Startup Ecosystem Intelligence

创业生态情报 MCP

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "startup-ecosystem-intelligence-mcp": {
      "url": "https://ryanclinton--startup-ecosystem-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

面向风险投资交易寻源的创业生态情报，可让你的 AI 助手即时访问 8 个公开数据源——专利、GitHub 活动、招聘信息、ArXiv 研究、技术栈、企业注册信息和 SaaS 竞争数据——并将其整合为一份结构化交易备忘录。专为需要量化、基于行为的信号，而非创始人自行申报的路演材料数据的风险投资人、企业发展团队和加速器管理者打造。

此 MCP 服务作为持久运行的 Apify Standby actor 运行，并通过 Model Context Protocol 暴露 8 个工具。每次工具调用都会触发多个 API 并行收集数据，应用一种或多种评分算法（创新速度、招聘信号解码、竞争护城河分析、企业健康度），并返回包含评分、信号、投资论点和风险提示的结构化 JSON。无需手动研究。无需订阅 Crunchbase。无需等待创始人回复。

可以提取哪些数据？

数据点	来源	示例
📋 企业注册信息、实体状态、管理人员	OpenCorporates（140 多个司法管辖区）	“Acme Corp — 存续，特拉华州，2 个实体”
🔬 美国专利申请、受让人、权利要求	USPTO 专利搜索	“已申请 7 项专利，其中 3 项属于 AI/ML 分类”
🌍 欧洲专利申请	EPO 专利搜索	“4 项 EP 申请，2 项已授权”
⭐ GitHub 仓库、星标、复刻、提交速度	GitHub 仓库搜索	“23 个仓库，4,812 个星标，3 天前更新”
🛠 网站技术栈组件	网站技术栈检测器	“React、GraphQL、Kubernetes、Snowflake——12 个组件”
💼 按职位、资历、职能分类的招聘信息	就业市场情报	“34 个开放职位——62% 为工程岗位，18% 为销售岗位”
📄 尚未发表的 ArXiv 研究论文	ArXiv 预印本搜索	“9 篇论文，5 篇于过去 6 个月内发表”
🏆 SaaS 竞争对手、功能、定位	SaaS 竞争情报	“发现 8 个直接竞争对手”
🎯 创新速度评分（0-100）	综合模型	“评分：74——速度等级：快”
📊 综合交易评级	全部 8 个来源	“尽职调查——综合评分：61”

为什么使用 Startup Ecosystem Intelligence MCP？

手动研究初创企业既缓慢又不一致，而且容易偏向人脉资源雄厚的公司。初级分析师需要 8-12 小时，才能为一家公司的专利数据、企业注册信息、招聘网站信息和 GitHub 活动进行收集与基准比较。若每月需要筛选 50 笔交易，仅在漏斗顶端筛选就要耗费 400-600 个分析师工时。

此 MCP 可自动完成创业企业尽职调查中所有可观测信号层面的工作。将其连接到 Claude、Cursor 或任何兼容 MCP 的客户端，即可在两分钟内生成完整的交易备忘录。

• 待机模式——服务保持热运行，在查询之间即时响应，无需等待冷启动
• API 访问——通过 Python、JavaScript 或 curl，以编程方式调用 8 个工具中的任意一个
• 并行数据收集——最多同时启动 8 个 Apify actor，因此生成交易备忘录只需 60-90 秒，而非顺序执行
• 支出控制——设置单次会话预算；达到限额时，服务会返回清晰的错误信息
• 集成——连接 Zapier、Make 或 Webhook，以便在 CRM 交易阶段变更时触发交易备忘录生成

功能

• 创新速度评分（0-100） — 加权综合评估 USPTO 专利（最多 25 分）、EPO 专利合计数、GitHub 仓库数量（最多 15 分）、按 log2 尺度计算的 GitHub 总星标数（最多 15 分）、ArXiv 论文数量（最多 25 分），以及对过去 6 个月内活动的近期性加分（最多 20 分）
• 速度等级分类 — 根据综合评分阈值（0/20/40/60/80）分为五个等级：DORMANT、SLOW、MODERATE、FAST、HYPERGROWTH
• 招聘信号解读器 — 将 34 个以上的职位名称关键词归类为 6 个角色类别（工程、销售、市场营销、高管、运营、其他），并推断战略方向：BUILDING（工程岗位占比 ≥50%）、SCALING（销售岗位占比 ≥40%）、PIVOTING（高管岗位占比 ≥30%）或 MAINTAINING
• 竞争壁垒分析器 — 对技术栈深度（最多 25 分）、专利保护（最多 30 分）、使用反向评分模型评估竞争对手密度（竞争对手越少，得分越高），以及作为网络效应信号的 GitHub 社区规模代理指标（通过 log2 缩放，最多 20 分）进行评分
• 壁垒类型分类 — 分为五个等级：NONE、WEAK、MODERATE、STRONG、FORTRESS
• 公司健康度检查 — 对活跃实体占比评分、核实实体是否存在、对结构复杂度进行惩罚（实体超过 3 个后开始扣分），并按司法管辖区评分，奖励 1-3 个司法管辖区的结构，而非避税天堂带来的复杂结构
• 交易评级引擎 — 综合评分权重为创新 30% + 壁垒 25% + 招聘 25% + 公司状况 20%；按 25/50/75 的阈值映射为 PASS / WATCH / DILIGENCE / STRONG_BUY
• 红旗信号检测 — 自动提示令人担忧的信号：创新停滞、竞争激烈市场中的壁垒薄弱、≥3 个已解散实体、公司健康度差
• 投资论点生成 — 当积极信号达到阈值时，自动生成 1-4 条论点要点
• 8 个专用 MCP 工具 — 每个工具都可独立调用，针对特定目标进行分析，无需运行完整的交易备忘录
• 并行 Actor 编排 — runActorsParallel() 使用 Promise.allSettled()，确保单个数据源故障不会阻塞整个分析
• 司法管辖区筛选 — discover_startups 和 verify_corporate_structure 接受可选的司法管辖区代码，用于查询特定国家的公司注册信息

初创企业生态系统情报的使用场景

使用另类数据寻找 VC 交易

每周处理 40-80 份主动提交融资材料的风险投资助理，需要先快速筛选，再占用合伙人的时间。使用 discover_startups 发掘某个行业中的活跃公司，然后使用 generate_deal_memo，根据可观察到的行为——专利速度、GitHub 可信度、招聘方向——为优先候选公司评分，再安排通话。用 90 秒的自动筛查，替代尽职调查的第一周工作。

企业发展与并购目标搜寻

科技公司的企业发展团队在接洽并购目标前，需要梳理知识产权版图。analyze_competitive_moat 可揭示任意指定公司的专利组合深度和技术栈复杂度。assess_innovation_velocity 可发掘哪些参与者正在加速研发产出，以便在其估值变高前采取行动。每周通过定时 MCP 调用，对包含 20 家公司的观察名单运行分析。

加速器与投资组合基准评估

管理 20-40 家公司的加速器运营方需要一套一致的评估框架。benchmark_against_cohort 会将投资组合公司的技术栈成熟度、公开招聘职位和竞争密度与所在行业进行比较。decode_hiring_signals 会监测投资组合公司是否已从建设转向扩张——这是产品与市场契合度的早期信号。

技术趋势探查与投资论点构建

面向 LP 的投资团队在编写投资论点文档时，需要在配置资金前量化技术发展势头。track_technology_trends 会查询 ArXiv 论文数量、GitHub 星标增长速度和 USPTO 专利申请量，针对某个技术领域（例如“扩散模型”“向量数据库”“固态电池”）返回从研究到商业化的结构化信号图景。

投资前尽职调查自动化

开展正式尽职调查的法务和财务团队可以使用 verify_corporate_structure，通过 OpenCorporates 查询 140 多个企业登记机构，核查实体状态、司法管辖区数量和非活跃实体历史，再决定是否付费聘请律所执行同样的核查。已解散的子公司或异常的司法管辖区堆叠等问题会立即显现。

绘制投资组合公司的竞争格局

准备董事会演示竞争分析的投资组合公司创始人，可以使用 benchmark_against_cohort 列出直接竞争对手、比较技术栈的成熟度，并量化公开招聘职位数量，将其作为竞争对手增长率的代理指标。

如何使用初创企业生态情报

1. 连接 MCP 服务 — 将端点 https://startup-ecosystem-intelligence-mcp.apify.actor/mcp 添加到 MCP 客户端（Claude Desktop、Cursor、Windsurf 或 Cline），并使用 Apify API token 作为 Bearer token。
2. 选择工具 — 请 AI 助手运行交易备忘录（“为 Cohere 生成一份交易备忘录”）或定向分析（“Databricks 目前的招聘策略是什么？”）。
3. 等待 60-90 秒 — 服务会并行查询最多 8 个数据源。完整交易备忘录所需时间会长于单维度工具。
4. 查看结构化输出 — 返回的评分、评级、信号、投资论点要点和风险提示均为结构化 JSON，AI 助手可以据此进行推理和总结。

输入参数

这是一个 MCP 服务。没有 Actor 级别的输入参数——连接由 MCP 客户端处理。每个工具接受自己的参数，具体如下。

工具参数

工具	参数	类型	必填	说明
discover_startups	query	string	是	要搜索的技术、市场领域或关键词
discover_startups	jurisdiction	string	否	国家/司法管辖区代码筛选条件（例如“us_de”“gb”）
assess_innovation_velocity	company	string	是	公司或组织名称
decode_hiring_signals	company	string	是	公司名称
decode_hiring_signals	location	string	否	职位发布的地点筛选条件
analyze_competitive_moat	company	string	是	公司名称
analyze_competitive_moat	website	string	否	公司网站 URL——通过 URL 而非名称检测技术栈
verify_corporate_structure	company	string	是	公司名称
verify_corporate_structure	jurisdiction	string	否	用于筛选企业登记结果的司法管辖区代码
track_technology_trends	technology	string	是	技术、框架或研究主题
benchmark_against_cohort	company	string	是	要进行基准比较的公司名称
benchmark_against_cohort	website	string	否	公司网站 URL
generate_deal_memo	company	string	是	初创公司名称
generate_deal_memo	website	string	否	公司网站 URL——提高技术栈检测准确性

连接示例

Claude Desktop — 添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "startup-ecosystem": {
      "url": "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor 或 Windsurf — MCP 设置：

{
  "startup-ecosystem-intelligence": {
    "url": "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
    "headers": { "Authorization": "Bearer YOUR_APIFY_TOKEN" }
  }
}

直接 HTTP 调用：

curl -X POST "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"assess_innovation_velocity","arguments":{"company":"Mistral AI"}},"id":1}'

输入提示

• 如有网站 URL，请提供 — analyze_competitive_moat 和 generate_deal_memo 会根据 URL 检测技术栈，比按名称查询更准确。
• 公司核验时请使用司法管辖区代码 — 特拉华州使用 "us_de"，英国使用 "gb"，德国使用 "de"。如果不提供，结果会包含所有匹配的司法管辖区。
• 对于尚未产生收入的公司，请先运行 assess_innovation_velocity — 即使没有收入数据，仍然可以获取专利和 ArXiv 论文。
• 构建投资论点时请使用 track_technology_trends — 查询某个技术领域（如 "agentic RAG"、"model distillation"），而不是公司名称，以梳理从研究到商业化的流程。

输出示例

假设公司调用 generate_deal_memo 后的完整输出：

{
  "company": "NovaSynth AI",
  "compositeScore": 68,
  "dealRating": "DILIGENCE",
  "innovationVelocity": {
    "score": 74,
    "patentCount": 5,
    "epoPatentCount": 3,
    "githubRepos": 18,
    "githubStars": 6240,
    "arxivPapers": 7,
    "velocityLevel": "FAST",
    "signals": [
      "8 patents filed (5 USPTO, 3 EPO)",
      "6240 GitHub stars across 18 repos — strong developer community",
      "18 public repositories — active open source presence",
      "7 ArXiv publications — research-driven innovation"
    ]
  },
  "hiringSignals": {
    "score": 61,
    "totalJobs": 28,
    "engineeringJobs": 16,
    "salesJobs": 5,
    "executiveJobs": 2,
    "strategyInference": "BUILDING",
    "roleDistribution": {
      "engineering": 16,
      "sales": 5,
      "marketing": 3,
      "executive": 2,
      "operations": 1,
      "other": 1
    },
    "signals": [
      "57% engineering hires — product building phase",
      "28 open positions — significant growth"
    ]
  },
  "competitiveMoat": {
    "score": 58,
    "techStackDepth": 14,
    "competitorCount": 6,
    "patentProtection": 8,
    "moatType": "MODERATE",
    "moatFactors": [
      "Technical complexity",
      "Patent portfolio"
    ],
    "signals": [
      "14 technology components detected — complex tech stack",
      "8 patents providing IP protection"
    ]
  },
  "corporateHealth": {
    "score": 82,
    "entityCount": 2,
    "activeEntities": 2,
    "inactiveEntities": 0,
    "jurisdictions": ["us_de", "gb"],
    "healthLevel": "STRONG",
    "signals": [
      "2 corporate registration(s) found"
    ]
  },
  "allSignals": [
    "8 patents filed (5 USPTO, 3 EPO)",
    "6240 GitHub stars across 18 repos — strong developer community",
    "7 ArXiv publications — research-driven innovation",
    "57% engineering hires — product building phase",
    "28 open positions — significant growth",
    "14 technology components detected — complex tech stack",
    "2 corporate registration(s) found"
  ],
  "investmentThesis": [
    "High innovation velocity (74/100) — strong R&D output",
    "Engineering-heavy hiring — product building phase (ideal for early-stage)"
  ],
  "redFlags": []
}

输出字段

字段	类型	描述
company	string	按照提供的名称填写的公司名称
compositeScore	number (0-100)	加权综合评分：创新 30% + 护城河 25% + 招聘 25% + 企业 20%
dealRating	string	投资评级：PASS / WATCH / DILIGENCE / STRONG_BUY；阈值分别为 25/50/75
innovationVelocity.score	number (0-100)	创新速度评分
innovationVelocity.patentCount	number	找到的 USPTO 专利数
innovationVelocity.epoPatentCount	number	找到的 EPO 专利数
innovationVelocity.githubRepos	number	找到的 GitHub 仓库数
innovationVelocity.githubStars	number	所有仓库的星标总数
innovationVelocity.arxivPapers	number	找到的 ArXiv 预印本数
innovationVelocity.velocityLevel	string	创新速度级别：DORMANT / SLOW / MODERATE / FAST / HYPERGROWTH
innovationVelocity.signals	string[]	易于理解的证据陈述
hiringSignals.score	number (0-100)	招聘信号评分
hiringSignals.totalJobs	number	找到的开放职位总数
hiringSignals.engineeringJobs	number	工程/开发职位数
hiringSignals.salesJobs	number	销售/业务拓展/营收职位数
hiringSignals.executiveJobs	number	VP/总监/C 级高管职位数
hiringSignals.strategyInference	string	BUILDING / SCALING / PIVOTING / MAINTAINING / UNKNOWN
hiringSignals.roleDistribution	object	各职位类别的数量（工程、销售、市场营销、高管、运营、其他）
competitiveMoat.score	number (0-100)	竞争护城河评分
competitiveMoat.techStackDepth	number	检测到的技术组件数
competitiveMoat.competitorCount	number	找到的直接竞争对手数
competitiveMoat.patentProtection	number	专利总数（USPTO + EPO）
competitiveMoat.moatType	string	NONE / WEAK / MODERATE / STRONG / FORTRESS
competitiveMoat.moatFactors	string[]	护城河来源名称（例如 "Patent portfolio"、"Community/network effects"）
corporateHealth.score	number (0-100)	企业健康评分
corporateHealth.entityCount	number	找到的企业实体总数
corporateHealth.activeEntities	number	处于活跃/良好状态的实体数
corporateHealth.inactiveEntities	number	已解散/撤销的实体数
corporateHealth.jurisdictions	string[]	找到的唯一司法管辖区代码
corporateHealth.healthLevel	string	POOR / CONCERNING / ACCEPTABLE / GOOD / STRONG
allSignals	string[]	汇总全部四个模型的所有信号陈述
investmentThesis	string[]	自动生成的正面投资论点
redFlags	string[]	自动生成的风险提示

开展初创公司尽职调查需要多少费用？

此 MCP 采用按事件付费定价——每次工具调用收费 $0.045。平台计算费用已包含在内。generate_deal_memo 工具会并行运行 8 个 actor，但仍按固定费用 $0.045 收费。

场景	工具调用次数	每次调用费用	总费用
快速测试 — 单项创新检查	1	$0.045	$0.045
定向分析 — 3 个维度	3	$0.045	$0.14
完整交易备忘录 — 一家公司	1	$0.045	$0.045
筛查 10 家公司并生成交易备忘录	10	$0.045	$0.45
完整流程 — 筛查 50 笔交易	50	$0.045	$2.25

你可以在 Apify 账户设置中为每个会话设置最高支出限额，以控制费用。达到预算上限时，服务会返回清晰的错误消息，方便你的 AI 客户端妥善报告。

相比每年收费 $20,000+ 的 PitchBook 或每年收费 $6,000+ 的 CB Insights，使用此 MCP 进行交易筛查的大多数 VC 团队每月支出不到 $20，无需订阅承诺，也不按席位收费。

通过 API 使用初创公司生态系统情报

Python

import requests
import json

response = requests.post(
    "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
    headers={
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    json={
        "jsonrpc": "2.0",
        "method": "tools/call",
        "params": {
            "name": "generate_deal_memo",
            "arguments": {
                "company": "Cohere",
                "website": "https://cohere.com"
            }
        },
        "id": 1
    }
)

result = response.json()
memo = json.loads(result["result"]["content"][0]["text"])

print(f"Company: {memo['company']}")
print(f"Composite Score: {memo['compositeScore']}/100")
print(f"Deal Rating: {memo['dealRating']}")
print(f"Innovation Velocity: {memo['innovationVelocity']['score']}/100 ({memo['innovationVelocity']['velocityLevel']})")
print(f"Hiring Strategy: {memo['hiringSignals']['strategyInference']} — {memo['hiringSignals']['totalJobs']} open roles")
print(f"Moat: {memo['competitiveMoat']['moatType']}")
print(f"Red Flags: {memo['redFlags']}")

JavaScript

const response = await fetch(
  "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
  {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    body: JSON.stringify({
      jsonrpc: "2.0",
      method: "tools/call",
      params: {
        name: "assess_innovation_velocity",
        arguments: { company: "Mistral AI" },
      },
      id: 1,
    }),
  }
);

const result = await response.json();
const velocity = JSON.parse(result.result.content[0].text);

console.log(`Innovation Velocity Score: ${velocity.innovationVelocity.score}/100`);
console.log(`Level: ${velocity.innovationVelocity.velocityLevel}`);
console.log(`Patents: ${velocity.innovationVelocity.patentCount} USPTO + ${velocity.innovationVelocity.epoPatentCount} EPO`);
console.log(`GitHub: ${velocity.innovationVelocity.githubRepos} repos, ${velocity.innovationVelocity.githubStars} stars`);
console.log(`ArXiv: ${velocity.innovationVelocity.arxivPapers} publications`);

cURL

# Run a full deal memo
curl -X POST "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "generate_deal_memo",
      "arguments": {
        "company": "Hugging Face",
        "website": "https://huggingface.co"
      }
    },
    "id": 1
  }'

# Decode hiring signals only
curl -X POST "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "decode_hiring_signals",
      "arguments": { "company": "Databricks", "location": "San Francisco" }
    },
    "id": 2
  }'

初创公司生态系统情报 MCP 的工作原理

MCP 服务架构与待机模式

此服务作为 Apify Standby actor 运行，使用 Express.js，并提供 POST /mcp 端点。传入的 JSON-RPC 2.0 请求由 @modelcontextprotocol/sdk 的 McpServer 类通过 StreamableHTTPServerTransport 处理。每个请求都会实例化一个全新的服务实例，将其连接到传输层，并在不保留会话状态的情况下处理请求。这种按请求无状态的设计可避免高流量工作流中出现内存泄漏。

在 Standby 模式下（APIFY_META_ORIGIN === 'STANDBY'），Express 服务会在请求之间保持运行。在非待机模式下（直接运行 actor），服务启动后会记录一条健康检查消息，并在 1 秒后退出，便于 Apify 平台确认构建有效，同时避免为闲置时间付费。

通过 runActorsParallel 并行收集数据

每次工具调用都会触发 runActorsParallel()，它使用 Promise.allSettled() 同时启动最多 8 个下游 Apify actor。为确保 actor 更名后版本仍保持稳定，actor 使用硬编码 ID（而非 slug）标识。每个下游 actor 使用 256MB 内存运行，超时时间为 120 秒。运行失败的 actor 会返回空数组，而不会导致整个请求失败——因此，暂时无法使用的专利 API 不会阻碍招聘信号分析。

这 8 个下游 actor 分别是：opencorporates-search、patent-search（USPTO）、epo-patent-search、github-repo-search、website-tech-stack-detector、job-market-intelligence、arxiv-paper-search 和 saas-competitive-intel。

四种评分模型与综合公式

scoreInnovationVelocity 会为专利（USPTO + EPO，每项 3 分，最高 25 分）分配最多 25 分，为 GitHub 分配最多 30 分（仓库数量每个 2 分，最高 15 分；log2(stars) * 2 计 15 分），为 ArXiv 分配最多 25 分（每篇论文 5 分），并为新近程度分配最多 20 分（最近 6 个月内更新的项目每项 3 分）。

decodeHiringSignals 会根据关键词列表，将职位名称归入 6 个岗位类别。工程类关键词包括“ml”“ai”“sre”“platform”“devops”。高管类关键词包括“vp”“cto”“head of”“vice president”。各岗位类别的比例用于推断四种战略类型。

analyzeCompetitiveMoat 使用反向竞争对手评分：竞争对手越少，得分越高。网络效应以 GitHub 星标数作为近似指标，采用与创新速度相同的 log2 公式，并乘以 3 倍。

checkCorporateHealth 对超过 3 个的实体按每个 4 分施加复杂度惩罚（即结构越简单，得分越高）。司法管辖区数量评分会奖励 1-3 个司法管辖区；超过 3 个后，每增加一个都会扣 5 分。

综合交易备忘录得分的权重为：创新 30% + 壁垒 25% + 招聘 25% + 公司状况 20%。

按事件计费并配备熔断机制

每个工具处理程序都会在执行前调用 Actor.charge({ eventName: '...' })。如果 chargeResult.eventChargeLimitReached 为 true，工具会立即返回一个结构化错误对象，而不会运行下游 Actor。这样可确保在工具层面（而不仅仅是平台层面）遵守支出限额。

最佳实践

1. 分析护城河和交易备忘录时，务必提供网站 URL。 如果未提供 URL，analyze_competitive_moat 和 generate_deal_memo 会退而使用基于名称的技术栈检测，准确度较低。传入 "website": "https://company.com" 可切换为基于 URL 的技术栈分析。

2. 将 assess_innovation_velocity 用作深科技公司的首轮筛选工具。 即使是尚未产生收入的公司，也能获取专利和 ArXiv 信号。如果一家自称以研究为驱动的公司的创新速度得分低于 20（DORMANT），在投入时间撰写完整交易备忘录前，应将其视为危险信号。

3. 每季度运行 track_technology_trends，以更新投资论点。 查询投资论点中的关键词（例如，“推理模型”、“AI Agent”、“合成生物学 CRISPR”），即可获取研究论文增长速度、GitHub 项目发展势头和专利申请率的概况。趋势数据有助于判断某个主题处于早期研究阶段，还是即将商业化。

4. 结合使用 decode_hiring_signals 和日历监控。 一家公司若在六个月前处于 BUILDING 阶段，如今已进入 SCALING 阶段，很可能已实现产品与市场契合。每月检查关注名单中的招聘信号，以便在拐点出现在公开公告中之前及时发现。

5. 在讨论投资条款清单前核实公司结构。 verify_corporate_structure 可在不到两分钟内发现已解散实体、不寻常的司法管辖区层叠结构或实体数量过多的情况。在正式尽职调查阶段通过律师事务所完成这项工作，则需要 1-2 周，费用为 $3,000-5,000。

6. 使用带有司法管辖区代码的 discover_startups 来寻找区域性投资机会。 传入 "jurisdiction": "gb" 或 "jurisdiction": "de"，即可分别将企业注册信息查询范围限制为英国或德国实体。适用于聚焦欧洲的基金投资授权。

7. 为批量管道运行设置支出限额。 筛选大型管道时，请在账户层面设置 Apify 支出限额，以免循环失控而产生意外费用。每次调用的费用为 $0.045，1,000 次调用需 $45——请据此做好预算。

与其他 Apify MCP 服务组合使用

MCP 服务	组合方式
M&A Target Intelligence MCP	先生成交易备忘录，然后将评级为 DILIGENCE 的公司传入 M&A 目标筛选，进行收购估值和整合风险分析
Workforce Competitive Intelligence MCP	使用人才流动数据补充 decode_hiring_signals——竞争对手员工跳槽加入目标初创公司的情况，是强有力的确信信号
Tech Ecosystem Analysis MCP	track_technology_trends 确定热门技术领域后，使用技术生态分析绘制完整的依赖关系和整合格局
Academic Commercialization Pipeline MCP	可将 assess_innovation_velocity 找出的 ArXiv 论文传入学术商业化筛选，以发现大学衍生公司的机会
Website Tech Stack Detector	对竞争对手列表单独运行技术栈检测，然后再调用 benchmark_against_cohort，预先填充比较数据
Company Deep Research	生成 STRONG_BUY 交易备忘录后，使用公司深度研究生成全面的叙述式情报报告，为 IC 备忘录提供支持

限制

• 没有财务数据 — 从公开信号中无法获取收入、ARR、烧钱速度和融资历史。此工具提供的是行为代理指标，而非财务指标。
• 要获得最高创新评分，需要具备 GitHub 活跃度 — 无论实际工程产出如何，没有公开 GitHub 活动的公司在创新速度模型中的得分都会较低。处于隐身模式或高度专有的公司可能会被系统性低估。
• 专利数据存在滞后 — USPTO 和 EPO 的专利数据反映的是申请，而非授权；根据公开延迟情况，数据可能比实际申请日期滞后 3-18 个月。最新的专利活动可能不会显示。
• 招聘信息覆盖范围因市场而异 — 英语市场和主要招聘网站的职位市场情报更为全面。非英语市场的公司，或主要通过 LinkedIn 招聘的公司，其职位数量可能低于实际开放岗位数。
• OpenCorporates 覆盖 140 多个司法管辖区，但并非全部 — 一些司法管辖区（尤其是新兴市场）的覆盖有限或完全没有覆盖。美国、英国、欧盟和英联邦司法管辖区的企业验证最为全面。
• 技术栈检测需要网站处于在线状态 — 对于需要身份验证、使用严格机器人防护，或完全通过服务器端渲染且不提供 JavaScript 信号的网站，技术栈检测器无法分析。可使用基于名称的回退方式，但准确性较低。
• 竞争对手密度偏向 SaaS — saas-competitive-intel actor 针对软件企业进行了优化。硬件、深科技和生物科技公司显示的竞争对手数量可能会异常偏低。
• 综合评分仅反映公开信号 — 凭借专有硬件或闭源 IP 建立强大竞争护城河的公司，得分可能低于条件相当的开源竞争对手。
• 不能替代完整尽职调查 — 此处生成的交易备忘录是初步筛选工具。投资决策前，必须另行开展法律、财务、技术和参考调查。

集成

• Apify API — 使用任意语言以编程方式调用 MCP 端点；适用于构建每晚针对交易观察名单运行的批量筛选管道
• Webhooks — 当新公司通过 webhook 添加到 CRM 管道时，触发交易备忘录任务；将结果推送到 Slack 频道或 Notion 数据库
• Zapier — 连接 Zapier，在 Salesforce、HubSpot 或 Affinity CRM 中的交易阶段发生变化时自动生成交易备忘录
• Make — 构建多步骤自动化场景：收到入站演示文稿邮件 → 提取公司名称 → 运行交易备忘录 → 追加到 Airtable 交易跟踪表
• LangChain / LlamaIndex — 将交易备忘录 JSON 用作检索增强型上下文来源，供 AI 投资研究 Agent 使用，以综合多个数据点并撰写适合 LP 的叙述

故障排除

知名公司的交易备忘录返回空结果或零分。 某些数据源的公司名称匹配区分大小写且必须完全一致。请尝试使用准确的法定实体名称（例如，使用 “OpenAI, Inc.” 而不是 “OpenAI”）。查询公司注册信息时，注册名称可能与商号不同。

assess_innovation_velocity 未显示活跃知识产权公司的专利。 专利数据根据 USPTO/EPO 注册信息中的受让人名称返回。子公司或被收购公司可能使用其他法定名称申请专利。请尝试使用母公司名称，或 OpenCorporates 输出中的运营实体名称。

工具调用超时或返回错误。 每个下游 Actor 的超时时间为 120 秒。Apify 平台负载高峰期间，部分 Actor 可能会超时。runActorsParallel 函数使用 Promise.allSettled()，因此仍会返回已完成 Actor 的部分结果。请单独重试失败的工具。

返回“已达到支出限额”消息，而不是结果。 您已达到每会话或每账户的支出上限。请在账户设置中提高限额，或减少每个会话的工具调用次数。

技术实力强的公司显示的技术栈组件很少。 技术栈检测器需要一个可公开访问的 URL。如果网站受到严格的机器人防护（例如 Cloudflare Under Attack Mode），请提供营销子域名（例如 “https://www.company.com”），而不是应用子域名。

负责任地使用

• 此 MCP 仅访问公开数据，包括企业注册信息、专利数据库、GitHub、ArXiv 和招聘信息聚合平台中的数据。
• 请遵守每个底层数据源的服务条款以及 Apify 平台条款。
• 请勿利用企业架构或高管数据，向个人发送未经请求的推广信息。
• 基于此工具做出的投资决策，应辅以适当的法律、财务和技术尽职调查。
• 有关网页抓取合法性的指南，请参阅 Apify 指南。

常见问题

用于寻找交易项目时，创业生态情报与 Crunchbase 或 PitchBook 有何不同？ Crunchbase 和 PitchBook 汇总由创始人和投资者自行报告的数据，例如融资轮次金额、估值和团队简介，这些信息由公司掌控。此 MCP 衡量的是可观测行为：专利申请、GitHub 提交记录、招聘模式和学术研究产出。这两种方法互为补充。使用此 MCP 进行行为尽职调查，使用 Crunchbase/PitchBook 了解融资历史。

对于早期初创公司，创新速度评分有多准确？ 准确性取决于公开信息足迹。一家处于种子轮阶段的公司，如果只有 3 个 GitHub 仓库、1 篇 ArXiv 论文且没有专利，得分会很低——这并不代表它缺乏创新，而是因为缺少公开证据。最好将该评分理解为“可观测的创新产出”，而不是“全部创新”。对于已有 12 个月以上公开活动的 A 轮及以上公司，该评分最可靠。

创业生态情报能否评估尚未产生收入的公司？ 可以。专利申请、ArXiv 论文、GitHub 活动和招聘信息都能在公司产生收入之前获取。评分模型不需要收入数据。一家尚未产生收入的深科技公司，如果申请了 5 项以上专利并发表了 ArXiv 论文，其创新速度得分会很高。

生成一份完整的交易备忘录需要多长时间？ generate_deal_memo 会并行触发全部 8 个下游 Actor。通常需要 60-90 秒的实际运行时间。单个工具（decode_hiring_signals、assess_innovation_velocity）会运行 1-4 个 Actor，通常在 20-40 秒内完成。

一次会话中可以筛选多少家公司？ 每次会话没有硬性限制。每份交易备忘录的费用为 $0.045，筛选 100 家公司需要 $4.50。可在 Apify 账户中设置支出限额以控制费用。对于大型批处理流程，请使用 HTTP API，而非交互式 MCP 客户端。

能否使用创业生态情报持续监控投资组合公司？ 可以。每月对每家投资组合公司运行 decode_hiring_signals 和 assess_innovation_velocity，以跟踪战略变化。公司状态从 BUILDING 转为 SCALING，意味着产品与市场契合度可能正在形成。创新速度评分下降，同时出现高管招聘，可能表明公司正在转型或领导层发生变化。

使用公开的专利、GitHub 和企业注册数据进行投资研究是否合法？ 合法。专利数据库（USPTO、EPO）、企业注册数据库（OpenCorporates）、GitHub（公开仓库）和 ArXiv 均为公开访问的数据库，明确面向公众使用。更多背景信息，请参阅 Apify 关于网页抓取合法性的指南。

如果一家公司没有 GitHub 信息，其竞争护城河评分会受到什么影响？ 网络效应部分（最高 20 分）将得 0 分。技术栈和专利部分不受影响。一家拥有 15 项以上专利和复杂专有技术栈的公司，即使没有 GitHub 信息，仍可获得 STRONG 护城河评级，但最高得分上限为 80 分，而非 100 分。

如果生成交易备忘录时 8 个数据源之一不可用，会发生什么？ runActorsParallel 使用 Promise.allSettled()，因此单个 Actor 失败时，该维度会返回空数组，而不会导致整个请求失败。评分模型会将缺失数据视为 0，这可能会拉低评分。响应仍会包含全部四个评分维度，以及基于可用数据得出的综合交易评级。

能否将其与现有的交易流程 CRM 集成？ 可以。使用 HTTP API（上文的 Python、JavaScript 或 cURL 示例），即可从任意集成层调用 MCP 端点。Apify 平台提供 Zapier 和 Make 连接器，可用于无代码 CRM 集成。常见做法包括：在 Affinity、HubSpot 或 Salesforce 中录入新交易时触发生成交易备忘录，并将综合评分写入自定义字段。

帮助我们改进

如果遇到问题，启用 Apify 账户中的运行共享功能，可以帮助我们更快地排查问题：

1. 前往账户设置 > 隐私
2. 启用与公开的 Actor 创建者共享运行记录

这样一来，出现问题时我们就能查看运行详情，从而更快地修复问题。您的数据仅对 Actor 开发者可见，不会公开。

支持

发现错误或有功能需求？请在此 Actor 页面上的 Issues 标签页中提交问题。对于定制集成或企业级交易寻源工作流，请通过 Apify 平台联系我们。