← Back to Skills Marketplace
yanwenzhe

企业年金查询技能

by 鄢文哲 · GitHub ↗ · v3.2.1 · MIT-0
cross-platform ✓ Security Clean
146
Downloads
0
Stars
0
Active Installs
2
Versions
Install in OpenClaw
/install company-pension-search
Description
智能查询企业年金及职业年金,自动识别单位性质和年金类型,多渠道验证并输出带来源链接的标准调查报告。
README (SKILL.md)

🏦 企业年金/职业年金智能查询技能 v3.2

关键改进:关键词分析优先、年金类型精确判断、多重验证防错、错误检查清单

一键调查任意企业/单位是否缴纳企业年金或职业年金,查询年金开户银行,通过上市公司年报、基金招募书、养老金产品报告等多渠道分析,所有结论附带来源链接


🚀 快速使用

基础查询

"帮我查一下 [企业名称] 有没有企业年金"
"查询 [企业名称] 的职业年金情况"
"调查 [企业名称] 的福利待遇,包括年金"

深度调查

"对 [企业名称] 进行全面年金调查,使用所有方法"
"查一下 [企业名称] 的年金、公积金、待遇情况,输出完整报告"

批量查询

"帮我查一下这几家公司的年金:公司 A、公司 B、公司 C"

📋 核心功能

功能 说明 版本
单位性质识别 自动识别企业/事业单位/国企/民企/上市公司 ✅ v2.0
智能方法选择 根据单位类型自动选择最优调查方法 ✅ v2.0
18 种调查方法 覆盖官方、商业、员工分享等多渠道 ✅ v2.0
置信度评估 自动计算信息可靠性评分 ✅ v2.0
标准化报告 输出结构化调查报告 ✅ v2.0
批量查询 支持一次查询多家企业 ✅ v2.0
年金开户银行查询 查询企业年金托管银行/受托银行 ✅ v3.0
来源链接标注 所有结论附带来源链接 ✅ v3.0
年报查询分析 通过上市公司年报查询应付职工薪酬、企业年金 ✅ v3.1
基金/养老金产品查询 通过基金招募书、养老金产品报告查询投资管理人/托管人 ✅ v3.1
官方机构名单比对 比对人社部/人社局官方受托机构/托管人名单 ✅ v3.1
年金类型精确判断 关键词分析优先,防止类型判断错误 ✅ v3.2
特殊情况识别 识别企业化管理事业单位等特殊情况 ✅ v3.2
错误检查清单 输出前强制检查,防止先入为主错误 ✅ v3.2
多重验证机制 关键词、单位性质、多渠道交叉验证 ✅ v3.2

🔄 调查流程 v2.0

第一步:单位性质智能识别

自动执行

1. 搜索企业名称 + 官网
2. 分析工商注册信息
3. 识别单位类型标签

判断逻辑

┌─────────────────────────────────────┐
│         输入企业名称                  │
└─────────────┬───────────────────────┘
              ▼
┌─────────────────────────────────────┐
│  搜索:单位性质/工商类型/上市状态    │
└─────────────┬───────────────────────┘
              ▼
┌─────────────────────────────────────┐
│           类型判断                   │
│  ┌─────────────────────────────┐    │
│  │ 财政供养? → 是 → 事业单位   │    │
│  │ 国资控股? → 是 → 国企       │    │
│  │ 上市代码? → 有 → 上市公司   │    │
│  │ 以上皆无? → 民企/其他       │    │
│  └─────────────────────────────┘    │
└─────────────┬───────────────────────┘
              ▼
┌─────────────────────────────────────┐
│     输出:单位类型 + 置信度          │
└─────────────────────────────────────┘

单位类型与年金类型映射

单位类型 年金类型 是否强制 缴费比例
事业单位 职业年金 ✅ 强制 单位 8% + 个人 4%
公务员单位 职业年金 ✅ 强制 单位 8% + 个人 4%
国有企业 企业年金 ❌ 自愿 单位 4-8% + 个人 1-4%
上市公司 企业年金 ❌ 自愿 单位 4-8% + 个人 1-4%
民营企业 企业年金 ❌ 自愿 单位 4-8% + 个人 1-4%
外企 企业年金 ❌ 自愿 单位 4-8% + 个人 1-4%

第二步:智能方法选择

根据单位类型自动选择最优调查方法组合:

事业单位调查方案

优先级 方法 权重 预期可靠性
1 部门预算/决算公开 30% ⭐⭐⭐⭐⭐
2 事业单位招聘公告 25% ⭐⭐⭐⭐⭐
3 官网查询 20% ⭐⭐⭐⭐
4 员工分享平台 15% ⭐⭐⭐
5 直接咨询 10% ⭐⭐⭐⭐⭐

国有企业调查方案

优先级 方法 权重 预期可靠性
1 年报/ESG 报告 30% ⭐⭐⭐⭐⭐
2 国资委官网 25% ⭐⭐⭐⭐⭐
3 招聘公告 20% ⭐⭐⭐⭐
4 商业查询平台 15% ⭐⭐⭐⭐
5 员工分享 10% ⭐⭐⭐

上市公司调查方案

优先级 方法 权重 预期可靠性
1 年报查询(巨潮/港交所) 40% ⭐⭐⭐⭐⭐
2 ESG 报告/社会责任报告 25% ⭐⭐⭐⭐⭐
3 招聘平台 15% ⭐⭐⭐⭐
4 员工分享平台 15% ⭐⭐⭐
5 商业查询平台 5% ⭐⭐⭐

民营企业(非上市)调查方案

优先级 方法 权重 预期可靠性
1 商业查询平台(天眼查/企查查) 25% ⭐⭐⭐⭐
2 招聘平台 25% ⭐⭐⭐⭐
3 员工分享平台 20% ⭐⭐⭐
4 直接咨询 HR 20% ⭐⭐⭐⭐⭐
5 官网查询 10% ⭐⭐⭐

第三步:执行调查

自动化脚本调用

# 基础搜索
./scripts/search.sh "企业名称" all

# 按类型搜索
./scripts/search.sh "企业名称" official      # 官方渠道
./scripts/search.sh "企业名称" recruitment  # 招聘信息
./scripts/search.sh "企业名称" social       # 员工分享
./scripts/search.sh "企业名称" financial    # 财务/年报

# 深度调查(所有方法)
./scripts/search.sh "企业名称" deep

搜索渠道

  • Tavily API(优先,结构化结果)
  • SearXNG(备用,隐私保护)
  • 直接网页抓取(补充)

第四步:信息整合与置信度计算

置信度算法

置信度 = Σ(信息来源可靠性 × 信息一致性 × 时效性权重)

信息来源可靠性:
- 官方文件/官网:1.0
- 政府公开信息:0.9
- 上市公司年报:0.95
- 招聘公告:0.8
- 员工分享:0.6
- 匿名爆料:0.4

信息一致性:
- 多个独立来源一致:1.0
- 部分来源一致:0.7
- 单一来源:0.5
- 来源冲突:0.3

时效性权重:
- 1 年内信息:1.0
- 1-2 年信息:0.8
- 2-3 年信息:0.6
- 3 年以上:0.4

置信度等级

分数 等级 显示
0.85-1.0 极高 ⭐⭐⭐⭐⭐
0.70-0.84 ⭐⭐⭐⭐
0.55-0.69 ⭐⭐⭐
0.40-0.54 ⭐⭐
0.00-0.39 极低

第五步:生成标准化报告(v3.0)

报告结构

# [企业名称] - 企业年金/职业年金调查报告

## 核心结论(TL;DR)
| 项目 | 结论 | 置信度 | 来源 |
|------|------|--------|------|
| 企业年金/职业年金 | 有/无 | ⭐⭐⭐⭐ | [链接](url) |
| 年金开户银行 | XX 银行 | ⭐⭐⭐⭐ | [链接](url) |
| 单位性质 | XXX | ⭐⭐⭐⭐⭐ | [链接](url) |

## 单位性质分析
[详细说明] [来源](url)

## 年金信息
- 年金类型:企业年金/职业年金 [来源](url)
- 缴费比例:单位 X% + 个人 X% [来源](url)
- 开户银行:XX 银行(托管人/受托人) [来源](url)

## 调查结果汇总
| 方法 | 发现 | 可靠性 | 来源链接 |
|------|------|--------|----------|
| 年报查询 | ... | ⭐⭐⭐⭐⭐ | [链接](url) |
| 招聘平台 | ... | ⭐⭐⭐⭐ | [链接](url) |

## 待遇水平估算
[基于公开数据的估算]

## 信息来源(带链接)
1. [来源名称](url) - 内容描述
2. [来源名称](url) - 内容描述

## 建议进一步确认方式
[具体行动建议]

v3.0 新增要求

  • 所有结论必须附带来源链接
  • 年金开户银行信息需明确标注
  • 链接使用 Markdown 格式 [来源名称](URL)

⚠️ v3.2 新增:错误预防与类型判断增强

关键词分析优先规则

核心原则:公告/文档标题关键词优先级 高于 单位性质推断

关键词 年金类型 优先级
"企业年金" 企业年金 ⭐⭐⭐⭐⭐(最高)
"职业年金" 职业年金 ⭐⭐⭐⭐⭐(最高)
"五险二金(企业年金)" 企业年金 ⭐⭐⭐⭐⭐
"五险二金(职业年金)" 职业年金 ⭐⭐⭐⭐⭐
"五险二金" 需进一步确认 ⭐⭐⭐⭐

判断规则

  1. 公告标题关键词优先于单位性质推断
  2. 官方文件关键词优先于推测
  3. 多重来源交叉验证

特殊情况识别清单

特殊情况 识别方法 处理方式
企业化管理事业单位 官网查询单位性质 查看公告关键词,不自动假设
编外/合同制人员 招聘公告区分 可能有独立企业年金
混合年金(既有企业又有职业) 咨询 HR/查看合同 分别查询确认
历史遗留(2014 年前建立) 查看建立时间 可能是企业年金延续
股权激励替代 上市公司年报查询 确认无企业年金

错误检查清单(输出前必填)

### 错误检查(v3.2 新增)

- [ ] 公告标题关键词是否与结论一致?
- [ ] 单位性质是否有特殊情况?
- [ ] 是否有多个信息来源交叉验证?
- [ ] 是否存在 2014 年前后时间差异?
- [ ] 是否考虑了编外/合同制人员情况?
- [ ] 置信度是否合理标注?
- [ ] 待确认项是否明确标注?

常见错误与预防

错误类型 错误表现 预防措施
先入为主 看到"事业单位"就假设"职业年金" ✅ 强制提取公告关键词
忽略特殊情况 不了解"企业化管理事业单位" ✅ 维护特殊情况清单
单一来源 仅凭单位性质推断 ✅ 强制多渠道交叉验证
时间差异忽略 不考虑 2014 年政策变化 ✅ 查询年金建立时间

🔍 v3.1 新增:高级查询渠道

渠道 1:上市公司年报查询

适用对象:上市公司

查询平台

  • 巨潮资讯网:http://www.cninfo.com.cn/
  • 上交所:http://www.sse.com.cn/
  • 深交所:http://www.szse.cn/

搜索关键词

"[企业名称] 年报 应付职工薪酬 企业年金"
"[企业名称] 年报 离职后福利"

可获取信息

  • 企业年金缴费金额
  • 应付职工薪酬明细
  • 员工福利政策

渠道 2:基金/养老金产品查询

适用对象:所有单位(如有年金产品)

查询平台

  • 基金公司官网
  • 天天基金网:http://fund.eastmoney.com/
  • 人社部官网

搜索关键词

"[企业名称] 企业年金 养老金产品 投资管理人 托管人"
"[企业名称] 年金 受托人 托管银行"

可获取信息

  • 投资管理人:如华夏基金、国寿养老、平安养老等
  • 托管人:如工商银行、建设银行、招商银行等
  • 产品起始投资日期
  • 注册登记人

渠道 3:官方受托机构名单比对

适用对象:所有单位

查询平台

  • 人社部官网
  • 各省市人社局官网

全国企业年金管理机构(截至 2025 年):

  • 法人受托机构:12 家(平安养老、国寿养老、泰康养老等)
  • 托管人:10 家(工商、建设、中国、农业、交通、招商等)
  • 账户管理人:18 家
  • 投资管理人:22 家

可获取信息

  • 官方认可的受托机构名单
  • 官方认可的托管银行名单
  • 用于比对确认企业查询结果

v3.1 报告新增字段

## 💰 年金开户银行(v3.1 增强)

| 角色 | 机构名称 | 信息来源 | 置信度 |
|------|----------|----------|--------|
| **受托人** | [机构名称] | [年报/产品报告/官方名单] | ⭐⭐⭐ |
| **托管人** | [银行名称] | [产品报告/官方名单] | ⭐⭐⭐ |
| **投资管理人** | [机构名称] | [产品报告] | ⭐⭐⭐ |
| **账户管理人** | [机构名称] | [产品报告] | ⭐⭐⭐ |

**查询方法**:
- [ ] 上市公司年报查询
- [ ] 年金产品报告查询
- [ ] 官方名单比对
- [ ] 招聘信息确认

🛠️ 脚本说明

search.sh - 主搜索脚本

#!/bin/bash
# 用法:./search.sh "企业名称" [搜索类型] [输出格式]
# 搜索类型:all / official / recruitment / social / financial / deep
# 输出格式:text / json / markdown

COMPANY_NAME="$1"
SEARCH_TYPE="${2:-all}"
OUTPUT_FORMAT="${3:-text}"

# 自动检测可用的搜索工具
if [ -n "$TAVILY_API_KEY" ]; then
    SEARCH_TOOL="tavily"
elif [ -n "$SEARXNG_URL" ]; then
    SEARCH_TOOL="searxng"
else
    SEARCH_TOOL="fallback"
fi

# 执行搜索
case "$SEARCH_TYPE" in
    official)
        search_official "$COMPANY_NAME"
        ;;
    recruitment)
        search_recruitment "$COMPANY_NAME"
        ;;
    # ... 其他类型
esac

generate_report.sh - 报告生成脚本

#!/bin/bash
# 用法:./generate_report.sh [企业名称] [调查数据 JSON] [输出路径]

COMPANY_NAME="$1"
DATA_FILE="$2"
OUTPUT_PATH="${3:-./reports}"

# 生成 Markdown 报告
generate_markdown_report "$COMPANY_NAME" "$DATA_FILE" "$OUTPUT_PATH"

# 可选:生成 PDF
if command -v pandoc &> /dev/null; then
    generate_pdf_report "$OUTPUT_PATH"
fi

batch_query.sh - 批量查询脚本

#!/bin/bash
# 用法:./batch_query.sh [公司列表文件] [输出目录]

COMPANY_LIST="$1"
OUTPUT_DIR="${2:-./batch_reports}"

# 读取公司列表
while IFS= read -r company; do
    echo "调查:$company"
    ./search.sh "$company" deep
    ./generate_report.sh "$company"
done \x3C "$COMPANY_LIST"

# 生成汇总报告
generate_summary_report "$OUTPUT_DIR"

📊 参考数据

职业年金缴费标准(全国统一)

缴费方 比例 说明
单位缴纳 8% 财政负担
个人缴纳 4% 工资代扣
合计 12% 强制

企业年金缴费标准

缴费方 比例范围 说明
单位缴纳 4%-8% 不超过工资总额 8%
个人缴纳 1%-4% 自愿选择
合计 5%-12% 自愿

各地事业单位待遇参考

详见 references/salary-reference.md


⚙️ 配置选项

环境变量

变量 用途 必需 默认值
TAVILY_API_KEY Tavily 搜索 API -
SEARXNG_URL SearXNG 实例 URL http://localhost:8080
OUTPUT_DIR 报告输出目录 ./reports
CACHE_ENABLED 启用缓存 true
CACHE_TTL 缓存过期时间(秒) 86400

配置文件

创建 ~/.openclaw/workspace/skills/company-pension-search/config.json

{
  "search": {
    "preferred_tool": "tavily",
    "fallback_tool": "searxng",
    "max_results": 20,
    "timeout_seconds": 30
  },
  "report": {
    "format": "markdown",
    "include_raw_data": true,
    "auto_save": true
  },
  "cache": {
    "enabled": true,
    "ttl_seconds": 86400
  }
}

📝 使用示例

示例 1:事业单位查询

用户:帮我查一下深圳市大数据资源管理中心有没有企业年金

AI 执行流程:
1. 识别单位性质 → 事业单位(置信度 0.95)
2. 选择调查方案 → 事业单位方案
3. 执行调查:
   - 搜索预算/决算公开 ✅ 找到
   - 搜索招聘公告 ✅ 找到
   - 搜索员工分享 ⚠️ 信息少
4. 计算置信度 → 0.88(高)
5. 输出结论 → ✅ 有职业年金(单位 8% + 个人 4%)

示例 2:上市公司查询

用户:腾讯公司有没有企业年金?

AI 执行流程:
1. 识别单位性质 → 民营企业/上市公司(置信度 1.0)
2. 选择调查方案 → 上市公司方案
3. 执行调查:
   - 搜索年报 ✅ 找到,无年金披露
   - 搜索 ESG 报告 ✅ 找到,有股权激励
   - 搜索员工分享 ✅ 找到,确认无年金
4. 计算置信度 → 0.92(极高)
5. 输出结论 → ❌ 无企业年金,有股权激励替代

示例 3:批量查询

用户:帮我查一下这几家公司的年金:腾讯、阿里、字节、华为

AI 执行流程:
1. 分别识别各单位性质
2. 为每家公司选择合适方案
3. 并行执行调查
4. 生成对比报告
5. 输出汇总表格

🔧 故障排除

常见问题

Q1: 搜索结果为空?

  • 检查网络连接
  • 确认 API Key 有效
  • 尝试更换搜索工具
  • 检查企业名称是否准确

Q2: 置信度过低?

  • 增加调查方法数量
  • 寻找更多官方来源
  • 延长搜索时间范围
  • 考虑直接咨询

Q3: 报告生成失败?

  • 检查输出目录权限
  • 确认数据格式正确
  • 查看脚本错误日志

📈 更新日志

v2.0.0 (2026-03-12)

  • ✅ 新增单位性质智能识别
  • ✅ 新增智能方法选择
  • ✅ 新增置信度评估算法
  • ✅ 新增 18 种调查方法
  • ✅ 新增标准化报告模板
  • ✅ 新增批量查询支持
  • ✅ 优化搜索脚本性能

v1.0.0 (2026-03-12)

  • ✅ 初始版本发布
  • ✅ 基础搜索功能
  • ✅ 基础报告生成

📚 相关资源

  • references/pension-policy.md - 年金政策详解
  • references/salary-reference.md - 各地待遇参考
  • references/search-methods.md - 18 种调查方法详解
  • scripts/search.sh - 搜索脚本
  • scripts/generate_report.sh - 报告生成脚本
  • scripts/batch_query.sh - 批量查询脚本

版本:2.0.0
最后更新:2026-03-12
维护者:OpenClaw 社区
许可证:MIT

Usage Guidance
This skill appears coherent and focused on public‑data searching and report generation. Before installing or running: 1) inspect scripts/search.sh (and other scripts) to confirm they do only expected HTTP queries and parsing (watch for commands that exec input, follow untrusted redirects, or write to unexpected system paths); 2) be aware the tool will make network requests and may download web content—use rate limits and respect robots/policies; 3) optional API keys (TAVILY, SearXNG) improve results but are not required—don’t provide unrelated credentials; 4) run the skill in a sandbox or with non‑privileged user account if you’re unsure; 5) confirm output handling (reports directory, logs) meets your privacy policy before running bulk queries that may aggregate sensitive info.
Capability Analysis
Type: OpenClaw Skill Name: company-pension-search Version: 3.2.1 The 'company-pension-search' skill is a legitimate tool designed to investigate Chinese enterprise and occupational pension schemes. It utilizes shell scripts (search.sh, generate_report.sh, batch_query.sh) to perform multi-channel searches via Tavily and SearXNG, calculate confidence scores, and generate detailed Markdown reports. While the use of 'sed' in generate_report.sh for string replacement is technically vulnerable to delimiter injection (a bug), there is no evidence of malicious intent, data exfiltration, or unauthorized system access. The extensive documentation, including error analysis (ERROR_ANALYSIS_v3.2.md) and version history, indicates a well-maintained and purposeful utility.
Capability Assessment
Purpose & Capability
Name/description (企业年金查询) match the included artifacts: SKILL.md, search/generate/batch scripts, config template and reference docs. Declared dependencies (curl, jq) and optional search API env vars (TAVILY_API_KEY, SEARXNG_URL) are coherent with a web‑search/scraping/reporting skill.
Instruction Scope
Runtime instructions direct the agent to run local scripts (./scripts/search.sh, generate_report.sh, batch_query.sh) which perform web searches, scraping and aggregation and then produce Markdown reports with source links. This is in‑scope for the stated purpose, but the instructions grant broad discretion for network calls and multi‑channel scraping — review the search.sh implementation for any aggressive crawling, follow/redirect handling, or actions that collect personal data.
Install Mechanism
No install spec is provided (instruction‑only with local scripts), so nothing is downloaded or extracted during install. All files are present in the skill bundle and no external installers or obscure URLs are used in the provided material.
Credentials
No required secrets are requested. Two optional environment variables (TAVILY_API_KEY and SEARXNG_URL) are plainly tied to search providers mentioned in the docs and are proportionate to improved search functionality; config.template.json controls behavior and is appropriate for the skill.
Persistence & Privilege
Skill is not marked always:true and does not declare elevated platform privileges. It operates via local scripts and configuration files inside the skill workspace; nothing in the manifest indicates it modifies other skills or system‑wide agent settings.
How to Use
  1. Make sure OpenClaw is installed (local or Docker)
  2. Run the install command in chat: /install company-pension-search
  3. After installation, invoke the skill by name or use /company-pension-search
  4. Provide required inputs per the skill's parameter spec and get structured output
Version History
v3.2.1
修复搜索工具选择逻辑,优化 Tavily 集成
v3.2.0
**v3.2.0 重点更新:增强年金类型判别及错误防范** - 优先采用关键词分析进行年金类型判断,公告和文档标题关键词优先级高于单位性质推断,防止误判。 - 增强异常场景识别,增加对“企业化管理事业单位”、编外/合同制人员等特殊情况的核查方案。 - 输出前新增错误检查清单,强制自检结论类型、来源一致性和置信度等,减少人为或推理失误。 - 多重验证(关键词、单位性质、多渠道交叉验证)为所有关键结论把关。 - 保持所有结论必须附带来源链接,报告结构与字段与3.1版保持兼容。
Metadata
Slug company-pension-search
Version 3.2.1
License MIT-0
All-time Installs 0
Active Installs 0
Total Versions 2
Frequently Asked Questions

What is 企业年金查询技能?

智能查询企业年金及职业年金,自动识别单位性质和年金类型,多渠道验证并输出带来源链接的标准调查报告。 It is an AI Agent Skill for Claude Code / OpenClaw, with 146 downloads so far.

How do I install 企业年金查询技能?

Run "/install company-pension-search" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.

Is 企业年金查询技能 free?

Yes, 企业年金查询技能 is completely free, licensed under MIT-0. You can download, install and use it at no cost.

Which platforms does 企业年金查询技能 support?

企业年金查询技能 is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).

Who created 企业年金查询技能?

It is built and maintained by 鄢文哲 (@yanwenzhe); the current version is v3.2.1.

💬 Comments