勤勉

什么

Diligent 是一个面向银行、金融科技公司和支付公司的 KYC/AML 运营 AI 代理平台。其设计目标是在保持分析师主导权的同时，自动化高吞吐量的合规工作，例如风险调查、筛查告警处置和文档核验。

该产品看起来被定位为可嵌入现有风控技术栈的企业级合规自动化层，而不是替代原有系统。其工作流围绕以下步骤展开：选择用例、连接系统（API、门户和筛查工具集成）、配置内部政策，并在人工监督和可审计机制下运行代理。

功能

• 面向特定 KYC/AML 工作流的可配置 AI 代理：团队可聚焦风险审查、AML 筛查处置、文档核验等人工流程，减少分析师重复劳动。
• 多种部署/连接方式：Diligent 支持通过 API、其门户 UI，以及与筛查工具的原生集成进行连接，帮助团队在不重构核心系统的情况下落地使用。
• 策略驱动执行：用户可上传风险政策和流程，使代理遵循企业自有控制要求，而非通用规则。
• 人机协同运营（Human-in-the-loop）：分析师可在生产环境中先审阅输出，再逐步提升自动化水平，以支持可控上线和质量保障。
• 按用例划分的专用代理：平台重点展示了商户风险调查、AML 误报告警处置、客户文档与政策匹配等具体运营模块。
• 企业安全能力信号：官网声明不使用客户数据进行训练、采用现代化数据实践、具备网络保险，并拥有包括 SOC 2 Type II 和 ISO 27001 在内的认证。

实用建议

• 从一个高摩擦队列开始：在落地初期，先选择一个范围明确的工作流（例如误报告警处置），并在扩展前定义清晰的复核标准。
• 将策略上传视为治理项目：提供给代理的流程与风险规则质量，可能直接决定输出一致性与审计就绪度。
• 尽早设计审核人员操作手册：人机协同模式在分析师拥有明确升级路径和异常处理标准时效果最佳。
• 评估阶段核实集成范围：官网提到原生筛查工具集成，但采购方应确认其技术栈中具体厂商覆盖范围与 API 深度。
• 将已验证结果与案例数据区分开：已披露的效率提升属于客户案例；团队应通过受控试点评估在自身环境中的真实影响。

OpenClaw 技能

在 OpenClaw 生态中，Diligent 很可能可作为更广泛风控运营流程中的合规执行引擎。一个实用的技能设计是：将传入的开户/准入案件先路由到 OpenClaw 分诊代理，再把选定任务（商户尽调、文档核验、告警处置）交由 Diligent 按策略处理，最后返回结构化输出供分析师审批与案件管理。来源内容确认了 API/门户连接能力和工作流定制能力，但任何 OpenClaw 直连接器都更像是潜在用例，而非已确认的原生集成。

第二种可能模式是围绕 Diligent 输出构建 OpenClaw 监督代理，用于质检、工作负载均衡和证据打包。例如，OpenClaw 可编排周期性控制测试，为合规管理层汇总异常趋势，并在策略变更时触发再训练/更新流程。在金融服务运营场景中，这种组合可推动团队从手工 L1 吞吐型工作转向更高价值的调查、控制设计和面向监管的文档工作。