due-diligence-report

name

due-diligence-report

description

Use for generating a 企业尽调评估报告 (尽调报告, 尽职调查, 投资评估, 并购评估, 合作前评估, 风险评估). Directly connects to 5 MCP servers (enterprise / risk / operation / patent / recruitment), pulls raw data, and runs cross-domain analysis — affiliated-party risk contagion, capital-adequacy × credit risk, innovation-operation fit, litigation structure — producing a scored verdict report. Trigger when users ask for "尽调报告", "尽职调查", "投资评估", "并购评估", "合作前评估", "风险评估", "尽调". Infer the enterprise name, connect MCPs, cross-analyze, and produce a radar + gauge + verdict report.

企业尽调评估报告

定位

投资 / 并购 / 合作前的风险评估 skill。直接连接 5 个 MCP server（工商 / 风险 / 经营 / 创新 / 招聘），获取多源原始数据，运行跨维度交叉分析——产出单维度原子 skill 无法生成的关联洞察、专项评分矩阵与结构化尽调结论。

与原子 skill 的区别

原子 skill（enterprise-report / enterprise-risk-report 等）各自只连一个 MCP、产出单维度报告。本 skill 直连 5 个 MCP 拿原始数据，做交叉分析：

• 关联方风险传染 — 股东 / 对外投资广度 × 诉讼 / 被执行风险
• 资本充实性 × 信用风险 — 实缴率 × 信用风险等级
• 创新经营匹配度 — 专利储备 × 经营规模 × 融资 → 企业类型判定
• 扩张张力 × 风险 — 招聘 / 融资 / 异地中标扩张信号 × 诉讼 / 合规趋势
• 诉讼结构 — 原被告身份 / 执行风险研判

用户契约

1. 不要向用户索要 product_id、MCP 工具名、内部参数；只接受企业名称 / 统一信用代码 / 注册号。
2. 接受自然目标，自动补全企业全称、直连多 MCP、交叉分析。
3. 默认直连多 MCP；--dry-run 读缓存报告做交叉分析骨架；--reports-dir 走旧融合引擎。
4. 同时产出 HTML（雷达图 + 评分仪表盘 + 尽调结论 + 交叉明细）、Markdown、JSON。
5. 绝不打印密钥 / 签名 / token；默认 dry-run，真实查询需 MCP 配置完整。
6. 数据不足的维度如实标注，不臆造；尽调结论全部基于数据交叉验证。

直连的 5 个 MCP

MCP server	工具	数据用途
enterprise-mcp-server	base_info / holders / invest / main_person	工商基础、股权、关联方
enterprise-risk-mcp-server	score / litigation / hearings / penalties / anomalies / restrictions / mortgage	风险全景、诉讼结构
enterprise-operation-mcp-server	business_scale / financing / trends / rankings	经营规模、资本运作、扩张信号
patent-mcp-server	patent_stats	创新储备
recruitment-mcp-server	trend / employer_profile	招聘活跃度

交叉分析产出

产出	说明
尽调专项评分	资本充实性 / 风险隔离度 / 合规健康度 / 经营稳健性（0-100）
尽调结论	建议通过 / 附条件通过 / 需深入调查 / 不建议合作 + 阻断项 + 关注点
跨维度洞察	5 类交叉分析（关联方风险 / 资本信用 / 创新匹配 / 扩张张力 / 诉讼结构）
明细章节	工商基础 / 股东出资 / 对外投资 / 风险评分 / 诉讼结构 / 风险维度 / 经营 / 创新 / 招聘

Golden path

1. 解析企业关键词 → 模糊补全全称（enterprise MCP fuzzy search）。
2. 直连 5 个 MCP，并发调用 ~20 个工具，获取多源原始数据。
3. 归一化为统一结构，运行跨维度交叉分析。
4. 计算专项评分矩阵 + 尽调结论 + 关联洞察。
5. 渲染雷达图 + 评分仪表盘 + 交叉明细表 + 结论。
6. 返回 JSON / HTML / MD 路径。

脚本速查

# 默认：直连多 MCP 交叉分析（需 MCP 连接配置）
python scripts/compose_fusion_report.py \
  --enterprise "广州探迹科技有限公司" \
  --output output/尽调.json \
  --report-output output/尽调.html

# dry-run：读缓存报告做交叉分析（不调真实 MCP）
python scripts/compose_fusion_report.py \
  --enterprise "广州探迹科技有限公司" \
  --dry-run \
  --output output/尽调.json \
  --report-output output/尽调.html

# 旧模式：聚合已有原子报告（fusion_engine）
python scripts/compose_fusion_report.py \
  --enterprise "广州探迹科技有限公司" \
  --reports-dir ../../reports_探迹 \
  --output output/尽调.json \
  --report-output output/尽调.html

输出字段

• verdict — 尽调结论（recommendation / level / blockers / key_concerns / summary）。
• specialty_scores — 4 项专项评分（资本充实性 / 风险隔离度 / 合规健康度 / 经营稳健性）+ 均值。
• metrics — 指标卡（综合风险 / 对外投资 / 尽调综合评分 / 专利 / 招聘 / 注册资本 + 各专项评分）。
• insights — 5 类跨维度交叉洞察。
• core_analysis.sections — 10 个明细章节（含雷达图 + 2 个 gauge + 交叉明细表）。
• data_source — 连接模式（live_mcp / cached_reports）+ 质量报告。

MCP 连接

• Remote MCP：设置 <DOMAIN>_MCP_URL（如 ENTERPRISE_MCP_URL）或统一 HANDAAS_MCP_URL。

• 本地 stdio：设置 HANDAAS_MCP_SERVER_ROOT 指向 handaas-mcp-server 根目录；凭证由各 server 自己的 .env / 统一 .env（经 assets/mcp_server_wrapper.py 注入）提供。

• MCP 返回的嵌套 JSON 字符串（如金额 {"coinType":"人民币","value":430000000.0}、地址 {"city":"杭州市",...}）必须解析为可读文本（如"4.30 亿 人民币"、"浙江省杭州市"），绝不在报告正文、表格或指标中输出原始 JSON 字符串。

• 报告所有章节标题、指标卡标签必须用中文；core_analysis.sections 的 title 字段必须中文，不可显示英文 key（如 holders、investments）。

• 指标值必须可读化：金额格式为"X 亿/万 + 币种"，地址拼接省市区，比率显示百分号。详见 references/report-output.md 的「数据格式约束」。

按需加载 references

• 报告结构规范：references/report-output.md。
• 证据评分模型：references/evidence-scoring.md。
• 维度矩阵：references/dimension-matrix.md。