B2B 企业尽调研究

这个技能解决什么问题

销售要打一家陌生 B2B 客户时，第一反应通常是打开搜索引擎，把公司官网、工商信息、新闻、招聘页面来回翻。结果往往是信息散落在十几个标签页里：注册资本在企查查，最新融资在一篇新闻里，在招岗位要自己去招聘站搜，而几周后再回头，根本想不起某条信息究竟来自哪个页面。更麻烦的是，调研结论很容易混进“这家公司值得打”式的主观判断，而真正该拍板的人还没表态。

B2B Company Research 把这套流程固化下来：输入一个公司名，产出五件套——结构化档案 profile.json、人读档案 profile.md、结构化证据源 evidence.json、人读证据清单和可视化报告 report.html。它只负责把客观信息（业务、地点、规模、招聘、融资、人员、动态、风险）调研得详尽且结构清晰，判断权完整交给销售。

它如何工作

工作流分八步，核心机制有四个：

• 独立可用 + 软兼容联动：直接输入公司名即可开跑。第 0 步按顺序探测 onboarding.json、lead.json 等上游文件，读到就把 product.name 当默认值对齐研究重点；读不到就用“通用 B2B 视角”继续，不报错、不调起上游 skill。
• 一次性 MCP 配置引导：检测不到企查查/天眼查 MCP 时弹窗让用户二选一——去配置，或跳过直接降级为 web_search + web_fetch。只提醒一次，不反复打断。
• 默认综合视角，不问档位：不弹窗问“侧重什么、查多深”，直接全维度调研；用户主动说“快速查一下”或“深挖”才调整维度范围。
• 证据优先的记录机制：每次检索命中有效信息，立即写一条带 evidence_id 的证据记录，并在 profile.json 对应字段回填 ID。无来源的内容一律不写或标 missing，绝不推断填充。

收集维度覆盖工商、核心产品与业务模式、规模、股权、母子公司、融资、技术栈、近 12 个月动态、在招岗位、上下游关系、决策链、风险与竞争。业务挖掘是核心维度，core_products 和 business_model 必须从经营范围、官网、新闻中提炼。信号与推测写入 sales_insights，但只陈列客观触发信号；likely_pains 这类推测内容强制标记 inferred: true，并在报告中单独隔离为“需求推测”区块，注明非事实。

产出统一落盘到 data/companies/{company_id}/，由 scripts/render_report.py 从结构化 JSON 渲染出报告和证据清单，保证单一真相源。随后弹窗展示可下钻线索（如查实控人关联企业、投资方 portfolio），用户点选后增量回写档案，形成循环。

适用边界与注意点

• 时效过滤是铁律：招聘只取近 6 个月在招岗位，过期岗位不采集；新闻近 12 个月；融资近 2 年。超时效信息一律不收，除非用户明确要求追溯。
• 它不做的事：不生成“一句话判断”“建议动作”“ICP 命中结论”，是否值得打由销售自己判断。评分环节移交 b2b-lead-scoring，但不自动调起。
• 数据源依赖环境配置：MCP 凭据缺失时走降级链并引导配置，而非报错；部分配置（如只有企查查）则用现有 MCP 加 web 检索补齐其余维度。
• 安全边界：仅公网抓取，禁止内网地址段；公开的电话、地址直接展示，身份证、银行卡等非公开敏感信息不采集。
• 真实性红线：绝不编造，绝不推断填充事实字段；推测必须显式标注，与事实严格隔离。