freedak/InternalAuditInterprise
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
7b1e2b10a82ed0c9cd486ee848fe98e40a1df5c8
InternalAuditInterprise/1-prd-AIAudit.md
T
freedakgmail 7b1e2b10a8 Initial commit: InternalAuditInterprise
2026-06-16 00:38:57 +08:00

12 KiB
Raw Blame History

1-prd-AIAudit · 产品需求文档（PRD）

项目：基于本地私有化大模型的电信运营商 AI 全域内审平台（AIAudit） 版本：v0.1（待评审） 日期：2026-06 上游来源：0-req-AIAudit.md

1. 产品概述与定位

1.1 一句话定位

AIAudit 是一套建在运营商自己机房、数据零出域、覆盖全业务域、越用越聪明的本地 AI 内审能力体系——不是一套工具，而是一套可持续进化、归审计独立掌控的审计大脑。

1.2 产品形态

  • 部署形态：本地私有化部署（内网闭环，数据一比特不出机房）。
  • 能力构成：审计专用数据中台（底座）+ 四大引擎（LLM / 全量穿透 / 规则进化 / 线索驱动）+ 人机协同闭环（线索到销项）+ 系统自审计（独立可信）。
  • 交付物：本地 AI 审计平台 + 可进化规则库 + 已验证高价值线索 + 同台盲测成效报告。

1.3 与现有方式的差异化

维度 传统抽样审计 公有云 AI 审计 AIAudit（本地）
数据范围 按金额抽样，查不全 全量但数据出域 全量且数据不出机房
合规风险 低但能力弱 能力强但合规风险高 私有化、合规可控
响应效率 Excel 翻表 实时但依赖外网 内网闭环秒级响应
能力归属 经验在人脑 能力外部租用 本地永久沉淀，越用越聪明
独立性 依赖人工 数据送人 审计独立掌控、自身可审计

2. 目标与成功指标

2.1 业务目标

  • 把审计覆盖率从约 5% 提升到接近 100%（全量穿透）。
  • 把审计节奏从年度快照升级为 7×24 常态化监控。
  • 把审计经验固化为机构永久资产（可进化规则库）。
  • 数据出域风险归零，满足国资/运营商/等保最严要求。

2.2 成功指标（KPI）

指标 目标（首期/稳态） 对应需求
审计覆盖率 ≥ 95%（全量扫描） R5
数据出域事件 0 起 非功能 5.1、R1
同台盲测命中率 复现既有审计结论 + 发现新增真实线索 R21
线索准确率（高置信） 随反馈学习持续提升 R18
线索转化率（线索→属实立案） 可量化、上看板 R18、R21
首批线索产出 投产首月 200–500 条 R7
可挽回收入/止损 年化数千万级（保守） R21
查询响应 常规查询秒级，全量任务异步反馈进度 非功能 5.2

2.3 非目标（本产品不做）

  • 不替代业务系统本身的生产功能。
  • 不做面向业务方共享的全行级数据中台。
  • 不做需要数据出域的任何云端推理。

3. 用户画像与核心场景（痛点解法）

3.1 用户画像

角色 画像 关键诉求
审计员 一线内审，业务熟但不写代码 看懂线索、查到证据、处置留痕
审计主管 部门负责人 全局掌控、成效可量化、流程合规
规则管理员 资深审计/规则专家 自然语言配规则、沙箱验证、版本可控
系统管理员 IT 运维 接入稳定、权限可控、运行可观测
系统审计员 独立监督岗 改动可追溯、线索不可被删被拦

3.2 核心场景与痛点解法

场景 痛点 AIAudit 解法 对应需求
政企拆单规避 大额拆小额规避三重一大，抽样避开 金额阈值边缘分布识别 + 工商关联穿透 + 回款时序聚类 R8
养卡骗补 脉冲新增+规律退订，藏在时序里 用户生命周期时序模式识别 + 佣金质量匹配 R9
收入成本跨期错配 趸交一次性确认、成本分摊错配 政策/账务/合同三方勾稽 + 时点错配识别 R10
渠道套利套机 虚假放号、套卡、异地窜货 IMEI 级流向追踪 + 佣金在网时长匹配 R11
围标串标 报价雷同、马甲供应商、虚增工程量 投标关联分析 + 巡检轨迹交叉验证 + 供应商画像 R12
网间结算刷量 话务/短信刷量套结算 整数时长识别 + 信令比对 + 到达率交叉验证 R13
云空转/IDC虚租 资源闲置却全额确认收入 利用率vs计费量比对 + 电力勾稽 + 关联方识别 R14
内部舞弊 内部号套利、越权、积分套现 操作日志异常 + 权限岗位匹配 + 积分流向追踪 R15

共性痛点："数据涉密不能出域 + 海量单据查不过来 + 时序造假抽样抓不到"。共性解法："本地 LLM + 审计数据中台全量穿透 + 规则进化 + 人机闭环"。

4. 功能清单与优先级（MoSCoW）

优先级：Must（一期 MVP 必须）/ Should（二期）/ Could（三期）/ Won't（暂不做）。映射回 0-req-AIAudit.md 需求编号。

4.1 数据中台与底座

功能 优先级 需求映射
多源异构数据接入（接口/库/文件） Must R1
审计专用数据底座（物理隔离、独立掌控） Must R2
本体建模与审计知识图谱 Must R2
主数据对齐与数据清洗/质量评分 Must R2
双时态/时序建模与版本回溯 Must R3
增量同步与常态化重算 Should R3
统一穿透/图谱查询服务 Must R2

4.2 核心引擎

功能 优先级 需求映射
本地私有化 LLM 部署与推理 Must R4
自然语言查数（不写 SQL） Must R4、R20
全量穿透扫描引擎 Must R5
跨系统关联穿透 Must R5、R2
规则进化引擎（NL→规则） Should R6
规则沙箱验证与版本管理 Should R6
线索生成 + 证据链 + 人话解释 Must R7
线索价值排序与推送 Must R7、R20

4.3 审计场景

功能 优先级 需求映射
场景一 政企收入全链路穿透 Must R8
场景二 养卡骗补识别 Must R9
场景三 收入成本跨期匹配 Should R10
场景四 渠道佣金与套利 Should R11
场景五 网络建设与工程采购 Could R12
场景六 互联互通与网间结算 Could R13
场景七 云业务/IDC Could R14
场景八 员工内部舞弊 Should R15

一期场景优先级建议：选取"高概率×高金额"的政企拆单（R8）与养卡骗补（R9）作为 MVP 跑通，其余按风险热力图分期接入。最终优先级以评审为准。

4.4 闭环、治理与应用

功能 优先级 需求映射
风险域全景与热力图 Should R16
线索分派→研判→定性→整改→销项闭环 Must R17
审计底稿自动生成 Should R17
置信度三级分流 Must R18
误报反馈学习闭环 Should R18
运营指标看板（命中率/准确率/转化率） Should R18、R21
系统自审计（留痕/分权/三重版本/线索不可删） Must R19
线索看板/智能报告/预警推送 Must R20
成效度量与同台盲测报告 Should R21

5. 关键流程

5.1 数据流（从接入到可分析）

源系统(BSS/OSS/ERP/财务/合同/工单/信令)
  → 接入适配(接口/库/文件)
  → 审计数据中台：清洗/质量评分 → 本体建模/主数据对齐(知识图谱) → 双时态/时序建模
  → 统一穿透查询服务
  → 全量穿透引擎 + 本地 LLM

5.2 审计闭环（从线索到销项）

全量扫描/规则命中 → 生成线索+证据链+判定理由(置信度分级)
  → 推送/分派审计员 → 复核研判 → 定性分类
  → 自动生成审计底稿 → 整改 或 移交
  → 销项复核闭环（全程留痕）
  → 审计员反馈(误报/属实) → 阈值与模型校准

5.3 规则进化流

审计员用自然语言描述新造假模式
  → LLM 转化为可执行规则
  → 沙箱用历史数据验证命中率
  → 评审通过 → 投入生产(版本留痕)
  → 反馈迭代优化 → 沉淀进规则库

6. 角色权限矩阵

✅ 允许　🔶 限本人/受限　❌ 禁止。体现独立性与分权制衡（R19）。

功能 / 角色 审计员 审计主管 规则管理员 系统管理员 系统审计员 业务方
自然语言查询 ✅ ✅ ✅ 🔶 ✅ ❌
查看线索 🔶本人 ✅全部 ✅ ❌ ✅全部 ❌
研判/定性线索 ✅ ✅ ❌ ❌ ❌ ❌
分派线索 ❌ ✅ ❌ ❌ ❌ ❌
删除线索 ❌ ❌ ❌ ❌ ❌ ❌
配置/修改规则 ❌ 🔶审批 ✅ ❌ ❌ ❌
调整阈值 ❌ 🔶审批 ✅ ❌ ❌ ❌
出具报告 ✅ ✅ ❌ ❌ 🔶审计报告 ❌
数据接入配置 ❌ ❌ ❌ ✅ ❌ ❌
权限分配 ❌ 🔶 ❌ ✅ ❌ ❌
查看自审计轨迹 ❌ 🔶 ❌ 🔶 ✅ ❌
模型部署/升级 ❌ ❌ ❌ ✅ ❌ ❌

关键约束：任何角色均不能删除已生成线索；规则/阈值变动需审批且全程留痕；业务方对系统无任何写权限。

7. 版本规划

一期 · MVP（约 3 个月，对标蓝图部署节奏）

  • 第 1 月：本地算力+模型部署；数据接入；搭建审计数据中台（接入+本体+时态最小集）。
  • 第 2 月：场景微调；政企拆单（R8）+ 养卡骗补（R9）跑通；历史数据全量重跑同台盲测。
  • 第 3 月：投产；产出首批 200–500 条线索；人机闭环 + 系统自审计上线；规则库首轮进化。
  • 范围：R1-R5、R7、R8、R9、R17、R18(基础)、R19、R20。

二期 · 能力扩展

  • 规则进化引擎完整化（R6）；新增场景 R10/R11/R15；风险热力图（R16）；误报反馈学习（R18）；运营看板与盲测报告（R21）。

三期 · 全域覆盖

  • 接入场景 R12/R13/R14；增量近实时常态化（R3 完整）；信创适配深化；规则库规模化沉淀。

8. 非功能性要求（摘自需求并细化）

  • 安全合规（红线）：全链路内网闭环，数据零出域；不可篡改操作日志；敏感数据访问控制与脱敏。（R5.1）
  • 性能时效：支撑 70B 级本地推理；常规查询秒级；150 亿级全量扫描异步执行并反馈进度。（R5.2）
  • 易用性：审计员零门槛，自然语言交互，无需写 SQL。（R5.3）
  • 可扩展：新增数据源/场景/规则不重构核心；模型可替换升级。（R5.4）
  • 可追溯可解释：结论可回溯到模型/规则/数据三重版本；线索均附证据链与理由。（R5.5）
  • 信创适配：可适配国产 GPU 与信创软硬件。（R5.6）

9. 依赖与风险

9.1 依赖

  • 本地 GPU 算力（A100/H100/国产 GPU）到位。
  • 各业务系统可提供接口/库访问/文件导出之一。
  • 过去 2–3 年历史审计数据与结论可用于微调与盲测。
  • 初期可用脱敏/样例数据开发与演示。

9.2 风险与应对

风险 影响 应对
数据治理工作量被低估 拖累全量穿透落地 数据中台提前立项、独立排期、最小集先行
主数据对不齐 关联穿透失效 本体先行、对齐失败显式标记人工干预
误报过多 审计员被淹没 置信度三级分流 + 反馈学习 + 可解释证据链
模型幻觉/误判 线索不可信 证据链强制、沙箱验证、人工复核闭环
算力不足 推理性能不达标 异步任务、分级调度、信创适配评估
独立性被破坏 放水/拦截 分权制衡、线索不可删、三重版本留痕、系统自审计
数据出域 合规红线事故 内网闭环架构、出域阻断、全链路留痕

请检查确认本 PRD。 确认通过后，我将进入下一阶段，基于本文档生成开发任务文档 2-task-AIAudit.md（可勾选任务清单，标注目标、对应需求/PRD、验收标准、依赖与优先级/阶段）。如需修改，请直接告诉我要调整的部分。

Reference in New Issue View Git Blame Copy Permalink