保险理赔助手：用 OpenAI 把报案流程从"填表苦力"变成对话引导

pip install openai pydantic
export OPENAI_API_KEY="sk-你的key"

import json
from openai import OpenAI
from pydantic import BaseModel, Field
from typing import Optional

client = OpenAI()

# ---- 理赔所需的结构化字段 ----
class ClaimData(BaseModel):
    incident_date: Optional[str] = Field(None, description="事故发生日期，格式 YYYY-MM-DD")
    incident_location: Optional[str] = Field(None, description="事故地点")
    loss_type: Optional[str] = Field(None, description="损失类型：collision/theft/fire/water_damage/other")
    description: Optional[str] = Field(None, description="事故简要描述")
    involved_parties: Optional[str] = Field(None, description="涉及的其他方信息")
    estimated_damage: Optional[str] = Field(None, description="预估损失金额")

# ---- 多轮对话状态管理 ----
class ClaimAssistant:
    def __init__(self):
        self.collected = ClaimData()
        self.conversation_history = []
        self.required_fields = ["incident_date", "incident_location", "loss_type", "description"]

    def missing_fields(self) -> list[str]:
        """返回尚未收集的必填字段"""
        return [f for f in self.required_fields if getattr(self.collected, f) is None]

    def extract_info(self, user_input: str) -> dict:
        """调用 LLM 从用户输入中提取结构化字段"""
        schema = ClaimData.model_json_schema()
        prompt = f"""你是保险理赔信息提取助手。从用户的陈述中提取以下字段信息。
如果某字段在用户陈述中找不到，对应值设为 null。

字段定义：
{json.dumps(schema['properties'], ensure_ascii=False)}

用户陈述：{user_input}

请以 JSON 格式返回提取结果，只返回 JSON，不要其他内容。"""

        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{"role": "system", "content": prompt}],
            temperature=0.1,  # 低温度保证提取稳定性
        )
        try:
            return json.loads(response.choices[0].message.content)
        except json.JSONDecodeError:
            return {}

    def generate_question(self, missing_field: str) -> str:
        """针对缺失字段生成自然语言追问"""
        field_descriptions = {
            "incident_date": "事故是哪天发生的？请提供具体日期。",
            "incident_location": "事故发生在哪里？请提供地址或区域。",
            "loss_type": "这次事故的主要损失类型是什么？比如碰撞、盗窃、火灾、水损等。",
            "description": "请简要描述事故经过。",
        }
        return field_descriptions.get(missing_field, f"请提供{missing_field}的信息。")

    def process_message(self, user_input: str) -> str:
        # 1. 记录对话历史
        self.conversation_history.append({"role": "user", "content": user_input})

        # 2. 从用户输入提取信息并更新状态
        extracted = self.extract_info(user_input)
        for field, value in extracted.items():
            if value is not None and hasattr(self.collected, field):
                setattr(self.collected, field, value)

        # 3. 检查缺失字段，生成追问或确认完成
        missing = self.missing_fields()
        if missing:
            return self.generate_question(missing[0])
        else:
            return (
                f"理赔信息已收集完整，确认如下：\n"
                f"- 日期：{self.collected.incident_date}\n"
                f"- 地点：{self.collected.incident_location}\n"
                f"- 类型：{self.collected.loss_type}\n"
                f"- 描述：{self.collected.description}\n\n"
                f"确认无误后，我们将正式提交理赔申请。"
            )

# ---- 运行示例 ----
assistant = ClaimAssistant()

# 模拟客户多轮对话
messages = [
    "昨天下午我在停车场被别人撞了，车头受损",
    "2024-12-15，地点是朝阳区大望路SOHO停车场",
    "碰撞，对方车撞了我的车头，对方车牌号京A88xxx",
]

for msg in messages:
    reply = assistant.process_message(msg)
    print(f"客户：{msg}")
    print(f"助手：{reply}\n")

print("--- 最终收集数据 ---")
print(assistant.collected.model_dump_json(indent=2))