用蒙特卡洛模拟来算贷款生存率这个思路真的绝了

大多数贷款对比网站都在死磕哪个银行利率低，但其实 6.2% 的高压贷款远不如 6.8% 的宽松贷款。Vaya 这个项目的核心逻辑非常硬核，它不是在帮你找最便宜的钱，而是在帮你算“借了这笔钱我还能不能活下去”。

最让我感兴趣的是它的“生存分数”逻辑。它不是简单地用收入减去月供，而是通过蒙特卡洛模拟（Monte Carlo simulation）对用户的收入、支出和现有债务进行压力测试，直接给出一个破产概率。这种从概率论切入的金融 AI 视角，比单纯的计算器要实操得多。

我在研究它的实现逻辑时，发现这种 AI 贷款顾问的灵魂在于如何把非结构化的自然语言输入，精准转化为金融计算参数。一个简单的输入如“车贷 8 亿越南盾，月入 3 千万”，背后需要一套极强的 Prompt 来确保 AI 不会产生幻觉，并且能严格对齐银行的 LTV（贷值比）和 DTI（债务收入比）等专业指标。

如果你想复刻这种“生存分析”类的 AI 助手，可以参考我优化后的这套提示词，重点在于强制 AI 在输出结论前先进行多维度数值推演：

# Role: Financial Survival Analyst
# Context: The user provides a loan request and their current financial snapshot.
# Objective: Instead of just comparing rates, calculate the "Survival Probability" using a risk-assessment framework.

## Analysis Workflow:
1. **Parameter Extraction**: Extract [Loan Amount], [Monthly Income], [Existing Debt], and [Monthly Essential Expenses] from user input.
2. **Stress Test Simulation**: 
   - Scenario A (Baseline): Current income remains stable.
   - Scenario B (Downside): Income drops by 20% or expenses increase by 15%.
3. **Metric Calculation**:
   - DTI (Debt-to-Income) = (Total Monthly Debt / Gross Monthly Income)
   - Disposable Income = Monthly Income - (Loan Payment + Essential Expenses)
4. **Survival Score Logic**: 
   - If Disposable Income < 10% of monthly income in Scenario B, mark as "High Risk".
   - If DTI > 43%, mark as "Strained".

## Output Format:
- **Survival Score**: [Percentage %] (Probability of maintaining lifestyle without default)
- **Critical Warning**: [Specific trigger point, e.g., "If your income drops by X, you will be underwater"]
- **Optimization Path**: [Suggest: Reduce loan amount / Extend term / Cut specific expenses]

Vaya 这种产品的实战意义在于，它把 AI 从一个“信息搬运工”变成了“决策推演工具”。它不仅能对比 20 多家银行的实时利率，还能通过反向市场机制让银行去竞价，这种工作流比用户自己刷网页效率高得多。