年累计检查覆盖面原则上不低于金融企业当年核销呆账金额的 20%——外部监督检查是制度设计的一部分,智能体的输出必须经得起这个检查。

试点延期通知新增了两项要求。 来源4 记载,国家金融监督管理总局 2025-12-29 下发延期通知,试点期限延长至 2026-12-31,同时要求试点机构对业务开展自查和审计监督、开展系统性自查自纠,重点关注尽职调查、估值定价、审批决策、个人不良贷款清收管理、对公不良贷款最终买受人、转让和收购机构资质条件责任认定和追究等方面,各试点机构于 2026-05-31 前向直接监管责任单位报送专项审计报告和问题整改报告,并要求健全试点业务违规问责机制、明确问责启动与履职评议和责任认定等关键环节。

本系列前作记录的两条红线仍然有效。 国标 GB/T 45251-2025 第 5.3.1.8 条明确授权金融机构与第三方催收机构可使用人工智能技术开展催收作业,同时规定告知式语音催收(含智能语音)对单一债务人每日合计不超过 3 次;金发〔2026〕8号要求人工智能高风险应用须经风险管理委员会批准(来源9)。催收频次的 3 次上限是机器必须硬编码的约束,不是模型建议。

所以边界是三句话。 机器做:材料整理、字段抽取、清单核对、证据完整性检查、时序计算、冲突标记。人工做:认定判断、估值定价、审批签署、受让方确定。机器必须做的:把每一次建议、每一次抽取、每一次规则命中的依据留痕,让它经得起 20% 覆盖面的检查与专项审计。来源5 的表述与这个边界一致:方案让 Agent 承担材料整理、抽取和初步校验,关键事实、例外情况和最终判断仍由审核人员负责;对稳定、低风险、可逆的步骤提高自动化程度,高风险、争议和不可逆动作继续保留人工控制,每次扩大自动化范围都要经过评测和审批。

六、行动清单

保全业务条线

数据治理条线

信息科技条线

八、事实来源

与系列文章的关系(仅按标题引用,不描述其内容):

本文推论部分(非来源表述):第二.3 节两场景结构差异表与由此推出的"共用词表不共用推理层";第三.1 节本体四层划分与各层关键设计;第三.2 节知识图谱三类边归并与"第三类边最被低估"的判断;第三.3 节不共用推理层的论证与两场景补课次序不同的建议;第四.3 节五步 pipeline 的分工比例;第五.1 节十二个能力问题的拟写;第五.2 节三条 SHACL 形状示例;第五.3 节自动运行与辅助决策的三句边界;第六节全部行动清单;第七节 FAQ 全部回答。文中所有法规条款编号、金额门槛、百分比、时限与工具版本号均为来源 1 至 9 的原始记录,凡媒体引述、机构自述与转载来源均已标注。

本文不构成监管要求、合规意见或法律意见。法规引用以转载渠道为准,正式引用请核对财政部与金融监管总局正式文件。

(内容由AI生成,仅供参考)

参考文献

  1. 金融企业不良资产批量转让管理办法(财金〔2012〕6号) [中国会计视野法规库转载财政部、中国银行业监督管理委员会原文(2012-01-18 印发并施行)]
  2. 金融企业呆账核销管理办法(2013年修订版)(财金〔2013〕146号) [全球法规网(商务部)转载财政部原文,北大法宝来源,标注现行有效,2014-01-01 施行]
  3. 中国银保监会办公厅关于开展不良贷款转让试点工作的通知(银保监办便函〔2021〕26号) [银行业信贷资产登记流转中心(银登中心)官网监管政策栏目全文(2021-01-08 发布)]
  4. 5年时间市场爆发式增长,不良贷款转让试点延期一年,监管新增两项要求 [界面新闻(记者曾令俊,2026-01-12),含试点延期至 2026-12-31 与监管新增自查审计要求]
  5. 金融资产保全材料审核智能体怎么落地:从人工翻材料到可审计闭环 [彩讯股份行业百科(厂商自述方案,非第三方审计)]
  6. 民丰农商行社交图谱赋能不良贷款催收开启清收新篇章 [中国经济新闻网转载中国经济时报(2025-07-04),机构自述实践]
  7. 本体构建方法论综述:Talisman 六阶段管线与 LLM 参与构建的实证,以及银行场景仍缺的三块 [本站已发布文章(本系列前作,含 657 三元组银行资产保全本体骨架自述与两篇方法论文综述)]
  8. pyshacl - PyPI [Python Package Index 官方 JSON API(版本与许可证核实)]
  9. FIBO 没有资产保全本体:银行不良处置建模的复用边界、自建清单与治理陷阱 [本站已发布文章(本系列前作,对 edmcouncil/fibo 全部 295 个本体逐词核查)]
  10. 资产保全的智能化升级需要什么样的 FDE——当监管边界比模型能力更早决定自动化的上限 [本站已发布文章(本系列前作,GB/T 45251-2025 催收频次红线与金发〔2026〕8号高风险应用准入)]

关于作者

毕超,博士、高级工程师(计算机技术专业),金融行业风险管理从业者。

清华大学校友导师,中国人工智能学会终身会员,中国计算机学会学术审稿专家。

研究方向:大语言模型、数字金融、金融科技。2024年获北京市西城区"西融计划"青年拔尖人才。

了解更多:关于作者