| name | hlzd-inquiry-qualify |
| description | 解析 B2B 工业品询盘（RFQ / 邮件 / 聊天 / WhatsApp），自动提取产品/数量/规格/目的港/贸易术语/联系人/公司，按 5 维（产品需求 / 商务需求 / 技术需求 / 客户信息 / 项目背景）打出 A/B/C/D 四级评分（A 最优质），并生成待向客户反向确认的问题清单。Use when 用户说'询盘评分'、'RFQ 评估'、'这个询盘值不值得跟'、'帮我看看这封邮件'、'qualify this inquiry'、'B2B lead scoring'。 |
| license | MIT |
| metadata | {"author":"HLZD (海联智达 / 海良数科)","version":"0.1.0","industry":"cross-border-b2b","category":"lead-qualification","triggered_by":["询盘评分","RFQ评估","RFQ评分","询盘质量","这个询盘值不值得跟","帮我看看这封邮件","qualify inquiry","B2B lead scoring","inquiry qualification","RFQ parsing"]} |
HLZD 询盘评估（Inquiry Qualification）
把一封 B2B 工业品询盘（RFQ / 邮件 / WhatsApp / 微信片段）从「不可读的对话」变成「可决策的结构化对象」——5 维评分 + 待确认问题清单 + CRM-ready JSON。
When to use
调用本 Skill 当用户：
- 拿到一封海外询盘邮件想判断「值不值得跟」
- 一次性收到多封询盘需要批量排序
- 想要补齐询盘里缺失的技术参数（工作压力/温度/介质/认证）
- 想给销售团队一套统一的「询盘分级」SOP
- 在开发自定义 CRM / 邮件机器人 / WhatsApp 客服助手
不要调用本 Skill 当：
- 用户只想要语言翻译（用 hlzd-translation-factory，二期）
- 用户想要的是邮件模板生成（用 hlzd-cold-outreach）
- 询盘已经定型，正准备报价（用 hlzd-quotation-gen）
How this skill is invoked
/hlzd-inquiry-qualify <inquiry-file-or-stdin>
示例：
/hlzd-inquiry-qualify ./inquiry.txt
pbpaste | /hlzd-inquiry-qualify
也可以由其他 Skill 触发（沿 HLZD 内部调用约定）：
hlzd-cold-outreach 收到回复 → 推入 hlzd-inquiry-qualify → 评分 < B 提醒人工
The 5-dimension scoring rubric
| 维度 | 满分 | 评分要点 |
|---|
| D1 产品需求 | 25 | 产品名称 + 规格型号 + 数量（明确 > 模糊 > 缺失） |
| D2 商务需求 | 25 | 目的港 + 贸易术语 + 目标价 / 预算区间 + 期望交期 |
| D3 技术需求 | 25 | 应用场景 + 认证要求 + 关键工况（压力 / 温度 / 介质） |
| D4 客户信息 | 15 | 公司名 + 联系人 + 职位 + 邮箱 / 电话 + LinkedIn / 官网 |
| D5 项目背景 | 10 | 项目名 / 项目阶段 / EPC/PMC / 招标号 / 时间线 |
评级阈值：
| 等级 | 总分 | 判定 |
|---|
| A | 90-100 | 立即分配销售 + 24h 内首次回复 |
| B | 70-89 | 可分配给销售 + 48h 内回复，需补 D3 信息 |
| C | 50-69 | 培育池 / 邮件营销 / 补全后再评 |
| D | 0-49 | 归档 / 模板回 / 转入自动 nurture |
详细规则见 references/scoring-rubric.md。
Output schema（CRM-ready JSON）
{
"$schema": "hlzd/inquiry-qualify/v1",
"raw_text_hash": "sha256:...",
"detected_language": "en",
"extracted": {
"product": {
"name": "API 5CT OCTG Casing",
"specifications": ["L80", "9 5/8 inch", "BTC connection"],
"quantity": "5000 meters",
"hs_code_suggestion": "730429"
},
"commercial": {
"destination_port": "Jeddah, Saudi Arabia",
"incoterm": "CIF",
"target_price": null
完整字段定义见 inquiry_parser.py 中 Pydantic models。
How it works
- 语言检测 — langdetect（或基于关键词 fallback），决定后续正则语言包
- 结构抽取 — 关键词 + 正则 + 单位识别（mm/inch/MPa/psi/℃/℉）
- 5 维评分 — 缺失字段反向扣分，达到阈值出评级
- 待确认问题 — 按缺失维度排序，前 5 高优先级
- 合规预检 — 内置出口管制关键词（OCTG / dual-use）+ 制裁国家名单（OFAC SDN）+ 制裁实体（模糊匹配）
- 推荐下一步 — Grade ≥ B 推 customer-due-diligence，C 推 nurture，D 建议模板回复
Sample inputs
| 类型 | 文件 | 期望输出 |
|---|
| 优质沙特油气询盘 | assets/inquiry_samples/01-saudi-rfq.txt | Grade A/B，D3 缺失 2 项 |
| 噪音/无关键信息 | assets/inquiry_samples/02-noise-low-quality.txt | Grade D，C 项全空 |
| 多语种（西班牙） | assets/inquiry_samples/03-es-latam.txt | 语言识别 ES，正常抽取 |
快速跑通
cd skills/hlzd-inquiry-qualify
python scripts/inquiry_parser.py --input assets/inquiry_samples/01-saudi-rfq.txt
python scripts/inquiry_parser.py --input assets/inquiry_samples/01-saudi-rfq.txt --pretty
python scripts/inquiry_parser.py --stdin < assets/inquiry_samples/02-noise-low-quality.txt
期望输出（截选）：
{
"detected_language": "en",
"extracted": { ... },
"scoring": { "total": 80, "grade": "B" },
"questions_to_confirm": [ ... 5 items ],
"compliance_check": { "passed": true, ... },
"recommended_next_skill": "hlzd-customer-due-diligence"
}
Red-flag phrases（内置）
| 类别 | 关键词样例 | 处置 |
|---|
| 出口管制（敏感品类） | OCTG, dual-use, two-use, encryption module | red_flags[] 提示 + 合规模块可拒绝处理 |
| 制裁国家买家 | North Korea, Iran, Syria, Cuba, Crimea, Donetsk, Luhansk | compliance_check.passed = false |
| 制裁实体（模糊匹配） | 见 data/red-flag-phrases.json（OFAC SDN 抽样） | sanctioned_entity_buyer: true 时强制中断 |
| 欺诈高风险 | "test order", "100% advance", "wire to personal account" | red_flags[] 中等警示 |
⚠️ 红线产品/真实制裁名单请勿依赖本 Skill 自行判断，正式合规复核必须接 hlzd-trade-compliance（W8 实现）。本 Skill 仅做第一道粗筛，输出末尾必须注明"未替代合规复核"。
Related Skills（依赖图）
hlzd-cold-outreach
│ 收到回复
▼
┌─────────────────────────┐
│ hlzd-inquiry-qualify │ ◄── 本 Skill
└────────┬────────────────┘
│
┌─────┼─────────┬───────────┬───────────────┐
▼ ▼ ▼ ▼ ▼
due solution quotation trade nurture
diligence match gen compliance (no skill)
│ │ │ │
▼ ▼ ▼ ▼
按 ICP 按工况 按市场 按 HS / OFAC
评级 匹配 3 套 价格/利润 INCOTERMS
方案 / 账期 监管条件
前置: hlzd-cold-outreach（回复触发）
后继: hlzd-customer-due-diligence / hlzd-solution-match / hlzd-trade-compliance / 模板回复（Grade D）
Boundaries & Limitations
- 本 Skill 不是 LLM：所有抽取走确定性规则（regex/keyword/numeral）。LLM 仅在「可选补全」时通过 prompt 调用，不参与决策。
- 本 Skill 不替代合格合规官：制裁名单为静态快照，必须每月同步最新 OFAC/EU/UN 公告。
- 本 Skill 不读取历史邮件：仅基于当次输入。若需对话历史，请传入完整 mail thread。
- 本 Skill 不区分同名公司：如客户写「Aramco」指 Saudi Aramco 还是 Aramco Trading 需人工确认。
Versioning
| 版本 | 说明 |
|---|
| 0.1.0 | 首版：5 维评分 + 多语种正则抽取 + 合规粗筛 |
详细变更见仓库根 VERSIONS.md。
Crafted for B2B industrial exporters — HLZD Cross-Border AI Platform, 2026.
