VentureLens

VentureLens 是一个面向投资研究的 AI 工作台。它不只总结商业计划书，而是把材料中的关键陈述拆成可核查声明，结合公开网页、论文和结构化数据库进行交叉验证，最终生成带证据、风险标记和投资判断的研究报告。

当前版本：0.3.0 · 查看 Releases

适合做什么

任务	输入	主要产出
BP 核查	PDF、PPTX、DOCX、TXT、Markdown	声明账本、公开证据、冲突与风险、投资分析
公司预研	公司名称与关注方向	公司公开信息、团队、产品、融资、客户与竞争研究
行业研究	行业或技术主题	行业格局、技术路线、商业前景、投资主题与风险
论文解读	论文 PDF 或公开 URL	技术贡献、可信度、复现线索、产业价值与相关研究

所有任务都在同一个对话界面中运行，支持实时阶段进度、报告内继续追问、公开资料刷新，以及报告或完整对话 PDF 下载。界面支持中英文切换，报告语言跟随任务提交时的界面语言。

核心能力

可追溯的 BP 核查

从 BP 中提取团队、客户、收入、融资、市场、知识产权和监管等原子声明。
保存声明所在页码与逐字原文，并用确定性核验器回查解析页面。
页码错误但原文存在时自动纠正；无法回查时标记为未核验，而不是伪造引用。
区分公开来源支持、公开来源冲突、候选证据、仅 BP 自述、资料不足和分析推断。
结构化整理财务和经营指标，复算增长率、收入关系、runway、资金用途及市场规模等关系。

受预算约束的 Agentic Search

按工商主体、团队身份、客户验证、市场、竞争、知识产权和监管等核验包规划查询。
通用搜索取得一级来源后，对高价值 HTML/PDF 页面执行一次受控链接发现。
限制抓取深度、单域页面数、并发、响应大小、超时和重试次数。
私网地址在请求前拦截；403 等受限页面会转化为聚焦搜索线索，不会无限重试。
某个搜索工具不可用时保留其他已取得证据，并在报告中明确披露降级情况。

投资分析与质量门

生成市场测算、竞品矩阵、投资正反论点、否决条件和关键里程碑。
高优先级声明缺少可复核原文或可靠公开证据时，任务进入“需关注”。
质量门只决定状态，不阻止已有非空报告保存和显示。
同一公司补充新版 BP 时保留当前对话并比较结构化事实；识别为新公司时创建独立对话。
“刷新公开资料”只生成增量变化报告，不覆盖原始 BP 核查报告。

长任务与文档稳定性

多阶段流程保存稳定任务 ID、checkpoint、阶段产物、失败原因和下一步骤。
服务重启后恢复近期任务，停止超过预算的陈旧任务，避免无条件重跑已完成阶段。
PDF 解析运行在隔离子进程中，具有并发、超时和内存故障边界。
对扫描、低文本密度或视觉内容较多的 PDF 进行受预算约束的中英文 OCR。
即使最终质量不足或后置阶段失败，也保留最佳草稿、warning 和重试入口。

研究工具

VentureLens 会根据任务领域自动选择研究工具。

无需 API Key 的公开接口：

ClinicalTrials.gov：临床试验
arXiv：预印本与论文元数据
Crossref：DOI、作者与引用元数据
GitHub：公开代码仓库与技术足迹
Hugging Face：公开模型和数据集
OSV / NVD：软件漏洞
SEC EDGAR：美国上市公司披露
TED：欧盟采购公告

配置 OPENALEX_API_KEY 后，还会启用 OpenAlex 学术图谱，用于核查作者、机构、成果归属和引用信号。这里的“零 Key”只指上述公开数据接口；语义抽取、判断、报告生成和通用网页搜索仍需要 DeepSeek 凭证。

运行中的工具状态可通过 GET /api/health 查看。健康接口只返回是否配置，不返回任何凭证内容。

BP 核查和公司预研还内置“技术调研” Tool。系统先根据 BP 声明或公司公开事实判断是否存在会实质影响产品可行性、壁垒、监管或商业化的核心技术；只有确有必要时，才自动追加论文、技术路线、性能基准、成熟度、工程瓶颈与验证方案研究。该 Tool 是公司研究 Pipeline 的内部能力，不是独立任务栏目。

两条公司研究 Pipeline 还内置“国内外同类公司研究” Tool。系统先按产品、客户、使用场景、技术路径和商业模式定义可比口径，再以独立来源配额分别检索国内、海外直接竞品、相邻方案与替代方案；某一区域未形成企业证据时会进行一次聚焦重试。最终只把具有公开来源支持的企业写入对比矩阵，并明确标注证据缺口。

工作流程

输入材料或研究主题
        ↓
文档解析与公司识别
        ↓
结构化声明 / 研究问题
        ↓
网页搜索 + 专项工具 + 二级页面抓取
        ↓
证据核验与商业指标复算
        ↓
投资分析、报告生成与质量门
        ↓
保存报告、checkpoint 和可继续追问的对话；首次下载时生成 PDF

快速开始

要求：Node.js 20.16+ 或 22.3+。

git clone https://github.com/dowellhz/StartupResearch.git
cd StartupResearch
cp .env.example .env
npm install
npm start

浏览器打开 http://127.0.0.1:1234。

最小模型配置：

DEEPSEEK_API_KEY=your-key
DEEPSEEK_BASE_URL=https://api.deepseek.com/chat/completions
DEEPSEEK_MODEL=deepseek-chat

配置

环境变量	默认值	用途
`HOST`	`127.0.0.1`	服务监听地址
`PORT`	`1234`	服务端口
`MAX_UPLOAD_MB`	`20`	单个上传文件大小上限
`DEEPSEEK_API_KEY`	空	DeepSeek 唯一凭证字段
`DEEPSEEK_BASE_URL`	DeepSeek Chat Completions	模型接口地址
`DEEPSEEK_MODEL`	`deepseek-chat`	模型名称
`DEEPSEEK_TIMEOUT_MS`	`120000`	单次模型请求超时
`WEB_RESEARCH_ENABLED`	`true`	是否启用联网研究
`OPENALEX_API_KEY`	空	可选 OpenAlex 学术检索凭证
`PDF_EXTRACTION_TIMEOUT_MS`	`120000`	PDF 子进程解析预算
`PDF_EXTRACTION_CONCURRENCY`	`1`	PDF 并发解析数
`ACTIVE_TASK_STALE_MINUTES`	`15`	启动恢复时的陈旧任务阈值
`TRUST_PROXY`	`false`	是否信任反向代理提供的客户端 IP；仅在受控代理后开启
`RATE_LIMIT_WINDOW_MS`	`60000`	请求滑动窗口长度
`RATE_LIMIT_REQUESTS`	`120`	每客户端窗口内的通用请求上限
`RATE_LIMIT_EXPENSIVE_REQUESTS`	`10`	每 IP + owner 窗口内的昂贵操作上限
`RESEARCH_TASK_CONCURRENCY`	`2`	单实例全局研究任务并发上限
`MAX_ACTIVE_TASKS_PER_OWNER`	`3`	单一所有者同时排队或运行的任务上限
`OWNER_DAILY_COST_UNITS`	`100`	单一所有者每日昂贵操作预算
`GLOBAL_DAILY_COST_UNITS`	`1000`	全局每日昂贵操作预算
`DATA_RETENTION_DAYS`	`0`	终态数据保留天数；`0` 表示不自动清理
`DATA_RETENTION_GRACE_DAYS`	`7`	过期数据移入隔离区后的宽限天数
`SEMANTIC_QUALITY_CHECK_ENABLED`	`true`	是否启用受预算约束的模型语义过度声称检查
`PUBLIC_BASE_URL`	空	部署脚本使用的公网根地址

所有运行时环境变量统一由 src/config/runtime-config.js 读取。不要把真实 .env、模型 Key 或 OAuth 凭证提交到 Git。

Google 登录

Google 登录使用 OAuth 2.0 / OpenID Connect，不需要 Google API Key，但需要创建 Web OAuth 客户端。

GOOGLE_AUTH_REQUIRED=false
GOOGLE_CLIENT_ID=your-client-id.apps.googleusercontent.com
GOOGLE_CLIENT_SECRET=your-client-secret
GOOGLE_REDIRECT_URI=https://research.example.com/auth/google/callback
AUTH_SESSION_SECRET=至少32字符的随机字符串

行为规则：

未配置完整 OAuth 凭证：只提供匿名浏览器隔离。
GOOGLE_AUTH_REQUIRED=false：用户可选择 Google 登录，也可以匿名使用。
GOOGLE_AUTH_REQUIRED=true：除健康检查和登录回调外，必须登录后使用。
生产环境默认拒绝匿名模式；只有显式设置 ALLOW_ANONYMOUS_PRODUCTION=true 才允许公开匿名使用，此时仍受 IP、owner、全局预算与任务并发护栏约束。
匿名用户登录后，当前浏览器中的历史任务迁移至 Google 账户。

生产域名及回调地址只应保存在服务器环境配置和 Google Cloud 控制台中，不应硬编码到仓库。

数据与隐私

本项目使用本地文件持久化：

data/jobs/                   任务与 checkpoint
data/artifacts/              checkpoint 大对象
data/reports/                Markdown 报告
data/uploads/YYYYMMDD/       原始上传文件
data/pdfs/YYYYMMDD/          已生成 PDF
data/deleted-conversations/  已归档对话
data/logs/                   应用日志与操作审计 JSONL

匿名模式通过服务端签发的长期 HttpOnly Cookie 隔离任务。清除 Cookie、使用无痕模式或更换浏览器会产生新的匿名身份；Google 登录模式则按账户隔离。用户上传内容、报告和任务数据不应进入公开仓库。

旧版本中没有 ownerId 的任务默认进入隔离状态，普通浏览器不能查看或认领。管理员确认归属后，可执行 npm run migrate:legacy-owners -- --owner-id <owner-id> --dry-run 预览，再去掉 --dry-run 完成一次性迁移。

当前文件存储实现通过 data/.venture-lens.lock 强制单实例运行。SSE 订阅、任务控制器和创建去重均是进程内状态；在引入具备租约的持久化任务队列、共享事件总线和支持并发写入的数据库前，不支持多实例或滚动双写部署。

设置 DATA_RETENTION_DAYS 后，超过期限的终态任务、已删除对话、历史报告版本和日志会先移入 data/retention-trash/YYYYMMDD/，经过 DATA_RETENTION_GRACE_DAYS 后再自动删除。默认值 0 禁用自动清理，生产环境应按数据治理要求显式配置。

项目结构

server.mjs          启动入口、依赖装配和 HTTP 路由
src/config/         运行时配置唯一读取层
src/domain/         研究流水线、状态机、质量门和领域服务
src/infra/          文档解析、模型、检索、认证和 PDF 适配器
src/storage/        任务、报告、上传文件与 PDF 持久化
public/             浏览器端对话界面
tests/              Node.js 单元测试
ops/                systemd 与通用 Nginx 示例
scripts/            工程检查和远程部署脚本

开发与检查

npm run dev          # watch 模式启动
npm run build:public # 将前端源模块构建为带版本哈希的生产 bundle
npm run check:syntax # JS/MJS 语法检查
npm run lint         # 源码风格和冲突标记检查
npm test             # 全部单元测试
npm run test:e2e     # Chrome/Playwright 冒烟测试（SSE、并发、上传边界）
npm run check        # 完整本地检查
npm run research:history -- --data-dir data # 按时间汇总当前与归档研究任务

生产启动会从 public/assets/manifest.json 注入版本化的 JS/CSS 地址，并对这些构建产物发送一年 immutable 缓存；开发环境继续直接加载 public/ 源模块，便于 watch 调试。npm run check 和远程部署流程会自动重建并校验生产资源。

研究历史脚本默认输出 Markdown，并包含当前任务、已删除归档和保留期回收区；可使用 --current-only 只看当前任务，或使用 --format json 输出脱敏 JSON。脚本不会输出 owner ID、上传内容或报告正文。

提交信息使用 Conventional Commits：<type>(<scope>): <subject>。

部署

仓库提供 npm run deploy:remote，用于项目维护者的受控服务器部署。脚本要求：

必须从本机环境显式提供 REMOTE_HOST、SSH_KEY、REMOTE_DIR、REMOTE_BACKUP_DIR、PORT、REMOTE_BIND_HOST、SERVICE_USER 与 SERVICE_GROUP；仓库不包含生产基础设施默认值。systemd 模板由部署脚本填充，Nginx 示例中的 __...__ 需由部署环境替换。
当前分支是 main，工作树干净，且 HEAD 与 origin/main 完全一致。
远端使用独立 .env，其中包含唯一的 DEEPSEEK_API_KEY 和 PUBLIC_BASE_URL。
部署时保留 .env、data/、node_modules/、output/ 和 tmp/ 等运行时状态。
同步前创建代码备份，限制远程删除数量，重启后检查内网、公网健康接口和部署提交号。

Nginx 示例位于 ops/startup-research.nginx.conf.example。请在服务器侧替换示例域名和证书路径，不要把真实基础设施信息提交到仓库。

能力边界

VentureLens 可以核查材料内部一致性、公开事实、技术线索和商业假设合理性，但不能仅凭 BP 与公开搜索证明以下事项真实：

收入、回款、现金余额和财务底表
客户关系、合同履行和发票真实性
股权结构、代持、质押和对赌安排
核心代码、知识产权归属和生产系统状态

正式尽调仍需银行流水、合同、发票、财务底表、股权文件、代码审计、现场检查及独立访谈。报告中的 AI 结论仅供投资研究参考。

License

Apache License 2.0

Name		Name	Last commit message	Last commit date
assets/fonts		assets/fonts
data		data
ops		ops
public		public
scripts		scripts
src		src
tests		tests
.env.example		.env.example
.gitignore		.gitignore
AGENTS.md		AGENTS.md
LICENSE		LICENSE
README.md		README.md
package-lock.json		package-lock.json
package.json		package.json
playwright.config.js		playwright.config.js
server.mjs		server.mjs

Navigation Menu

Repository files navigation

VentureLens

适合做什么

核心能力

可追溯的 BP 核查

受预算约束的 Agentic Search

投资分析与质量门

长任务与文档稳定性

研究工具

工作流程

快速开始

配置

Google 登录

数据与隐私

项目结构

开发与检查

部署

能力边界

License

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

VentureLens

适合做什么

核心能力

可追溯的 BP 核查

受预算约束的 Agentic Search

投资分析与质量门

长任务与文档稳定性

研究工具

工作流程

快速开始

配置

Google 登录

数据与隐私

项目结构

开发与检查

部署

能力边界

License

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages