如何构建标准化的AI信用分析工作流以确保数据可信与结果可追溯？

构建标准化的AI信用分析工作流，旨在解决传统信评工作中信源分散、主观性强及难以标准化的问题。该工作流主要通过“三源数据融合”、“六步标准化工作流”和“七维打分”三个核心模块来实现数据可信、流程可控和结果可追溯。

首先，“三源数据融合”是实现数据可信的基础。该模块接入Wind、企查查、恒生聚源三个权威数据源的MCP服务，并行搜集信息。为确保数据的准确性和完整性，需设定不同信息源的优先级。例如，在企业基本面和股权架构方面，以企查查为主源；在存续债、评级及财务数据方面，以Wind为主源，恒生聚源为补源；在宏观、区域财政及行业数据方面，以Wind为主源，联网搜索为兜底。当某一信息源缺失数据时，由次一优先级的信息源提供；当同一财务指标在多信息源存在差异时，则在报告中进行标注。这种多源补足和交叉验证机制，有效解决了单一数据源可能存在的缺失或错误问题。

其次，“六步标准化工作流”实现了流程的可控性。该工作流将AI的完整分析流程固化为六个顺序步骤：确认主体、多源信息采集、整理指标、七维评分、完整性核查、出具报告。在每个步骤中，明确界定AI需要执行的操作、调用的工具以及遵守的要求。例如，在确认主体阶段，需明确全称、类型和代码；在多源采集阶段，调用Wind、企查查和恒生聚源；在整理指标阶段，进行信用风险指标计算；在七维评分阶段，按照既定规则打分并确保可溯源；在完整性核查阶段，进行数据溯源、核验补缺及缺失标注；最后在报告生成阶段，按照固定模板输出。通过这种结构化设计，确保了工作流的稳定可复现。

最后，“七维打分”实现了结果的可追溯性。该模块构建了包含偿债能力、盈利能力、运营能力、资本结构、外部支持、行业/区域风险、公司治理与法律风险七个维度的评分框架。每个维度均要求AI根据核心指标表现取基本分，再结合趋势变化、行业偏离的表现进行微调，并检查评级下调、负面展望、高管频繁变更等特殊情况做最后修正。七维评分加权汇总后得到总评分，并映射到低风险、中低风险、中等风险、偏高风险、高风险五个风险档位上。Skill生成的报告会对每一个维度制作独立的打分卡，展示各维度分数的计算过程，使得分析结论清晰可追溯，便于投资者理解和复核。