面向保险代理人与客户服务团队的家庭保障规划场景，以 OntOS 六层本体架构统一承接客户、家庭、保险产品、保障类型、健康告知、保单和理赔等核心业务对象，支撑从需求分析到建议书交付的一站式智能服务。
将客户、家庭、收入负债、风险偏好、健康告知和现有保单统一映射到 L1 核心本体，形成可计算的保障需求画像。
依据生命周期、家庭责任和现有保障计算缺口，结合年龄、健康告知、产品责任和预算约束输出可解释的多产品组合。
由 L6 对建议书完整性、保额保费准确性、风险提示、责任免除和销售合规进行强校验，并保留审计证据。
客户需求通常隐藏在对话和零散资料中，难以稳定提取家庭责任、预算和风险偏好。
产品类型、保障责任、投保年龄、健康告知和费率条款复杂，人工匹配容易遗漏硬约束。
建议书需要反复整理客户信息、产品详情、保费保额和合规话术，制作周期长且格式不统一。
代理人经验分布不均，历史成功方案和产品知识无法在服务过程中及时复用。
| 使用本体前 | 使用本体后 |
|---|---|
| 客户信息、现有保单、产品资料和理赔记录分散在 CRM、产品库和业务系统 | 通过 L2 桥接本体统一字段映射，形成客户、产品、保障和理赔的语义关联。 |
| 需求判断依赖代理人访谈经验，保障缺口主要靠手工估算 | L4 解析对话上下文，L3 按应有保障减现有保障量化缺口并排序优先级。 |
| 产品匹配依赖记忆，年龄、健康告知和预算约束容易在多产品组合中遗漏 | 规则硬约束结合图谱和向量检索，先排除不适配产品，再输出组合推荐和匹配依据。 |
| 建议书制作从小时级起步，风险提示和责任免除需要人工补写 | 按模板自动生成结构化建议书，经 L6 完整性、准确性和合规校验后输出 PDF。 |
定义客户、家庭、保险产品、产品类型、保障类型、健康告知、保单、理赔、风险画像和财务画像，统一承接保障规划的基础事实。
连接 CRM 客户档案、产品库、理赔系统和代理人系统，把源字段映射到客户年龄、家庭收入、保额、保费、保障责任等标准字段，并执行认证授权与审计。
将需求分析、保障缺口、产品匹配、组合推荐和建议书生成注册为可路由能力，并扩展产品咨询、客户服务、理赔辅助、培训和市场洞察能力。
维护客户画像、对话上下文、场景上下文、保障需求和优先级，随着新信息识别、属性提取和客户行为反馈动态刷新推荐。
通过 BDI 模型、历史案例、经验库和保险知识图谱承接产品条款与成功方案；相似度大于 0.8 时提供高置信度经验参考，并保留来源。
围绕建议书模板、完整性、准确性、风险提示、责任免除、销售合规、质量反馈和操作审计建立输出门禁，未通过校验不得直接交付。
客户的家庭责任、负债、收入、健康状况和保障偏好分散在对话、表单和历史服务记录中，代理人容易遗漏隐含需求。
由 L4 维护对话上下文和客户画像，L3 需求分析能力提取生命周期、责任、预算、风险偏好和健康告知槽位，形成结构化需求清单。
把访谈信息转为可追溯的客户需求画像，支持代理人快速确认和持续更新。
现有保障与应有保障难以量化，产品组合还需同时满足年龄、健康告知、责任覆盖和年度预算约束。
按应有保障减现有保障计算缺口，先用年龄和健康告知规则排除产品，再通过图谱关系、向量检索和组合优化覆盖关键缺口并去除重复保障。
输出带有缺口覆盖、产品条款依据、匹配度和预算约束的可解释组合方案。
建议书需要同步展示客户需求、产品责任、保额保费、风险提示和责任免除，人工编排耗时且容易出现遗漏。
由模板引擎和生成 Agent 自动填充内容，再由 L6 检查必填项、计算准确性、风险提示、责任免除、如实告知和高收益承诺等合规要求。
将建议书生成压缩到 30 秒以内，并保留校验结果、人工复核和客户确认记录。
当一名 35 岁客户提交家庭收入、房贷、现有保单和保障目标后，系统先由 L2 将 CRM、保单和产品库字段映射到 L1 本体，再由 L4 形成客户画像和对话上下文；L3 计算身故、重疾、医疗和意外保障缺口，按年龄、健康告知、责任覆盖和年度预算筛选产品，并结合 L5 检索相似家庭方案。组合结果进入建议书生成后，由 L6 检查保额保费、风险提示和责任免除，代理人复核并交付，客户确认与服务反馈继续沉淀为新的案例经验。
建议书生成目标小于 30 秒，规划效率目标提升 90% 以上。
规则硬约束结合图谱和向量检索，产品匹配准确率目标不低于 85%。
按生命周期和家庭责任计算缺口，减少关键保障遗漏和重复配置。
将材料来源、核验规则、风险命中、人工复核和审批结论统一留痕，目标关键材料核验覆盖率达到 100%，风险规则命中可解释率达到 95% 以上，异常定位时间压缩到 15 分钟内，复核闭环率提升至 95% 以上。
把历史方案、产品知识和服务反馈沉淀为可检索、可解释的经验资产。
公开展示审核通过的会员留言，帮助案例经验持续完善。
成为第一个围绕这个案例提出问题或分享复现经验的会员。