我還是初級的時候，就在“信息查詢瑞士軍刀”里做過一個函證地址核查功能。

當時市面上還沒有這種工具。我的做法很直接——注冊一個百度地圖 API，兩個地址丟進去算距離，通過距離遠近來判斷地址是否一致。

后來市面上陸續出現了類似的工具，大家都在用地圖 API 算距離。

但我發現一個問題。

光靠距離是不夠的。地址相近，不代表函證地址就一定真實；距離遠，也不代表就一定有問題——建筑公司的發函地址經常是項目工地，跟注冊地差著上千公里，但這是正常的。

真正耗時的是距離遠的那批：你得打開瀏覽器，一家一家去搜，看這個公司在那個地方到底有沒有項目或者辦公地址。搜到了就標記通過，搜不到就標異常。這個人工搜索的環節，才是最費時間的。

所以我用 AI 重新做了這個功能，把它做成了一個 Skill。核心改進就是：把人工搜索這一步也自動化了。

三層過濾：從簡單到復雜

整個核查邏輯分三層，層層遞進：

 
 
 
 

 
 

 
 1 
 
 

 
 2 
 
 

 
 3 
 
 

 
 4 
 
 

 
 5 
 
 

 

 

 
 
 
 

 
 第1層：文本相似度（零API，秒出結果） 
 
 
   ↓ 未通過 
 
 
 第1.5層：地理編碼距離（調地圖API） 
 
 
   ↓ 未通過 
 
 
 第2層：Web Search 人工/AI 介入 
 
 

 

 

 

最簡單粗暴的一層。把發函地址和工商注冊地址做文本比對，用 thefuzz 庫算相似度。

相似度 ≥ 80%，直接通過。

比如：

• 發函地址：“濟南市工業南路89號”

• 工商地址：“濟南市工業南路89號”

• 相似度：100%?

這一層能直接過濾掉大量地址一致的公司。不需要調任何 API，零成本，秒出結果。

但有些公司注冊地址帶了省份前綴，發函地址沒帶，比如：

• 發函地址：“長沙市雨花區中意一路158號”

• 工商地址：“湖南省長沙市雨花區中意一路158號”

相似度可能掉到 95%，但仍然 ≥ 80%，依然通過。

第1.5層：地理編碼距離

文本相似度低于 80% 的，不一定就是有問題。比如地址表述差異很大，但實際可能是同一個地方。

這一層調用騰訊地圖 API，把兩個地址分別轉成經緯度坐標，然后算直線距離（Haversine 公式）。

距離 ≤ 2km，判定為通過。

2km 是什么概念？基本就是同一個行政區域內，可能是街道門牌號的差異，或者是工商注冊用了簡寫。

第2層：Web Search

前兩層都沒通過的，才進入這一層。

這一層解決的就是我之前說的那個痛點——人工搜索。

以前你得自己打開瀏覽器，搜公司名、搜項目名、翻新聞、翻公告?，F在 AI 幫你搜，搜到的結果自動寫進報告里，連來源網址都附上，你可以點進去驗證。

一個案例：10 家公司的核查全過程

我用一組模擬數據跑了完整流程。10 家公司，覆蓋了建筑施工、水利水電等行業。

輸入

一份 Excel，兩列：公司名稱 + 發函地址。

運行結果

腳本自動完成工商查詢（通過中注協行業知識庫），然后逐層過濾：

第1層直接通過的（4家）：

公司

發函地址

工商地址

相似度

中建八局第一建設

濟南市工業南路89號

濟南市工業南路89號

100%

中鐵四局集團

合肥市包河區望江東路96號

合肥市包河區望江東路96號

100%

中交第三航務工程局

上海市徐匯區平江路139號

上海市徐匯區平江路139號

100%

中國建筑第五工程局

長沙市雨花區中意一路158號

長沙市雨花區中意一路158號

95%

這 4 家地址完全一致或基本一致，發函地址就是注冊地址，沒什么好說的。

進入第1.5層的（6家）：

全部因為相似度低于 80% 被攔下來，地理編碼距離也遠超 2km。比如：

公司

發函地址

工商地址

相似度

距離

中鐵十二局

深圳地鐵16號線項目部

太原市萬柏林區西礦街130號

22%

1711km

水電七局

白鶴灘水電站施工區

成都市郫都區成灌東路349號

6%

415km

中交一公局三公司

莎車公路項目指揮部

北京市通州區景盛北三街10號

10%

3369km

1711 公里、3369 公里…… 這些地址根本不在一個城市。

但這不代表一定有問題。建筑公司的發函地址是項目工地，這是行業常態。

所以這 6 家全部進入第 2 層：Web Search 驗證。

第2層：Web Search 逐個驗證

搜索策略不是簡單地搜公司名，而是有針對性地搜索：

策略

搜索詞

適用場景

公司+地址

“公司名” “地址關鍵詞”

通用

項目+地名

“項目名” “地名”

建筑公司

母公司+項目

“母公司” “項目地名”

分公司/施工局

通過驗證的（3家）：

公司

驗證結果

中鐵十二局

百度百科：參建深圳地鐵16號線，2022年12月開通。項目部地址合理。

水電七局

中國電建官網：組建白鶴灘施工局，承建左岸引水發電系統。施工區地址合理。

中建三局

央視網/澎湃新聞：承建武漢綠地中心，設有總承包項目部。項目部地址合理。

這 3 家雖然發函地址和工商注冊地址差了上千公里，但都能找到權威來源確認公司在該地址有項目。屬于建筑行業正常的施工現場地址。

仍然異常的（3家）：

公司

異常原因

中交一公局三公司

發函地址為“莎車公路項目指揮部”，但 G217 莎車項目中標方為中交一公局廈門公司，非三公司。未找到三公司在莎車的權威佐證。

貴州建工第八

工商地址在貴陽，發函地址在從江縣丙妹鎮。未找到該公司在從江縣的任何項目記錄。

河北建設唐山分公司

工商地址在唐山高新區，發函地址在灤南縣柏各莊鎮。未找到在灤南縣的項目記錄。

判定規則：證據不足就是異常

這里有個核心原則：

沒有權威來源直接佐證 = 異常。

什么算“權威來源”？政府招標公告、公司官網、權威媒體報道、百度百科等。B2B 平臺上的企業信息不算——那誰都能填。

最終輸出

腳本自動生成一份 Excel 報告，7 列：

內容

公司名稱

被函證單位

發函地址

函證寄送地址

工商注冊地址

工商系統查詢結果

相似度(%)

文本相似度

距離(km)

兩地址直線距離

匹配說明

未通過原因 / Web Search 佐證

核查結論

通過（綠色）/ 異常（紅色）

結論列帶顏色標記，一眼就能看出哪些需要關注。

總結一下

整個流程：

1. 工商查詢 → 拿到注冊地址
2. 文本比對 → 相似度 ≥ 80% 直接通過
3. 地理編碼 → 距離 ≤ 2km 直接通過
4. Web Search → 逐個驗證異常項，找權威來源佐證
5. 生成報告 → Excel 帶顏色標記

10 家公司，自動化完成前兩層，第三層由 AI 搜索驗證。整個過程從傳統的一兩天壓縮到幾分鐘。

當然，這個腳本是 Claude Code 寫的，核心代碼量也不大。但解決的問題很實際：把一個重復、枯燥、容易出錯的核查工作，變成了一套標準化流程。

而且地址核查不一定要單獨用。它本身就是一個基礎功能，可以被其他更大的實質性程序調用——比如應收賬款審計流程里，函證樣本選完之后，地址核查自動跟著跑。這才是 AI 審計工具化的正確方向：每個小功能做好一件事，大的流程把它們串起來。

— THE END —

?本文由審計之家（ID：shenjizhijia） 整理發布。內容僅供讀者學習、交流之目的。如有不妥，請聯系刪除。

「審計之家」 事務聯系方式

社群、投稿、內容和商務合作

微信號：shenjizhijia1