entity-research 用于对公司或个人进行通用背景调研，最终生成一份供人阅读和行动的带引用档案。适用场景包括：合作或签约前审查供应商、交易对手；了解拟录用者、合作伙伴或共同投资人的背景；检查某名称的负面新闻或诉讼；做公开制裁名单与 PEP 线索的快速信号检查（用于升级，而非放行）；以及厘清“谁实际拥有/经营某实体”。
核心能力围绕六个视角展开：身份与背景（确认研究的是否为同一实体，注册号、司法辖区、成立日期、网站、别名/曾用名；个人则含角色、雇主、地点、公开出生日期）；所有权与关键管理层（股东/UBO 线索、董事、高管、集团结构）；负面/不利媒体（指控、调查、丑闻、破产、欺诈、环境或劳工问题，均附来源、日期，并区分指控与结果）；制裁/PEP/观察名单信号；诉讼与监管（重大诉讼、监管行动、罚款、除名）；以及带升级标记的简要总结。
使用方式：先锁定主体并消除同名歧义；制定 3–6 个子问题研究计划；按视角展开搜索，抓取每个主张的来源 URL 与日期；查询前必须以真实当前日期定位，使用当前年份；过滤薄内容、无关与重复结果；做差距分析并至少进行两轮搜索（最多三轮）；按一手/官方来源、可信媒体、博客论坛的优先级权衡证据，重大主张需至少两个独立来源佐证；最后用 dossier() 组装带引用的 Markdown 档案。脚本 scripts/entity_research.py 提供 screen_lists()，仅抓取并做词元级名称匹配美国 OFAC SDN 与 Consolidated、英国 OFSI、联合国公开制裁名单，返回潜在匹配信号，不是模糊/语音筛查，也不覆盖所有地方自主名单，地方措施需手动查官方门户。
限制与边界：它不替代专业 CDD/AML 筛查、制裁放行、PEP 筛查或合规决定；不得构建对私人的侵入性画像。制裁/PEP 信号一律表述为“升级至合规/AML 复核”，不得写“已放行”或“已拦截”，无匹配也不等于清白。所有负面事项需归属来源和日期，区分指控、起诉与结果，避免诽谤性表述。数据方面，搜索时只查实体名称，不得泄露交易或客户关系背景，档案保留在本地。运行要求 Python 3.8+；研究视角需要会话的网页搜索与抓取工具（未随附）；screen_lists 需联网，--self-test 可离线运行；人员/公司信息层可选 PDL_API_KEY 与 people-enrichment 技能，深度调研可选深度研究引擎。具体价格、平台支持与安装方式资料未提供。