风控策略如何和claude code结合

风控策略挖掘、迭代全流程：VSCode + Claude Code 落地方案适配信贷、反欺诈、额度、贷后全场景，从数据表→特征挖掘→策略SQL→规则校验一站式打通 一、前期准备（环境&文件） 1. VSCode安装官方 Claude Code 插件，填入API Key，推荐模型 claude-3.5-sonnet （长文本、SQL、业务解读均衡） 2. 工作区统一存放三类文件（全部脱敏，禁止明文身份证/手机号） 数据表DDL：用户授信、负债、多头、设备、逾期标签表建表语句 历史样本CSV：正负逾期客户样本、线上规则命中明细 存量旧策略：现有准入/反欺诈/额度Hive SQL、策略文档 3. 插件开启「读取整个工程上下文」，一次性加载数十张表、上万行代码 二、完整四大业务场景结合实操 场景1：新特征挖掘 + 准入策略生成（最常用） 直接复制给Claude的Prompt模板 plaintext 当前工程内包含信贷全量数据表、逾期正负样本、现有老风控策略。 你的任务： 1. 基于表字段挖掘区分逾期/正常客户的有效风险特征，计算IV逻辑、分箱区间； 2. 生成分层准入规则：强拒绝规则、人工复核规则、自动通过规则； 3. 输出可直接运行的Hive SQL，每条规则标注：命中率、逾期提升度、业务解释； 4. 规避多头借贷、虚假收入、设备篡改、短时间高频申请四类欺诈风险； 5. 输出完整策略文档，区分新客准入/存量复借两套逻辑。 产出落地物 特征分析报告：有效变量、分箱阈值、风险逻辑 全套准入拦截SQL（可直接提交数据湖跑批） 策略说明文档，方便风控评审 场景2：存量旧策略优化、降误拒/控逾期 1. 全选现有策略SQL+线上命中样本数据发给Claude 2. 指令示例： plaintext 基于当前线上策略的客户命中样本，现有规则误拒率偏高，逾期控制达标。 1. 找出过于严苛、无明显风险区分度的规则，放宽阈值； 2. 补充遗漏的共债、异地登录风险规则； 3. 重写优化后的Hive SQL，对比新旧规则逾期率、通过率变化； 4. 标注调整风险，给出灰度放量建议。 优势 不用手动统计样本，AI自动结合表结构分析规则短板，大幅减少人工测算时间。 场景3：反欺诈专项策略挖掘（设备、行为、团伙作弊） 上传设备指纹、IP、申请行为、同联系人样本表，指令： plaintext 基于设备、手机号、IP、紧急联系人数据挖掘团伙欺诈规则，识别批量注册、虚假工作单位、短时间多设备申请客户；输出团伙识别关联SQL，区分轻度风险、重度欺诈拦截规则。 #风控策略 #金融风控策略