核心用法
Nyne Deep Research 是一个企业级人物情报分析API，通过邮箱、电话、社交账号或姓名定位目标人物，生成包含15个核心维度的综合情报档案。典型工作流程分为三步：
1. 提交请求：通过POST端点传入目标标识符（email/phone/social_url/name+company），获得request_id
2. 异步轮询：GET端点轮询状态（pending→enriching→gathering→analyzing→completed），通常2-5分钟完成
3. 解析报告：获取包含enrichment（基础信息）、dossier（核心情报）、following/articles（社交数据）的完整JSON
Agent需按固定顺序呈现13个dossier章节：Identity Snapshot→Career DNA→Psychographic Profile→Personal Life→Social Graph→Interest Clusters→Content Voice→Key Relationships→Conversation Starters→Recommendations→Warnings→Creepy-Good Insights→Approach Strategy
显著优点
- 多维度情报整合：单API调用覆盖心理画像、职业轨迹、社交网络、内容风格、关系图谱等15+维度，替代传统多源爬取+人工整合
- actionable 输出：直接生成"Conversation Starters"和"Approach Strategy"，将情报转化为可执行的沟通策略
- 多标识符支持：支持email、phone、多社交平台URL、姓名+公司/城市组合，提升目标命中率
- Webhook异步回调：支持callback_url，避免长轮询消耗
- 标准化数据结构：dossier各章节字段固定，便于程序化解析和CRM系统集成
潜在缺点与局限性
- 高昂成本：100 credits/请求，配合2-5分钟延迟，不适合高频批量查询
- 数据覆盖盲区：following/articles可能为null，部分人物dossier生成失败（需回退到enrichment-only模式）
- 合规风险："Creepy-Good Insights"等敏感标签暗示数据来源可能涉及公开信息聚合与推断，存在GDPR/CCPA合规争议
- 延迟不可控：官方标注"up to 5 min"，无SLA保证，超时需人工处理
- JSON污染问题：API返回含控制字符，必须经Python清洗后才能被jq解析
适合人群
- 销售/BD团队：冷启动前深度research目标客户，制定个性化破冰策略
- 投资人/FA：尽职调查中快速构建创始人心理画像与风险信号
- HR/猎头：高管候选人背调与入职前沟通策略准备
- PR/媒体：记者 prep 采访，预判受访者敏感话题与表达风格
常规风险
| 风险类型 | 具体表现 | 缓释建议 |
|---------|---------|---------|
| 数据合规 | 心理画像、政治倾向推断可能违反隐私法规 | 仅限公开信息聚合，避免敏感行业（医疗、金融个人） |
| 情报准确性 | 同名混淆、社交账号盗用、推断偏差 | 优先使用email/phone等强标识符，交叉验证关键结论 |
| 成本失控 | 100 credits/请求，失败/重复请求不退费 | 实现本地缓存，避免同一人物重复查询 |
| 依赖单点 | API服务中断或策略变更 | 关键决策需多源验证，勿将dossier作为唯一依据 |
| 社交工程滥用 | "Approach Strategy"可被用于精准钓鱼 | 建立内部审批流，限制敏感岗位人员的查询权限 |