一、项目背景

我们给一家保险机构做理赔初审的智能化。原来材料全靠人工审，单证不符、缺件、影像模糊天天有，审核员淹没在大量常规件里，真正可疑的件反而被埋没。客户那边体验更差，一份材料来回补三次，等上小半个月，投诉电话被打爆。我们翻了他们的工单，审核员六成时间在审那些一眼就能过的常规件，可疑件的平均停留反而最长，这种倒挂让欺诈风险和客户体验一起变差。理赔负责人最头疼的是年底审计，哪件漏审了、为什么漏，说不清。更现实的是，人工审件成本高，机构为了控成本拼命压审核员人数，结果件越堆越多，客户等得越久，投诉越多，又得加人，陷入越省越亏的怪圈。

二、落地场景

我们用多智能体协同做材料初审。收件智能体负责接收材料并做 OCR，把影像转成结构化字段；校验智能体核对单证一致性，比如发票金额和保单是否对得上、就诊日期是否在保障期；提醒智能体发现缺件或模糊件，自动给客户发补件通知；初筛智能体给每件打风险分，常规件直接过，疑点件转人工复核；分派智能体把疑点件按类型分给对应专长的审核员。整个流程跑在状态机上，每步幂等、可断点恢复，审核员在系统里就能看到每件卡在哪、谁在处理，不用再翻群聊。此外，反欺诈也接进来了，疑点件的 pattern 会聚成规则库，哪类手法变多自动预警，审核员从被动审单变成被系统喂线索，命中率高了不少。

三、关键技术挑战与解决思路

OCR 准确率决定了初审的上限。模糊影像、倾斜单证、手写批注都会让识别掉链子，我们第一版直接信 OCR 结果，把模糊件也自动过了，后来漏了几单疑点被复盘，改成 OCR 置信度低于阈值就强制转人工，宁慢勿漏。单证一致性校验要覆盖各种组合，发票、病历、保单三方对账，规则多且易变，我们用规则引擎而不是写死代码，新险种上线只需加规则。疑点初筛最怕误杀，把正常件标成可疑会浪费人工，我们也怕漏，两者要平衡，我们用风险分分级，中风险才转人，低风险直接过，高风险走绿通。分派要按专长，把车险疑点派给车险审核员，派错了又得转手，我们建了技能标签做匹配。状态机踩过坑，早期没做幂等，网络抖动导致同件被审两次，后来每步带去重键才稳。规则引擎也踩过坑，初期一条规则写错把某类正常单据全拦，积压了一天，后来加了规则灰度和小流量验证才敢全量。

案例片段（已脱敏）： 理赔材料初筛与分派配置（示意）： ocr.confidence_threshold: 0.85 check.engine: rule_based risk.tier: [low, mid, high] assign.by_skill: true statemachine.idempotent: true rule.rollout: canary 某机构上线后初审自动通过率约 62%，疑点漏检率从约 5% 降到 1% 以内，单件平均审核时长从约 3 天压到 6 小时，规则误拦事件归零。

四、效果数据

我们主要看初审自动通过率、疑点漏检率、单件审核时长和客户等待。自动通过率约六成，常规件不用再占人工；漏检率压到百分之一以内，可疑件基本不漏，审计放心了。单件审核时长从三天压到六小时，客户等得短了，投诉量明显降。客户等待时间同步缩短，补件通知自动发，不用再催。文中数据为项目复盘口径，已做脱敏。我们把风险分分布接到了反欺诈，哪类疑点变多提前布控，从被动审单变成主动防风险，理赔成本比单纯提速降得更实在。规则灰度上线后，新险种接入从原来改代码两周变成加规则半天，业务扩类的速度也上来了，机构终于敢接更多单而不怕审不过来。

五、可复用经验总结

理赔初审最怕人海战术，常规件占满人力，可疑件反而漏，我们用智能体把常规件自动过、疑点件转人，把人力用在刀刃上，这比加人省钱也更准。OCR 不能全信，模糊件强制转人工是我们的血泪教训，漏一单疑点比慢半天贵得多，置信度阈值宁可紧不可松。单证校验用规则引擎别写死，险种和规则天天变，写死代码改一次累一次，规则化之后新业务上线快得多。规则上线要灰度，一条写错能积压一天，我们被误拦坑过才加 canary。我现在的看法是，多智能体协同的关键在状态机和幂等，链路长了不掉件、不重复审才是底线，材料初审这种流程长、环节多的场景，把每一步都做成可恢复，比堆模型精度更能让业务方放心。

我们把审核员的复核记录也接回了模型，哪类件被人工改判就回流成训练样本，初筛模型越跑越准，误杀和漏检一起降。机构后来敢接更多渠道的件，因为系统能撑住量，人工只管真正要人判断的那层。

我们把疑点件的复核结论也回流成了规则，审核员改判一次，对应的校验规则就更准一点，规则库自己长大。机构最满意的是，重大欺诈 pattern 一旦被识别，后续同类件自动高亮，审核员一眼就能抓住，漏检的心理压力小了。