feat: 添加线索引擎、NLQ、场景检测、前端界面等核心功能模块

backend/app/scenarios/__init__.py

@@ -0,0 +1 @@
+"""审计场景检测器：将业务数据中的异常模式转化为线索。"""

backend/app/scenarios/churn_fraud.py

@@ -0,0 +1,85 @@
+"""场景二 · 市场业务真实性：养卡骗补检测（R9）。
+
+检测"脉冲式增长 + 规律性衰减"的周期性造假：渠道每月新增大量用户订购，
+固定周期后这些用户集中退订（骗补后弃养）。结合佣金与业务质量匹配度。
+"""
+
+from __future__ import annotations
+
+from dataclasses import dataclass
+
+
+@dataclass
+class CohortPoint:
+    """某新增批次（cohort）在第 N 个月的留存率。"""
+
+    month_index: int
+    retention: float  # 0-1
+
+
+@dataclass
+class ChurnFinding:
+    cliff_month: int | None
+    max_drop: float
+    pulse_then_decay: bool
+
+
+def detect_pulse_decay(
+    retention_curve: list[CohortPoint],
+    cliff_drop: float = 0.5,
+) -> ChurnFinding:
+    """识别留存曲线中的"断崖式集中退订"。
+
+    若某月留存相对上月骤降超过 cliff_drop（默认 50%），判为规律性衰减。
+    """
+    ordered = sorted(retention_curve, key=lambda p: p.month_index)
+    max_drop = 0.0
+    cliff_month: int | None = None
+    for prev, cur in zip(ordered, ordered[1:], strict=False):
+        drop = prev.retention - cur.retention
+        if drop > max_drop:
+            max_drop = drop
+            if drop >= cliff_drop:
+                cliff_month = cur.month_index
+    return ChurnFinding(
+        cliff_month=cliff_month,
+        max_drop=round(max_drop, 3),
+        pulse_then_decay=cliff_month is not None,
+    )
+
+
+def commission_quality_mismatch(
+    commission_paid: float,
+    active_ratio: float,
+    zero_usage_ratio: float,
+) -> float:
+    """佣金与业务质量不匹配度（0-1）。
+
+    active_ratio：仍活跃用户占比；zero_usage_ratio：零通话/零流量用户占比。
+    佣金已发但活跃低、零使用高 → 不匹配度高。
+    """
+    if commission_paid <= 0:
+        return 0.0
+    mismatch = 0.6 * zero_usage_ratio + 0.4 * (1 - active_ratio)
+    return round(min(max(mismatch, 0.0), 1.0), 3)
+
+
+def churn_risk_score(finding: ChurnFinding, mismatch: float) -> float:
+    """综合评分：断崖退订 + 佣金质量不匹配。"""
+    if not finding.pulse_then_decay:
+        return round(0.3 * mismatch, 3)
+    base = 0.4 + 0.4 * finding.max_drop + 0.2 * mismatch
+    return round(min(base, 1.0), 3)
+
+
+def build_rationale(finding: ChurnFinding, mismatch: float) -> str:
+    if finding.pulse_then_decay:
+        return (
+            f"渠道新增用户在第 {finding.cliff_month} 个月出现断崖式集中退订"
+            f"（最大单月留存骤降 {finding.max_drop:.0%}），呈"
+            f"'脉冲式增长 + 规律性衰减'特征；佣金与业务质量不匹配度 {mismatch:.0%}，"
+            f"高度疑似养卡骗补（骗补后弃养）。"
+        )
+    return (
+        f"未见明显断崖退订，但佣金与业务质量不匹配度为 {mismatch:.0%}，建议关注。"
+    )

backend/app/scenarios/split_contract.py

@@ -0,0 +1,78 @@
+"""场景一 · 政企收入全链路穿透：拆单规避检测（R8）。
+
+检测点：
+1. 合同金额集中分布在审批阈值边缘（如阈值 80% 以上但不超阈值）。
+2. 结合知识图谱穿透识别隐性实控人（多个客户经法人关联到同一实控人）。
+满足上述模式则生成线索，附证据链与人话理由。
+"""
+
+from __future__ import annotations
+
+from dataclasses import dataclass, field
+
+
+@dataclass
+class ContractRecord:
+    """穿透分析输入：一份合同的关键信息。"""
+
+    contract_id: str
+    customer_key: str
+    amount: float
+
+
+@dataclass
+class SplitFinding:
+    """拆单检测结果。"""
+
+    near_threshold: list[ContractRecord] = field(default_factory=list)
+    ratio: float = 0.0
+    total_amount: float = 0.0
+
+    @property
+    def hit(self) -> bool:
+        return len(self.near_threshold) >= 3
+
+
+def detect_threshold_edge(
+    contracts: list[ContractRecord],
+    approval_threshold: float,
+    edge_ratio: float = 0.8,
+) -> SplitFinding:
+    """识别金额集中在审批阈值边缘 [edge_ratio*阈值, 阈值) 的合同。
+
+    这类"刚好低于阈值"的批量合同是典型的拆单规避特征。
+    """
+    if approval_threshold <= 0:
+        raise ValueError("审批阈值必须为正数")
+    lower = edge_ratio * approval_threshold
+    near = [c for c in contracts if lower <= c.amount < approval_threshold]
+    finding = SplitFinding(
+        near_threshold=near,
+        ratio=(len(near) / len(contracts)) if contracts else 0.0,
+        total_amount=sum(c.amount for c in near),
+    )
+    return finding
+
+
+def split_risk_score(finding: SplitFinding, shared_controller: bool) -> float:
+    """综合评分：阈值边缘集中度 + 是否穿透到同一实控人。"""
+    if not finding.hit:
+        return 0.0
+    base = min(0.6, 0.1 * len(finding.near_threshold))  # 数量越多越可疑
+    base += 0.2 * finding.ratio
+    if shared_controller:
+        base += 0.3  # 同一实控人是强证据
+    return round(min(base, 1.0), 3)
+
+
+def build_rationale(finding: SplitFinding, threshold: float, shared_controller: bool) -> str:
+    parts = [
+        f"检测到 {len(finding.near_threshold)} 份合同金额集中在审批阈值 "
+        f"{threshold:.0f} 的边缘区间（占比 {finding.ratio:.0%}），",
+        f"边缘合同金额合计约 {finding.total_amount:.0f}。",
+    ]
+    if shared_controller:
+        parts.append("且经工商关联穿透，相关客户疑似同属一个隐性实控人，高度符合拆单规避特征。")
+    else:
+        parts.append("建议进一步穿透客户关联关系以确认是否同一实控人。")
+    return "".join(parts)