一、接进来的到底是什么

鲸准把投融资数据以 MCP（Model Context Protocol）标准服务的形式对外开放，采用 Streamable HTTP + Bearer Token 的方式接入。接好之后，AI 助手可以直接检索覆盖交易事件、创业项目、企业工商、投资机构、基金与 LP、产业链等 17 个数据索引，用自然语言完成问答与分析。

换句话说，AI 不再靠"记忆"回答行业问题，而是每次去查真实数据库。

二、17 个索引，可以问的四类问题

三、三个最容易踩的坑

• 同名不同义。公司简称、机构简称高度重复，不写全称或统一社会信用代码，很容易查错主体。这是文档专门列出的"已知陷阱"。
• 时间口径不一致。按"披露时间"还是"发生时间"统计，结果能差一截。
• 标签筛选过窄。行业标签有多套体系（如一级行业编码），混用会漏掉大量样本。

用这类工具的第一原则：先把"你要的是哪个统计口径"说清楚，再问数字。口径错了，答案越精确越误导。

四、能省下的时间在哪

过去做一份赛道扫描，八成时间花在找数和清洗上，两成花在判断上。接上数据服务后，找数这一步被压缩，人的精力可以真正放在"这个赛道值不值得看"上。对做 FA、投资、产业研究的人来说，这是结构性的变化。

但它也带来一个新风险：数字来得太容易，人会跳过"这个数怎么算出来的"。建议养成一个习惯——每个关键数字都问一句"这是按什么口径统计的、样本范围是什么"。

五、上手三步

1. 先跑通一条查询。用最熟悉的公司或机构试一次，确认返回结果和你知道的事实对得上。
2. 把常用问法存成模板。赛道扫描、机构画像、标的筛选各存一条，下次改几个词就行。
3. 重要结论回原始页面核。AI 负责快，人负责准，分工别搞反。