工程风险画像

---
name: engineering-underwriting
description: 给一个在建工程做工程险核保的风险画像：看现场照片，查工程合同、所在区县的降水和极端降水、地形起伏、河网密度、台风登陆、中标单位的合同和诉讼处罚、同类工程，列出风险、依据、要补的资料和要补拍的照片。用户给出工程名称或合同编号，问"这个工程有哪些风险""还要补什么资料"时使用。通过智元数据 World Insight 的 REST 接口取数，需要环境变量 WI_API_KEY。
---

工程风险画像

给一个在建的小型水利或市政工程做核保前的风险画像。先看用户给的照片，再取数，最后写画像。

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/risk-card.md（风险因子、要补的资料）。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（例如第 6 步和第 7 步的 6 条命令）。一段代码尽量把这一步要算的都算完。

第 1 步：看图

用户附了照片或地图时，先看图，再调用任何工具。把看到的东西写成一个 json 代码块，标题写"看图记录"：

{"看图": [{"图": 1, "发现": [{"label": "临水作业", "note": "挖掘机停在土围堰顶上，两侧是水", "box": [520, 540, 640, 640], "factor": "临水作业"}]}]}

1. box 是发现在图上的位置，写成 [左, 上, 右, 下]，按图的宽和高换算成 0 到 1000 的整数。框要紧贴那个东西。
2. factor 只能用 references/risk-card.md 里的因子名称。
3. 只写图上看得到的东西。看不清的写"看不清"。照片可能是同类工程的示例照片，不要说成就是这个工程的现场。
4. 每张照片写 2 到 5 个发现。每个发现是一个具体的东西（一台机械、一段土堤、一处裸露的坡面），不要框整张图或整片水面。位置图只写它说明了什么，不写 box。

第 2 步：找到工程

python3 scripts/wi.py query listed-company-gov-procurement --where "contract_no = <合同编号>" --fields project_name,buyer_name,region_code,buyer_city_code,supplier_name,stock_code,subject_name,contract_amount_yuan,contract_date,performance_info --limit 5

记下区县代码 region_code、市代码 buyer_city_code、中标单位 supplier_name、股票代码 stock_code、金额、签订日期。subject_name 是工程内容，从里面读出工序（例如溢洪道拆除重建、坝坡培土）。合同里没有工期时，写"工期没有"，按签订后 12 个月估计施工期，并把工期列进要补的资料。

第 3 步：区县代表点

python3 scripts/wi.py query land-transfer --where "geocoded_county_code = <区县代码>" --fields lat,lng,address --limit 1000 --save data/parcels.json

geocoded_county_code 是按地块坐标判断的区县，比 region_code 准。写代码：去掉空坐标和重复坐标，取纬度和经度的中位数，作为区县代表点。工程没有精确坐标，位置只精确到区县。这一步和第 2 步可以在同一轮里运行。

第 4 步：最大日降水和重现期

取代表点周围 3×3 个 0.1 度格点（格点中心是 x.x5）。纬度范围是代表点所在格点的中心 ±0.1，经度同理。

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

写代码（只用 Python 自带的库）：

1. 每年取这些格点 rx1day_mm 的平均，得到年最大日降水序列。写出年数、平均值、最大的 3 年。
2. 用矩法拟合 Gumbel 分布：beta = s*sqrt(6)/pi，mu = 均值 - 0.5772*beta，重现期 T 年的值 mu - beta*ln(-ln(1-1/T))。算 10、20、50、100 年一遇。
3. 算 1991-2020 年平均每年的暴雨日（rainstorm_days，日降水 ≥ 50 毫米）和大暴雨日（downpour_days，≥ 100 毫米），以及施工期所在年份的值。
4. 用拟合的分布反算施工期所在年份的最大日降水大约是几年一遇：T = 1 / (1 - exp(-exp(-(x - mu) / beta)))。

回答里和重现期比较大小的话，只写代码算出来的结论，不要自己比。

第 5 步：月降水和汛期

python3 scripts/wi.py query county-monthly-precipitation --where "region_code = <区县代码>" --where "year >= 1991" --fields year,month,precipitation_mm --limit 1000 --save data/monthly.json

写代码：算 1991-2020 年各月平均和全年合计，4 至 9 月占全年的比例。列出施工期（第 2 步）每个月的降水，和常年同月比。

第 6 步：地形、河网、台风

python3 scripts/wi.py query county-terrain-relief --where "region_code = <区县代码>" --fields county,relief
python3 scripts/wi.py query city-river-density --where "region_code = <市代码>" --fields city,river_length_km,river_density
python3 scripts/wi.py query typhoon-landfall --where "city_code = <市代码>" --fields typhoon_name,landfall_date,landfall_place,intensity

没有县级的河网密度，只有市级的，要写明。台风没有在本市登陆过时，写"本市没有台风登陆的记录"，不要推断。

第 7 步：中标单位

python3 scripts/wi.py query listed-company-gov-procurement --where "supplier_name = <中标单位>" --fields project_name,buyer_city,buyer_county,contract_amount_yuan,contract_date --limit 100
python3 scripts/wi.py query listed-company-litigation-detail --where "stock_code = <股票代码>" --where "event_content contains <中标单位>" --fields event_id,announcement_date,case_cause,judicial_progress,plaintiff,defendant,other_party --limit 50
python3 scripts/wi.py query listed-company-env-penalty --where "stock_code = <股票代码>" --fields penalty_date,authority,penalty_content,fine_amount --limit 50

写清楚：

1. 环保处罚的对象是上市公司（中标单位的母公司），不是中标单位本身。
2. 诉讼还在一审、没有判决的，写"未判决"。不把诉讼当成中标单位有过错。
3. 平台没有中标单位自己的行政处罚和工商登记，写"没有查到"。

第 8 步：同类工程

python3 scripts/wi.py query listed-company-gov-procurement --where "project_name contains 除险加固" --fields project_name,buyer_province,contract_amount_yuan,contract_date --limit 1000 --save data/similar.json

写代码：去掉名称里有设计、监理、勘察、检测、鉴定、咨询、监测、设备、自动化的合同，按项目名称、金额去重。算同类工程份数、其中名称有"水库"的份数、本工程金额的百分位。数据只有供应商是上市公司的合同，要写明。

怎么回答

交一页"风险画像"，按这个顺序：

1. 工程：一句话，名称、金额、签订日期、工序、位置精确到哪里。
2. 风险清单：每条一行，写风险、等级（高、中、低）、依据。依据要有数字和数据集。照片看到的写"照片（示例）"。
3. 要补的资料：按 references/risk-card.md 列，写为什么要。
4. 要补拍的照片：写拍什么、从哪里拍。
5. 说明：照片是示例时写明。位置精确到区县。数据的局限。

不要编造数据。没有查到的写"没有查到"。

出错时