Skip to content
BranchesTags

Repository files navigation

企业背调智能体 MVP

面向企业商务岗位的企业背调智能体，对企业进行公开信息背调，输出企业画像、需求信号、风险提示、联系人建议和沟通话术。

当前版本：v0.0.3（四板块页面 + 流式智能问答）

项目目标

帮助商务人员快速了解目标企业，回答以下核心问题：

  1. 这家公司是谁？
  2. 最近有没有值得关注的动态？
  3. 它可能有没有需求？
  4. 我应该优先找谁？
  5. 我第一次该怎么开口？

功能范围

输入

参数 必填 说明
company_name 是 目标企业名称
company_website 否 目标企业官网
user_company_product 否 我方产品/服务描述，默认 "CRM系统"
user_target_customer_profile 否 我方理想客户画像
sales_goal 否 跟进目标，枚举值见下方
target_role 否 希望接触的角色
extra_context 否 补充背景

sales_goal 枚举值：

  • lead_generation - 线索挖掘
  • first_touch - 首次触达
  • meeting_prep - 会前准备
  • solution_pitch - 方案推进
  • account_planning - 客户经营
  • other - 其他

输出

  • 企业概览：名称、行业、类型、规模、主营业务等
  • 近期动态：新闻、招聘、扩张、融资等事件
  • 需求信号：招聘信号、扩张信号、数字化信号等
  • 组织洞察：推荐联系角色、部门、优先级、理由
  • 风险提示：法律风险、合规风险、财务风险等
  • 商务判断：客户匹配度、商机等级、跟进优先级
  • 沟通策略：推荐切入点、微信话术、电话话术、邮件话术
  • 证据来源：所有结论的数据来源

技术栈

  • Python 3.10+
  • FastAPI
  • Pydantic v2
  • uv（环境管理）
  • aiohttp（异步 HTTP / SSE 流式请求）
  • 企查查 API（企业工商数据）
  • POE API / gpt-5.4（大模型分析）

快速开始

安装 uv

# Windows
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 或使用 pip
pip install uv

安装依赖

uv sync

配置环境变量

在项目根目录创建 .env 文件：

# 企查查 API 密钥
QICHACHA_KEY=你的appKey
QICHACHA_SECRETKEY=你的secretKey

# POE API 密钥
POE_API_KEY=你的poe_api_key

# 代理地址（访问 POE API 需要，默认 http://127.0.0.1:7890）
POE_PROXY=http://127.0.0.1:7890

启动服务

uv run uvicorn backend.app.main:app --reload --port 8008

访问地址

地址 说明
http://127.0.0.1:8008/ 前端页面
http://127.0.0.1:8008/health 健康检查
http://127.0.0.1:8008/docs API 文档（Swagger）
http://127.0.0.1:8008/collect POST 企业数据采集
http://127.0.0.1:8008/analyze POST 大模型分析
http://127.0.0.1:8008/chat/stream POST 流式智能问答（SSE）

运行模式配置

通过环境变量 RUN_MODE 控制运行模式（默认 full_pipeline）：

# 全流程真实模式（默认，企查查 + LLM 全链路）
export RUN_MODE=full_pipeline

# 混合模式（真实链路失败时自动降级到 mock）
export RUN_MODE=hybrid

# 全量 Mock 模式（用于前端联调和演示）
export RUN_MODE=full_mock

项目结构

qitan/
├── backend/
│   ├── app/
│   │   ├── main.py                  # FastAPI 应用入口
│   │   ├── schemas/                 # Pydantic 数据模型
│   │   ├── prompts/                 # Prompt 模板
│   │   ├── config/
│   │   │   ├── run_mode.py          # 运行模式配置
│   │   │   └── scoring.py           # 评分规则配置
│   │   └── services/                # 业务逻辑分层
│   │       ├── orchestrator/        # 流程编排层
│   │       ├── context/             # 上下文构建
│   │       ├── collection/          # 数据采集（企查查 API）
│   │       ├── llm/                 # LLM 适配层（POE API）
│   │       ├── assembly/            # 结果组装
│   │       ├── logging/             # 流水线日志
│   │       ├── mock/                # Mock 数据
│   │       └── ...                  # 其他服务模块骨架
│   ├── logs/                        # 分析日志（每次请求一个文件）
│   └── README.md                    # 后端架构说明
├── frontend/
│   ├── index.html
│   ├── style.css
│   └── app.js
├── api_qichacha/                    # 企查查 API 文档与缓存数据
│   └── test_result/                 # API 返回结果缓存
├── think_log/                       # 产品设计与架构规划文档
├── pyproject.toml
└── README.md

前端四板块架构

Panel 1: 用户输入
    │ 点击"开始分析"
    ▼
Panel 2: 企业信息  ← POST /collect → 企查查数据立即展示（9 组全量字段）
    │
    ▼
Panel 3: 大模型分析 ← POST /analyze → 7 个分析维度（企业画像、需求信号等）
    │
    ▼
Panel 4: 智能体问答 ← POST /chat/stream → SSE 流式对话（支持中断/清空）

全链路流程

用户输入企业名称
    │
    ├── /collect ──→ 企查查模糊搜索 + 企业信息核验 → Panel 2 立即渲染
    │
    └── /analyze ──→ AnalysisOrchestrator
                         ├── 1. Context Build     → 构建分析上下文
                         ├── 2. Collection        → 企查查（命中缓存）
                         ├── 3. LLM Analysis      → POE/gpt-5.4 生成 7 维度
                         └── 4. Assembly          → 组装 DueDiligenceOutput
                                                       → Panel 3 渲染
                                                       → Panel 4 激活

数据采集

通过企查查 API 获取企业工商数据：

  • 模糊搜索（FuzzySearch/GetList）：根据关键词匹配准确企业名
  • 企业信息核验（EnterpriseInfo/Verify）：获取完整工商信息（经营范围、行业、注册资本、联系方式等）
  • 本地缓存：查询结果自动缓存到 api_qichacha/test_result/，避免重复调用

LLM 分析

通过 POE API 调用 gpt-5.4，一次性生成全部 7 个分析维度：

  • 企业画像（company_profile）
  • 近期动态（recent_developments）
  • 需求信号（demand_signals）
  • 风险信号（risk_signals）
  • 组织洞察（organization_insights）
  • 商务判断（sales_assessment）
  • 沟通策略（communication_strategy）

流水线日志

每次分析请求自动生成独立日志文件，存储于 backend/logs/：

  • 文件命名：{调用时间}_{企业名}.log
  • 记录内容：用户输入、各模块函数入参、返回结果、完成用时

API 接口说明

GET /health

健康检查接口。

curl http://127.0.0.1:8008/health

POST /collect

企业数据采集接口，直接调用企查查，返回 85+ 全量字段，有本地缓存。

curl -X POST http://127.0.0.1:8008/collect \
  -H "Content-Type: application/json" \
  -d '{"company_name": "华为"}'

响应结构：

{
  "accurate_name": "华为技术有限公司",
  "fuzzy_results": [...],
  "verify_data": {
    "Name": "...", "CreditCode": "...", "Status": "...",
    "RegistCapi": "...", "Scope": "...", "ContactInfo": {...},
    "Industry": {...}, "Area": {...}, "..."
  }
}

POST /analyze

企业背调分析接口，返回 7 个 LLM 分析维度。

curl -X POST http://127.0.0.1:8008/analyze \
  -H "Content-Type: application/json" \
  -d '{
    "company_name": "某科技有限公司",
    "user_company_product": "CRM系统",
    "sales_goal": "first_touch"
  }'

响应结构：

{
  "company_profile": { "company_name": "string", "industry": ["string"], "profile_summary": "string" },
  "recent_developments": [{ "date": "string", "type": "string", "title": "string", "summary": "string" }],
  "demand_signals": [{ "signal_type": "string", "signal": "string", "strength": "high|medium|low" }],
  "organization_insights": { "recommended_target_roles": [...] },
  "risk_signals": [{ "risk_type": "string", "level": "high|medium|low" }],
  "sales_assessment": { "follow_up_priority": "P1|P2|P3|discard", "assessment_summary": "string" },
  "communication_strategy": { "opening_message": "string", "phone_script": "string" }
}

POST /chat/stream

SSE 流式智能问答接口。

curl -N -X POST http://127.0.0.1:8008/chat/stream \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [{"role": "user", "content": "这家公司适合作为我们的客户吗？"}],
    "system_prompt": "你是企业背调助手，以下是企业背景...",
    "temperature": 0.7,
    "max_tokens": 4096
  }'

SSE 事件格式：

data: {"type": "thinking", "content": "..."}   # 思考内容（可选）
data: {"type": "token", "content": "..."}       # 正文 token
data: {"type": "done", "content": ""}           # 结束信号

模块实现状态

模块 状态 说明
orchestrator ✅ 已实现 主流程编排器，4 阶段全链路
pipeline_state ✅ 已实现 统一运行时状态容器
context_builder ✅ 已实现 分析上下文构建
qichacha_client ✅ 已实现 企查查 API 客户端（模糊搜索 + 核验 + 缓存）
llm_analysis ✅ 已实现 LLM 分析模块（POE/gpt-5.4，7 维度一次生成）
llm_client ✅ 已实现 LLM 客户端（POE API，流式/非流式，含代理支持）
stream_complete ✅ 已实现 SSE 流式输出，支持 thinking/token/done 事件
output_assembler ✅ 已实现 输出组装
output_validator ✅ 已实现 输出校验
pipeline_logger ✅ 已实现 流水线日志（每请求独立文件）
mock_analyzer ✅ 已实现 Mock 数据生成（降级兜底）
news_collector ⏳ 跳过 新闻采集（后续版本实现）
preprocessing ⏳ 跳过 证据预处理（LLM 直接处理）
scoring ⏳ 待实现 评分计算

开发状态

版本 状态 说明
v0.0.1 ✅ 已完成 MVP 骨架：数据模型、API、前端页面、Mock 数据
v0.0.2 ✅ 已完成 Services 分层架构 + 全链路打通（企查查 + LLM）
v0.0.3 ✅ 已完成 四板块页面 + 企查查全量字段展示 + 流式智能问答

详细任务清单：

  • v0.0.1：task001.json（16 个任务，全部完成）
  • v0.0.2：task002.json（20 个任务，全部完成）
  • v0.0.3：task003.json（6 个任务，全部完成）

参考文档

About

企探:面向商务岗位的企业背调智能体

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

1 fork
Report repository

Releases

Packages

Contributors

Languages