175 · Python AI 辅助异常解读：风险分 → 人话结论 + 建议核查程序
**问题** 156 的 risk_dashboard 输出 score 和 level，但投委会要的是"所以呢"。本篇把风险分映射成三段式人话：一句结论、风险从哪来、下一步查什么。这里演示"规则驱动的模板生成"——不调大模型也能出像样的初稿，再叠加模型润色。 **示例代码** python ```javascript # ai_layer.py 续 —— 异常解读模板 def explain_risk(risk: dict) -> dict: lvl = risk["level"] layers = risk["layers"] top = max(layers, key=layers.get) # 哪层分最高 verdict = {"高危": "存在重大风险，建议暂缓或否决", "关注": "存在需关注的异常，建议补充核查", "相对干净": "未见重大异常"}.get(lvl, "待定") prog = {"审计": "复核拨备计提与错报", "实体": "深挖诉讼/担保敞口与对赌义务", "二级": "比对同业毛利与现金流背离"}.get(top, "全面复核") return {"结论": verdict, "主要风险层": top, "建议程序": prog, "提示": f"风险主要落在{top}层"} risk = risk_dashboard(load_sample("sample_company"), {"ecl": ecl_model(load_sample("sample_company")), "margin": margin_benchmark(load_sample("sample_company"))}) print(explain_risk(risk)) ``` **关键点** - 三段式：结论（拍板用语）+ 主风险层（定位）+ 建议程序（行动），结构固定不跑偏。 - 规则可解释：top 层用 max 选出，结论可追溯到具体数字，不是黑箱。 - 与模型互补：模板出初稿，模型做润色和扩展，既稳又灵活。 **小结** 异常解读是"数字到人话"的翻译层。先用规则保证结论靠谱，再让模型把话讲漂亮。 --- 你更信"规则模板出结论"还是"模型自由发挥"？评论区聊。 如果有用，点赞收藏关注，留下你的解读难题。下期预告：智能底稿生成（工具箱输出自动填进底稿模板）。 会计师事务所的一名注册会计师
