Java微服务架构：基于天远家政风险报告接口打造合规用工平台

筑牢家庭防线：企业级家政背调系统的架构与实现

在家政服务的高端市场，平台的核心竞争力不仅仅是匹配效率，更是"安全交付能力"。不同于普通的电商物流，家政服务是典型的"入户场景"，服务人员的司法背景、债务压力甚至心理稳定性，都直接关联到雇主的家庭财产与人身安全。

天远家政风险报告提供了目前市场上极为稀缺的"强合规"数据维度。它不仅覆盖了公安重点人员核验，还独创性地引入了"租赁行为"与"借贷逾期"数据，帮助平台识别那些因巨额债务压力而可能产生盗窃动机的高危人员。

本文将以 Java (Spring Boot) 为技术栈，深入解析如何构建一个类型安全、逻辑严密的家政背调中台，重点讲解如何通过 加权评分模型 来量化阿姨的"安全指数"。

领域模型设计 (Domain Modeling)

在 Java 强类型语言中，直接操作 JSON 对象容易导致空指针异常（NPE）和业务含义模糊。为了应对 COMBTY15 返回的复杂组合包结构，我们需要定义严谨的 POJO（Plain Old Java Object）模型，利用 Lombok 简化代码。

核心数据结构定义

Java

jsx 复制代码

import lombok.Data;
import java.util.List;

/**
 * 天远家政风险报告响应聚合根
 */
@Data
public class HousekeepingRiskResponse {
    // 对应组合包中的 responses 数组
    private List<SubProductResponse> responses;
}

@Data
public class SubProductResponse {
    private String api_code; // 例如 DWBG6A2C
    private boolean success;
    private RiskReportData data; // 泛型或具体类型，此处以核心报告为例
    private String error;
}

/**
 * 核心业务数据：司南报告服务 (DWBG6A2C)
 */
@Data
public class RiskReportData {
    private BaseInfo baseInfo;               // 基本信息
    private SecurityInfo securityInfo;       // 公安重点人员核验 (核心红线)
    private RiskPoint riskPoint;             // 风险点标注
    private RiskList riskList;               // 风险名单
    private OverdueRecord overdueRecord;     // 历史逾期 (财务压力)
    private RentalBehavior rentalBehavior;   // 租赁行为 (稳定性)
    // ... 其他字段省略
}

/**
 * 公安红线指标
 */
@Data
public class SecurityInfo {
    private int front;      // 前科 (0-未命中)
    private int drug;       // 涉毒
    private int escape;     // 在逃
    private int icase;      // 涉案
    // 开发者注意：此处任何字段为1，均为绝对的一票否决
}

/**
 * 财务压力指标
 */
@Data
public class OverdueRecord {
    private int currentOverdueCount;     // 当前逾期笔数
    private String totalOverdueAmount;   // 逾期总金额区间
    private String lastOverdueDate;      // 最近逾期时间
}

Spring Boot 服务层实现

在企业级应用中，我们需要封装一个健壮的 Service 层，处理加密、重试机制以及响应的解包逻辑。

Java

jsx 复制代码

import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.stereotype.Service;
import org.springframework.web.client.RestTemplate;
import java.util.HashMap;
import java.util.Map;
import java.util.Optional;

@Service
public class TianyuanRiskService {

    private static final String API_URL = "https://api.tianyuanapi.com/api/v1/COMBTY15";
    private final RestTemplate restTemplate;
    private final ObjectMapper objectMapper;

    public TianyuanRiskService(RestTemplate restTemplate, ObjectMapper objectMapper) {
        this.restTemplate = restTemplate;
        this.objectMapper = objectMapper;
    }

    /**
     * 执行背调核心方法
     */
    public RiskReportData performBackgroundCheck(String name, String idCard, String mobile, String authUrl) {
        try {
            // 1. 构建业务参数
            Map<String, String> params = new HashMap<>();
            params.put("name", name);
            params.put("id_card", idCard);
            params.put("mobile_no", mobile);
            params.put("authorization_url", authUrl);

            // 2. 加密处理 (模拟加密，生产环境请实现AESUtil)
            String encryptedData = EncryptionUtil.encryptAndBase64(objectMapper.writeValueAsString(params));

            // 3. 构造请求体 {"data": "..."}
            Map<String, String> requestBody = new HashMap<>();
            requestBody.put("data", encryptedData);

            // 4. 发起请求
            String urlWithTimestamp = API_URL + "?t=" + System.currentTimeMillis();
            HousekeepingRiskResponse response = restTemplate.postForObject(
                urlWithTimestamp, 
                requestBody, 
                HousekeepingRiskResponse.class
            );

            // 5. 解包与路由分发
            return extractRiskData(response);

        } catch (Exception e) {
            // 建议接入企业级监控如 Sentry 或 Prometheus
            throw new RuntimeException("家政背调接口调用失败", e);
        }
    }

    private RiskReportData extractRiskData(HousekeepingRiskResponse response) {
        if (response == null || response.getResponses() == null) return null;

        // 遍历组合包，提取 DWBG6A2C (司南报告)
        return response.getResponses().stream()
                .filter(r -> "DWBG6A2C".equals(r.getApi_code()) && r.isSuccess())
                .map(SubProductResponse::getData)
                .findFirst()
                .orElseThrow(() -> new RuntimeException("未获取到有效的风控报告数据"));
    }
}

深度解析：构建"安全-诚信-稳定"三维画像

获取数据只是第一步，如何解读数据才是风控的关键。对于家政场景，我们建议建立一个 SIS (Safety, Integrity, Stability) 三维评估模型。

维度一：安全红线 (Safety) - 零容忍

数据源 : securityInfo (公安核验) + riskList (行业黑名单)

逻辑判定 :
- securityInfo 中任意字段（如 front 前科、drug 涉毒）命中：立即熔断，拉黑。
- riskList.identityFake (身份伪冒) 为 1：拉黑。
业务价值: 这是底线，直接决定是否录用。

维度二：诚信隐患 (Integrity) - 财务动机分析

数据源 : overdueRecord (逾期记录) + riskPoint.judicialRisk (司法涉诉)

深度分析 : 家政人员往往能接触到雇主家中的现金和贵重物品。
- 如果 overdueRecord.currentOverdueCount > 3 且 totalOverdueAmount 金额较大：说明该人员正处于极大的财务压力下，盗窃风险指数飙升。
- 如果 riskList.courtViolator (法院被执行) 为 1：说明是"老赖"，可能存在预支工资后跑路的行为。
决策建议: 对于育儿嫂、住家保姆等高价值岗位，建议拒绝此类人员；对于钟点工，需进行重点监管。

维度三：稳定性 (Stability) - 留存率预测

数据源 : rentalBehavior (租赁行为) + baseInfo.status (手机号状态)

数据洞察 :
- rentalBehavior.rentalApplicationCountLast3Months：如果该数值很高，说明人员近期频繁申请租房或寻找落脚点，生活状态极不稳定，跳单或离职率可能很高。
- baseInfo.status：如果是"风险号"或"沉默号"，往往意味着该号码是为了应聘临时办理的，真实性存疑。

4. 进阶实战：加权评分算法实现

为了给运营人员提供直观的参考，我们可以将上述逻辑封装为一个评分算法，输出 0-100 的安全分。

Java

jsx 复制代码

public class RiskScoringEngine {

    public RiskScoreResult evaluate(RiskReportData data) {
        int score = 100;
        List<String> rejectReasons = new ArrayList<>();
        List<String> warningTags = new ArrayList<>();

        // 1. 红线检查 (直接归零)
        SecurityInfo sec = data.getSecurityInfo();
        if (sec.getFront() == 1 || sec.getDrug() == 1 || sec.getEscape() == 1) {
            return new RiskScoreResult(0, "命中公安红线：有前科/涉毒/在逃", true);
        }
        
        // 2. 财务压力扣分 (权重高)
        OverdueRecord overdue = data.getOverdueRecord();
        if (overdue.getCurrentOverdueCount() > 0) {
            int penalty = overdue.getCurrentOverdueCount() * 10; // 每笔逾期扣10分
            score -= penalty;
            warningTags.add("存在当前逾期，财务压力大");
        }

        // 3. 司法风险扣分
        if (data.getRiskPoint().getJudicialRisk() == 1) {
            score -= 30;
            warningTags.add("存在司法涉诉记录");
        }

        // 4. 稳定性扣分
        // 解析 rentalBehavior (假设已解析为对象)
        // if (rentalApps > 5) score -= 10; 

        // 兜底逻辑
        if (score < 0) score = 0;
        
        boolean autoReject = score < 60;
        return new RiskScoreResult(score, String.join(";", warningTags), autoReject);
    }
}

5. 结语

天远家政风险报告 接口不仅提供了数据的"广度"（覆盖公检法），更提供了数据的"深度"（包含财务与租赁行为）。通过 Java 强类型的封装与加权评分模型的设计，企业可以将这些冷冰冰的数据转化为有温度的"安全承诺"。

在实际落地中，建议将此接口集成在 阿姨录入 和 上户前二次核验 两个环节。前者用于筛选，后者用于监控（防止在职期间新增不良记录），从而真正实现全链路的合规闭环。