| name | lead-intelligence |
| description | AI原生的潜在客户情报与外联管道。取代Apollo、Clay和ZoomInfo，提供基于代理的信号评分、相互排名、温暖路径发现、来源驱动的语音建模以及跨电子邮件、LinkedIn和X的渠道特定外联。当用户想要查找、筛选并联系高价值联系人时使用。 |
| origin | ECC |
线索情报
基于智能体的线索情报管道，通过社交图谱分析与温暖路径发现，寻找、评分并触达高价值联系人。
何时激活
- 用户希望在特定行业寻找线索或潜在客户
- 为合作、销售或融资构建外联名单
- 研究应该联系谁以及最佳联系路径
- 用户提及"寻找线索"、"外联名单"、"我应该联系谁"、"温暖引荐"
- 需要根据相关性对联系人列表进行评分或排序
- 希望绘制共同联系人图谱以寻找温暖引荐路径
工具要求
必需
- Exa MCP — 用于人员、公司和信号的深度网络搜索（
web_search_exa）
- X API — 关注者/关注图谱、共同联系人分析、近期活动（
X_BEARER_TOKEN，以及写上下文凭据，如 X_CONSUMER_KEY、X_CONSUMER_SECRET、X_ACCESS_TOKEN、X_ACCESS_TOKEN_SECRET）
可选（增强结果）
- LinkedIn — 如果可用则使用直接API，否则使用浏览器控制进行搜索、资料查看和消息草拟
- Apollo/Clay API — 如果用户有访问权限，用于丰富化交叉引用
- GitHub MCP — 用于以开发者为中心的线索资格评估
- Apple Mail / Mail.app — 草拟冷邮件或温暖邮件，但不自动发送
- 浏览器控制 — 当API覆盖不足或受限时，用于LinkedIn和X
管道概览
┌─────────────┐ ┌──────────────┐ ┌─────────────────┐ ┌──────────────┐ ┌─────────────────┐
│ 1. 信号评分 │────>│ 2. 相互排序 │────>│ 3. 发现热路径 │────>│ 4. 丰富内容 │────>│ 5. 起草外联 │
└─────────────┘ └──────────────┘ └─────────────────┘ └──────────────┘ └─────────────────┘
外联前的语气
不要从通用的销售文案中起草外联信息。
当用户的语气很重要时，首先运行 brand-voice。在此技能中重复使用其 VOICE PROFILE，而不是临时重新推导风格。
如果实时X访问可用，在起草前拉取最近的原创帖子。如果不可用，则使用提供的示例或最佳的仓库/网站材料。
阶段 1：信号评分
在目标垂直领域中搜索高信号人员。根据以下标准为每个人分配权重：
| 信号 | 权重 | 来源 |
|---|
| 角色/职位匹配 | 30% | Exa, LinkedIn |
| 行业匹配 | 25% | Exa 公司搜索 |
| 近期相关话题活动 | 20% | X API 搜索, Exa |
| 关注者数量/影响力 | 10% | X API |
| 地理位置接近度 | 10% | Exa, LinkedIn |
| 与您内容的互动 | 5% | X API 互动 |
信号搜索方法
target_verticals = ["prediction markets", "AI tooling", "developer tools"]
target_roles = ["founder", "CEO", "CTO", "VP Engineering", "investor", "partner"]
target_locations = ["San Francisco", "New York", "London", "remote"]
for vertical in target_verticals:
results = web_search_exa(
query=f"{vertical} {role} founder CEO",
category="company",
numResults=20
)
x_search = search_recent_tweets(
query="prediction markets OR AI tooling OR developer tools",
max_results=100
)
阶段 2：共同联系人排名
对于每个评分目标，分析用户的社交图谱以找到最温暖的路径。
排名模型
- 拉取用户的X关注列表和LinkedIn联系人
- 对于每个高信号目标，检查共享联系人
- 应用
social-graph-ranker 模型来评分桥梁价值
- 根据以下因素对共同联系人进行排名：
| 因素 | 权重 |
|---|
| 与目标的联系数量 | 40% — 最高权重，联系最多 = 排名最高 |
| 共同联系人的当前角色/公司 | 20% — 决策者 vs 个人贡献者 |
| 共同联系人的地理位置 | 15% — 同一城市 = 更容易引荐 |
| 行业匹配 | 15% — 同一垂直领域 = 自然引荐 |
| 共同联系人的X账号/LinkedIn | 10% — 可识别性以便外联 |
规范规则：
当用户需要图数学本身、作为独立报告的桥接排名或显式衰减模型调优时，使用 social-graph-ranker。
在此技能中，使用相同的加权桥梁模型：
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
R(m) = B_ext(m) · (1 + β · engagement(m))
解读：
- 第1层：高
R(m) 和直接桥梁路径 -> 请求温暖引荐
- 第2层：中等
R(m) 和一跳桥梁路径 -> 有条件地请求引荐
- 第3层：无可行桥梁 -> 使用相同的线索记录进行直接冷外联
输出格式
如果用户明确要求将排名引擎单独拆分、将数学计算可视化，或在完整线索工作流之外对网络进行评分，请先独立运行 `social-graph-ranker` 作为独立步骤，然后将结果反馈回此流程。
相互排名报告
=====================
#1 @mutual_handle (得分: 92)
姓名: Jane Smith
角色: Partner @ Acme Ventures
地点: San Francisco
与目标对象的连接数: 7
关联对象: @target1, @target2, @target3, @target4, @target5, @target6, @target7
最佳引荐路径: Jane 投资了 Target1 的公司
#2 @mutual_handle2 (得分: 85)
...
阶段 3：温暖路径发现
对于每个目标，找到最短的引荐链：
你 ──[关注]──> 互关A ──[投资了]──> 目标公司
你 ──[关注]──> 互关B ──[共同创立了]──> 目标人物
你 ──[在]──> 活动 ──[也参加了]──> 目标人物
路径类型（按温暖度排序）
- 直接共同联系人 — 你们都关注/认识同一个人
- 投资组合联系 — 共同联系人投资或担任目标公司顾问
- 同事/校友 — 共同联系人在同一家公司工作或就读同一所学校
- 活动重叠 — 双方都参加了同一会议/项目
- 内容互动 — 目标与共同联系人的内容互动，反之亦然
阶段 4：丰富化
对于每个合格的线索，拉取：
- 全名、当前职位、公司
- 公司规模、融资阶段、近期新闻
- 近期X帖子（最近30天）— 主题、语气、兴趣
- 与用户的共同兴趣（共享关注、相似内容）
- 近期公司事件（产品发布、融资轮次、招聘）
丰富化来源
- Exa：公司数据、新闻、博客文章
- X API：近期推文、简介、关注者
- GitHub：开源贡献（针对以开发者为中心的线索）
- LinkedIn（通过浏览器使用）：完整资料、经历、教育背景
阶段 5：外联草稿
为每个线索生成个性化的外联信息。草稿应与来源匹配的语气配置文件和目标渠道保持一致。
渠道规则
电子邮件
- 用于最高价值的冷外联、温暖引荐、投资者外联和合作请求
- 当本地桌面控制可用时，默认在 Apple Mail / Mail.app 中起草
- 首先创建草稿，除非用户明确要求，否则不要自动发送
- 主题行应简洁具体，不要耍小聪明
LinkedIn
- 当目标在LinkedIn上活跃、共同图谱上下文在LinkedIn上更强或电子邮件信心不足时使用
- 如果可用，优先使用API访问
- 否则使用浏览器控制查看资料、近期活动和起草消息
- 保持比电子邮件更短，避免虚假的职业热情
X
- 用于高上下文的操作者、建设者或投资者外联，其中公开发帖行为很重要
- 优先使用API访问进行搜索、时间线和互动分析
- 必要时回退到浏览器控制
- 私信和公开回复应比电子邮件更紧凑，并引用目标时间线上真实的内容
渠道选择启发式
按以下顺序选择一个主要渠道：
- 通过电子邮件进行温暖引荐
- 直接电子邮件
- LinkedIn 私信
- X 私信或回复
仅在有充分理由且节奏不会显得像垃圾邮件时使用多渠道。
温暖引荐请求（给共同联系人）
目标：
- 一个明确的请求
- 一个具体的理由说明为什么这次引荐有意义
- 如果需要，提供易于转发的简介
避免：
直接冷外联（给目标）
目标：
- 从具体且近期的事情开始
- 解释为什么契合度是真实的
- 提出一个低摩擦的请求
避免：
- 泛泛的赞美
- 功能倾倒
- 宽泛的请求，如"很乐意联系"
- 强加的反问句
执行模式
对于每个目标，生成：
- 推荐的渠道
- 该渠道最佳的理由
- 消息草稿
- 可选的跟进草稿
- 如果电子邮件是选定的渠道且 Apple Mail 可用，则创建草稿而不仅仅是返回文本
如果浏览器控制可用：
- LinkedIn：查看目标资料、近期活动和共同联系人上下文，然后起草或准备消息
- X：查看近期帖子或回复，然后起草私信或公开回复语言
如果桌面自动化可用：
- Apple Mail：创建包含主题、正文和收件人的草稿电子邮件
未经用户明确批准，不要自动发送消息。
反模式
- 没有个性化的通用模板
- 解释整个公司的长段落
- 一条消息中包含多个请求
- 没有具体细节的虚假熟悉感
- 带有可见合并字段的批量发送消息
- 为电子邮件、LinkedIn 和 X 重复使用相同的副本
- 平台化的废话，而不是作者的真实语气
配置
用户应设置以下环境变量：
export X_BEARER_TOKEN="..."
export X_ACCESS_TOKEN="..."
export X_ACCESS_TOKEN_SECRET="..."
export X_CONSUMER_KEY="..."
export X_CONSUMER_SECRET="..."
export EXA_API_KEY="..."
export LINKEDIN_COOKIE="..."
export APOLLO_API_KEY="..."
智能体
此技能在 agents/ 子目录中包含专门的智能体：
- signal-scorer — 根据相关性信号搜索和排名潜在客户
- mutual-mapper — 映射社交图谱连接并寻找温暖路径
- enrichment-agent — 拉取详细的个人资料和公司数据
- outreach-drafter — 生成个性化消息
使用示例
用户：帮我找出预测市场中我应该联系的20位顶尖人物
智能体工作流程：
1. signal-scorer 在 Exa 和 X 上搜索预测市场领导者
2. mutual-mapper 检查用户的 X 社交图谱以寻找共同联系人
3. enrichment-agent 提取公司数据和近期动态
4. outreach-drafter 为排名靠前的潜在联系人生成个性化消息
输出：包含热路径、语音画像摘要以及针对特定渠道或应用内草稿的排名列表
相关技能
brand-voice 用于规范语气捕获connections-optimizer 用于在外联前进行先审后用的网络修剪和扩展
