很多朋友做企业尽调、供应商审核，第一反应就是打开企查查、天眼查，或者自己写个爬虫去拉数据。但我说句实话：这条路从根源上就走不通。

手动查的话，一个公司查工商、股东、司法、商标，半小时起步，批量几十家直接崩溃。用爬虫吧，数据可能过期、可能被反爬封IP、网站一改版脚本就报废，而且还有合规风险。那有没有一种既合规、又稳定、还能和AI结合自动出报告的方法？

答案是：企业数据API + AI提示词。

最近我一直在项目里常态化使用企业数据API，从接口调试到对接AI自动生成尽调报告，算是把这套方案彻底跑通了。今天就把我踩过的坑、填坑的代码、以及一套可直接复用的Prompt模板全部分享出来，让你30秒内从“输入公司名”到“输出完整尽调报告”。

一、传统方案的核心缺陷：手工与爬虫都不是答案

手动查和自己写爬虫这两个方案的本质问题是什么？它们都不是为“规模化+自动化”设计的。一旦你需要批量查50家公司，或者每天定时监控合作方变动，这两种方式立刻崩溃。

那真正适合生产环境的方案应该长什么样？

•  数据源统一：不用东查西查，一套API覆盖工商、司法、税务、知识产权等20+维度。
• 实时合规：数据与官方源头同步，无需担心反爬和法律风险。
• AI驱动：自然语言输入，自动生成结构化报告，无需手写代码调用。

前面两点，就需要用到合规的、经过清洗和整理的企业数据API。

二、直接采用即插即用、合规、稳定的企业数据API

对比一下手动写爬虫和调用现成的企业数据API，结果非常明显：

对比维度	自己写爬虫	调用企业数据API
开发成本	需针对不同网站适配，反爬处理复杂	一行代码，5分钟接入
数据时效	可能滞后，网站更新了你不知道	实时返回，与源头同步
数据完整性	页面结构变化后字段可能漏抓	按字段交付，覆盖率100%
法律风险	可能涉及爬虫合规边界	正规数据源，完全合规
后续维护	网站改版就崩，维护成本高	无需维护，API自动升级

有了稳定、合规的数据源，下一步就是让AI帮我们自动生成报告。

三、实战：AI + 企业数据API自动生成尽调报告

整体流程非常简单：

你在对话框输入“帮我查一下北京字节跳动，要工商、股东、裁判文书、商标”。

AI根据我提供的Prompt生成Python代码。

代码调用企业数据API，返回数据后自动组装成Markdown报告。

下面直接给出核心Prompt模板（可根据自身情况调整使用）：

markdown

## 角色

你是一名资深数据工程师，擅长使用企业数据API和Python进行自动化尽调。

## 任务

根据用户提供的统一社会信用代码或企业名称，调用企业数据API，生成一份结构化尽调报告。

## API信息

- 接口文档：文档中心 - 鲸海数据 API 集成指南、SDK、FAQ | 鲸海数据

- 需要调用的接口：

- 工商基本信息：/company/basic

- 股东信息：/company/shareholders

- 裁判文书：/company/court-notice

- 商标信息：/company/trademark

- API Key 配置在环境变量 JINGHAI_API_KEY

## 输出要求

1. 生成Python代码，包含函数 call_jinghai_api 和 generate_report。

2. 报告格式为Markdown，至少包含：工商信息、股东结构、司法风险摘要、知识产权摘要。

3. 必须处理异常：API返回空数据时输出“暂无”；网络超时重试3次；token超限时只取前10条。

## 约束

- 禁止硬编码API Key

- 禁止编造数据，调用失败注明“接口调用失败”

将这段Prompt喂给GPT-4o或Claude 3.5，它会输出可运行的代码。下面是我实际跑通后的核心代码片段（已脱敏，可直接改参数使用）：

python

import os

import requests

from tenacity import retry, stop_after_attempt, wait_exponential



API_BASE = "https://www.kqdaas.com/docs"

API_KEY = os.getenv("kqdaas_API_KEY")



@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=2, max=10))

def call_jinghai_api(endpoint, params):

url = f"{API_BASE}/{endpoint}"

params["key"] = API_KEY

resp = requests.get(url, params=params, timeout=10)

resp.raise_for_status()

data = resp.json()

if data.get("code") != 200:

raise Exception(f"API error: {data.get('message')}")

return data.get("data", {})



def generate_report(company_name):

# 搜索企业获取信用代码

search = call_jinghai_api("search", {"keyword": company_name})

if not search.get("items"):

return f"未找到企业：{company_name}"

credit_code = search["items"][0]["creditCode"]



basic = call_jinghai_api("company/basic", {"creditCode": credit_code})

holders = call_jinghai_api("company/shareholders", {"creditCode": credit_code})

judgments = call_jinghai_api("company/court-notice", {"creditCode": credit_code})

trademarks = call_jinghai_api("company/trademark", {"creditCode": credit_code})



# 组装报告（省略格式细节，实际运行会生成完整Markdown）

report = f"# {basic.get('entName')} 尽调报告\n## 工商信息\n- 法人：{basic.get('legalPerson')}\n..."

return report

四、我踩过的3个坑（以及填坑方法）

这套方案落地过程中，我遇到了几个文档上不会写的坑，这里直接列出来，帮你避开。

坑1：批量查询超时

一次性传50个信用代码调用工商接口，API返回超时。

解决办法：改用API提供的异步批量接口/batch/query，一次提交最多200个企业，轮询获取结果。代码只需把requests.get换成提交任务+轮询即可。

坑2：AI编造数据

有一次API限流返回429，结果GPT自动“脑补”了注册资本和股东名单。

解决办法：在Prompt中增加硬约束：“如果API调用失败，报告里只写‘接口调用失败，请重试’，禁止编造任何数据。”

坑3：字段缺失导致KeyError

有些小微企业没有股东信息，API返回空数组，代码直接崩溃。

解决办法：对每个字段做空值判断，例如holder_list = holders.get("list", []) or ["暂无股东信息"]。

这些问题处理好之后，这套方案就算是基本稳定了。

五、真实报告示例（已脱敏）

输入“杭州某科技有限公司”，AI自动生成的报告片段：

markdown

## 一、工商信息

- 统一社会信用代码：91330100MA27XXXXXX

- 法定代表人：张三

- 注册资本：500 万元

- 成立日期：2020-03-15

- 登记状态：存续

## 二、股东结构

- 张三：出资350万元，占比70%

- 杭州创投合伙企业：出资150万元，占比30%

## 三、司法风险摘要

共检索到 3 篇裁判文书，最新案由：侵害作品信息网络传播权纠纷（2025-12-10）

## 四、知识产权

- 商标数量：12 件

全程无需手动复制粘贴，20秒出结果。

六、总结：企业数据API是智能化尽调的基础设施

未来的企业决策，不会再依赖人工翻财报、人工查工商信息。所有的尽职调查、信用评估、供应商审核，都会基于企业数据API实时驱动。AI负责理解意图、生成代码、组织报告，API负责提供准确、实时、合规的数据。