Margin Collateral Agent：用架构分离解决 OTC 保证金争议
TL;DR · AI 摘要
通过四层架构分离文档解释与确定性计算，将场外衍生品保证金争议从计算前的45%降至计算后的可控范围，实现零LLM调用的可审计自动化流程。
核心要点
- OTC衍生品保证金争议中，45%发生在计算前，因CSA合同理解分歧引发。
- 采用ADE+三 Claude Agent+规则预审+Python计算器的四层架构，零LLM调用完成归一化与验证。
- 在保险理赔与监管报告等文档解释驱动场景复用分离原则，内生可审计性与推理链追踪。
结构提纲
按章节快速跳转。
- §问题背景
OTC衍生品名义价值达846万亿美元，45%保证金追缴存在争议，且过半在计算前源于CSA合同理解分歧。
- ·核心架构
四层架构：ADE按CSA专用Schema提取并溯源；三 Claude Agent归一化抵押品、时区与货币；规则Agent预审矛盾项；Python计算器执行确定性运算。
- ·技术要点
零LLM调用的纯规则计算，生成带页码追溯、推理链与独立脚本的审计包，可审计性从架构第一天内生设计。
- ·适用场景
适用于保险理赔、监管报告等文档解释驱动的确定性计算高风险场景，复用“解释-计算分离”原则。
- ·关键洞察
争议根源在合同解读而非数学，明确规则与LLM职责边界，通过显式接口实现协同。
- ·实践价值
将计算前争议显著后移，提升流程确定性与合规性，降低操作与法律风险。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- OTC保证金争议解决
- 问题与数据
- 名义价值846万亿美元
- 45%保证金追缴有争议
- 争议根源
- 过半争议在计算前，源于CSA合同理解分歧
- 四层架构
- ADE提取并溯源
- 三 Claude Agent归一化
- 规则Agent预审矛盾项
- Python计算器确定性计算
- 技术与审计
- 零LLM调用
- 带页码追溯与推理链的审计包
- 适用场景
- 保险理赔
- 监管报告
- 关键洞察
- 争议根源在合同解读而非数学
金句 / Highlights
值得收藏与分享的关键句。
45%保证金追缴争议发生在计算前，因CSA合同理解不同导致，需从源头化解。
三 Claude Agent 并行归一化抵押品描述、时区和货币条款，纯规则验证Agent预审矛盾项，实现零LLM调用的自动化。
输出带页码追溯、推理链与可独立运行Python脚本的审计包，可审计性从架构第一天内生设计。
该分离原则可直接迁移至保险理赔与监管报告等文档解释驱动的确定性计算场景。
场外衍生品名义价值 846 万亿美元，45% 的保证金追缴存在争议，其中过半争议发生在计算之前——双方对同一份 CSA 合同的理解不同。
该系统将流程拆为四层：ADE 按 CSA 专用 Schema 提取字段并绑定源页码；三个 Claude Agent https://t.co/HYTjIS035C" / X
Margin Collateral Agent：用架构分离解决 OTC 保证金争议 场外衍生品名义价值 846 万亿美元，45% 的保证金追缴存在争议，其中过半争议发生在计算之前——双方对同一份 CSA 合同的理解不同。 该系统将流程拆为四层：ADE 按 CSA 专用 Schema 提取字段并绑定源页码；三个 Claude Agent 并行归一化抵押品描述、时区和货币条款，纯规则验证 Agent 预审矛盾项；五步骤纯 Python 计算器执行确定性运算，零 LLM 调用；最终生成带页码追溯、推理链和可独立运行 Python 脚本的审计包。 关键洞察：争议根源是合同解读而非数学。LLM 负责需要判断的模糊语义，规则负责需要一致性的算术，两者接口显式化。可审计性必须从架构第一天内建，事后补装无效。该分离原则适用于保险理赔、监管报告等一切"文档解释驱动确定性计算"的高风险场景。
Quote
@LandingAI
4h
Automating OTC margin calls with document extraction and multi-agent normalization
Meet the Margin Collateral Agent, a project built during the Financial AI Hackathon Championship 2025 that automates one of the most disputed workflows in OTC derivatives. Almost half of all margin...