Due Diligence Agents
开源法证式并购尽调系统:13 个 AI Agent 跨 9 大领域读取数据室,交叉引用单名审查员发现不了的风险,并将每条结论追溯到精确页码与原文引用。
- Star 数
- ★ 139
- 最近更新
- 3 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 69/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 公司发展团队在筛选数百个目标公司时,用
--quick-scan在几分钟内获得 GREEN/YELLOW/RED 交易红旗信号,决定是否投入完整尽调。 - 不适合
- 期望以专业顾问结论替代人工法律/财务判断的用户
- 非 Python 3.12+ 环境且无法调整运行时的组织
- 官网
- zoharbabin.com/due-diligence-agents ↗ 来自 GitHub 仓库设置
- 维护状态
- 近 30 天有提交最近提交 2026-11-17最新版本 v1.22.3(2026-11-17)
- 源码审查
- 69/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
Due Diligence Agents 是一个开源的并购尽职调查系统,通过 dd-agents CLI 读取整个数据室(PDF、Word、Excel、PowerPoint、图片),由 9 个领域专家 Agent(法律、财务、商务、技术、网络安全、人力资源、税务、监管、ESG)并行分析每份文档。38 步流水线包含 5 道阻塞式质量关卡,跨领域分析用符号触发规则检测领域间依赖,另有 Judge、执行综合、红旗扫描等 4 个编排 Agent。每条发现都带严重级别、精确引用和交叉引用,最终产出交互式 HTML 报告、16 页 Excel 报告和逐主体 JSON 发现。分析在本地执行,文档仅作为 API 调用发送到所配置的 LLM 端点,无遥测、只读数据室。该项目由 Zohar Babin 构建,作者称已在多起真实收购中实战验证。
核心流程:用 dd-agents run deal-config.json 启动分析,Python 编排器运行 38 步流水线,9 个领域专家 Agent 并行审查数据室中每份文档,各自把发现追溯到精确页码、章节和引文。跨领域分析层用符号触发规则检测互域依赖(如某合同的终止条款与同一主体的收入集中风险),可选 Judge Agent 对发现做对抗式抽检,合并与审计阶段执行去重、数值核对、引文验证共 31 项 QA 检查,最后由执行综合 Agent 校准严重级别并给出 Go/No-Go 信号。输出位于 {data_room_path}/_dd/forensic-dd/runs/latest/,包含 report/dd_report.html(交互式 HTML 报告,含条款库与市场常态对比)、report/dd_report.xlsx(16 页 Excel)、audit.json 和逐主体 JSON。配套工具:dd-agents search prompts.json --data-room ./data_room 可对合同提问并生成带引用的 Excel;--quick-scan 提供 GREEN/YELLOW/RED 快速筛查;还有 chat、query、cost、portfolio compare、diff、lineage 等后处理命令。Agent 人格可用 dd-config/agents/*.md Markdown 文件定制而无需改代码。
- 公司发展团队在筛选数百个目标公司时,用
--quick-scan在几分钟内获得 GREEN/YELLOW/RED 交易红旗信号,决定是否投入完整尽调。 - 私募股权团队对投资组合标的运行完整流水线,用
dd-agents portfolio add和portfolio compare跨多个交易追踪和比较风险。 - 法务团队用
dd-agents search和 JSON prompts 文件对几百份合同提问(如变更控制是否需同意),得到带引用和验证分数的 Excel 答案表。 - 交易团队在准备 IC 备忘录或谈判清单时,用交互式 HTML 报告按严重级别筛选发现,并逐条核验到精确页码与引文。
- 并购顾问在多周限期内需要跨法律、财务、商务领域的交叉风险图景,替代人工汇总各自独立的顾问报告。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
pip install 'dd-agents[pdf]'brew install zoharbabin/due-diligence-agents/dd-agentsdocker pull zoharbabin/due-diligence-agents:latestpip install dd-agents # 仅核心(无 PDF 提取)
- 环境变量
ANTHROPIC_API_KEY- 配置文件
deal-config.json- 运行环境
- Python 3.12+
- 安装说明涉及
- macOS · Docker
如何安装或部署这个 Agent?
前置要求:Python 3.12+ 和 Anthropic API 密钥(或 AWS Bedrock、Google Vertex AI、Anthropic 兼容网关)。
推荐安装(含 PDF 提取):
bash
pip install 'dd-agents[pdf]'其他方式:
bash
brew install zoharbabin/due-diligence-agents/dd-agents
docker pull zoharbabin/due-diligence-agents:latestpip install dd-agents # 仅核心(无 PDF 提取)
pip install 'dd-agents[vector]' # + ChromaDB 语义搜索
pip install 'dd-agents[ocr]' # + 扫描件 OCR(英文)
注意:可选的 [pdf] extra 安装 pymupdf,其为 AGPL-3.0 许可,若再分发捆绑 pymupdf 的软件需遵守 AGPL 条款。
如何使用这个 Agent?
设置 API 密钥并运行:
bash
export ANTHROPIC_API_KEY="sk-ant-..."
dd-agents auto-config "Buyer Corp" "Target Inc" --data-room ./data_room
dd-agents doctor --config deal-config.json
dd-agents run deal-config.json结果在 {data_room_path}/_dd/forensic-dd/runs/latest/report/dd_report.html,浏览器打开即可。
快速筛查(不跑完整流水线):
bash
dd-agents run deal-config.json --quick-scan --model-profile economy无 API 密钥时仅生成配置:
bash
dd-agents init --data-room ./data_room数据室按主体/交易对手分文件夹组织,支持 PDF、Word、Excel、PowerPoint 和图片,扫描 PDF 通过 OCR 处理。最小配置只需 config_version、buyer.name、target.name、deal.type、deal.focus_areas 和 data_room.path 字段。
这个 Agent 有哪些优点和局限?
- 跨领域交叉引用是其核心差异点:符号触发规则自动连接不同领域对同一主体的发现(如终止条款+收入集中风险),这是单名审查员容易漏掉的。
- 信任层扎实:31 项 QA 检查、5 道阻塞式质量关卡失败即中止流水线、
numerical_manifest.json将每个财务数字溯源到源文档、每条发现绑定精确页码与引文。 - 无供应商锁定:模型与提供商均可通过环境变量切换(Anthropic API、AWS Bedrock、Google Vertex AI 或任意 Anthropic 兼容网关后的 GPT/Gemini/DeepSeek/本地模型),可用
dd-agents doctor验证。 - 隐私设计明确:本地执行、无遥测、数据室只读、API 密钥不写入输出产物;Agent 人格用 Markdown 定制且安全规则不可移除。
- 需要 Python 3.12+ 并付费调用 LLM API,长数据室的完整流水线会产生可观的 token 成本(可用
dd-agents cost查看分模型账单,但源材料未给出典型费用范围)。 - 可选的
[pdf]extra 依赖 AGPL-3.0 的 pymupdf,若再分发捆绑该组件的软件会触发 copyleft 义务。 - 明确的定位声明:该工具不替代专业顾问,法律、财务、监管结论仍须由合格专业人士做出。
- 按模型提供商计费意味着文档内容会以 API 调用形式发送到所配置的云端 LLM 端点,对数据敏感的交易需要审查 SECURITY.md 中的数据处理细节。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Due Diligence Agents 当前 | 69 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 139 | 3 天前 | Python | Claude API |
| SwarmVault | 75 · 表现良好 | 命令行工具免费 + 模型费 | ★ 737 | 4 个月前 | TypeScript | Codex · Claude Code |
| Obsidian Wiki — AI 代理的第二大脑 | 73 · 存在缺口 | Agent 插件 / 技能免费 | ★ 3.8k | 1 天前 | Python | Codex · Claude Code |
| YantrikDB Hermes 记忆插件 | 72 · 存在缺口 | Agent 插件 / 技能免费 | ★ 97 | 16 天前 | Python | — |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
说明分析本地运行、仅向所配置的模型端点发送文档、数据室只读且结果写入 _dd/,并提到 API 凭据不写入产物;这些为最小权限、数据流和敏感信息处理提供了具体支撑。配置、预检和 dry-run 提供有限的运行前控制,但未见每次外发请求的确认机制。依赖有版本下限及可选项说明,却未见锁定或供应链审查证据。
README 描述质量门、引用核验、可恢复运行;故障排查文档列出退出码、常见错误及恢复步骤。文档对 13 个代理、9 个领域和 38 步流程有较清楚说明,但本次材料未包含实现细节来独立核对这些声明,故未给满分。
面向企业发展、私募股权、法律团队和顾问,覆盖完整尽调、快速扫描、定向合同搜索及报告后问答。材料说明可配置代理、模型、领域和提供方,也明确工具不替代专业顾问;不过能力边界与场景触发规则仍主要以文字宣称,未见足够细节支持满分。
文档按入门、配置、故障排查等主题组织,安装步骤和多种配置示例具体;Apache-2.0 许可证清晰,包有版本号和发布记录链接。材料未展示实际变更日志或明确的维护承诺;部分常见问题及限制有所说明,但并不全面。
报告提供交互式 HTML、16 表 Excel、按主题 JSON、引用和审计信息,且支持筛选、对比和后续查询,输出用途明确。跨域汇总和引用核验有潜在增量价值;但成本说明仅提供模型档位与运行成本汇总命令,缺少足够的质量或节省时间证据来充分判断投入产出。
产品明确声称引用精确到页码和原文,并描述引用核验、严重发现的确定性复核、数字审计及审计产物,支持较强的可追溯性。跨领域关联有规则和审查流程的说明,但本材料未含相应实现或样例结果供独立核验。文档区分工具分析与专业判断,然而未充分展示事实、推断在输出中的具体标注方式。
- 尽调文档会发送到用户配置的模型提供方;使用前应确认该提供方的数据处理和保留条款。
- 把报告作为顾问审阅的辅助材料;材料说明法律、财务及监管结论应由合格专业人士作出。
- 本评估仅基于提供的静态文件样本,未执行代码或核验宣传声明。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
发布说明摘录
What changed A small fix release for the desktop app. Desktop app - Remove now asks "Remove this project from the list?" before it acts. In v1.22.2 one click removed the project. Your data room files were never touched. - Findings show readable categories ("Renewal terms", not renewal_terms). - Settings and the setup card show readable provider names ("Amazon Bedrock", not bedrock). Quality - The upgrade check (desktop-upgrade.yml) now smoke tests the old app with its own release's script. Before, it failed older builds for checks they never had. …在 GitHub 查看 ↗ -
发布说明摘录
What changed A fix and polish release for the desktop app, plus one security hardening that applies to the CLI too. Desktop app - The signed macOS app no longer changes itself after the first launch, so Gatekeeper keeps accepting it. Python files are precompiled and the service writes no new files inside the app. - Ask shows answers as formatted text (tables, bold, lists, code) instead of raw markdown. - Ask counts the review's findings before the first question. - The run panel shows readable agent names. - Old projects show the same risk label as the report. …在 GitHub 查看 ↗ -
发布说明摘录
Changes since v1.22.0 - chore(release): bump version to 1.22.1 (#329) - docs: cask install line, first release status, tap repo in the release steps (#328) - fix: flatten downloaded release artifacts before naming the assets (#327) - Update Homebrew formula to 1.22.0 --- Install ```bash pip install dd-agents==1.22.1 ``` Docker ```bash docker pull zoharbabin/due-diligence-agents:1.22.1 ``` What's Changed * fix: flatten downloaded release artifacts before naming the assets by @zoharbabin in https://github.com/zoharbabin/due-diligence-agents/pull/327 …在 GitHub 查看 ↗
常见问题
分析过程中我的数据会离开本机吗?
必须用 Anthropic 的模型吗?
dd-agents doctor 可验证配置。运行成本如何?
--quick-scan 配合 --model-profile economy 提供低成本初筛;dd-agents cost 可按提供商/模型统计每次运行的账单。数据出问题或质量不达标会怎样?
dd-agents assess ./data_room 可在上传前检查数据室质量。它能替代我的律师和财务顾问吗?
Due Diligence Agents 官网是什么?
Due Diligence Agents 免费吗?
Due Diligence Agents 开源吗?
Due Diligence Agents 安全吗?
Due Diligence Agents 还在维护吗?
Due Diligence Agents 是谁开发的?
谢谢反馈,我们会据此改进页面。