一个普遍的痛点金融数据分类分级是所有持牌金融机构都必须面对的合规任务。《金融信息服务数据分类分级指南》国信办通字〔2026〕2 号发布后机构需要对海量的金融数据逐条判定其类别三级分类和级别四级分级。面对 67 个分类条目、多维影响矩阵和复杂的升级条件纯人工操作不仅耗时而且标准难以统一。有没有办法让这个流程自动化四层架构让复杂规则变得可计算我们选择用分层架构来组织整个系统。每一层职责清晰、独立演化上层依赖下层下层对上层无感。应用层/findata-classify· Claude Code · OpenCode · WorkBuddy · CLI推理层三级降级引擎——①查表法精确匹配→ ②类比法语义匹配→ ③演绎法矩阵推理知识层自定义(custom) · 权威分类(authoritative) · 术语(terms) · 分类框架(category) · 影响判定(impact) · 级别矩阵(grade) · 分级规则(grading_rules)数据层金融信息服务数据分类分级指南.pdf国家网信办推理层三级降级引擎这是系统的核心。三条路径逐步降级兼顾速度与覆盖面第1级 — 查表法毫秒级离线引擎classifier.py在知识库中做精确关键字匹配。命中率最高、速度最快、零网络依赖。自定义规则custom.json享有最高优先级覆盖权威数据。多个匹配结果按分数降序排列最多返回 20 条候选项由 AI 从候选中判定最佳。第2级 — 类比法秒级没有精确匹配时大模型加载 67 条权威分类通过语义理解找到最接近的类别及其预置级别。适用于未精确录入但语义相近的名称。第3级 — 演绎法数秒级面对全所未见的新数据类型时模型回归指南原文的「影响对象 × 影响程度」矩阵识别该数据影响的对象国家安全、经济运行、社会秩序、公共利益、组织权益、个人权益判断影响程度严重危害、危害、轻微影响查矩阵确定级别核心数据 重要数据 敏感一般数据 常规一般数据这是系统的兜底路径确保任何数据都有据可依。工程体验一个 Skill 的自我修养findata-classify是一个OpenCode Skill兼容 Claude Code、OpenCode、WorkBuddy 等 AI 助手。安装即用将技能配置放入 AI 助手的 skills 目录后直接在对话中输入/findata-classify 身份证号即可触发全流程分类分级无需任何手动前置操作。初始化完全自动化首次调用时init.py会自动完成全部准备工作从国家网信办官方地址下载指南 PDF调用build_knowledge.py将 PDF 提取为 7 个结构化知识模块验证完整性确保推理引擎就绪整个过程只需要pip install pymupdf一个前置依赖其余全部自动化。链路失效自愈如果官方 PDF 链接因网站改版而失效脚本不会抛出冰冷错误而是引导 AI 助手自行通过 WebSearch 搜索并下载正确文件。离线可用知识库构建一次后第1级精确匹配即可完全离线运行无需网络、无需大模型。一个完整的例子以身份证号为例第1级精确匹配命中个人用户基本信息{数据名称:身份证号,语义匹配度:90,分类:{一级:用户数据,二级:个人用户数据,三级:个人用户基本信息},分级:敏感一般数据,升级条件:[当1000万人及以上的个人用户基本信息数据集 → 重要数据],理由:依据《金融信息服务数据分类分级指南》附录A身份证号属于「个人用户基本信息」中「证件号码」的典型示例参考最低级别为「敏感一般数据」。涉及1000万人及以上数据集时升级为「重要数据」。}开源 使用项目采用 MIT 协议欢迎贡献和反馈。AI 助手在 Claude Code / OpenCode / WorkBuddy 中输入/findata-classify 身份证号离线模式python classifier.py 身份证号代码仓库github.com/winsurelab/findata-classify从人工翻指南到一键出结果。金融数据分类分级终于可以交给 AI 了。