Displaying gathered facts structured for the report generator.
⬇ output_json (ReportData format)
{
"entity_name": "DN_Test_LogowanieMerchant3",
"entity_full_name": "DN_Test_LogowanieMerchant3",
"subject_context": {
"DN_Test_LogowanieMerchant3": {
"name": "DN_Test_LogowanieMerchant3",
"context": ""
}
},
"facts_by_category": {},
"facts_by_subject": {},
"facts_by_relation": {},
"total_cost": {
"task_costs": [],
"total_override": 0.015438750000000001
},
"screening_tasks": [
{
"task_id": "0cda6b60-d4eb-4d8b-a4bf-7901dcfdc6a6",
"subject_type": "ENTITY",
"subject_name": "DN_Test_LogowanieMerchant3",
"subject_full_name": "DN_Test_LogowanieMerchant3",
"subject_node_id": "4857505a-d647-4899-97a4-64c5420b0cd3",
"context_description": "DN_Test_LogowanieMerchant3",
"context_data": {},
"search_state": {
"iterations": [
{
"iteration_number": 1,
"category": "CRIMINAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_Test_LogowanieMerchant3**\nKontekst pomocniczy: DN_Test_LogowanieMerchant3, DN_Test_LogowanieMerchant3, \n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_Test_LogowanieMerchant3 w kategorii: \"Sprawy karne i postępowania prokuratorskie\nUwzględniaj tylko informacje dotyczące:\n- postępowań karnych\n- śledztw lub dochodzeń prowadzonych przez prokuraturę lub organy ścigania\n- zarzutów karnych, aktu oskarżenia, zatrzymań, aresztowań\n- przestępstw lub podejrzeń popełnienia przestępstwa\n\nNie uwzględniaj informacji dotyczących:\n- kar administracyjnych\n- decyzji regulatorów (np. GIIF, KNF, UOKiK, organy nadzorcze)\n- postępowań administracyjnych\n- sporów cywilnych lub gospodarczych\n- kontroli regulatora bez zarzutów karnych\n\nJeśli sprawa dotyczy wyłącznie sankcji administracyjnej lub naruszenia regulacyjnego, pomiń ją.\" \"\n\nIteracja: 1\nDotychczas sprawdzone kategorie: brak\n\n1. Skup się na podmiocie DN_Test_LogowanieMerchant3 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dotyczących postępowań karnych, śledztw, zarzutów karnych, zatrzymań, aresztowań lub przestępstw związanych z podmiotem DN_Test_LogowanieMerchant3. Wykonane zapytania nie zwróciły żadnych źródeł, które spełniałyby kryteria kategorii \\\"Sprawy karne i postępowania prokuratorskie\\\".\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 38979,
"output_tokens": 1136,
"total_tokens": 40115,
"cost_usd": 0.00652845
},
"information_gain": 0.0,
"timestamp": "2026-03-26T17:56:03.259134"
},
{
"iteration_number": 2,
"category": "CORRUPTION",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_Test_LogowanieMerchant3**\nKontekst pomocniczy: DN_Test_LogowanieMerchant3, DN_Test_LogowanieMerchant3, \n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_Test_LogowanieMerchant3 w kategorii: \"Korupcja, łapownictwo i przestępstwa korupcyjne.\n\nUwzględniaj tylko informacje, które wskazują na:\n\n* podejrzenie korupcji lub łapownictwa w spółce,\n* śledztwo lub dochodzenie dotyczące korupcji prowadzone przez prokuraturę lub organy ścigania,\n* postawienie zarzutów korupcyjnych osobie powiązanej ze spółką (np. członkowi zarządu, pracownikowi, właścicielowi),\n* akt oskarżenia, zatrzymanie lub skazanie w sprawie korupcyjnej.\n\nNie uwzględniaj informacji dotyczących:\n\n* kar administracyjnych lub sankcji regulatorów (np. GIIF, KNF, UOKiK),\n* postępowań administracyjnych lub naruszeń regulacyjnych,\n* kar finansowych nałożonych przez organy nadzorcze,\n* ogólnych nieprawidłowości lub sporów biznesowych, które nie dotyczą korupcji.\n\nDodawaj wynik tylko wtedy, gdy artykuł jasno wskazuje na **korupcję lub zarzuty korupcyjne**, a nie jedynie na naruszenie przepisów lub sankcję administracyjną.\n\"\n\nIteracja: 2\nDotychczas sprawdzone kategorie: CRIMINAL\n\n1. Skup się na podmiocie DN_Test_LogowanieMerchant3 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "```json\n{\n \"findings\": [],\n \"no_findings_reason\": \"Brak konkretnych informacji o podmiocie DN_Test_LogowanieMerchant3 związanych z korupcją, łapownictwem lub przestępstwami korupcyjnymi.\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 12014,
"output_tokens": 697,
"total_tokens": 12711,
"cost_usd": 0.0022203
},
"information_gain": 0.0,
"timestamp": "2026-03-26T17:56:10.134809"
},
{
"iteration_number": 3,
"category": "GOVERNANCE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_Test_LogowanieMerchant3**\nKontekst pomocniczy: DN_Test_LogowanieMerchant3, DN_Test_LogowanieMerchant3, \n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_Test_LogowanieMerchant3 w kategorii: \"Audyty, nieprawidłowości zarządcze i governance.\n Uwzględnij:\n - informacje o nieuregulowanych zobowiązaniach.\n - oficjalne informacje o likwidacji i upadłości.\n - informacje o audytach i kontrolach w spółce.\n - informacje o nieprawidłowościach zarządczych w spółce.\n - informacje o sporach z pracownikami i byłymi pracownikami.\n - informacje o sporach z byłymi członkami zarządu i pracownikami.\n \"\n\nIteracja: 3\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION\n\n1. Skup się na podmiocie DN_Test_LogowanieMerchant3 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dla dokładnej nazwy DN_Test_LogowanieMerchant3 w kategorii audytów, nieprawidłowości zarządczych i governance.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 10552,
"output_tokens": 610,
"total_tokens": 11162,
"cost_usd": 0.0019488
},
"information_gain": 0.0,
"timestamp": "2026-03-26T17:56:21.427989"
},
{
"iteration_number": 4,
"category": "REPUTATIONAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_Test_LogowanieMerchant3**\nKontekst pomocniczy: DN_Test_LogowanieMerchant3, DN_Test_LogowanieMerchant3, \n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_Test_LogowanieMerchant3 w kategorii: \"Ryzyko reputacyjne oraz wpływ na media i opinię publiczną.\n Uwzględnij:\n - informacje o pokrzywdzonych klientach.\n - opinie pracowników i klientów.\n - negatywne opinie o spółce w mediach i internecie.\n Nie uwzględniaj informacji:\n - z oficjalnych rejestrów.\n \"\n\nIteracja: 4\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION, GOVERNANCE\n\n1. Skup się na podmiocie DN_Test_LogowanieMerchant3 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "```json\n{\n \"findings\": [],\n \"no_findings_reason\": \"Brak konkretnych informacji o DN_Test_LogowanieMerchant3 w kategorii Ryzyko reputacyjne oraz wpływ na media i opinię publiczną.\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 9755,
"output_tokens": 751,
"total_tokens": 10506,
"cost_usd": 0.00191385
},
"information_gain": 0.0,
"timestamp": "2026-03-26T17:56:29.263353"
},
{
"iteration_number": 5,
"category": "POLITICAL_EXPOSURE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_Test_LogowanieMerchant3**\nKontekst pomocniczy: DN_Test_LogowanieMerchant3, DN_Test_LogowanieMerchant3, \n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_Test_LogowanieMerchant3 w kategorii: \"Ekspozycja polityczna i wpływ państwa\"\n\nIteracja: 5\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION, GOVERNANCE, REPUTATIONAL\n\n1. Skup się na podmiocie DN_Test_LogowanieMerchant3 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "```json\n{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dla podmiotu DN_Test_LogowanieMerchant3 w kategorii \\\"Ekspozycja polityczna i wpływ państwa\\\". Nie znaleziono żadnych artykułów, które zawierałyby dokładne dopasowanie nazwy oraz wymagane informacje (fakty, daty, kwoty, numery spraw).\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 12611,
"output_tokens": 515,
"total_tokens": 13126,
"cost_usd": 0.00220065
},
"information_gain": 0.0,
"timestamp": "2026-03-26T17:56:35.200860"
}
],
"categories_checked": [
"CRIMINAL",
"CORRUPTION",
"GOVERNANCE",
"REPUTATIONAL",
"POLITICAL_EXPOSURE"
],
"findings": [],
"facts": [],
"cumulative_cost": 0.01481205,
"information_gain_history": [
0.0,
0.0,
0.0,
0.0,
0.0
],
"stop_reason": "Extended low information gain for 5 consecutive iterations",
"stopped_at": "2026-03-26T17:56:35.201013",
"failed_iterations": 0,
"errors": []
}
}
],
"total_facts": 0,
"total_findings": 0,
"structure_summary": "W dostępnych danych nie ma żadnych informacji opisujących strukturę podmiotową DN_Test_LogowanieMerchant3, w tym brak nazw podmiotów, osób ani powiązań. W związku z tym nie można określić łańcucha właścicielskiego, wskazać kluczowych osób zarządzających, wymienić podmiotów zależnych ani zidentyfikować elementów wymagających uwagi z perspektywy AML. Brak danych uniemożliwia sporządzenie dalszej analizy."
}