417 lines
21 KiB
Markdown
417 lines
21 KiB
Markdown
# 全国“智慧+警务”AI智能体大赛参赛方案
|
||
|
||
## 一、项目名称
|
||
|
||
**智析反诈：面向电信网络诈骗案件受害人资金核查的多智能体协同认定系统**
|
||
|
||
一句话概括：
|
||
面向基层派出所电信网络诈骗案件取证环节，围绕“多 APP 账单截图解析、跨平台交易归并、资金路径分析、被骗金额认定、证据化输出”构建多智能体协同系统，显著提升受害人笔录制作、被骗资金核算和证据整理效率与准确率。
|
||
|
||
## 二、项目背景与警务痛点
|
||
|
||
在电信网络诈骗案件办理中，受害人往往同时提供微信、支付宝、手机银行、数字钱包等多个平台的大量截图。基层民警在制作笔录和核查被骗金额时，通常面临以下问题：
|
||
|
||
1. 截图数量大、来源杂，人工逐张查看耗时长。
|
||
2. 同一笔资金可能在不同 APP、不同页面、不同时间段重复出现，人工极易重复计算或漏算。
|
||
3. 存在本人账户中转、退款返还、零钱充值、银行卡转入转出等复杂情形，仅凭单张截图难以准确认定是否属于被骗金额。
|
||
4. 受害人陈述与截图证据之间往往缺乏结构化对应关系，后续复核、汇报、移送、审查起诉都需要重复整理。
|
||
5. 民警在高强度办案状态下，最缺的不是“看图能力”，而是“自动归集、自动关联、自动解释、自动输出”的整套辅助能力。
|
||
|
||
因此，该场景真正需要的并不是单点 OCR 工具，也不是简单的大模型问答，而是一套能够围绕办案目标持续执行、调用工具、跨步推理、输出可复核证据链的警务智能体系统。
|
||
|
||
## 三、从专家评审角度看，本项目为什么是真正的“AI 智能体”
|
||
|
||
评审专家通常不会只看“是否用了大模型”，而会重点看项目是否具备智能体的核心属性。本项目在本质上符合智能体的关键特征：
|
||
|
||
### 1. 目标驱动，而非单步问答
|
||
|
||
本项目的任务目标不是“识别一张图片是什么”，而是围绕一个明确警务目标持续推进：
|
||
|
||
`从多源截图中，还原交易事实，识别有效证据，认定被骗金额，并生成办案可用结果。`
|
||
|
||
系统会围绕该目标自动完成截图理解、字段抽取、去重归并、路径分析、认定分层、人工复核提示、文书输出等连续动作，体现出完整的目标导向执行能力。
|
||
|
||
### 2. 具备感知、推理、行动闭环
|
||
|
||
智能体的核心不只是“看见”，更是“理解后采取行动”。本项目形成了清晰闭环：
|
||
|
||
- 感知：识别不同 APP 截图页面类型、金额、时间、对手方、订单号、账户尾号等要素。
|
||
- 推理：判断交易之间是否重复、是否属于本人账户中转、是否应计入被骗金额、认定置信度如何。
|
||
- 行动：自动归并交易、生成资金流图、给出认定理由、提示需补充询问的问题、输出证据化报告。
|
||
|
||
### 3. 具备多智能体协同，而非单模型硬做
|
||
|
||
单个大模型擅长通用理解，但警务实战需要分工、约束和可控性。本项目将任务拆分为多个能力单元协同完成，避免“一次提示词包打天下”导致的不稳定与不可解释。
|
||
|
||
### 4. 具备工具调用与外部系统协作能力
|
||
|
||
项目并非停留在对话层，而是实际调用 OCR、多模态识别、规则引擎、数据库、案件管理、报告导出等工具与系统，实现对办案流程的真实嵌入。
|
||
|
||
### 5. 具备记忆与上下文持续利用能力
|
||
|
||
系统以“案件”为组织单元，将截图、交易记录、认定结果、人工复核状态、报告快照等统一沉淀，支持多轮补充材料后的再次分析与结果更新，这种持续上下文记忆正是智能体区别于一次性脚本的重要特征。
|
||
|
||
### 6. 具备基于结果反馈的自我完善能力
|
||
|
||
智能体不仅能完成识别和认定，还能基于后续证据理解结果反向修正前序判断。例如，在完成截图证据识别后，系统会对交易页面中出现的高价值关键词进行回溯分析，如“收付款”“转账成功”“账单详情”“商户单号”“退款”“充值”“零钱”“银行卡”等，再结合最终识别出的交易类型、字段结构和认定结果，对账单页面类型判断进行二次校正。
|
||
|
||
这种“先识别、再验证、再回溯优化”的机制，本质上是一种轻量级自我完善闭环。它使系统不再停留于单次 OCR 输出，而是能够利用后续证据理解结果持续提升前端账单类型识别准确率，尤其适用于截图质量不高、页面裁切不完整、不同平台 UI 相似导致的误判场景。
|
||
|
||
### 7. 具备人机协同与安全兜底机制
|
||
|
||
警务场景不能接受“黑盒自动决定”。本项目不是替代民警，而是通过高、中、低置信分层与人工复核机制，实现“机器先归集判断，民警再确认把关”的协同模式，兼顾效率与法律风险控制。
|
||
|
||
## 四、项目定位
|
||
|
||
本项目的定位不是通用办公助手，不是泛金融风控工具，也不是简单 OCR 平台，而是：
|
||
|
||
**面向电信网络诈骗案件受害人资金核查场景的警务专用认定型智能体。**
|
||
|
||
它直接服务于基层最刚性的几个环节：
|
||
|
||
- 受害人笔录制作前的事实梳理
|
||
- 被骗金额核算与复核
|
||
- 交易路径分析
|
||
- 证据整理与报告输出
|
||
- 后续流转中的结果复用
|
||
|
||
这种定位决定了项目最重要的评价维度应当是：
|
||
|
||
- 是否真正解决实战问题
|
||
- 是否显著降低人工负担
|
||
- 是否可复核、可追溯、可解释
|
||
- 是否能嵌入现有办案流程
|
||
- 是否具备复制推广价值
|
||
|
||
## 五、总体技术方案
|
||
|
||
### 1. 总体架构思路
|
||
|
||
系统采用“多智能体协同 + 规则引擎约束 + 人工复核闭环”的总体架构。
|
||
|
||
#### 智能体分工设计
|
||
|
||
| 智能体/模块 | 主要职责 | 输出结果 |
|
||
|------|------|------|
|
||
| 案件受理智能体 | 接收案件基础信息、受害人陈述、截图材料，建立案件上下文 | 案件任务上下文 |
|
||
| 截图解析智能体 | 识别截图来源 APP、页面类型、关键字段 | 结构化交易候选记录 |
|
||
| 跨平台关联智能体 | 按订单号、金额、时间窗口、账户尾号等进行交易归并与去重 | 统一交易视图 |
|
||
| 资金路径分析智能体 | 识别本人账户中转、收款方聚合、交易方向与流转路径 | 资金流图与路径链条 |
|
||
| 金额认定智能体 | 依据规则与上下文判断是否计入被骗金额，给出置信度与理由 | 认定清单 |
|
||
| 笔录辅助智能体 | 基于不确定项与缺失点，自动生成问询建议 | 追问问题清单 |
|
||
| 证据输出智能体 | 输出表格、报告、文书化摘要、证据索引 | Excel / PDF / Word 报告 |
|
||
| 人工复核代理 | 对中低置信项进行确认、修改、留痕 | 最终认定结果 |
|
||
|
||
### 2. 核心处理流程
|
||
|
||
1. 民警创建案件，批量上传多平台账单截图。
|
||
2. 截图解析智能体自动识别截图类型并提取交易要素。
|
||
3. 跨平台关联智能体对多截图中的同笔交易进行去重与归并。
|
||
4. 资金路径分析智能体识别本人账户中转关系，避免重复计入被骗金额。
|
||
5. 金额认定智能体对每笔交易给出“计入/不计入/待复核”判断，并附带认定理由与置信等级。
|
||
6. 笔录辅助智能体自动生成针对性问询提示，指导民警补齐证据链。
|
||
7. 证据输出智能体自动形成汇总清单、路径图、认定报告和审计快照。
|
||
8. 民警完成复核确认后，形成可用于办案流转的最终结果。
|
||
|
||
### 3. 与现有系统能力的对应关系
|
||
|
||
从当前项目实现看，系统已具备较完整的落地链路，包括：
|
||
|
||
- 案件管理
|
||
- 多 APP 截图上传与识别
|
||
- OCR/多模态抽取
|
||
- 交易字段结构化解析
|
||
- 交易去重与匹配
|
||
- 资金流图生成
|
||
- 认定理由生成
|
||
- 笔录问询建议生成
|
||
- 报告导出与结果复核
|
||
|
||
这意味着本项目不是“概念方案”，而是已经形成可演示、可运行、可迭代的实战型原型系统。
|
||
|
||
## 六、关键能力设计
|
||
|
||
### 1. 多 APP 截图自动识别
|
||
|
||
针对微信、支付宝、手机银行、数字钱包等不同来源截图，系统自动识别页面类型和关键字段，重点抽取：
|
||
|
||
- 交易时间
|
||
- 交易金额
|
||
- 收付款方向
|
||
- 对手方姓名或账号
|
||
- 本人账户尾号
|
||
- 订单号
|
||
- 备注信息
|
||
- 截图来源平台
|
||
|
||
其价值不在于“识别字段本身”，而在于为后续跨平台关联和金额认定奠定统一数据底座。
|
||
|
||
### 2. 关键词回溯驱动的 OCR 自我优化
|
||
|
||
本项目在截图识别阶段引入了结果反馈式优化机制。系统并非在第一次页面分类后就固定结果，而是在完成证据识别、交易抽取和部分认定后，将已识别出的高置信字段与关键词重新回溯到原始截图类型判断中，对页面类别进行再验证和再修正。
|
||
|
||
重点回溯的信息包括：
|
||
|
||
- 交易行为关键词，如“转账”“支付”“收款”“充值”“退款”
|
||
- 页面结构关键词，如“账单详情”“交易记录”“支付成功”“转账到账”
|
||
- 证据字段关键词，如“订单号”“商户单号”“对方账户”“收款方”“尾号”
|
||
- 认定结果关联信号，如“该页面最终被识别为对外支付证据”或“该页面更符合本人账户中转凭证”
|
||
|
||
这种机制的优势在于：
|
||
|
||
- 可以修正首次 OCR 因截图模糊、裁切不全、模板差异造成的页面类型误识别
|
||
- 可以利用后续证据链结果反向增强前序识别准确率
|
||
- 可以使系统随着案件处理不断积累“页面类型 - 关键词 - 字段模式”的经验映射
|
||
|
||
从智能体视角看，这一机制体现了系统的自我完善能力，即不是一次识别后静态输出，而是在任务执行过程中根据中间结果持续调整前面步骤的判断。
|
||
|
||
### 3. 跨平台交易关联与去重
|
||
|
||
这是项目区别于普通 OCR 工具的核心能力之一。系统综合以下维度进行去重和归并：
|
||
|
||
- 订单号一致
|
||
- 金额一致
|
||
- 时间窗口接近
|
||
- 对手方相同或高度相似
|
||
- 本人账户尾号一致
|
||
- 截图来源上下文一致
|
||
|
||
该能力可以有效解决同一笔转账在支付成功页、账单详情页、银行流水页中多次出现的重复统计问题。
|
||
|
||
### 4. 本人账户中转识别
|
||
|
||
在实战中，受害人常先从银行卡充值到微信零钱或支付宝余额，再对外转账；或者在多个本人账户之间中转。若不识别中转关系，就会导致被骗金额被重复累计。
|
||
|
||
本项目通过交易方向、时间关系、账户标识、平台关系等线索识别中转行为，将“本人账户内部流转”和“对外实际被骗支付”区分开来，这是办案价值极高的关键设计。
|
||
|
||
### 5. 被骗金额认定与分层置信
|
||
|
||
项目不直接输出一个“绝对正确”的金额，而是采用更符合实战的证据审查逻辑：
|
||
|
||
- 高置信：证据链完整、对外支付明确、重复性低，可优先计入。
|
||
- 中置信：存在部分证据缺口或上下文不充分，建议民警补充问询后确认。
|
||
- 低置信：疑似重复、退款、内部转账或证据不足，暂不计入。
|
||
|
||
这种机制体现了智能体在警务场景中的专业性和审慎性，避免“大模型看起来很聪明，但结论不适合办案”的问题。
|
||
|
||
### 6. 认定理由可解释化
|
||
|
||
每笔认定结果都不只是一个金额数字，还附带自然语言理由，例如：
|
||
|
||
- 该笔为受害人账户向外部收款方的实际转账，且无重复记录，建议计入被骗金额。
|
||
- 该笔与另一截图中的订单号一致，疑似同一交易的重复展示，不重复计入。
|
||
- 该笔表现为本人银行卡向本人支付账户充值，属于中转资金，不直接计入被骗金额。
|
||
|
||
这使结果具备可解释性、可汇报性和可复核性。
|
||
|
||
### 7. 笔录问询辅助
|
||
|
||
项目还能自动提出下一步问询重点，例如：
|
||
|
||
- 是否还存在未提供截图的支付平台或银行账户？
|
||
- 某几笔中置信交易的具体操作背景是什么？
|
||
- 是否存在部分返还、退款或追回？
|
||
- 是否还有 ATM、柜台或他人代转等转账方式？
|
||
|
||
这意味着系统不仅帮助“算钱”，还帮助“补证据、补事实、补笔录”。
|
||
|
||
### 8. 证据化输出
|
||
|
||
项目最终输出的不是一个聊天答案，而是一套办案可用成果：
|
||
|
||
- 结构化交易清单
|
||
- 被骗金额认定明细
|
||
- 资金流转关系图
|
||
- 证据索引
|
||
- 文书化摘要
|
||
- 审计快照与人工复核痕迹
|
||
|
||
这非常契合警务工作“重结果、更重依据”的实际要求。
|
||
|
||
## 七、项目亮点提炼
|
||
|
||
如果从比赛评审展示角度提炼，本项目至少有以下亮点：
|
||
|
||
### 亮点一：选题非常“基层”、非常“刚需”
|
||
|
||
项目聚焦派出所民警最常见、最耗时、最容易出错的诈骗资金核查环节，问题真实、频次高、痛点强，具有极强的实战导向。
|
||
|
||
### 亮点二：不是做聊天机器人，而是做“办案任务型智能体”
|
||
|
||
项目以案件处理目标为中心，具备任务分解、协同执行、工具调用、结果回写、人工复核等能力，符合 AI 智能体的发展方向。
|
||
|
||
### 亮点三：把“看图识别”升级为“证据推理”
|
||
|
||
真正难点不在 OCR，而在于跨平台关联、路径还原、重复剔除、金额认定。本项目抓住了比赛中更容易打动专家的深层价值。
|
||
|
||
### 亮点四：结果可解释、可追溯、可复核
|
||
|
||
评审专家尤其关注警务 AI 的可靠性与风险控制。本项目通过置信分层、理由说明、人工复核、审计留痕等设计，使系统输出具备证据属性，而非黑盒结论。
|
||
|
||
### 亮点五：能直接嵌入现有办案流程
|
||
|
||
从案件创建、截图上传、分析、复核到报告导出，链路完整，便于在基层单位以“小切口、快落地”的方式推广。
|
||
|
||
### 亮点六：具备复制推广空间
|
||
|
||
该框架不仅适用于电诈受害人资金核查，还可扩展至：
|
||
|
||
- 帮助信息网络犯罪活动案件资金梳理
|
||
- 非法集资、网络赌博等涉网资金分析
|
||
- 行政案件中的电子支付证据整理
|
||
- 其他多源截图证据归集场景
|
||
|
||
## 八、项目创新点
|
||
|
||
从赛事评审偏好的“创新性”维度看，建议重点突出以下创新：
|
||
|
||
### 1. 场景创新
|
||
|
||
将 AI 智能体深度应用于电诈案件受害人资金认定这一高频、刚需、长期依赖人工经验的基层警务场景，具有鲜明的行业创新价值。
|
||
|
||
### 2. 方法创新
|
||
|
||
采用“多智能体协同 + 规则引擎约束 + 人工复核兜底”的混合式范式，不走纯规则僵化路线，也不走纯大模型黑盒路线，兼顾灵活性与可控性。
|
||
|
||
进一步引入“证据识别后关键词回溯”的结果反馈机制，让系统能够利用后续高置信证据反向修正账单页面类型识别，体现出智能体在任务执行过程中的自我校正与自我完善能力。
|
||
|
||
### 3. 数据组织创新
|
||
|
||
将非结构化截图证据转化为可计算、可关联、可解释、可复用的案件级结构化资产，实现从“图片材料”到“证据数据”的跃迁。
|
||
|
||
### 4. 认定逻辑创新
|
||
|
||
把办案中的“被骗金额认定”拆解为多因素综合判断过程，以置信分层和认定理由表达证据充分度，贴近真实司法审查思维。
|
||
|
||
### 5. 输出形态创新
|
||
|
||
不是止步于智能识别结果，而是进一步形成图、表、文、问询建议、审计快照等多种输出，为办案流程提供完整支撑。
|
||
|
||
## 九、项目实战价值与预期成效
|
||
|
||
建议在正式提交材料时，用真实数据替换下列占位内容，以增强说服力。
|
||
|
||
### 1. 效率提升
|
||
|
||
- 单案截图整理时间由 **[原平均时长]** 降低至 **[现平均时长]**
|
||
- 被骗金额核算时间由 **[原平均时长]** 降低至 **[现平均时长]**
|
||
- 笔录前事实梳理效率提升 **[X]%**
|
||
|
||
### 2. 质量提升
|
||
|
||
- 重复计算问题显著减少
|
||
- 漏算、误算情况明显下降
|
||
- 交易认定结果的一致性提升
|
||
- 后续复核、汇报、移送环节的材料复用率提升
|
||
|
||
### 3. 办案支撑价值
|
||
|
||
- 为民警快速锁定关键转账链条提供依据
|
||
- 为问询受害人提供结构化提示
|
||
- 为报案受理、案件研判、案卷整理提供统一底稿
|
||
|
||
### 4. 管理价值
|
||
|
||
- 沉淀案件级结构化资金数据
|
||
- 形成标准化、可复用、可统计的实战能力
|
||
- 为后续跨案件研判和模型优化积累高质量样本
|
||
|
||
## 十、比赛展示时建议重点讲清的“评审关注点”
|
||
|
||
### 1. 先讲痛点，不要先讲技术
|
||
|
||
建议答辩开场直接从基层民警日常工作切入：
|
||
|
||
“受害人带来几十张、上百张支付截图，涉及多个 APP。人工逐张核对不仅耗时，而且极易重算、漏算，直接影响笔录质量和被骗金额认定效率。本项目就是围绕这一高频痛点设计的实战型智能体系统。”
|
||
|
||
### 2. 强调项目不是普通 OCR
|
||
|
||
建议明确指出：
|
||
|
||
“OCR 只能解决读字问题，不能解决跨平台关联、本人账户中转识别、被骗金额认定和证据化输出问题。本项目的核心创新在于把截图识别升级为案件级证据推理。”
|
||
|
||
### 3. 强调项目不是单大模型问答
|
||
|
||
建议表达为：
|
||
|
||
“本项目不是让一个大模型直接给出答案，而是将任务分解为多个智能体协同处理，并用规则、流程和人工复核机制保证结果可控、可解释、可用于办案。”
|
||
|
||
### 4. 强调可落地、可推广
|
||
|
||
建议突出：
|
||
|
||
- 基层单位直接可用
|
||
- 与现有办案流程衔接自然
|
||
- 不要求改变民警工作习惯
|
||
- 可以从反诈场景向其他涉案资金核查场景扩展
|
||
|
||
## 十一、建议的答辩展示结构
|
||
|
||
### 1. 30 秒项目定义
|
||
|
||
用一句话讲清楚：
|
||
|
||
“这是一个面向电诈案件受害人资金核查场景的多智能体协同系统，能够自动解析多 APP 账单截图，关联交易、识别中转、认定被骗金额，并输出可复核证据结果。”
|
||
|
||
### 2. 1 分钟问题描述
|
||
|
||
展示基层民警在大量截图整理、核算被骗金额时的真实工作痛点。
|
||
|
||
### 3. 1 分钟系统流程展示
|
||
|
||
建议按以下顺序演示：
|
||
|
||
截图上传 -> 自动识别 -> 交易归并 -> 资金路径图 -> 认定结果 -> 问询建议 -> 报告导出
|
||
|
||
### 4. 1 分钟亮点与创新
|
||
|
||
重点讲：
|
||
|
||
- 多智能体协同
|
||
- 跨平台关联去重
|
||
- 本人账户中转识别
|
||
- 置信分层与人工复核
|
||
- 证据化输出
|
||
|
||
### 5. 1 分钟成效与推广价值
|
||
|
||
补充实战使用效果、效率提升、准确率提升、可复制推广空间。
|
||
|
||
## 十二、建议的提交文案摘要
|
||
|
||
以下内容可作为申报书摘要的基础版本：
|
||
|
||
> 针对电信网络诈骗案件中受害人多平台账单截图数量大、核查耗时长、重复统计和漏算风险高等问题，项目构建了面向基层警务实战的多智能体协同认定系统。系统围绕案件任务目标，自动完成多 APP 截图识别、交易字段抽取、跨平台关联去重、本人账户中转识别、被骗金额分层认定、问询建议生成和证据化报告输出，形成“感知-推理-行动-复核”闭环。项目突出可解释、可追溯、可复核、可落地，能够显著提升受害人笔录制作和被骗资金核算效率，降低人工误差，具有较强的实战应用价值和推广前景。
|
||
|
||
## 十三、项目落地与合规性说明
|
||
|
||
警务智能体要想获得专家认可，必须提前回应安全与合规问题。建议在材料中明确写明：
|
||
|
||
1. 系统仅面向授权办案场景使用，不面向社会公众开放。
|
||
2. 案件数据按最小必要原则采集与处理。
|
||
3. 支持本地化部署或专网部署，避免敏感数据外流风险。
|
||
4. 智能体输出仅作为办案辅助意见，最终认定由民警依法审核确认。
|
||
5. 关键分析过程保留日志、快照和人工复核记录，便于责任追溯。
|
||
|
||
## 十四、专家评审最容易被打动的总结表达
|
||
|
||
如果要用一段话概括项目竞争力，建议使用如下表述：
|
||
|
||
> 本项目的价值，不在于让 AI “看懂一张截图”，而在于让 AI 真正参与到基层反诈案件最繁琐、最容易出错、最需要经验判断的资金核查环节中。它把分散、零碎、重复的截图证据，转化为可关联、可解释、可复核的案件结论，既解决了一线民警的现实痛点，也体现了 AI 智能体从通用能力走向警务实战能力的典型路径。
|
||
|
||
## 十五、后续建议补充的材料
|
||
|
||
为了让参赛材料更有竞争力，建议你后续再补充以下内容：
|
||
|
||
1. 真实案例一例：截图数量、涉及 APP 数量、人工耗时、系统耗时、最终认定金额。
|
||
2. 对比数据一组：人工处理与系统辅助处理的效率和差错率对比。
|
||
3. 演示视频一段：完整展示从上传截图到报告输出的闭环。
|
||
4. 界面截图若干：案件页、截图页、交易页、分析页、复核页、报告页。
|
||
5. 部署说明一份：本地/专网部署、权限控制、数据留痕、安全策略。
|
||
|
||
---
|
||
|
||
## 附：一句话参赛口号
|
||
|
||
**让碎片化截图证据，自动变成可认定、可复核、可办案的资金事实。**
|