前阵子接了个活，给一家PE基金做数据接入方案。

客户背景挺典型的：管理规模十几亿，被投企业七八个，风控两个同事，听起来不是什么大工程，但做下来发现，这个场景里有一堆细节是行业报告不会写的。

写这篇博客的目的：一个是想记录下踩过的坑，另一个是给有类似需求的同行提个醒。

业务聊起来简单，技术落地全是事

风控同事的需求听起来很直接：

• “我要知道法人什么时候变了。”
• “我要查这家公司的关联方。”
• “最好能自动给我推告警，不用我每天盯着。”

翻译成技术语言，每个需求背后都有一堆问题：

法人变更确实有工商变更接口，返回数据里有变更事项和变更前后内容，但实际用的时候发现两个问题：

1. 变更类型只分”变更”和”注销”，不告诉你”为什么变”，法人从老王变成小李，可能是老王主动退，也可能是被强制踢出去。这两种情况对风控的意义完全不一样，但接口数据区分不了。

2. 更新有延迟。不是”今天变明天就能查到”，实测下来大概还有1-2天，碰上节假日更慢。

关联方识别——企查查有”受益所有人”和”实际控制人”字段，股权结构嵌套三层以上是常态，你要从股东列表往上追溯、识别一致行动人、还原实控人路径。但怎么用、边界在哪，说实话我也是边做边摸索。

API不少，但拼起来费劲

企查查开放平台上的接口挺多，我大概过了一遍，光核验类的就有：

• 企业信息核验（ApiCode: 2001），1块钱一次；

• 企业工商信息（ApiCode: 410），2毛钱；

• 客户身份识别（ApiCode: 2003），3块钱，扩展了股东、实控人那些字段。

投后风控要查的东西往往不是一个接口能搞定的。你可能同时需要工商信息、司法风险、知识产权状态、舆情动态——这意味着一次完整的查询要调四五个接口。

成本先放一边，光是数据格式统一就够烦的。每个接口返回的字段名、结构、层级都不一样，你要自己做清洗和映射。接口文档写得不差，但你要花时间理解每个字段的业务含义，不是看个名字就完事了。

后来我想了个笨办法：封装一层业务组件，把常用的查询组合打包。比如”被投企业月度巡检”这个组件，内部自动调工商变更、司法风险、舆情三个接口，输出统一的JSON格式。后续再接告警系统或者报告生成器就方便多了。

但这样做的问题：你要维护这套映射规则，接口字段一变动就得跟着改。

监控告警的噪音真的很烦

投后监控说起来简单：有变化就告警，但实际做的时候发现，告警太多了。

一家企业同时有地址变更、经营范围微调、联系方式更新——这些要不要推？推了风控同事看不过来，不推又怕漏掉重要信息。

后来我跟客户的风控负责人聊，他说他们真正关心的就几件事：失信被执行、新增行政处罚、股权被冻结、核心高管变动。

所以我们做了个分级告警：

• 红色：失信、行政处罚、股权冻结——立即推送

• 黄色：法人变更、高管变动——当天汇总推送

• 绿色：地址变更、经营范围微调——每周推送

这个逻辑不复杂，但优先级怎么定、什么字段对应什么级别，得跟业务方反复确认。你不问他，他就默认”所有变更都要推”。

MCP接入：让AI自己查数据

这部分我想多聊两句，因为这是我觉得最有意思的方向。

传统的API集成方式是你自己写代码调接口，数据拉进来存到本地数据库，AI从这个数据库里读。这种方式我之前用过，好处是数据自主，坏处是：

1. 开发成本高。你要自己对接接口、做数据清洗、管维护。

2. 实时性差。拉进来的数据是”快照”，不是”实时”。

3. AI不知道”快照”之外的事。问它”这家公司现在还在正常经营吗”，它只能回答”数据库里显示是的”——但万一你昨天刚更新，今天就被列入经营异常了呢？

企查查出的智能体数据平台换了个思路：让AI在推理的时候直接调接口。

接入方式比我预期的简单，分三步：

第一步：去平台注册账号，拿到API Key

第二步：配置到你的AI工具里

以Claude Desktop为例，找到配置文件 claude_desktop_config.json，加一段：

{
  "mcpServers": {
    "qcc": {
      "url": "你在企查查控制台获取的专属URL"
    }
  }
}

支持的平台挺多的：Cursor、CodeBuddy（腾讯云）、Claude Desktop、阿里云百炼、Coze（扣子）、Cherry Studio、Dify……基本上你能想到的都有。

第三步：直接说话

配置好之后，不用写代码、不用记命令，直接问就行：

"帮我查一下被投企业A的工商状态和股权结构"
"有没有新增的司法风险？"
"给我出一份尽调简报"

AI会自己判断要调哪些工具，然后把结果整理成你能看懂的回复。

MCP里面装了什么

说完了怎么接，再说说里面有什么。

企查查把数据能力拆成了四个模块：

模块	工具数	干啥用的
企业基座	12个	工商照面、股东、高管——先搞清楚”这家公司是谁”
风控大脑	34个	失信、处罚、异常、冻结——扫风险
知产引擎	6个	专利、商标、资质——看技术储备
经营罗盘	13个	舆情、招投标、融资动态——了解”最近在干嘛”

有个设计细节我觉得值得说：触发即熔断。

什么意思呢？当查询命中风险时，不是把原始数据扔给AI，而是给AI一个明确的信号——”这里有问题，停”。比如查完发现这家公司是失信被执行人，系统不会返回一堆数据让AI自己判断，而是直接告诉AI：”这是一个红色风险”。

这样设计的好处是：AI不会被噪音数据带偏，推理路径更清晰。

帮私募基金做投后监控，我的demo思路

结合上面的能力，我给客户出了个demo方案，大概是这样：

数据层：

• 企查查API：工商、司法、知产、舆情

• MCP接口：AI实时查询用

• 内部数据：被投企业台账、持仓成本

服务层：

• 定时任务：每天批量查一遍被投企业状态

• 变更检测：对比昨天的数据，发现差异就记录

• 告警生成：根据风险等级推不同的人

AI交互层：

• 风控人员直接问：”被投企业A最近有什么变化？”

• AI调企查查查一圈，回来告诉他：”法人上个月变了，高管团队近期有两人离职，新增一条开庭公告……”

• 风控人员判断要不要采取行动

这个方案目前还在demo阶段，真实落地还要解决一些问题。但方向是清晰的：让风控人员用自然语言跟数据交互，而不是让他学怎么写SQL。

几个没解决好的问题

做了这个项目，有些东西我到现在也没想清楚：

数据成本。一次投后巡检调五六个接口，几十家企业跑一遍，成本不低。如果客户是百亿规模还好，十几亿的PE对这个成本挺敏感的。包年套餐有，但具体怎么算我没完全搞明白。

历史数据追溯。接口查的是当前状态，历史变更记录能查到多久的？客户问过我，我没答上来，得再问问企查查那边。

多数据源整合。企查查的数据覆盖已经很全了，但有些细分领域（比如特定行业的资质许可）可能还是要接其他数据源。多个数据源怎么统一管理，还在探索，以下是几个常用的接口：

以上是我在做这个项目时的一些记录和思考。不构成任何建议，有说得不对的地方欢迎指出。