Um kit de ferramentas profissional para gerar estratégias de recuperação de dívidas em conformidade, sequências de cartas e estruturas de planos de pagamento.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install afrexai-debt-collection
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o afrexai-debt-collection usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Playbook de Cobrança e Recuperação de Dívidas?
O Playbook de Cobrança e Recuperação de Dívidas é uma estrutura técnica abrangente projetada para ajudar empresas a gerenciar contas a receber com precisão legal e eficiência estratégica. Ao aproveitar o Openclaw Skills, os usuários podem gerar instantaneamente sequências de cobrança em várias etapas que progridem de lembretes amigáveis a avisos finais de cobrança, garantindo que todas as comunicações permaneçam em conformidade com os regulamentos FDCPA e FCA.
Esta habilidade vai além de simples modelos, fornecendo lógica sofisticada para análise de faixas de atraso (aging bucket) e pontuação de prioridade do devedor. Permite que equipes financeiras e desenvolvedores implementem fluxos de trabalho de recuperação orientados por dados, incluindo calculadoras de planos de pagamento com modelagem de juros e mapeamento de estatutos de limitações específicos de cada estado. Isso garante que cada tentativa de recuperação seja otimizada para a maior probabilidade de sucesso, minimizando o risco jurídico.
Casos de uso do Playbook de Cobrança e Recuperação de Dívidas
- Automação de sequências de cobrança de faturas B2B em várias etapas.
- Cálculo de planos de pagamento estruturados para dívidas de alto valor usando modelos com juros.
- Priorização de esforços de cobrança por meio de fórmulas de pontuação de prioridade ponderada.
- Pesquisa de limitações legais específicas de estados para recuperação de dívidas nos EUA.
- Padronização de roteiros de comunicação com devedores e checklists de localização (skip tracing) para equipes internas.
Como o Playbook de Cobrança e Recuperação de Dívidas funciona
- Defina os parâmetros da dívida, incluindo o valor pendente, data de vencimento e histórico de pagamento do cliente.
- Utilize o Openclaw Skills para acionar a Fórmula de Pontuação de Prioridade, que categoriza a conta com base na urgência de recuperação.
- Selecione o fluxo de trabalho apropriado, como uma sequência de cartas de escalonamento ou uma estrutura de plano de pagamento por dificuldades financeiras.
- O agente gera documentação em conformidade, variando de avisos de validação iniciais a cartas de demanda final.
- Revise a análise das faixas de atraso para determinar se a dívida deve ser tratada internamente, encaminhada a uma agência ou processada como baixa de dívida incobrável.
Configuração do Playbook de Cobrança e Recuperação de Dívidas
Para implantar este playbook em seu ambiente, siga estas etapas de instalação para integrá-lo à sua biblioteca Openclaw Skills.
# Instale o pacote de habilidade de recuperação de dívidas
openclaw install debt-recovery-playbook
# Configure suas definições de conformidade local
openclaw configure recovery --region US
Uma vez instalado, você pode solicitar ao agente que gere artefatos específicos, como planos de pagamento ou relatórios de aging, usando comandos CLI padrão.
Esquema de Dados e Taxonomia de Playbook de Cobrança e Recuperação de Dívidas
A habilidade organiza os dados de recuperação de dívidas por meio de tabelas estruturadas e lógica de pontuação para garantir uma saída consistente.
| Componente | Estrutura | Metadados Principais |
|---|---|---|
| Faixas de Atraso | Tabela | Dias de atraso, nível de prioridade e % de recuperação esperada |
| Pontuação de Prioridade | Fórmula | Ponderação para valor, idade, valor do cliente e histórico |
| Planos de Pagamento | Matriz | Duração, APR (Taxa Anual) e limites mínimos de pagamento |
| Conformidade | Checklist | Requisitos FDCPA e status de aviso Mini-Miranda |
Recursos avançados do Playbook de Cobrança e Recuperação de Dívidas
- Pontuação de Prioridade Dinâmica: Calcula automaticamente a urgência com base em uma fórmula ponderada de vários fatores.
- Modelagem de Juros: Estruturas integradas para cálculos de APR de 5% a 8% em planos de pagamento estendidos.
- Lógica Específica de Estado: Mapeamento integrado de estatutos de limitações para contas escritas, orais e abertas nos principais estados dos EUA.
- Análise de ROI: Estruturas para determinar o ponto de equilíbrio entre recuperação interna e encaminhamento para agência.
- Barreiras de Conformidade: Checklists passo a passo para garantir que todo o contato atenda aos padrões regulatórios da FDCPA.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Skill de Agente de IA Deal Desk
Uma estrutura estruturada para agentes de IA automatizarem revisões de negócios não padronizados, aprovações de descontos e análises de margem.
Agente de Conformidade Davis-Bacon e Salário Vigente
Um agente abrangente de conformidade na construção federal para gerenciar os requisitos da Lei Davis-Bacon, determinações salariais do DOL e fluxos de trabalho de folha de pagamento certificada.
Domínio em Engenharia de Banco de Dados
Um framework abrangente para design, otimização, migração e operações de banco de dados em PostgreSQL, MySQL e SQLite.
Data Room Builder
Automatize a criação de hierarquias estruturadas de salas de dados virtuais e listas de verificação de documentos priorizadas para auditoria.
Mecanismo de Decisão
Uma arquitetura de decisão profissional para agentes de IA para classificar, analisar e documentar escolhas complexas usando estruturas estruturadas.
Framework de Previsão de Demanda
Um framework analítico sofisticado para gerar previsões de demanda precisas usando uma mistura de séries temporais estatísticas, regressão causal e metodologias qualitativas.
Apresentou*
