| name | social-graph-ranker |
| description | 加权社交图排名，用于温暖介绍发现、桥接评分和网络差距分析，覆盖 X 和 LinkedIn。当用户需要可复用的图排名引擎本身时使用，而非其上层的外联或网络维护工作流。 |
| origin | ECC |
社交图排名器
用于网络感知外联的规范加权图排名层。
当用户需要以下操作时使用此技能：
- 按介绍价值对现有的互相关注者或联系人排名
- 映射到目标列表的温暖路径
- 衡量跨一阶和二阶连接的桥接价值
- 决定哪些目标值得温暖介绍 vs 直接冷外联
- 独立于
lead-intelligence 或 connections-optimizer 理解图数学
何时独立使用
当用户主要想要排名引擎时选择此技能：
- "我的人脉网络中谁最有条件介绍我？"
- "按谁能帮我联系到这些人来对我的互关排名"
- "将我的图与此 ICP 进行映射"
- "给我看看桥接数学"
当用户真正想要以下内容时，不要单独使用此技能：
- 完整的线索生成和外发序列 → 使用
lead-intelligence
- 修剪、重新平衡和扩展网络 → 使用
connections-optimizer
输入
收集或推断：
- 目标人物、公司或 ICP 定义
- 用户在 X、LinkedIn 或两者上的当前图
- 权重优先级，如角色、行业、地理位置和响应性
- 遍历深度和衰减容忍度
核心模型
给定：
T = 加权目标集M = 你当前的互关 / 直接连接d(m, t) = 从互关 m 到目标 t 的最短跳距离w(t) = 来自信号评分的目标权重
基础桥接分数：
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
其中：
λ 是衰减因子，通常为 0.5- 直接路径贡献完整值
- 每增加一跳将贡献减半
二阶扩展：
B_ext(m) = B(m) + α · Σ_{m' ∈ N(m) \\ M} Σ_{t ∈ T} w(t) · λ^(d(m',t))
其中：
N(m) \\ M 是互关认识但你不知道的人集合α 折扣二阶可达性，通常为 0.3
响应调整后的最终排名：
R(m) = B_ext(m) · (1 + β · engagement(m))
其中：
engagement(m) 是标准化的响应性或关系强度β 是参与度加成，通常为 0.2
解读：
- 第一梯队：高
R(m) 且有直接桥接路径 → 温暖介绍请求
- 第二梯队：中
R(m) 且有一跳桥接路径 → 有条件的介绍请求
- 第三梯队：低
R(m) 或无可行桥接 → 直接外联或填补差距
评分信号
在图遍历之前根据当前优先级集的重要因素对目标加权：
- 角色或头衔匹配
- 公司或行业匹配
- 当前活动和时效性
- 地理相关性
- 影响力或覆盖范围
- 回复可能性
遍历后对互关加权：
- 进入目标集的加权路径数量
- 这些路径的直接性
- 响应性或先前的互动历史
- 进行介绍的上下文匹配度
工作流
- 构建加权目标集。
- 从 X、LinkedIn 或两者拉取用户的图。
- 计算直接桥接分数。
- 为最高价值的互关扩展二阶候选。
- 按
R(m) 排名。
- 返回：
- 最佳温暖介绍请求
- 有条件的桥接路径
- 没有温暖路径的图差距
输出格式
社交图排名
====================
优先集：
平台：
衰减模型：
顶级桥接
- 互关 / 连接
base_score:
extended_score:
best_targets:
path_summary:
recommended_action:
有条件路径
- 互关 / 连接
reason:
extra hop cost:
无温暖路径
- 目标
recommendation: 直接外联 / 填补图差距
相关技能
lead-intelligence 在更广泛的目标发现和外联流水线中使用此排名模型connections-optimizer 在决定保留、修剪或添加谁时使用相同的桥接逻辑brand-voice 应在起草任何介绍请求或直接外联之前运行x-api 提供 X 图访问和可选的执行路径
