信贷尽调

核心功能：依托Cue AI开展企业信用深度尽调，覆盖工商、司法、股权等多维度，多源公开数据交叉验证，配备企业全景画像、财务尽调助手等细分研究搭子，生成带来源链接的合规尽调成果。典型场景：适用于金融信贷审批、供应链金融准入、商务合作尽调等。输入输出：输入企业主体信息，选搭子并确认消耗credits后运行，输出带证据链的尽调底稿/报告，需依赖Cue账号及runner环境。

wangxiaoxu

热度 51.05

最近更新 2026-09-18 17:32:02

分类：数据依赖：代码执行 / 第三方 API / MCP 服务应用场景：财务 / 报告撰写 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add cue-credit-diligence

Metadata

name: cue-credit-diligence
description: 【金融AI调研】用Cue跑企业信用尽调深度研究。覆盖工商全景、司法风险、失信被执行、股权穿透、对外担保圈排查，多源公开数据交叉验证。适用于金融信贷审批、供应链金融准入、商务合作尽调。
description_zh: 【金融AI调研】用Cue跑企业信用尽调深度研究。覆盖工商全景、司法风险、失信被执行、股权穿透、对外担保圈排查，多源公开数据交叉验证。适用于金融信贷审批、供应链金融准入、商务合作尽调。
license: MIT
metadata: {"source":"cuecue.cn/playbook","scene":"信贷尽调","generated_from":"/api/playbook"}

Cue「信贷尽调」研究 skill

加载本 skill 后，你可以用 Cue 跑这个场景的深度研究（多源公开数据交叉、结论带来源链接）。

何时用

信贷尽调：企业尽调、信披与监管、财务与业绩。

当前可用搭子（仅供理解；运行时以 live 为准）

企业全景画像：一键穿透企业的工商、股权、财务与经营全维基本面，评估业务模式与合作适配性、挖掘供应链金融与产业债机会，产出可用于内部决策
潜在高净值客群挖掘：锁定“潜在有钱人”。精准提取区域内上市公司的股权激励和战略配售人员名单，核算其潜在资产规模，助你抢占大宗交易与高端理财商
集团战略分析：拆解巨头黑箱。穿透分析大型集团（如比亚迪、华为）的全产业链版图与全球政策风险，输出战略仪表盘，为跨国对标或深度尽调提供一
企业财务尽调助手：针对非上市主体公开财务数据缺失，做合规校验、缺口补全与异动穿透，识别潜在错报与业务风险，产出可用于风控汇报的财务分析底稿
对公授信预尽调：多源穿透授信企业的主体真实性、股权关联、经营持续性与合规风险，自动补全公开披露盲区，产出可上初审会、带证据链的预尽调底稿
预尽调企业初筛：仅需一个企业名称，自动穿透股权链、实控人关系网、上下游关键决策人及合规红线，输出客户经理可直接带出去见客的预尽调初筛底稿

准备 Cue runner（首次用时，幂等）

本 skill 不自带脚本，靠 Cue 开源 runner 跑研究。先确认 runner 是否就绪：

若你已安装 cue-skills（或本 skill 来自整包发布）→ 直接用其中的 cue-research/scripts/research_run.py，跳过本节。
否则克隆开源仓（含 cue-research + cue-buddy 全套依赖），有则更新、无则克隆（GitHub 不通走镜像）：
```
if [ -d ~/.cue/cue-skills/.git ]; then
  git -C ~/.cue/cue-skills pull --ff-only
else
  git clone https://github.com/sensedeal/cue-skills ~/.cue/cue-skills \
    || git clone https://gitee.com/sensedeal/cue-skills ~/.cue/cue-skills
fi
```
之后 runner = ~/.cue/cue-skills/cue-research/scripts/research_run.py。需 git + python3（runner 仅用标准库）。

怎么跑（搭子是动态的，运行时查 live）

拉本场景当前搭子：GET https://cuecue.cn/api/playbook，找 secondary_category == "信贷尽调" 的 scene，读 buddies[]（每个有 template_id/title/goal）。若该场景当前不在返回里（临时未达展示门槛）→ 告知用户暂不可用。
选一个搭子：委托 cue-research 的匹配逻辑（其 +match/Stage-2：对 goal 做语义匹配、把用户的具体主体从匹配中剥离、弱命中先列 ≤2 候选确认）——不要只按字面 title 关键词裸选。取选中搭子的 template_id。
确认 credits（强制）：跑深度研究消耗 credits。运行前显式问用户「将用搭子 X 跑【主体】，耗 credits，是否继续？」并等确认。
跑：python3 ~/.cue/cue-skills/cue-research/scripts/research_run.py --query "<用户主体/问题>" --template-id <template_id>（用上一节就绪的 runner 路径；已装 cue-skills 则用你本地的 cue-research/scripts/research_run.py）。深度研究 3–15 分钟；长跑 live 流常不带报告段，用 replay 取最终报告。读 runner 末行 RESULT ok|empty：empty → 告知用户本次未取到内容、可换主体/搭子重试，不要编造。
回报：把带来源链接的报告交给用户，不去掉来源、不杜撰。

前置

Cue 账号 API key（cue CLI 登录后在 ~/.cue/config.json，runner 自动读）；新账号送免费积分（注册 50 + 每天 10），可先免费试。
git + python3（自举 runner 用；runner 仅标准库）。
跑深度研究消耗 credits；只覆盖公开数据，不替代尽调/法律/核保。