工程险参考费率

读条款的暴雨定义,取工程合同和周边格点的极端降水,写代码算暴雨部分的参考费率区间,附参数表、出处和压力情景。

官方技能第 3 版 · 2026/11/14 发布
  • 官方技能,由智元数据编写和维护
  • 只调用智元数据的 REST 接口
  • 1 个取数脚本,只用 Python 3 自带的库
  • API Key 从环境变量 WI_API_KEY 读取
依赖的数据集
2
一次对话
—
安装次数
4
近 7 天调用
27

01怎么用

三步,让你的 Agent 用上这些数据

安装和设置只做一次。以后直接向你的 Agent 提问就行。

  1. 01

    发安装语句

    复制页头的安装语句,发给 你的 Agent。它会下载技能,装进自己的技能目录。可以在页头切换你用的 Agent。

  2. 02

    设置 API Key

    在终端里运行下面的命令,再启动 你的 Agent。

    export WI_API_KEY=你的 API Key

    创建 API Key
  3. 03

    直接提问

02依赖的数据集

这些数据集都要有授权

技能用到的数据集都要有授权才能查询。缺授权时,Agent 会告诉你缺哪一个。

  • 工程项目

    上市公司政府采购合同

    listed-company-gov-procurement

    一行是一份政府采购合同,供应商是上市公司或它的子公司。包含合同名称、项目名称、采购人、供应商、主要标的、合同金额、签订日期、公告日期,以及匹配到的上市公司和股票代码。覆盖全国各级采购人公告的合同,上市公司的匹配由数据整理者完成。用来看一家上市公司拿到多少政府订单,评估它的履约责任和应收账款风险。

    189,502 行 · 51 个字段登录后查看授权
  • 自然灾害

    全国格点逐年极端降水

    grid-annual-extreme-precipitation

    一行是一个 0.1 度(约 10 千米)的格点一年的降水指标。包含格点中心的经纬度、年降水量、最大日降水量、最大连续 5 日降水量、雨日数、大雨日数、暴雨日数、大暴雨日数,以及格点里的雨量站数。覆盖中国陆地,每个格点每年 1 行,由逐日格点降水资料算出,格点降水由全国 2839 个雨量站插值得到。用来按工程项目的经纬度查当地历年的暴雨强度和次数,估计洪涝和山洪风险,给极端降水打分。

    6,022,990 行 · 12 个字段登录后查看授权

03技能内容

装进 Agent 的,全在这里

SKILL.md 可以看预览,也可以看原文。参考文件由平台按当前数据生成,需要时才读。

常驻约 177 token
name 和 description,Agent 一直带着
触发后约 1,341 token
用到这个技能时读入 SKILL.md 正文
按需约 12,864 token
需要时才读参考文件、运行脚本

SKILL.md

69 行 · 约 1,518 token · 触发后读入
---
name: engineering-pricing
description: 给一个在建的小型水利工程算工程险暴雨部分的参考费率区间:读条款的暴雨定义,取工程合同、周边格点的极端降水和施工单位的合同,按危险性、暴露、易损性、施工管理写 Python 代码计算,附参数表、出处和 100 年一遇暴雨的压力情景。用户问"参考费率区间是多少""依据是什么"时使用。只给参考,最终价格由核保人员决定。通过智元数据 World Insight 的 REST 接口取数,需要环境变量 WI_API_KEY。
---

工程险参考费率

给一个工程算暴雨部分的参考费率区间。先读条款,再取数,再写代码算,最后写定价依据。

开始前

  1. 所有命令都在本技能的目录里运行:python3 scripts/wi.py ...。取到数据后要计算时,先加 --save data/<文件名>.json 保存,再用 run_python 写代码读文件计算。数字都要来自命令或代码的输出。
  2. 先读 references/method.md(公式、参数表、出处)。下面的命令已经写好了字段,不用再读 references/datasets.md。
  3. 保存的文件是一个对象:columns 是字段的列表,每个字段是 {"key": ..., "name": ...};rows 是行,每行是一个列表,顺序和 columns 相同。读文件时用 keys = [c["key"] for c in d["columns"]],不用再看文件的结构。
  4. 一次回答最多 16 轮。互不依赖的命令放在同一轮里一起运行。

第 1 步:读条款

用户给了条款原文时,先读条款,再调用任何取数工具。把和定价有关的规定写成一个 json 代码块,标题写"读条款记录",和第 2 步的命令在同一轮里发出:

{"读条款": [{"字段": "暴雨的定义", "值": "...", "原文": "..."}]}

至少写这些字段:保险责任、暴雨的定义、一次事件、大雨的定义(附加险)、渐变原因的免责。原文 照抄条款的句子,不改字。条款里没有的,值写"条款里没有"。

第 2 步:取数

下面 3 条命令放在同一轮里运行。格点的范围:代表点所在格点的中心(x.x5)±0.1 度。代表点在用户给的风险画像里。

python3 scripts/wi.py query listed-company-gov-procurement --where "contract_no = <合同编号>" --fields project_name,supplier_name,contract_amount_yuan,contract_date,subject_name --limit 5
python3 scripts/wi.py query grid-annual-extreme-precipitation --where "lat >= <纬度下限>" --where "lat <= <纬度上限>" --where "lng >= <经度下限>" --where "lng <= <经度上限>" --fields lat,lng,year,rx1day_mm,rainstorm_days,downpour_days --limit 1000 --save data/grid.json
python3 scripts/wi.py query listed-company-gov-procurement --where "supplier_name = <中标单位>" --fields project_name,contract_amount_yuan,contract_date --limit 100

第 3 条用来定施工管理系数:看中标单位的合同里有没有水库或除险加固(不算本工程)。

第 3 步:算

写一段代码(只用 Python 自带的库):

  1. 开头写 PARAMS,照抄 references/method.md 的参数表,每个参数带 source。保险金额用第 2 步查到的合同金额。施工管理系数按方法卡取一头,写明理由。
  2. 每年取格点 rx1day_mm 的平均,矩法拟合 Gumbel,打印 mu、beta、年数。
  3. 算每年最大日降水落在 50 到 100、100 到 150、150 以上 3 个档的概率。
  4. 按公式算期望损失率、纯费率和参考费率,低值用参数的低值,高值用参数的高值。用 ‰ 打印。
  5. 算 100 年一遇的日降水和压力情景的损失(元、占保险金额的比例)。
  6. 最后把 PARAMS 逐行打印出来:键、取值、出处。

怎么回答

交一页"定价依据",按这个顺序:

  1. 参考费率区间:一句话,写低值到高值(‰),只算暴雨部分。不要写"报价""最终费率",也不要换算成保费金额。
  2. 怎么算的:公式,每一项用了什么数据、算出来是多少。
  3. 参数表:每个参数的取值和出处,假设的参数写明"假设,待校准"。
  4. 压力情景:100 年一遇的日降水是多少,一次事件的损失是多少。
  5. 还不知道的:哪些参数换成真实资料后区间会变窄(例如工程量清单、实际工期、赔案)。
  6. 最后两句照写:"方法演示,参数待校准。""最终价格由核保人员决定。"

不要编造数据。没有查到的写"没有查到"。回答里的数字都要来自代码的输出,不要自己再乘除。

出错时

错误码怎么办
NO_GRANT告诉用户缺哪个数据集的授权。其他步骤照常做完
TIMEOUT加过滤条件、减少字段,再试一次
BAD_REQUEST按错误信息改字段标识或过滤值,再试一次

04版本

发布后不修改,旧版本保留

数据或说明有变化时,平台发布新版本。旧版本仍然可以查看和下载。

  1. 版本 第 3 版2026/11/14 发布

    最新下载

    更新平台维护的文件:空间数据可以按行政区划取(--region、--geometry)。按当前数据重新生成参考文件。 · 全部文件约 14,382 token

  2. 版本 第 2 版2026/11/13 发布

    历史版本查看下载

    先读条款;不换算保费 · 全部文件约 10,081 token

  3. 版本 第 1 版2026/11/13 发布

    历史版本查看下载

    实录用 · 全部文件约 10,017 token