https://github.com/FDU-INS/Insurance-Skills

平台在线体验

https://skills.fduinsurance.com

报告阅览下载

https://pan.baidu.com/s/1OOGCVgOBcGqyCFv4wu_nQw?pwd=LVNQ

“龙虾”（AI智能体）是能够理解任务、调用工具、完成闭环的专业系统。Skill，则是智能体的专业技能包——把核保规则、理赔流程、客服话术、合规口径封装成“即插即用”模块，让大模型真正进入保险业务开展工作。

但实际建设面临四大难题：

此次开源发布的Insurance-Skills致力于解决上述问题，面向保险场景，提供保险全生命周期、全业务环节的Skill汇集、梳理、解析与测评，支持快速部署、灵活扩展与生态共建。团队希望通过平台化、开源化、标准化的方式，把保险领域分散的能力沉淀为更易发现、更易比较、更易复用的Skill资产，推动保险行业从零散试点走向系统化能力建设。

02 四大核心亮点，直击行业真问题

Insurance-Skills通过全网多渠道持续收集和整理保险相关Skill，覆盖产品咨询、保单服务、核保支持、理赔服务、客服助手、营销与推荐、合规与风控、运营支持、培训与知识问答等高频业务环节。随着平台持续迭代，标签体系与场景分类体系还将不断丰富，提升Skill库的更新效率与覆盖广度，让不同角色的用户能够更快接触到最新、最匹配业务需求的保险Skill。

面对数量不断增长、来源不断扩展的保险Skill，如何快速找到合适的能力，并清楚理解其适用场景与功能边界，成为保险智能体建设中的关键问题。Insurance-Skills提供统一的检索入口和标准化的信息展示，帮助用户更高效地完成Skill的查找、识别与理解。用户不仅可以根据业务场景、功能方向和标签分类快速检索相关Skill，还可以进一步查看每个Skill的功能说明、适用场景、使用方式及相关特征信息。相比在分散渠道中逐一筛选和理解不同Skill，平台通过更清晰的结构化展示，显著降低了用户的信息获取成本，帮助保险公司数字化团队、产品技术团队及相关开发者更快完成初步选型和能力判断。

面对同一保险场景，往往会存在多个Skill方案，怎么选？为此，Insurance-Skills建立了多维度测评机制，从清晰度、完整度、可操作性、可维护性、安全性五个维度进行评价与打分。这种标准化的评价框架，帮助用户快速判断某个Skill是否适合自己的业务场景、同类Skill中谁更优，以及哪些Skill更适合优先进入候选池。

Insurance-Skills将持续围绕保险场景能力建设深化平台布局，扩展覆盖范围，完善标签体系与场景分类体系，优化测评模型与评分方法，提升Skill集成与应用效率，逐步构建更加开放、完整、持续演进的保险Skill生态。

团队以全网保险强相关Skill为样本，通过全量搜集、质量评估与风险分析，厘清保险智能体Skill市场现状，形成国内首份《保险“龙虾”技能洞察报告》，致力于破解行业“供给量大、落地困难、标准缺失”的核心痛点，填补保险领域智能体Skill标准化测评与风险治理的研究空白，为全行业构建相关建设规范、落地标准与安全防控体系提供权威数据支撑，推动保险AI智能体从概念验证迈向规模化、生产化、业务化落地。

核心洞察

1. 增量显著但有效供给有限：万级检索结果仅筛选出539个有效样本；2026年3月单月新增287个，市场快速放量。

2. 场景高度集中：聚焦理赔、合规、风控、承保，合规审查内控（17.21%）、数据分析（12.28%）居前。

3. 以辅助能力为主：71.5%为参考文档型，仅8.7%支持自主工具调用。

4. 复用性极低：仅0.7%可独立运行，外部依赖强、跨机构迁移难度大。

5. 安全风险集中：共1937条风险项，数据隐私泄露（569次）、合规监管（358次）、外部依赖（281次）为核心隐患。

6. 质量短板清晰：综合均分7.73，弱项在示例、章节覆盖、错误指导、版本跟踪。

7. 优质标准：功能边界清晰、结构完整、依赖与风险显性化。

Insurance-Skills和《保险“龙虾”技能洞察报告》现已正式发布。开发者及合作伙伴可通过开源项目主页或平台网站，深入了解平台架构、Skill分类体系及社区共建计划；亦可点击文末“阅读原文”下载完整版报告。我们诚邀社会各界积极参与，共同推动金融保险场景中AI与智能体的创新发展，围绕场景设计、质量评估、安全治理与生态协同等关键议题深化探索，持续释放技术潜能，以新质生产力为引领，更高效赋能经济社会高质量发展。

原文链接：https://pan.baidu.com/s/1OOGCVgOBcGqyCFv4wu_nQw?pwd=LVNQ#list/path=%2F