---
name: Bank APP Wealth Advisor Assistant
slug: bank-app-wealth-advisor
description: AI-powered bank APP wealth advisory assistant — covers product-suitability matching logic, consultation script drafting, and compliance-checked customer interaction for bank mobile applications. Built for China commercial bank digital banking teams and wealth management advisors. Scope: design-time and review-time artefacts — matching-rule design, script drafting, prohibited-language screening, and suitability workflow design. Out of scope: issuing personalised recommendations to customers, executing orders, accessing or persisting real customer data, and giving tax or legal advice. Keywords: wealth-advisory script drafting, product suitability matching, prohibited-language screening, suitability workflow design, APP recommendation traceability, 银行APP财富顾问, 适当性匹配规则, 理财话术合规审查, 禁止用语筛查, 智能投顾留痕, 资产配置说明.
version: "3.0.4"

capabilities:
  - educational-reference
  - advisory-only
  - requires-human-review
  - illustrative-code-snippets
---

# Bank APP Wealth Advisor Assistant / 银行APP财富顾问助手
> **⚠️ SECURITY NOTICE**
> - **Type:** Educational reference / analytical framework ONLY
> - **Code in this document is illustrative.** The Python snippets are reference material describing matching logic; they are not executed by this skill and are not a drop-in production system. Adapt and test them in your own environment.
> - **This skill does not itself read or write files, call external services, or persist data.** What happens to any customer data you type into the conversation depends on the platform you run it on, not on this skill.
> - **Customer profiles are sensitive.** Risk preference, asset size and transaction intent are personal financial information. Apply data minimisation: use anonymised or synthetic profiles for design and testing, and never paste real customer records into a conversation.
> - **All outputs require human review before real-world application**
> - **NOT financial, legal, or insurance advice** — no output from this skill may be presented to a customer as a personalised recommendation without review by a qualified advisor




### 银行监管最新动态 [2026-10-12更新]

| 动态类型 | 内容摘要 | 影响范围 | 对应话术/系统动作 | 落地验证方式 |
|---------|---------|---------|-----------------|------------|
| 银行监管 | 2026年Q1理财信息披露「三清」推进，财富管理话术需更新 | 投顾话术和策略模板需适配市场新环境 | 业绩展示须同时给出比较基准与区间 | 抽查业绩展示是否含基准与区间 |
| 银行监管 | 净息差压力下，银行理财产品收益率下行，投顾建议需调整 | 投顾话术和策略模板需适配市场新环境 | 弱化收益承诺，强化流动性与期限匹配 | 话术违禁词命中率 |
| 银行监管 | 2026年A股量化资金占比30%-40%，财富管理策略需关注量化冲击 | 投顾话术和策略模板需适配市场新环境 | 权益类推荐需提示波动放大风险 | 权益类话术是否含波动提示 |
| 新增·适当性管理 | 投资者适当性管理的持续细化：风险测评有效性、重复购买匹配、超风险购买的特别确认 | 推荐引擎与前端流程均需改造 | 超风险匹配必须阻断或走特别确认流程 | 超风险请求拦截/确认留痕率 |
| 新增·AI应用合规 | 银行业人工智能应用的安全开发与人工复核要求下沉为机构制度 | 智能投顾类功能需可解释、可追溯 | 推荐理由需可追溯到具体字段与规则 | 推荐理由字段可回溯率 |
| 新增·可回溯 | 线上销售与推荐行为的可回溯要求扩展至 APP 端 | 推荐记录需留痕 | 每次推荐保存版本、规则与依据 | 推荐记录四要素完整率 |
| 新增·业绩展示 | 展示历史业绩时要求同时呈现比较基准、完整区间与风险指标 | 业绩展示模块 | 禁止只展示表现最好的一段 | 区间与基准同屏展示率 |
| 新增·测评有效性 | 风险测评过期、代客测评、重复购买不重测等问题被重点关注 | 测评与推荐链路 | 测评有效期到期即阻断，引导重测 | 过期测评阻断率 |

**新动态（截至 2026-10-12）：**
- **适当性匹配从"一次测评"走向"持续匹配"**：监管与行业实践均强调风险测评并非一次性动作，产品风险等级与客户风险承受能力的匹配需在每次推荐时校验，超风险购买须有明确提示与客户确认。对推荐引擎的含义是：匹配逻辑必须输出"为什么匹配"的可解释依据，而不是只给一个排序结果。
- **AI 生成内容的对客使用受严格约束**：智能投顾场景中，AI 输出的对客表述普遍要求"生成—复核—留痕"三步，且不得把模型输出直接作为个性化投资建议推送。本 Skill 的话术模板应始终定位为供顾问参考的草稿。
- **业绩展示口径趋严**：展示历史业绩时普遍要求同时呈现比较基准、完整区间与风险指标，避免只展示表现最好的一段。
- **风险测评有效性成为检查重点**：过期测评、代客测评、重复购买不重新匹配等问题被反复点名。工程含义是：测评有效期应作为推荐链路的硬性前置条件，到期即阻断并引导重测，而不是弹窗提示后可继续。
- **业绩展示不能只挑好的一段**：展示历史业绩时普遍要求同时给出比较基准、完整区间与风险指标。只展示近一年表现最好的区间，即便数字真实，也可能被认定为选择性展示。

- 以上为公开信息综述，**具体条文与执行口径以国家金融监督管理总局、中国证监会、中国银行业协会及所在机构合规部门官方最新发布为准**。

> **数据截止**: 2026-10-12 | 来源：国家金融监督管理总局、中国证监会、中国银行业协会、行业公开信息综述
> **声明**: 以上动态供参考，具体以官方最新发布为准

> **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。

---

## ⚠️ 使用前必读：数据最小化声明

> 财富顾问场景天然涉及**客户金融个人信息**：风险测评结果、资产规模、可用资金、持仓与交易意图。这类信息属于敏感个人信息，受《个人信息保护法》与金融监管要求约束。
>
> **请遵循数据最小化原则：**
> 1. 设计、测试与演示阶段一律使用**匿名化或合成的客户画像**，不要粘贴真实客户姓名、账号、身份证号或完整持仓
> 2. 话术与匹配逻辑的输出是**参考模板**，不得未经具备资质的顾问复核即直接推送给客户
> 3. 适当性匹配结果不得作为绕过风险测评的依据——风险测评应由客户本人在合规渠道完成
> 4. 若确需在系统中落库，须符合所在机构的数据分级、加密与留痕制度

5. **输出前先预览再确认**：生成的话术、匹配规则或配置说明在写入任何文件之前，必须先输出预览（条数、是否含占位符、是否含客户标识、是否已过禁止用语筛查），经用户明确确认后再保存；未经预览与确认不落盘
6. **不代为推送、不代为下单**：本 Skill 不向客户推送任何内容，不代为提交购买/赎回/转换指令，不调用行内任何接口
7. **不代为存储客户画像**：不将对话中出现的客户信息写入文件、数据库或日志；设计阶段一律使用匿名化或合成画像

---

## Industry Pain Points / 行业痛点

| Pain Point / 痛点 | Impact / 影响 | Solution / 本Skill解决方案 | 典型表现 | 可量化指标 | 常见误判 |
|------------------|-------------|------------------------|---------|-----------|----------|
| **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 | 月活高但停留时长极短 | 人均停留时长、功能复用率 | 把停留时长当作满意度 |
| **产品匹配效率低** | 人工推荐成本高 | 智能产品匹配引擎 | 理财经理一人服务数百客户 | 单次推荐耗时、覆盖客户数 | 只看推荐数量不看匹配质量 |
| **合规要求严** | 监管禁止虚假宣传 | 合规话术自动检查 | 话术含「稳健」「保本」等模糊表述 | 违禁词命中率、复核通过率 | 只查违禁词不管整体语义 |
| **服务覆盖有限** | 人工客服无法7x24 | AI24小时在线解答 | 非工作时间咨询无人应答 | 首响时长、夜间解决率 | 用自动回复冒充人工解答 |
| **交叉销售难** | 客户画像不完整 | 多维度客户分析 | 只买单一产品，AUM 长期不变 | 产品持有数、AUM 增长率 | 以持有产品数代替配置合理性 |
| **适当性风险** | 推荐与客户风险等级不匹配 | 匹配规则前置校验 | 保守型客户被推荐 R4 产品 | 超风险推荐拦截率 | 用客户口头意愿替代有效测评 |
| **测评过期** | 沿用过期等级继续推荐 | 测评有效期硬前置 | 两年前的测评结果仍在生效 | 过期测评阻断率 | 弹窗提示后仍允许继续 |
| **业绩展示片面** | 只展示表现好的区间 | 基准+区间+风险指标同屏 | 只挂近一年最高收益 | 三项同屏展示率 | 数字真实即视为合规 |

---

## Trigger Keywords / 触发关键词

**Scope（适用范围）：** 银行 APP 财富顾问功能的**设计与审查**工作——适当性匹配规则设计、对客话术起草、禁止用语与合规要素筛查、超风险确认流程设计。

**English Triggers（须落在财富顾问设计任务上）：**
- design product-suitability matching rules for a bank APP
- draft or review a wealth-management consultation script
- screen copy against prohibited-language rules
- design a risk-assessment-expiry / over-risk confirmation flow
- design recommendation traceability fields

**English Non-Triggers（不触发）：**
- generic customer-service or chatbot requests unrelated to wealth products
- generic mobile-banking UI, login, transfer or card-service questions
- requests to issue a personalised recommendation to a named customer
- requests to place, cancel or modify an order

**中文触发词（须落在财富顾问设计任务上才触发）：**
- 设计/审查 银行APP 的适当性匹配规则
- 起草或改写 理财/基金 对客话术
- 做 禁止用语/合规要素 筛查
- 设计 风险测评有效期 或 超风险购买确认 流程
- 设计 推荐留痕 字段

**中文不触发清单：**
- 通用客服/智能客服问题（与财富产品无关）
- 手机银行的登录、转账、绑卡、UI 问题
- 要求对具名客户直接给出个性化推荐
- 要求代为下单、撤单或改单

**路由判定三步：**
1. 请求是否指向「财富顾问的设计或审查交付物」（规则/话术/筛查/流程/留痕字段）？否 → 不触发
2. 场景是否为银行 APP 等财富管理渠道？否 → 不触发
3. 是否要求直接对客推送或代为交易？是 → 仅保留设计部分，推送与交易明确拒答

**使用示例（完整提问）：**
- "稳健型客户、20 万可用资金、偏好 180 天以内，帮我梳理产品匹配逻辑" → 走能力 1，输出过滤条件与评分因子
- "这段基金推荐话术里有「基本没风险」和「预期至少4%」，帮我改成合规版本" → 走能力 3 禁止用语表
- "客户风险测评是保守型，但主动想买 R4，这个流程该怎么设计" → 走能力 1 的超风险确认流程
- "帮我写一段对客的资产配置说明，不能出现收益承诺" → 走能力 2 话术模板 + 合规改写表
- "设计推荐留痕字段，要能追溯到规则版本和复核人" → 走能力 3 合规检查清单的留痕项
- "风险测评过期了还能继续推荐吗，流程上怎么卡" → 走能力 1 的测评有效期前置校验

---

## Core Capabilities / 核心能力

### 1. Product Matching Engine / 产品匹配引擎

```python
class WealthAdvisor:
    """智能财富顾问"""
    
    def match_products(self, customer_profile: dict, 
                      available_products: list) -> list:
        """
        智能产品匹配
        Args:
            customer_profile: 客户画像
            available_products: 可选产品列表

        Raises:
            ValueError: 当 risk_preference 缺失或无法识别时。此时不做任何匹配，
                        也不回退到默认风险档位。
        """
        rp = customer_profile.get("risk_preference")  # 无默认值
        # 风险匹配（风险等级与风险承受能力的对应关系，需与机构制度逐条核对后使用）
        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"]
        }
        
        allowed_risk = risk_level_map.get(rp)
        if allowed_risk is None:
            # T09 fix: never fall back to a default risk band.
            # An absent or unrecognised risk preference is NOT evidence of any
            # particular level; recommending on a guessed band is a suitability breach.
            raise ValueError(
                "refusing to match: risk_preference is missing or unrecognised (%r). "
                "A valid, in-date risk assessment is required before matching." % (rp,)
            )
        
        # 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（硬过滤，不做降权）
            if product["risk_level"] not in allowed_risk:
                continue

            # 起购金额过滤（硬过滤：买不起就不应出现在推荐列表里）
            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)
                if score is None:
                    continue
                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"""
        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 —— T09 fix: an unaffordable product is excluded, not merely penalised.
        # A -30 penalty still let it surface in the sorted recommendation list.
        if product.get("min_amount", 0) > customer.get("available_fund", 0):
            return None  # caller filters out None scores
        
        # 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))
```

> 以上代码为**逻辑示意**，用于说明匹配因子如何加权，不是可直接投产的实现。真实系统还需处理产品状态（在售/停售/限额）、客户持仓集中度、适当性有效期与超风险阻断。

**调用示例：**

```python
advisor = WealthAdvisor()
profile = {
    "risk_preference": "稳健型",       # 来自客户风险测评，须为有效测评结果
    "expected_return": 0.035,
    "preferred_term": 180,
    "available_fund": 200_000,
}
products = [
    {"name": "稳健添利90天", "risk_level": "R2", "expected_return": 0.032,
     "term_days": 90,  "min_amount": 10_000},
    {"name": "安盈365天",   "risk_level": "R2", "expected_return": 0.038,
     "term_days": 365, "min_amount": 50_000},
    {"name": "进取混合A",   "risk_level": "R4", "expected_return": 0.075,
     "term_days": 365, "min_amount": 1_000},   # R4 超出稳健型，应被过滤
]
# => 返回仅含两只 R2 产品，R4 在风险等级过滤阶段被剔除
```

**三个必须补上的生产级校验：**
1. **适当性有效期**：风险测评过期后不得沿用旧等级，应引导客户重新测评
2. **超风险阻断**：若客户主动要求超出风险等级的产品，不能直接推荐，须走特别确认流程并留痕
3. **集中度校验**：单产品占可用资金比例过高时，即便风险等级匹配也应降权

**硬过滤 vs 降权（两类处理不能混用）：**

| 条件 | 处理方式 | 理由 | 若误用降权的后果 |
|------|---------|------|----------------|
| 风险等级超出承受能力 | 硬过滤（剔除） | 适当性红线 | 客户仍能买到超风险产品 |
| 起购金额 > 可用资金 | 硬过滤（剔除） | 客观上买不了 | 推荐列表出现不可购买项 |
| 风险测评缺失/过期/无法识别 | 阻断整个匹配 | 无有效测评即无匹配基础 | 用猜测档位完成推荐 |
| 期限偏离偏好 | 降权 | 属于偏好不是约束 | — |
| 收益率低于预期 | 降权 | 属于偏好不是约束 | — |
| 单产品占比过高 | 降权 | 集中度是风险提示不是禁令 | — |

**再举一例（触发阻断，而非返回默认档位）：**

```python
advisor = WealthAdvisor()
try:
    advisor.match_products({"available_fund": 200_000}, products)
except ValueError as e:
    print(e)
# => refusing to match: risk_preference is missing or unrecognised (None).
#    A valid, in-date risk assessment is required before matching.

# 对比：3.0.3 及更早的写法会静默回退到「稳健型」并返回 R2/R3 产品，
# 相当于在没有有效测评的情况下完成了推荐 —— 这正是本次修正的行为。
```

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

```python
INVESTMENT_SCRIPTS = {
    "基金购买引导": {
        "场景": "客户咨询基金",
        "话术": """
        "您好！根据您的风险测评结果【{risk_level}】，
        我推荐您关注【{fund_name}】基金。
        
        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）
        
        适合您的理由：
        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。
        请您根据自身情况谨慎决策。"
        """,
        "合规检查": [
            "不得承诺保本",
            "必须说明基金有风险",
            "过往业绩仅供参考"
        ]
    },
    
    "资产配置说明（中性描述，不含安全性与收益性背书）": {
        "场景": "客户有大额资金，需要说明配置结构",
        "话术": """
        "张先生/女士，您好！

        以下仅说明一类常见的配置结构及其特征，供您理解不同资产类别的作用。
        具体比例需要结合您的风险测评结果、资金用途与流动性安排来确定，
        并由您本人在充分阅读产品说明书与风险揭示书后自主决定。

        【第一类】40% → 银行存款、国债
        特征：受存款保险或国家信用相关制度安排，波动幅度通常小于权益类资产

        【第二类】30% → 银行理财、债券基金
        特征：以固收类资产为主，净值会随市场波动

        【第三类】20% → 混合基金、股票基金
        特征：权益仓位较高，净值波动幅度较大，可能出现阶段性浮亏

        【第四类】10% → 货币基金
        特征：申赎安排较为灵活，常用于应对临时用款

        提示：上述比例仅为结构示意，不构成对任何产品的推荐，
        也不构成对未来收益的预测或承诺。"
        """,
        "合规检查": [
            "不得对任何一类资产作安全性或收益性的定性表述",
            "必须说明各类别均存在相应风险",
            "必须声明比例为结构示意而非个性化建议",
            "对客使用前须经具备资质人员复核并留痕"
        ]
    }
}
```

> **为什么改写这一段：** 原先的配置话术对每一类资产都附加了安全性与收益性的
> 背书式描述，这与本文档第 3 节的禁止用语表直接冲突。话术示例与禁止用语表必须自洽，
> 否则使用者会照抄示例而绕过筛查。改写后的版本只描述各类资产的结构特征，
> 不对任何一类作安全性或收益性的定性。

**话术示例的自洽性检查（每次改动话术后必做）：**

| 检查项 | 检查方法 | 不合格处置 |
|-------|---------|-----------|
| 示例是否含禁止用语 | 把示例文本过一遍第 3 节禁止用语表 | 命中即改写，不得保留「仅供参考」式免责 |
| 示例是否与筛查表自洽 | 示例用词不得与禁止用语表冲突 | 冲突时以禁止用语表为准 |
| 是否含占位符 | 产品名称、收益率应为占位符 | 出现真实产品名或真实收益率即回退 |
| 是否有对客前置条件 | 必须写明复核与留痕要求 | 缺失则补齐后再使用 |

**原「资产配置建议」条目已按上述原则替换。**

**话术改写示例（合规 vs 违规）：**

| 场景 | 违规表述 | 合规表述 | 违规类型 |
|------|---------|---------|----------|
| 介绍业绩 | 「这只基金去年赚了 18%，很稳」 | 「这只基金近一年收益率为 18%，同期业绩比较基准为 X%；过往业绩不代表未来表现」 | 业绩展示无基准 |
| 安抚波动 | 「短期波动不用担心，肯定会涨回来」 | 「该类产品存在净值波动，短期可能出现浮亏，请结合您的持有期限判断」 | 隐含收益承诺 |
| 促单 | 「这个产品额度有限，今天不买就没了」 | 「该产品的开放期至 X 日，您可在此期间内根据安排决定是否购买」 | 不当诱导 |
| 风险说明 | 「基本没什么风险」 | 「该产品风险等级为 R2，主要风险包括 X、Y，详见产品说明书」 | 弱化风险 |
| 收益预期 | 「预期收益至少 4%」 | 「业绩比较基准为 4%，不构成收益承诺，实际以产品运作结果为准」 | 承诺收益 |
| 安全性背书 | 「和存款一样安全」 | 「与存款不同，本产品不保本，不受存款保险保障」 | 误导类比 |
| 稳健类表述 | 「这款很稳，闭眼买就行」 | 「该产品风险等级为 R2，净值会随市场波动，请结合您的风险测评结果判断」 | 以「稳」作安全性背书 |
| 增值类表述 | 「放着就能涨，比存款划算」 | 「不同资产类别的风险收益特征不同，需结合您的风险承受能力判断」 | 隐含收益承诺与误导类比 |

**完整对客话术示例（基金咨询）：**

```
"您好。您本次的风险测评结果为【稳健型（C2）】，
 我为您筛选了风险等级在 R2 及以下的产品供参考。

 其中【XX 纯债基金】的基本情况：
 • 风险等级：R2（中低风险）
 • 近一年收益率：3.2%（同期业绩比较基准 2.8%）
 • 开放期：每日开放，赎回 T+1 到账

 需要提示的是：
 1. 过往业绩不代表未来表现，基金有风险，投资需谨慎
 2. 该产品仍存在净值波动，短期可能出现浮亏
 3. 以上信息供您参考，最终是否购买请结合自身情况，
    并在购买前阅读产品说明书与风险揭示书"
```

### 3. Compliance Check / 合规检查

```markdown
## APP投顾合规检查清单

### 必须包含的要素
| 检查项 | 要求 | 出现位置 | 缺失后果 |
|-------|------|---------|---------|
| 风险提示 | 必须出现"投资有风险" | 首次推荐前 | 合规扣分、客户投诉 |
| 收益说明 | 不得承诺保本保收益 | 每次提及收益 | 被认定为误导销售 |
| 历史业绩 | 必须注明"仅供参考"，并给出比较基准与完整区间 | 展示业绩时 | 选择性展示被质疑 |
| 适当性 | 必须匹配客户风险等级，且测评在有效期内 | 推荐前 | 适当性违规 |
| 产品揭示 | 必须包含产品说明书与风险揭示书入口 | 购买路径上 | 告知义务履行不充分 |
| 人工复核 | 对客输出须经具备资质人员确认 | 推送前 | 违规对客推送 |
| 留痕 | 记录推荐版本、规则依据与复核人 | 每次推荐 | 可回溯要求不满足 |


**推荐留痕的四要素（缺一即不可回溯）：**

| 要素 | 内容 | 由谁写入 | 常见缺失 |
|------|------|---------|----------|
| 输入快照 | 客户风险等级、测评日期、可用资金区间 | 推荐引擎 | 只存结果不存输入，事后无法复现 |
| 规则版本 | 匹配规则与风险等级映射表的版本号 | 推荐引擎 | 规则更新后旧推荐无法解释 |
| 输出快照 | 推荐的产品列表与排序、匹配理由 | 推荐引擎 | 只存最终推送项，未存候选集 |
| 复核记录 | 复核人、复核时间、修改痕迹 | 具备资质人员 | 复核在系统外完成，无记录 |

**可回溯性自检：** 取一条三个月前的推荐记录，能否在 10 分钟内还原「当时为什么推荐这个」？不能则留痕设计不合格。

### 禁止用语
| 禁止 | 替代 | 风险等级 |
|-----|------|---------|
| "保本" | "相对稳健" | 高 |
| "稳赚不赔" | "追求稳健收益" | 高 |
| "最低收益X%" | "历史平均收益X%" | 高 |
| "100%安全" | "风险可控" | 高 |
| "肯定会涨回来" | "存在净值波动，请结合持有期限判断" | 中 |
| "额度有限不买就没了" | "开放期至 X 日，请在此期间内决定" | 中 |
| "和存款一样" | "与存款不同，本产品不保本" | 高 |
| "跟着买就行" | "以上供您参考，请结合自身情况判断" | 中 |
```

---

## Disclaimer

This skill provides wealth-advisory **design and review** material for educational and internal-preparation purposes. It is not a recommendation engine and does not issue personalised recommendations. No output may be presented to a customer as a personalised recommendation without review by a qualified advisor and without the suitability checks described above (valid in-date risk assessment, risk-band match, affordability check). The asset-allocation text in this document is a neutral structural illustration; it avoids the safety, principal-preservation and steady-appreciation wording that the prohibited-language table in Section 3 restricts. Nothing here is financial, legal or tax advice. All outputs require human review before real-world application.

## 模板的使用前提（T09 整改）

> 本文档中的对客话术模板是**起草起点**，不是可直接推送的成品。使用前必须同时满足：
> 1. 已通过第 3 节禁止用语表筛查；
> 2. 已替换为具体产品的真实披露信息，占位符不能留空；
> 3. 已由具备资质的人员复核；
> 4. 已按留痕四要素记录。
> 未同时满足四项时，模板不得进入对客环节。
