| name | visit-suggestion |
| description | 拜访建议生成。基于客户画像数据和历史拜访记录，为客户经理生成拜访前的策略建议，包括历史回顾、推荐话题、产品建议、沟通要点、风险提示等。触发词：拜访建议、生成建议、拜访准备、准备拜访、拜访策略。 |
拜访建议生成
概述
基于客户画像数据和历史拜访记录，为客户经理生成拜访前的策略建议。通过分析客户画像洞察客户特征，结合历史拜访记录追踪沟通脉络和待办进展，帮助客户经理在拜访前做好充分准备，提升拜访效率和转化率。
输入
- 客户经理姓名（必填）：从系统提示词中已注入的用户身份信息获取
- 客户姓名（必填）：用户指定或从已有记录中获取
- 拜访目的（可选）：用户指定的拜访目的，未提供时根据画像数据和历史记录智能推断
- 客户画像数据（必填）：来自
customer-profile 的查询结果
- 历史拜访记录（必填）：来自
visit-note 的拜访录入和纪要文件
🎯 意图识别与路由
| 用户表达 | 意图 | 路由 |
|---|
| 「拜访建议」「生成建议」 | 生成建议 | 建议生成（generate模式） |
| 「查看建议」「客户XX的建议」 | 查看建议 | 建议查看（view模式） |
| 「修改建议」「建议改一下」 | 修改建议 | 建议修改（modify模式） |
| 「拜访准备」「准备拜访」 | 生成建议 | 建议生成（generate模式） |
| 「拜访策略」 | 生成建议 | 建议生成（generate模式） |
📋 模式一：生成建议（generate）
触发
用户表达「拜访建议」「生成建议」「拜访准备」「准备拜访」「拜访策略」时进入。
操作流程
- 获取客户画像数据（如尚未获取，自动调用
customer-profile 查询）
- 获取历史拜访记录（调用
fetch_visit_history.py 获取该客户的拜访录入和纪要）
- 读取建议模板：
references/visit_suggestion_template.md
- 基于画像数据和历史拜访记录智能分析，生成拜访建议，包括：
- 历史拜访回顾：基于历史拜访记录，提炼上次拜访要点、待办进展、客户反馈
- 客户洞察：基于画像标签和近期变动，结合历史拜访中的客户反馈，提炼关键信息
- 推荐话题：根据画像标签、资产配置和历史拜访话题，推荐本次沟通话题（避免重复，衔接上次）
- 产品建议：根据风险偏好、AUM规模、近期变动及历史产品推荐反馈，推荐适配产品
- 沟通要点：针对客户特征和历史沟通反馈，给出沟通策略和话术建议
- 风险提示：合规提醒和注意事项
- 预期目标：本次拜访可达成的小目标（衔接历史待办）
- 展示建议给用户确认
- 用户确认后保存文件
历史拜访记录获取
python3 scripts/fetch_visit_history.py \
--manager "<经理>" \
--customer "<客户>"
返回JSON结构：
{
"manager": "经理XX",
"customer": "客户XX",
"visit_inputs": [
{
"date": "2026-05-28",
"entries": [
{"seq": 1, "raw_input": "今天上门拜访了客户XX..."},
{"seq": 2, "raw_input": "客户对固收+产品很感兴趣..."}
]
}
],
"visit_notes": [
{
"filename": "拜访纪要_经理XX_客户XX_2026-05-28.md",
"date": "2026-05-28",
"content": "拜访纪要全文..."
}
],
"last_visit_date": "2026-05-28",
"total_visits": 3,
"days_since_last_visit": 6
}
无历史记录时返回：
{
"manager": "经理XX",
"customer": "客户XX",
"visit_inputs": [],
"visit_notes": [],
"last_visit_date": null,
"total_visits": 0,
"days_since_last_visit": null
}
建议生成规则
历史拜访回顾生成规则：
- 从最近一次拜访纪要中提取：拜访方式、沟通要点、客户反馈、拜访成效、后续跟进动作
- 识别上次拜访的待办事项，标注完成状态（已确认完成/待跟进/逾期未跟进）
- 提炼历史拜访中的客户关注点和顾虑，作为本次沟通的切入点
- 如有多次拜访，识别沟通话题的演变趋势（如从「资产盘活」→「产品选择」→「方案确认」）
- 无历史记录时，标注「首次拜访，无历史记录」，建议以建立信任和需求摸底为主
客户洞察生成规则：
- 从
tags 字段提取关键标签，结合 recent_changes 形成洞察
- 识别客户生命周期阶段（存量维护/增量挖掘/到期续接/新客开拓）
- 关注
recent_changes 中的关键事件（到期、到账、变动等）
- 叠加历史拜访信息：将画像标签与历史拜访中的客户实际反馈交叉验证，修正或深化洞察
- 识别画像与实际反馈的差异：如画像标注「稳健型」但历史拜访中客户表现出对权益产品的兴趣，需在洞察中标注
推荐话题生成规则：
- 根据
tags 匹配话题方向（如「存量盘活」→ 资产优化话题）
- 根据
recent_changes 匹配时效性话题（如「即将到期」→ 续接方案话题）
- 根据
asset_allocation 识别配置短板，推荐优化话题
- 根据
risk_preference 匹配沟通深度和方式
- 衔接历史话题：上次已深入讨论的话题，本次以进展跟进为主，避免重复展开
- 跟进历史待办：上次拜访的后续跟进动作，作为本次必谈话题
- 识别新机会：对比画像变动与历史拜访，发现新增的沟通机会（如上次拜访后AUM变动、新产品到期等）
产品建议生成规则：
- 产品风险等级必须 ≤ 客户风险承受能力
- 优先推荐与
recent_changes 事件强相关的产品
- 关注到期续接和闲置资金盘活场景
- 产品推荐需说明推荐理由和适配性
- 排除已推荐且被拒绝的产品：历史拜访中客户明确拒绝的产品类型，不在本次重复推荐（除非客户画像或市场环境发生重大变化）
- 衔接历史产品讨论：上次拜访中客户感兴趣但未决策的产品，本次以推进决策为主
- 跟踪产品到期：历史持有产品即将到期的，优先推荐续接方案
沟通要点生成规则：
- 保守型客户：强调安全稳健，避免激进话术
- 稳健型客户：平衡收益与风险，用数据说话
- 平衡型客户：展示多元配置价值，适度引导
- 进取型客户：聚焦机会与收益，注意合规底线
- 叠加历史沟通反馈：根据历史拜访中客户的实际反应调整话术（如客户对某类话题敏感、偏好某种沟通方式等）
- 准备异议应对：历史拜访中客户提出的顾虑或异议，本次需准备应对策略
展示与确认
生成后展示完整建议内容，并保存文件：
💡 拜访建议已生成：
📁 文件：output/拜访建议_经理XX_客户XX_2026-06-03.md
---
[建议完整正文]
---
💡 建议已生成，请选择下一步（回复编号）：
1️⃣ 修改建议
2️⃣ 记录拜访（进入信息录入）
3️⃣ 查看客户画像
4️⃣ 直接开始拜访记录
保存操作
python3 scripts/save_suggestion.py \
--manager "<经理>" \
--customer "<客户>" \
--content "<建议全文>"
文件名格式为 拜访建议_{经理}_{客户}_{日期}.md，同一天同一客户只保留一份建议，新生成自动覆盖旧的。
完成输出
✅ 建议已保存：output/拜访建议_{经理}_{客户}_2026-06-03.md
✏️ 模式二：修改建议（modify）
触发
用户表达「修改建议」「建议改一下」时进入。
操作流程
- 读取最近一次生成的建议文件
- 展示建议内容，询问修改部位
- 用户说出修改内容
- 重新生成修改后的建议
- 用户确认后保存
交互示例
✏️ 修改建议 - 客户XX 2026-06-03
请告诉我要修改哪个部分？比如：
历史回顾 | 客户洞察 | 推荐话题 | 产品建议 | 沟通要点 | 风险提示 | 预期目标 | 其他
保存操作
python3 scripts/save_suggestion.py \
--manager "<经理>" \
--customer "<客户>" \
--content "<修改后建议全文>"
完成输出
✅ 建议已修改保存：output/拜访建议_{经理}_{客户}_2026-06-03.md
🔍 模式三：查看建议（view）
触发
用户表达「查看建议」「客户XX的建议」等查看意图时进入。
操作流程
- 扫描
output/ 目录下该客户的建议文件
- 如果只有一份建议，直接展示全文详情，不显示列表
- 如果有多份建议，按日期倒序展示列表，用户可指定查看某份建议详情
展示格式
建议列表：
🔍 客户XX的拜访建议：
| 序号 | 文件名 | 日期 |
|------|--------|------|
| 1 | 拜访建议_经理XX_客户XX_2026-06-03.md | 06-03 |
| 2 | 拜访建议_经理XX_客户XX_2026-05-28.md | 05-28 |
建议详情： 直接展示建议全文内容。
外部子Skill调用
客户画像查询和历史拜访记录由独立子skill提供，调用时使用 read 工具读取对应 SKILL.md，然后按其流程执行。
| 子Skill | SKILL.md路径 | 用途 |
|---|
| customer-profile | skills/customer-profile/SKILL.md | 查询客户画像数据 |
| visit-note | skills/visit-note/SKILL.md | 读取历史拜访录入和纪要 |
📂 文件结构
visit-suggestion/
├── SKILL.md # 本文件
├── scripts/
│ ├── save_suggestion.py # 建议保存脚本
│ └── fetch_visit_history.py # 历史拜访记录获取脚本
├── references/
│ └── visit_suggestion_template.md # 建议模板
└── output/ # 输出文件目录
└── 拜访建议_{经理}_{客户}_{日期}.md
📌 关键规则
- 画像+历史双驱动：建议内容必须基于客户画像数据和历史拜访记录综合生成，不得凭空编造
- 历史衔接：建议需体现与上次拜访的连贯性，避免话题重复，推进未完成事项
- 合规底线：产品推荐需充分提示风险，不得包含收益承诺或刚性兑付话术
- 风险适配：推荐产品风险等级不得超过客户风险承受能力
- 隐私保护：严禁暴露其他经理的客户信息
- Demo标识：Demo版数据步骤标注「📋 Demo」
- 用户身份自动加载：系统提示词已根据
user_id 自动注入匹配的经理身份信息，直接使用即可
- 脚本路径约定：所有脚本调用路径均相对于本 skill 目录根（
skills/visit-suggestion/）。实际执行时需使用完整路径
- 首次拜访处理：无历史拜访记录时，建议以建立信任和需求摸底为主，不生成历史回顾部分
⛔ 隐私保护规则（全局）
严禁暴露其他经理的客户信息。
- 每个经理只能查看和操作自己名下的客户数据
- 当客户不在当前经理名下时，不得透露该客户归属于哪位经理
- 不得列出其他经理名下的客户姓名或建议
- 错误提示只能说明「未找到」，并引导查询当前经理名下的数据
- 扫描文件目录时，只展示当前经理名下的文件，过滤掉其他经理的文件
- 读取历史拜访记录时，只读取当前经理名下的文件，过滤掉其他经理的文件
与其他skill的接口
- 输入：客户画像数据（来自
customer-profile 的查询结果）
- 输入：历史拜访记录（来自
visit-note 的拜访录入和纪要文件）
- 输出：
拜访建议_{经理}_{客户}_{日期}.md → 可供 visit-note 的信息录入模块参考
