上周和一批投资机构的朋友聊了三十分钟。
场子里有银行信贷部门的人，有做PE/VC的投资经理，有券商的行业研究员。
问了一个问题：你们现在用AI做尽调，卡在哪里？
答案几乎一样：
「AI写得出来，但我不敢用。」
不敢用，不是因为AI不够聪明。是因为AI说的东西，你不知道是真的还是编的。
01. 这件事，核心不在AI，在数据
做一个思想实验：
“你把一份合同给AI，让它审查风险。AI洋洋洒洒给出五页报告，条款分析到位，风险点标注清晰，但合同甲方六个月前刚进入经营异常名录，AI不知道，因为没人告诉它。”
这不是AI的问题，是它从来就没看到过这条数据。
金融尽调需要的判断——这家公司是否还在正常经营？法人有没有变更？股权有没有被冻结？上周有没有收到行政处罚？这些问题，任何大模型用自己的训练数据都答不了，那些数据早就过时了。
AI没有眼睛，不是它不想看，是没有人给它装上眼睛，这件事，今天有解法了。
02. 行业都在讨论的一件事：AI工程的三层进化
最近AI圈有个话题的热度一直没降下来：AI工程到底分几层？为什么同样用一个大模型，不同团队的效果差这么多？
现在比较公认的框架是三层：
第一层 Prompt Engineering（2022—2024），让模型听懂你。学会写提示词，用结构化指令告诉AI该做什么。这是起点，也是很多团队目前还停留的位置。有天花板——单次对话，无法调用工具和实时数据。
第二层 Context Engineering（2025—现在），让模型看到该看的信息。真正的分水岭不是你问什么，而是你给AI看了什么数据。RAG检索、MCP工具接入、实时数据注入——谁的数据质量高，谁的AI就更聪明。幻觉问题的根源，往往不是模型不够好，是上下文数据没给够。
第三层 Harness Engineering（2026→未来），让模型在真实世界里持续、可靠、按目标完成任务。模型是CPU，Harness才是操作系统。这是当下最前沿的方向，也是AI真正落地业务的关键。
企查查做的事情，就在第二层——把12年积累的3.65亿企业数据，改造成AI可以直接调用的实时数据接口，让AI在做金融尽调时，真正「看到」该看的信息。
03. 企查查做了什么
过去一年，我们把12年积累的3.65亿企业数据，从传统查询接口，改造成AI可以直接调用的实时数据服务——基于MCP协议（Anthropic发布的AI数据标准接口）。
不是离线数据包，不是周期性同步，是真正的实时调用。
你的AI在处理一份文件的同时，可以在一秒之内查完这几件事：
甲方主体资格是否合法有效，有没有经营异常；
法人和股权结构有没有最新变化；
近期有没有司法风险记录；
风控大脑34个工具同步扫描，然后把结果融进分析报告，一气呵成。
这中间，三件事让AI不再「乱说」：
①认准对象，全国叫「腾讯科技」的公司有几十家，叫「华夏银行」和「华夏基金」只差两个字。AI查错对象，后面所有分析都是错的。我们强制用18位统一社会信用代码锁定主体，名字可以模糊，对象必须精确。
②不被淹没，华为有3500条以上裁判文书，全部塞给AI，它反而会被淹没、被带跑。我们让数据在进入AI之前先做处理，只给关键信息，推理更准，速度更快。
③读懂空白，查了没有风险，和查询失败，AI原本分不清楚。现在查无异常时，我们直接告诉AI「核验通过，无异常记录，可以继续」——AI拿到明确信号，不再保守，不再说「无法确认」。
这三件事，让AI能做出可信的判断，而不只是写出看起来像样的报告。
04. 两条业务线，今天都能跑通
①银行·信贷合规：KYB核验
传统KYB核验流程：信贷人员手动查工商、核司法、看经营，写成核验报告，一家公司两小时起。遇到集团客户、关联方众多的情况，更是噩梦。
接入之后：
贷款申请提交的同时，AI自动并行执行——主体核验、UBO受益所有人识别（股权穿透，符合AML合规要求）、风控大脑34个风险工具并行扫描、A/B/C/D四级评级输出。
约30秒，出一份可审计留档的核验报告，不是AI替代信审人员做最终判断。风险项会自动分级标注，红色立即预警，橙色24小时内复核，黄色每周汇总。AI完成信息收集和初步分级，信审人员做最终决策——人和AI各做自己更擅长的事。
有机构把这个环节的效率提升到原来的十倍。这个数字我们见过不止一次。
②PE/VC · 券商：IC Memo全流程
这个场景我自己感受最深。
做一份IC Memo（投委会备忘录），快的半天，慢的两三天。大部分时间不是在做判断，是在搬运信息——打开企查查查工商，打开裁判文书网查司法，打开知识产权局查专利，一条条复制粘贴，整理格式。
这些工作，AI现在可以自动做完。
收到BP，3分钟出一页纸概览：工商+风险+知产+经营综合画像，决定是否继续推进。不用再靠直觉筛项目。
推进尽调，30秒出7章节IC Memo：并行调用四个数据模块，股权结构图、诉讼风险摘要、专利资产清单、经营健康度分析，Word+PPT+Markdown三格式同步生成。
投资经理还是要做最终判断——这一点没有变，也不应该变。变的是，判断之前的信息收集环节，不再需要人来做。
省出来的时间，用来做真正该做的事：见创始人，做行业判断，谈估值。
05. 现在开始，一步一步来
建议分三个阶段，不用一次到位。
① 今天，做20分钟体验
访问 agent.qcc.com，注册账号（手机号验证，免费），获取API Key。
把下面这段配置粘贴到你的AI工具（Claude Code、OpenClaw、Cursor等均可）：
{
"mcpServers": {
"qcc-company": {
"url": "https://agent.qcc.com/mcp/company/stream",
"headers": { "Authorization": "Bearer YOUR_API_KEY" }
},
"qcc-risk": {
"url": "https://agent.qcc.com/mcp/risk/stream",
"headers": { "Authorization": "Bearer YOUR_API_KEY" }
},
"qcc-ipr": {
"url": "https://agent.qcc.com/mcp/ipr/stream",
"headers": { "Authorization": "Bearer YOUR_API_KEY" }
},
"qcc-operation": {
"url": "https://agent.qcc.com/mcp/operation/stream",
"headers": { "Authorization": "Bearer YOUR_API_KEY" }
}
}
}
② 访问 SKILL广场（agent.qcc.com/skills），找到你需要的SKILL。
然后在你的AI工具对话框里，直接发送这句话：
请加载并使用这个SKILL：https://github.com/duhu2000/financial-services-qcc
AI确认加载后，直接说：
「帮我对 [公司名称] 做一份KYB核验报告」（银行场景）
「帮我对 [公司名称] 生成IC Memo投资备忘录」（投资场景）
不需要复制任何命令行，不需要懂技术，就像发消息一样自然。
感受一下AI拿到真实数据之后和没有数据时的差别——这个差别，文字很难描述，体验一次就知道了。
06. 接下来，用自己的数据升级SKILL
企查查MCP提供的是外部公开数据。
你手里还有更多：手上积累的行研报告、投资框架、历史项目经验、行业判断逻辑——这些是你的核心资产，AI拿不到。
SKILL广场所有内容开源（Apache 2.0），可以直接Fork，把你自己的判断框架写进去，变成属于你自己团队的SKILL，外部数据（企查查MCP）+内部积累（你自己的框架和数据）= 你自己的AI尽调工具。
最终目标是接入真实业务流程
体验验证效果，第二阶段形成自己的SKILL，第三阶段是把这套能力接进真正的业务流程。
三方数据融合：企查查MCP实时数据 + 机构内部历史数据 + 客户经理现场收集的资料。三方融合，AI统一推理，输出可审计的报告。
我们实测过：把一份362页的招股说明书+企查查MCP实时数据同时给AI，30秒输出完整的EDD报告，三源互证，差异自动标注，100%可审计留档。不是样例数据，是真实的招股书，真实的企业。
我们内部有个共识：只有金融机构真正把这套工作流接进生产环境，这件事才算做成了。
不是体验一下就关掉，是这个流程真的跑起来了，某个环节因此不需要那么多人力，或者某个判断可以更早做出来，那个时候才算数。
如果你在银行、券商、PE/VC工作，正在考虑怎么把AI接进实际业务——欢迎直接来聊。
官网/免费试用：agent.qcc.com
SKILL广场：agent.qcc.com/skills
开源仓库：github.com/duhu2000/financial-services-qcc（Apache 2.0）
开箱即用的行业 SKILL，让 AI 真正读懂中国企业
