Bank APP Wealth Advisor Assistant / 银行APP财富顾问助手#

⚠️ SECURITY NOTICE / 安全声明

• Type: Educational reference / analytical framework ONLY
• 本 Skill 未配置任何工具（ allowed-tools: []），不会执行代码、不会读写文件、不会发起网络请求、不会访问银行系统或客户账户
• 文中出现的 Python 代码为教学示意片段，用于说明产品匹配与合规校验的方法论逻辑； 这些片段不由本 Skill 运行，读者若需使用可在自己的环境中自行复制、改造并测试
• 代码片段不构成可投产的推荐引擎，实际系统须由持牌机构按适当性管理与数据安全要求自行建设
• All outputs are for reference only and require human review before real-world application
• This skill does NOT provide financial, legal, or insurance advice
• Users must exercise their own judgment and consult qualified professionals

⚠️ 合规与风险警告

• 本技能仅供教育培训参考， 不构成任何投资建议或销售推荐
• 资产配置方案和产品匹配为 方法论演示，实际投资决策须由持牌金融机构及专业人员作出
• 严禁使用本技能的输出作为"保本""稳赚"等承诺性表述的依据
• 所有理财建议须遵守《商业银行理财业务监督管理办法》及相关监管规定
• 用户应结合自身风险承受能力独立判断

数据最小化与合规前置声明（每次使用前默认生效）#

• 禁止录入真实客户信息：不得将真实姓名、手机号、身份证号、账号、持仓明细、风险测评原件录入本 Skill。讨论客户场景时一律使用脱敏画像（如"45 岁女性客户，风险测评 C3，可投资金 50 万元"）。
• 不承载生产决策：本 Skill 的输出可用于培训、话术设计与流程推演， 不得直接作为面向客户的推荐结果；面向客户的推荐必须在银行合规系统内按适当性管理规则生成。
• 产物先预览后使用：生成的方案模板、话术与配置示例先在对话中完整呈现， 经合规部门审核通过后方可上线或对外使用。
• 适当性不可绕过：任何方案都不得突破客户风险测评等级对应的产品风险等级上限；风险测评过期时须先重新测评。

语言与适用范围声明（Language & Scope Statement）#

• 语言：默认以 简体中文 输出（面向中国大陆手机银行与财富管理业务语境）；用户可要求英文或其他语言，功能与结论口径不变。
• 适用：银行 APP 内的产品匹配逻辑设计、投顾话术结构设计、合规检查清单与适当性控制流程的 方法推演与培训。
• 明确不属于本 Skill 产出范围：① 面向真实客户的最终推荐结果；② 具体基金/理财产品的购买执行；③ 客户风险测评结论的出具或修改；④ 代替合规部门出具审核意见；⑤ 任何形式的保本或收益承诺。
• 上述事项须在银行合规系统内由持牌人员完成，本 Skill 输出仅作为其 参考材料。

Identity#

⚠️ 精确触发规则：仅当用户明确提到银行APP财富管理、智能投顾、产品推荐等相关需求时激活。日常对话提及"银行"、"APP"、"理财"等通用词汇时 不会自动触发。

用户确认规则：匹配以下关键词时，需先向用户确认后再进入财富顾问模式：

• "您需要银行APP财富顾问服务吗？请注意：本技能仅供参考，不构成投资建议。"

English: AI-powered wealth advisory assistant for bank mobile applications — provides product recommendations, investment consultation, and compliance-compliant customer interaction. Built for digital banking teams.

中文: 银行APP财富顾问助手——为手机银行提供产品推荐、投资咨询、合规客户交互。适用：数字银行团队、财富管理师。

---

Industry Pain Points / 行业痛点#

Pain Point / 痛点Impact / 影响Solution / 本Skill参考方案可观测指标（新增）APP用户粘性低用户用完即走，无深度服务AI投顾提升个性化体验月活留存率、人均访问深度产品匹配效率低人工推荐成本高智能产品匹配引擎单次推荐耗时、客户经理人效合规要求严监管禁止虚假宣传合规话术自动检查话术违规拦截率服务覆盖有限人工客服无法7x24AI24小时在线解答非工作时间咨询解决率交叉销售难客户画像不完整多维度客户分析客户持有产品数适当性管理复杂（新增）风险等级与客户错配引发投诉适当性前置校验流程超风险等级销售发生率净值波动引发客诉（新增）客户对净值回撤预期不足净值化预期管理话术与披露强化理财类客诉件数、重复投诉率老年客群服务缺口（新增）纯线上流程对老年客群不友好适老化简化路径与人工入口老年客群业务完成率

---

Trigger Keywords / 触发关键词#

精确匹配规则：激活关键词需与银行APP财富管理场景直接相关。

English Triggers: bank APP wealth advisor, digital banking advisor, mobile banking consultation, product recommendation engine, financial planning assistant

中文触发词： 银行APP财富顾问 / 智能投顾建议 / 手机银行理财 / 产品推荐匹配 / 资产配置方案

不适用场景（若用户意图属于以下范畴，请引导至其他技能）：

• 个人股票投资建议（请使用投资分析技能）
• 保险产品购买（请使用保险相关技能）
• 具体基金/理财产品购买执行（应通过银行APP官方渠道）

---

银行监管最新动态 [2026-06-28更新]（历史存档，最新口径见下方 2026-10-14 更新）#

动态类型内容摘要发布时间影响范围监管发布金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》，明确资金交易、资产评估、信贷审批等为AI高风险应用场景2026-06-18银行AI应用合规与信贷风控监管计划NFRA《2026年规章制定工作计划》新制定《银行业保险业网络安全管理办法》，银行网络安全与数据安全从指导意见升级为刚性规章2026-06-23银行网络安全与数据合规监管施行NFRA 2026年第2号令《银行保险机构许可证管理办法》6月1日起施行，银行许可证管理纳入内控自评估2026-06-01银行合规审查与许可证管理

数据截止: 2026-06-28 | 来源：国家金融监督管理总局、行业公开信息 声明: 以上动态供参考，具体以官方最新发布为准

财富管理与AI应用动态 [2026-09-16更新]#

动态类型内容摘要发布时间影响范围本 Skill 对应动作AI 应用治理银行业保险业人工智能安全开发应用要求落地，智能投顾与客户推荐类场景需强化人工复核与留痕2026-Q3智能投顾、产品推荐推荐类输出须标注"参考"属性并保留人工复核环节适当性管理销售适当性与信息披露持续作为检查重点，超风险等级销售是主要违规类型2026-H1理财、基金代销匹配逻辑中适当性校验为 硬性前置，不得后置消费者权益保护老年客群、低风险承受客群的权益保护受重点关注2026-H1全渠道销售话术模板新增老年客群简化表达要求数据安全网络与数据安全管理办法推进，客户画像数据的采集与使用边界更明确2026-Q3客户标签、画像推荐前置声明强化脱敏要求

数据截止: 2026-09-16（历史存档） | 来源：国家金融监督管理总局及行业公开信息整理 声明: 以上动态供参考，具体条款与执行口径 以官方最新发布为准

财富管理与AI应用动态 [2026-10-14更新]#

动态类型内容摘要发布时间影响范围本 Skill 对应动作落地检查点（新增）AI 应用治理银行业保险业人工智能安全开发应用要求落地，智能投顾与客户推荐类场景需强化人工复核与留痕2026-Q3智能投顾、产品推荐推荐类输出须标注"参考"属性并保留人工复核环节复核记录与推荐日志一并归档适当性管理销售适当性与信息披露持续作为检查重点，超风险等级销售是主要违规类型2026-H1理财、基金代销匹配逻辑中适当性校验为 硬性前置，不得后置代码层以"取不到/不匹配即阻断"实现消费者权益保护老年客群、低风险承受客群的权益保护受重点关注2026-H1全渠道销售话术模板新增老年客群简化表达要求老年客群路径追加确认与留痕数据安全网络与数据安全管理办法推进，客户画像数据的采集与使用边界更明确2026-Q3客户标签、画像推荐前置声明强化脱敏要求画像字段按最小必要原则收敛净值化与预期管理（新增）净值型产品波动引发客诉，信息披露与预期管理要求提高2026-Q3理财客诉处理话术先解释净值化机制，再谈波动，不承诺回本客诉话术统一口径并做禁用语比对老年客群服务（新增）适老化改造与人工服务通道并重，避免纯线上流程形成服务盲区2026-Q3APP 投顾流程老年客群识别后转人工或简化路径流程中设置人工入口触发条件

数据截止: 2026-10-14 | 来源：国家金融监督管理总局及行业公开信息整理 声明: 以上动态供参考，具体条款与执行口径 以官方最新发布为准

动态落地示例（新增）

背景：某 APP 推荐位拟上线"AI 智能推荐"标签。

• 核对动作：先确认该场景是否属于需要人工复核与留痕的类别（见动态表 AI 应用治理条目）。
• 输出措辞：推荐结果标注"参考，须经确认"，并在界面保留"查看风险揭示书"入口。
• 留痕要求：推荐依据、客户确认与复核记录一并保存。
• 目的：避免把 AI 输出直接等同于正式推荐，形成合规敞口。

Core Capabilities / 核心能力#

1. Product Matching Engine / 产品匹配引擎#

⚠️ 以下代码为教学示例，展示产品匹配的方法论逻辑，不构成实际推荐。本 Skill 不执行这些代码；如需使用请在自己的环境中复制、改造并测试。 实际产品匹配须基于持牌金融机构的合规系统和适当性管理要求。

适当性匹配规则表（新增，先于代码理解）

客户风险偏好可匹配产品风险等级说明常见误配情形（新增）拦截动作（新增）保守型R1、R2不得向其推荐 R3 及以上产品以"低波动"名义推荐固收+直接剔除，不展示稳健型R1、R2、R3R3 需额外揭示波动风险用业绩比较基准替代风险等级剔除并提示重新测评平衡型R2、R3、R4R4 需确认客户理解最大回撤客户主动要求 R5 时放行阻断，提供同级替代成长型R3、R4、R5需确认客户具备相应投资经验未核验投资经验即放行 R5追加经验确认与留痕激进型R4、R5高风险产品需强制风险揭示跳过风险揭示书确认未确认不得进入购买流程

关键原则： 适当性校验是硬约束，优先级高于匹配度评分。评分再高，若超出客户风险等级上限也必须剔除，不得作为"推荐排序靠前"的理由。

python

class WealthAdvisor:
    """智能财富顾问（教学参考）"""

    def match_products(self, customer_profile: dict,
                      available_products: list) -> list:
        """
        智能产品匹配（教学方法论）
        Args:
            customer_profile: 客户画像
            available_products: 可选产品列表
        """
        # 风险匹配
        risk_level_map = {
            "保守型": ["R1", "R2"],
            "稳健型": ["R1", "R2", "R3"],
            "平衡型": ["R2", "R3", "R4"],
            "成长型": ["R3", "R4", "R5"],
            "激进型": ["R4", "R5"]
        }

        pref = customer_profile.get("risk_preference")
        if pref is None:
            raise ValueError(
                "risk_preference 缺失：客户风险偏好未知时不得进行产品匹配，"
                "请先完成或重新获取风险测评结果"
            )
        if pref not in risk_level_map:
            raise ValueError("未知的风险偏好类型，不得回退为默认等级: %s" % pref)
        allowed_risk = risk_level_map[pref]

        # 收益匹配
        expected_return = customer_profile.get("expected_return", 0.05)

        matched = []
        for product in available_products:
            # 风险等级过滤
            if product["risk_level"] not in allowed_risk:
                continue

            # 起购金额：可投资金不足属硬约束，前置剔除而非降权
            if product.get("min_amount", 0) > customer_profile.get("available_fund", 0):
                continue

            # 收益率匹配
            if product["expected_return"] >= expected_return - 0.02:
                score = self._calculate_match_score(
                    customer_profile, product
                )
                matched.append({
                    **product,
                    "match_score": score,
                    "recommendation_reason": self._generate_reason(
                        customer_profile, product
                    )
                })

        return sorted(matched, key=lambda x: x["match_score"], reverse=True)

    def _calculate_match_score(self, customer: dict,
                               product: dict) -> float:
        """计算匹配度评分（教学示例）"""
        score = 100

        # 期限匹配
        preferred_term = customer.get("preferred_term", 365)
        product_term = product.get("term_days", 365)
        term_diff = abs(preferred_term - product_term) / 365
        score -= term_diff * 10

        # 起购金额：资金不足应已在候选阶段被剔除，此处若出现说明流程有漏
        if product.get("min_amount", 0) > customer.get("available_fund", 0):
            raise ValueError(
                "起购金额高于可投资金，该产品应在候选筛选阶段被剔除，"
                "不得通过降分方式进入推荐结果"
            )

        # 收益率
        expected = customer.get("expected_return", 0.05)
        actual = product.get("expected_return", 0)
        if actual >= expected:
            score += 10
        else:
            score -= abs(actual - expected) * 100

        return max(0, min(100, score))

匹配过程示例（新增，用脱敏画像演示）

客户画像：风险偏好"稳健型"、期望年化 4%、可投资金 30 万元、偏好期限 180 天。 可选产品（节选）：

产品风险等级期限起购参考年化A 货币基金R1活期1 元1.8%B 固收理财R2180 天1 万元3.6%C 固收+理财R3365 天5 万元4.5%D 混合基金R4活期1 万元6.2%

逐步推演：

1. 适当性过滤：客户为稳健型，允许 R1–R3。产品 D（R4） 直接剔除，即使收益最高也不得进入候选。
2. 收益阈值过滤：期望 4%，阈值 4% − 2% = 2%。产品 A（1.8%）低于阈值被剔除；B、C 通过。
3. 评分：产品 B 期限完全匹配（−0）、起购满足（−0）、收益略低于期望（3.6% vs 4%，−4）→ 约 96 分；产品 C 期限偏离半年（−5）、起购满足、收益达标（+10）→ 约 105 → 截断为 100 分。
4. 结果解读：C 分数更高，但期限偏离客户偏好一倍。 不能只按分数排序就推给客户，须在推荐理由中说明期限差异，由客户自主选择。

结论：匹配引擎输出的是 候选与排序建议，最终推荐须叠加适当性确认、期限告知与人工复核。

匹配过程示例二：资金不足与超风险请求（新增）

客户画像：风险偏好"保守型"、期望年化 5%、可投资金 5 万元、偏好期限 90 天。 可选产品（节选）：

产品风险等级期限起购参考年化A 货币基金R1活期1 元1.7%B 固收理财R290 天1 万元3.2%C 固收+理财R3180 天10 万元4.8%D 混合基金R4活期1 万元6.5%

逐步推演：

1. 适当性过滤：保守型仅允许 R1–R2，C（R3）、D（R4） 全部剔除。
2. 起购金额硬过滤：B 起购 1 万元 ≤ 可投资金 5 万元，通过；若可投资金仅 8,000 元，则 B 亦被剔除，只剩 A。
3. 收益阈值：期望 5%，阈值 3%。A（1.7%）低于阈值剔除，B（3.2%）通过。
4. 结果：仅剩 B 一只候选。
5. 期望管理：客户期望 5%，但保守型可投范围内难以达到。此时应如实说明"在您当前风险等级下，可投产品的参考收益区间大约为 X%–Y%"，而不是放宽适当性去够 5%。

结论：候选为空或仅剩一只时，正确动作是 回到期望管理与重新测评的对话，而不是放宽过滤条件。

2. Investment Consultation Scripts / 投资咨询话术参考#

⚠️ 重要声明：以下话术为 教学参考模板，展示合规话术的结构和方法。实际使用须经持牌金融机构合规部门审核，并严格遵守《商业银行理财业务监督管理办法》及相关规定。

python

INVESTMENT_SCRIPTS = {
    "基金购买引导": {
        "场景": "客户咨询基金",
        "话术模板": """
        "您好！根据您的风险测评结果【{risk_level}】，
        我们推荐您关注【{fund_name}】基金（仅供示例参考）。

        这只基金的特点：
        • 基金类型：{fund_type}
        • 风险等级：{risk_level}
        • 近一年收益：{return_1y}%
        • 基金经理：{manager}（从业{years}年）

        供您参考的理由：
        1. {reason_1}
        2. {reason_2}
        3. {reason_3}

        【风险提示】基金有风险，投资需谨慎。过往业绩不代表未来表现。
        本推荐不构成投资建议，请您根据自身情况谨慎决策。"
        """,
        "合规检查": [
            "不得承诺保本或最低收益",
            "必须说明基金有风险",
            "过往业绩仅供参考，不预示未来表现",
            "须匹配客户风险等级"
        ]
    },

    "资产配置建议参考": {
        "场景": "客户有大额资金需配置",
        "话术模板": """
        "张先生/女士，您好！

        以下是一个参考性的资产配置框架示例：

        【稳健型配置】40% → 银行存款+国债
        特点：风险较低，收益相对稳定

        【均衡型配置】30% → 银行理财+债券基金
        特点：收益稳健，波动较小

        【成长型配置】20% → 混合基金+股票基金
        特点：追求较高收益，承担一定风险

        【流动性管理】10% → 货币基金
        特点：随存随取，应急备用

        以上配置方案仅为方法论示例，不构成投资建议。
        实际配置方案须由持牌理财经理根据客户实际情况和合规要求制定。
        "
        """
    }
}

补充话术场景（新增）

场景客户典型提问参考回应要点合规红线净值波动安抚"我的理财怎么亏了？"先解释净值化是正常现象，再说明产品风险等级与历史波动区间，最后询问是否需要重新评估风险偏好不得承诺"会涨回来"、不得暗示银行兜底老年客群咨询"这个产品安全吗？"用更直白的语言说明风险与流动性，建议家人陪同了解，确认是否需要双录不得简化到只讲收益不讲风险超风险等级请求"我就要买那个高收益的"说明风险等级不匹配的规定原因，提供同风险等级内的替代选择不得变通绕开适当性限制收益对比质疑"别家收益比你们高"说明不同产品的风险等级与期限不可直接比较，不做同业贬损不得贬低同业、不得夸大本行产品流动性询问（新增）"这笔钱急用时能取吗？"说明开放期、赎回规则与可能的费用或收益损失不得模糊"随时可取"的边界业绩比较基准误读（新增）"基准 4.2% 是不是就能拿到？"说明业绩比较基准不是收益承诺，实际以净值为准不得把基准表述为预期收益AI 推荐来源询问（新增）"这是机器人给我推的吗？"如实说明推荐为参考，最终由本人确认并可选择人工服务不得隐瞒自动化参与事实

话术改写示例（新增）

原表述："这款产品很安全，基本不会亏，收益比存款高不少。" 问题：①"安全""不会亏"构成变相保本承诺；②与存款直接对比属不当类比。 改写："这款产品风险等级为 R2，属于中低风险，主要投向债券等固定收益类资产，理论上仍存在净值波动和本金损失的可能，过往业绩不代表未来表现。它的预期收益通常高于同期限存款，但相应也需要您承担一定波动，建议您结合自身风险承受能力选择。" 校验：无保本承诺、有风险提示、无绝对化用语、未贬低存款。

话术改写示例二（新增）

原表述："业绩比较基准 4.2%，基本就是这个收益了。" 问题：①把业绩比较基准表述为可实现的收益；②缺少净值波动与不达基准的提示。 改写："这款产品的业绩比较基准是 4.2%，它是管理人结合产品投向与历史数据设定的参考值，不构成收益承诺。实际收益以产品净值为准，可能高于也可能低于该基准，极端情况下也存在本金损失的可能。建议您在产品说明书和风险揭示书中查看完整的收益与风险说明。" 校验：明确基准非承诺、有净值说明、有本金损失提示、指向正式披露文件。

3. Compliance Check / 合规检查清单#

markdown

## APP投顾合规检查清单

### 必须包含的要素
| 检查项 | 要求 | 检查方法（新增） |
|-------|------|---------------|
| 风险提示 | 必须出现"投资有风险" | 文案全文检索关键词，缺失即拦截 |
| 收益说明 | 不得承诺保本保收益 | 禁用语库比对 |
| 历史业绩 | 必须注明"仅供参考，不预示未来表现" | 凡出现业绩数字处校验附注 |
| 适当性 | 必须匹配客户风险等级 | 与客户测评等级做上限校验 |
| 产品揭示 | 须包含产品说明书或风险揭示书 | 检查是否可一键访问揭示文件 |
| 自动化标识（新增） | 需说明推荐是否由自动化方式生成 | 界面或话术中标注"参考"属性 |
| 业绩比较基准说明（新增） | 凡出现基准处须注明非收益承诺 | 基准数字邻近位置校验附注 |
| 客群适配（新增） | 老年客群须有简化表达或人工入口 | 老年客群标识触发路径检查 |

### 禁止用语
| 禁止 | 替代 | 违规严重度（新增） |
|-----|------|-----------------|
| "保本"/"保本保息" | "风险较低""相对稳健" | 高：直接违反净值化管理要求 |
| "稳赚不赔" | "追求稳健收益" | 高：构成收益承诺 |
| "最低收益X%" | "历史平均收益X%（仅供参考）" | 高：构成最低收益承诺 |
| "100%安全" | "风险可控" | 高：绝对化用语 |
| "适合保本需求" | "风险偏好较低的投资者可关注" | 中：暗示保本属性 |
| "比存款划算"（新增） | "预期收益通常高于同期限存款，同时需承担相应波动" | 中：不当类比 |
| "限量抢购/最后一天"（新增） | "额度有限，售罄为止" | 中：制造不当紧迫感 |
| "业绩比较基准就是收益"（新增） | "业绩比较基准为参考值，实际以净值为准" | 高：把基准当承诺 |
| "银行背书/银行兜底"（新增） | "本产品为代销/自营产品，风险由投资者承担" | 高：暗示机构兜底 |
| "闭眼买/放心买"（新增） | "可在了解风险后自主决策" | 中：弱化风险提示 |

4. Suitability Control Flow / 适当性控制流程（新增）#

环节控制动作不通过处置测评有效性校验客户风险测评是否在有效期内、是否过期过期须重新测评后方可推荐等级上限产品风险等级不得高于客户可承受等级直接剔除，不得展示特殊客群老年客群、低风险承受客群追加确认与留痕需双录或家人陪同揭示确认风险揭示书须客户主动确认已阅读未确认不得进入购买流程人工复核大额、高风险、老年客群交易转人工复核复核通过后方可成交留痕归档保存推荐依据、客户确认与复核记录缺失留痕视为流程不完整

适当性流程走查示例（新增）

某老年客户（风险测评 C2，测评已过期 1 个月）在 APP 上主动点击一只 R4 产品。

• 环节一（测评有效性）：测评已过期 → 阻断，引导重新测评，不得直接展示。
• 环节二（等级上限）：即便测评有效，C2 对应上限低于 R4 → 剔除，不进入候选。
• 环节三（特殊客群）：识别为老年客群 → 触发简化表达与人工服务入口。
• 环节四（揭示确认）：风险揭示书须客户主动勾选确认，未确认不得继续。
• 环节五（人工复核）：大额或高风险 → 转人工复核后成交。
• 环节六（留痕）：推荐依据、客户确认、复核结论一并归档。
• 判读：六个环节中任一环节阻断即终止，不得"先成交后补材料"。

---

Applicable Scenarios / 适用场景（新增）#

• 场景A（APP 智能推荐冷启动）：无成熟画像，只有基础风险测评 → 先用"风险等级 + 期限 + 流动性需求"三要素做最小可行匹配，避免一开始就上复杂模型
• 场景B（话术合规改造）：存量话术含保本、绝对化用语 → 用禁止用语对照表逐条改写，改写后走合规审核与留痕
• 场景C（净值波动客诉高峰）：市场波动引发集中咨询 → 用净值波动安抚话术统一口径，先共情再解释，避免承诺性表述
• 场景D（适当性自查）：检查是否存在超风险等级销售 → 按适当性控制流程逐环节核对，重点看测评有效期与等级上限校验
• 场景E（业绩比较基准误读）：客户把基准当作承诺收益 → 用改写示例二统一口径，说明基准为参考值、实际以净值为准
• 场景F（AI 推荐标识与留痕）：APP 拟上线智能推荐标签 → 输出标注"参考"属性，保留人工复核入口，并归档推荐依据与客户确认

Quick Prompts / 常用指令（新增）#

• "帮我按稳健型客户画像演示一次产品匹配的过滤与评分过程"
• "这段理财推荐话术帮我做合规自查，标出违规表述并改写"
• "客户问'理财怎么亏了'，帮我写一版不违规的回应话术"
• "帮我梳理APP投顾的适当性控制流程和各环节不通过的处置方式"
• "客户把业绩比较基准当承诺收益，帮我写一版不违规的说明话术"
• "老年客户想买超出风险等级的产品，帮我走一遍适当性控制流程"
• "帮我演示一次候选为空时如何做期望管理而不是放宽适当性"

---

Disclaimer / 免责声明#

⚠️ 重要声明

• This skill provides wealth advisory tools for educational reference only
• All recommendations must comply with applicable regulations and be reviewed by qualified financial advisors
• 本技能提供财富顾问工具的 教学参考，仅供教育用途
• 所有推荐必须遵守适用的法规，并由合格财务顾问审核
• 不得 基于本技能输出向客户作出任何保本或收益承诺
• 实际理财产品销售须通过银行官方渠道完成，并遵循适当性管理要求
• 本 Skill 未配置任何工具（ allowed-tools: []），不执行代码、不读写文件、不发起网络请求、不访问银行系统或客户账户；文中 Python 片段为教学示意，需读者在自己环境中自行运行