1. 建样本表
发送样本需求
命令里包含建模、样本筛选、样本要求、样本创建、样本表等关键词时，会进入样本表流程。
检查机器人返回的 SQL
确认来源表、字段、时间范围、目标变量、样本量控制是否正确。
确认执行
SQL 无误后回复确认命令，系统会执行建表并返回 JOB 状态。
输入示例
建模样本：取近30天进件样本，目标变量 is_pihe，字段包含 uid、create_dt、pid，样本量 30 万左右
贷后样本，取 2026-05-01 到 2026-05-31，目标变量 flag_fpd30，样本表名 testdb2.auto_risk_demo
确认执行
JOB-20260615-120000 确认执行
JOB-20260615-120000 不执行
执行成功后会返回目标样本表，并提示可以继续做特征回溯。
2. 特征回溯
基于样本 JOB 回溯
JOB-20260615-120000 1、2、3、4
JOB-20260615-120000 用户基本信息特征_v1、DTS批量特征_V1
直接指定样本表回溯
testdb2.auto_risk_20260427163918 1、3
testdb2.auto_risk_20260427163918 特征回溯 APP埋点特征_v2、AppList特征_v1
| 编号 | 特征名称 | 接口模型名 | 合并支持 |
|---|---|---|---|
| 1 | 信贷行为特征_v2_在贷类 | plat_behavior_fea_v2_inloan | 支持 |
| 2 | 信贷行为特征_v2_非在贷类 | plat_behavior_fea_v2_other | 支持 |
| 3 | 用户基本信息特征_v1 | baseinfo_fea_v1 | 支持 |
| 4 | DTS批量特征_V1 | dtsinfo_fea_v1 | 支持 |
| 5 | 三要素匹配_MD5 | md5_3factors_fea | 不支持 |
| 6 | 三要素匹配_SHA256 | sha256_3factors_fea | 不支持 |
| 7 | APP埋点特征_v2 | app_event_v2 | 不支持 |
| 8 | 人脸特征_v1 | user_face_fea_v1 | 支持 |
| 9 | 存量新客营销dts特征_周更版 | policymkt_dts_fea_weekly | 支持 |
| 10 | 用户画像_榕树用户行为特征_v1 | rs_action_fea_v1 | 支持 |
| 11 | 用户画像_榕树用户营销特征_v1 | rs_marketing_fea_v1 | 支持 |
| 12 | AppList特征_v1 | rs_applist_fea_v1 | 不支持 |
APP埋点、AppList、三要素 MD5、三要素 SHA256 不支持合并；一次选择多个这类特征时，可能返回多个独立结果表。
3. 自动建模
使用回溯 JOB 建模
JOB-20260615-120000 自动建模 评分转换类型 dh
适用于该 JOB 只有一个特征结果表的情况。
多结果表时指定特征表
自动建模
JOB-20260615-120000
特征表 testdb2.tmp_demo_app_event_features
评分转换类型 ph
直接指定两张表
自动建模
样本表 testdb2.auto_risk_demo
特征表 testdb2.auto_risk_demo_merge_features
目标变量 flag_fpd30
时间字段 loan_dt
评分转换类型 ph
OOT划分时间 2026-03-24
直接使用 CSV 建模
自动建模:
样本: yqg_api_dhdata_2508_2603_label_md5_features_0625.csv
目标变量: target
时间字段: loan_dt
评分转换类型: dh
适用于 CSV 已放在 33.22 的 /opt/rsdata/auto_ml/data/ 目录下。
自动建模必须填写评分转换类型，支持 dh / ph；直接指定样本表和特征表、或直接使用 CSV 时，还必须填写目标变量和时间字段。OOT划分时间为可选项，填写后会传给建模配置。自动建模返回模型路径和模型报告下载链接。
4. 模型打分
使用已配置模型，对 Hive 样本表或 CSV 样本文件打分，并返回结果表。
输入示例
模型打分：
样本：testdb2.feature_join_dh_0617
模型：信息流大盘优质客群识别模型v1
样本支持范围
Hive 表：db.table
CSV 文件：*.csv、/opt/rsdata/*.csv
CSV 文件必须放在 53.125 服务器的 /opt/rsdata 目录下。
| 编号 | 已配置模型 | 接口模型名 |
|---|---|---|
| 1 | 信息流大盘优质客群识别模型v1 | xxl_fk_sf0_score_v1 |
| 2 | B卡全平台V3模型 | all_bcard_sf0_score_v3 |
| 3 | 榕树A卡V9_自动建模 | a_score_v9_auto_v1 |
| 4 | 榕树批核模型_v3 | rs_ph_auto_v3 |
| 5 | 场景批核模型_v1 | cj_ph_auto_v1 |
| 6 | 榕树批核模型_v3_agentid版 | rs_ph_auto_v3_rs_agentid |
| 7 | 榕树批核模型_v2 | rs_ph_auto_v2 |
| 8 | 场景批核模型_v2 | cj_ph_auto_v2 |
| 9 | 榕树批核模型_v4 | rs_ph_auto_v4 |
| 10 | 自营用户分层预测模型V2 | qxl_jinjian_sf0_clevel_score_v2 |
| 11 | 榕树新客信用飞批核模型v1_自动建模 | rs_new_xyf_ph_auto_v1 |
| 12 | 渠道进件批核模型 | cj_ph_sf0_agent_score_v1 |
| 13 | 渠道进件放款模型 | cj_fk_sf0_agent_score_v1 |
| 14 | 榕树老客低风险机构批核模型 | rs_old_ph_sf0_dfx_score |
| 15 | 榕树进件蒸馏模型v1 | rs_jinjian_sf0_zl_score_v1 |
模型打分只在输入以“模型打分”开头时触发；模型未配置时不会提交接口。任务完成后返回 taskResult 对应的结果表。
5. 策略自动化
用于策略分析、策略开发、策略推荐和策略效果评估。
输入示例
type: 特征分析
strategy_type: 端外渠道
zh_sample_table: testdb2.tjj_borrow_sample_haluo_0318_auto
zh_target: is_pihe,is_fk
dh_sample_table: testdb2.tjj_risk_sample_haluo_0324_auto_nojdd
dh_target: flag_fpd30,flag_mob2_30,flag_mob3_30
data_dim: undefined
feature_list:['scoreafylbase','scoreafysbase','scoreafywbase','scoreafyxbasea']
6. 擎天助(测试中)
基于擎天助完成策略元数据查询、线上策略查询和受控策略修改。
查询示例
擎天助 查询京东的pid
擎天助 查询机构300057的所有策略
擎天助 查询 pid=300097 agent_id=3297 cj_acard_model_topol 的策略
支持查询 pid、机构名、agentid、变量名、拒绝码、线上策略和变量使用情况。
修改流程
擎天助 查询 pid=300097 agent_id=3297 cj_acard_model_topol 的策略
把新客 b_score_dts k< 640 改成 b_score_dts k< 620
JOB-20260702-120000 确认执行
策略修改会先生成待确认 JOB，只有发起人确认后才会执行。
| 能力 | 说明 |
|---|---|
| 策略查询 | 支持按机构、渠道、EngineRule 查询线上策略。 |
| 策略修改 | 基于最近一次查询结果生成修改 DSL，避免脱离线上配置直接改。 |
| 安全确认 | 需要开启修改权限，并回复 JOB-xxx 确认执行 后执行。 |
7. 用户增长周月报
只有白名单用户可以使用。
输入示例
用户增长周报/用增周报
用户增长月报/用增月报
榕树首贷风险月报
输入示例指定周期
用户增长周报 2026-05-14 2026-05-20
用户增长月报 2026-05
榕树首贷风险月报 2026-05
8. L标签扩量分析
按用户分层版本生成运营及扩量分析报表。
输入示例
L标签扩量分析
customer_type: 榕树新客
base_version: v2
expand_version: v3_1
expand_before_ratio: 20%
expand_after_ratio: 70%
start_dt: 2026-01-28
end_dt: 2026-03-03
返回结果
| 报表 | 下载链接 |
| --- | --- |
| 运营及扩量分析 | [点击下载](https://biservice.shurongdai.cn/api/push/xxx.xlsx) |
任务完成后返回 Excel 报告下载链接，钉钉里会渲染为点击下载。
| 参数 | 说明 |
|---|---|
| customer_type | 客群，例如 榕树新客。 |
| base_version | 扩量前版本。 |
| expand_version | 扩量后版本。 |
| expand_before_ratio | 扩量前比例，例如 20%。 |
| expand_after_ratio | 扩量后比例，例如 70%。 |
| start_dt / end_dt | 分析周期，格式为 YYYY-MM-DD。 |
9. 机构风控指标监控与归因
监控机构风控指标波动，返回 Excel 报告下载链接和精简归因摘要。
输入示例
机构风控指标监控与归因
机构风控指标监控与归因 --monitor-date 2026-07-01
不指定日期时默认执行 T-1 数据；指定日期时使用 YYYY-MM-DD 格式。
返回结果
### 机构风控指标监控与归因完成
- 数据日：2026-07-01
- 预警数量：8
- Excel报告：[下载](https://biservice.shurongdai.cn/api/push/xxx.xlsx)
### 重点归因
1. 【省呗｜推送机构量】 🟢↓51.30%
变化：17,220 → 8,389
归因：日活流量同步下降。
判断：机构侧可能主动收缩或调整推送策略。
Excel 文件以下载链接返回；预警 JSON 会调用 LLM 压缩为关键归因和判断。
| 使用方式 | 说明 |
|---|---|
| 钉钉手动触发 | 发送“机构风控指标监控与归因”，默认执行 T-1。 |
| 指定数据日 | 追加 --monitor-date YYYY-MM-DD。 |
| 定时任务 | 服务器 cron 每天 10 点执行 T-1，并推送到配置的钉钉群。 |
10. Hive 表导出 CSV 并传到环境
把 Hive 表导出成 CSV，并传到环境 1 / 2 / 3 的 Jupyter 工作目录。
默认目录
testdb2.sample_table 传到环境1
testdb2.sample_table 传到环境2
testdb2.sample_table 传到环境3
testdb2.table_a、testdb2.table_b,testdb2.table_c;testdb2.table_d 传到环境2
默认传到对应环境的 /opt/jupyter/workspace/samples/。
指定目标位置
testdb2.sample_table 传到环境2 目标位置: /yanzijie/
testdb2.sample_table 传到环境2 目标位置: risk@172.18.32.69:/opt/jupyter/workspace/yanzijie/
| 环境 | 默认目标 |
|---|---|
| 环境1 | risk@172.18.34.114:/opt/jupyter/workspace/samples/ |
| 环境2 | risk@172.18.32.69:/opt/jupyter/workspace/samples/ |
| 环境3 | risk@172.18.33.22:/opt/jupyter/workspace/samples/ |
11. CSV 导入 Hive
从环境 1 / 2 / 3 拉取 CSV 到 215，并按表头创建 Hive 表。
常用输入
环境1 demo.csv 导入Hive
环境2 zxj/300148省呗/增加L层推送占比/data/sb_to_br.csv 导入 hive
路径规则
相对路径会默认基于 /opt/jupyter/workspace/ 补全。
导入到 215 的 /opt/rsdata/auto_ml/from_jupyter_data/，Hive 库默认是 testdb2。
如果 CSV 内容里有逗号、括号、特殊字符等导致串列，建议优先使用标准 CSV 引号转义；必要时再扩展分隔符识别或让用户指定分隔符。
| 环境 | 默认目标 |
|---|---|
| 环境1 | risk@172.18.34.114:/opt/jupyter/workspace/samples/ |
| 环境2 | risk@172.18.32.69:/opt/jupyter/workspace/samples/ |
| 环境3 | risk@172.18.33.22:/opt/jupyter/workspace/samples/ |