entity-research

实体研究

对公司或个人进行深入背景调查 → 生成供人阅读和采取行动的附引用档案。适用于通用研究场景，例如审查供应商、签约前的交易对手、潜在雇员、合作伙伴，或核实媒体说法。

研究与汇编——不是判定。 此技能不会筛查、排除、评级或阻止任何人。制裁名单／PEP／观察名单信号是需要升级处理的信号，应交由具备资质的合规／反洗钱职能部门处理，而不是调查结论；负面新闻是附有来源和日期的指控，不是已证实的事实。所有内容均附有引用；不会自动采取任何行动。

范围与路由

将此技能用于一般背景调查和快速检索公开信号。不要将其用作专业客户尽职调查／反洗钱筛查、制裁审查、PEP 筛查或合规决策的替代手段，也不要为私人个人建立侵犯隐私的档案。

适用场景

• 在合作或签订合同前审查供应商／供货商／交易对手。
• 调查潜在雇员、合作伙伴或共同投资者负责人的背景。
• 核查某个名字是否涉及负面／不利媒体报道或诉讼。
• 快速核查公开的制裁名单信号（用于升级处理，而非排除风险）。
• 根据公开研究快速核查PEP 迹象（用于升级处理，而非排除风险）。
• “X 实际由谁拥有／运营？”——调查所有权与关键管理层背景。

研究视角

1. 身份与背景——确认目标实体无误（注册号、司法管辖区、成立日期、网站、别名／曾用名；个人则核实职务、雇主、所在地，以及公开可查的出生日期）。尽早区分同名实体。
2. 所有权与关键管理层——股东／最终受益所有人（UBO）信号、董事、高级管理人员；集团／母公司结构。适用时，使用 people-enrichment 技能／PDL 调查个人及公司概况。
3. 不利／负面媒体报道——指控、调查、丑闻、破产、欺诈、环境／劳工问题——每项都应注明来源、日期，以及指控与结果的区别。
4. 制裁／PEP／观察名单信号——screen_lists(name) 仅核查公开制裁名单（OFAC SDN + Consolidated、UK OFSI、UN）。PEP 迹象来自人工／开放网络研究，例如担任公职、在国有企业担任高级职务、存在密切关系人迹象，或官方传记。这两者都不代表已完成风险排除。
5. 诉讼与监管——重大诉讼、监管机构行动、罚款、取消资格。
6. 摘要与标记——提供简短概述，并列出供合规审查人员处理的升级标记。

数据来源（自给自足的核心来源 + 可选的深入调查）

• 开放网络——使用 web_search + web_extract 搜索新闻报道、诉讼、注册记录提及、所有权线索和公开的 PEP 迹象。
• 深度研究引擎——如有可用的深度研究引擎／技能，可将实体及研究视角交由其进行全面调查；否则直接执行多路并行搜索。
• PDL（个人／公司概况）——适用时，对所有者／关键管理层／公司层面运行 people-enrichment 技能（需要 PDL_API_KEY）。
• 公开制裁名单——scripts/entity_research.py 中的 screen_lists(name) 会获取官方政府综合名单并按名称分词匹配：美国（OFAC SDN + Consolidated）、英国（OFSI）、联合国（UN）。它仅返回潜在匹配信号。这不是模糊匹配／语音匹配筛查，也不涵盖所有地方自治名单。对于某个国家的地方自治措施，请手动核查官方门户。匹配结果仅是需要交由合规职能部门核实的信号；未匹配到并不代表已排除风险。

工作流

1. 锁定主体 — 提供名称和标识信息（司法管辖区、注册号、网站；如果是个人，则提供职位／雇主）。在开始调查前，先消除同名歧义。
2. 规划调查 — 围绕各个维度，将对该主体的调查拆分为 3-6 个子问题（例如：“X 归谁所有？”“是否有人对 X 提起诉讼？”“X 是否出现在任何制裁名单上？”）。明确成功标准：一份完整的档案应涵盖哪些内容？这份计划有助于确定各维度的优先级，避免遗漏。
3. 开展各维度调查 — 针对每个维度并行开展网页搜索；对个人／公司背景信息使用 PDL；使用 screen_lists() 查找公开制裁名单信号；手动核查 PEP 迹象和当地制裁名单。为每条声明记录来源 URL 和日期。
   • 日期基准（必需）。 搜索前，以真实的当前日期为准：“今天的日期是 {current date}。在查询中使用 {current year} — 切勿使用根据训练数据推断出的年份。”
   • 质量筛选。 提取信息前，剔除内容单薄或无关的结果：着陆页、聚合网站的占位页面（实质内容少于 100 词）、仅关键词重合但实际无关的页面（按词边界匹配主体名称，不按子字符串匹配），以及重复 URL。
4. 差距分析 — 首轮调查后，对照第 2 步的调查计划审查结果。哪些子问题尚未得到回答？哪些维度的调查覆盖不足？针对这些差距生成有针对性的后续查询，并进行第二轮搜索。如果仍存在重大差距，再重复一次（最多 3 轮）。
5. 评估权重 — 一手／官方来源 > 可信媒体 > 博客／论坛；区分指控与结果；考虑时效性；交叉印证（严重声明至少需要 2 个独立来源）。将低置信度事项明确标注；不要把传闻包装成事实。
6. 整理 — dossier(...) 会生成带引用的 Markdown 档案（六个调查维度 + “不构成认定”标题 + 升级处理标记）。将结果发送到聊天中或保存为 .md。
7. 标记升级处理事项 — 任何制裁名单信号、PEP 迹象、严重负面调查结果或诚信方面的疑虑 → 明确指出 “升级交由合规／AML 审查人员处理”。

参见 references/research-lenses.md（调查要点和查询模式）以及 references/boundaries-and-sanctions.md（信号而非认定原则、误报和隐私保护措施）。

输出格式

对于负面调查／诉讼／监管调查结果，优先使用简洁表格：

事项	来源	日期	指控／罪名／结果	置信度	是否升级处理？

对于制裁名单／PEP／监控名单信号，切勿使用“无异常”或“已拦截”等表述。使用如下措辞：

• Public sanctions-list check found no potential matches in OFAC SDN/Consolidated, UK OFSI and UN via screen_lists() as of [date]. This is not a clearance; local lists and professional screening remain outside this helper.
• Potential sanctions-list name match on "[matched name]" ([list], score [x]) — escalate to compliance / AML reviewer for verification.
• Public PEP indication: [public office / SOE role / close associate indication] from [source, date] — escalate for compliance review. This is not a PEP-screening determination.

边界与安全

• 这是研究，不是裁定／合规放行。 制裁名单或 PEP 信号 = 升级处理，绝不能据此“放行”或“拦截”。未匹配到 ≠ 没有问题。
• 明确 PEP 范围。 screen_lists() 不是 PEP 筛查工具。PEP 迹象来自公开来源研究，必须由合格的合规职能部门审核。
• 区分指控与事实。 对每条负面信息注明来源和日期；区分指控、起诉与结果。避免诽谤性表述；报告来源所述内容并注明来源。
• 个人——仅限正当目的和公开信息。 仅为正当目的（审查）研究个人，且仅使用公开可用的信息；不要汇总敏感个人数据（健康状况、信仰、性取向等），也不要建立侵扰性档案。
• 档案是供人审阅的草稿——绝不能作为自动化操作的依据。

原则

• 草稿，而非建议——档案是供人阅读并采取行动的研究辅助材料。
• 绝不编造——每项说法都要附上来源和日期；将依据薄弱或未经佐证的信息标明。
• 信号，而非裁定——制裁名单／PEP／监控名单信号应升级处理；绝不能据此放行或拦截。
• 诚实并校准判断——区分指控与结果；呈现相互冲突的信息，并注明可信度。
• 工作区卫生——将档案保存在本地；这是内部资料，可能会提及个人。

数据处理——搜索姓名，而非关系

**不附带任何关系信息的单独姓名，可以在开放网络上进行研究。**但：

• 绝不泄露背景信息。 搜索“[entity]”，而不是“我们正在投资 [entity]”或“[entity] 是我们的客户”——不要在外部查询中透露交易／客户关系。
• 如果该实体确实与正在进行的交易或客户有关，必须对该关系保密（不要将其放入查询）；仍可对该名称进行公开信息研究。
• 将档案保存在本地计算机上；档案中可能会提及个人。

文件

• scripts/entity_research.py — screen_lists（公开制裁名单姓名匹配信号，带缓存，优雅降级）、dossier（整理出附有引用的 Markdown 档案和升级处理标记）、姓名规范化／引用辅助工具；--self-test（离线运行；匹配器 + 档案）。
• references/research-lenses.md — 各研究视角的检查清单 + 优质查询模式 + 来源权重。
• references/boundaries-and-sanctions.md — 名单、信号而非裁定、误报、升级处理以及个人隐私防护措施。

验证清单

• 已确认研究对象；已消除同名歧义（或同时列出多个对象）。
• 已制定研究计划（涵盖各研究视角的 3-6 个子问题，并定义成功标准）。
• 已落实日期基准——查询使用当前年份，而非训练数据截止年份。
• 已应用质量筛选——在提取信息前剔除依据薄弱／无关／重复的结果。
• 已进行差距分析——至少完成 2 轮搜索；记录剩余差距。
• 每项说法均附有来源 URL + 日期；重要说法已交叉验证（≥2 个来源）。
• 已注明指控来源，并将指控与结果区分开；已将依据薄弱的信息标明。
• screen_lists() 仅作为公开制裁名单信号呈现，绝不作为 PEP 筛查或合规放行依据。
• 如有 PEP 迹象，均来自公开来源，且仅作为升级处理信号呈现。
• 对个人的研究仅限于正当目的，且仅使用公开信息。
• 已明确列出升级处理标记；档案保存在本地。

要求

• Python 3.8+（screen_lists/dossier 仅使用标准库）。
• 研究各视角需使用会话网络搜索 + 抓取工具（不随附）。
• screen_lists 需要网络（公开名单）——--self-test 可离线运行。
• 可选：PDL_API_KEY + people-enrichment 技能，用于人员／公司特征信息层；深度研究引擎／技能，用于更深入的研究。