メニュー
AI 네이티브 리드 인텔리전스 및 아웃리치 파이프라인입니다. 에이전트 기반 신호 점수화, 상호 연결 순위화, 웜패스 탐색, 소스 기반 보이스 모델링, 이메일·LinkedIn·X별 아웃리치로 Apollo, Clay, ZoomInfo를 대체합니다. 고가치 연락처를 찾고, 선별하고, 접촉하고 싶을 때 사용합니다.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/SAM42-Lab/everything-claude-code-kr --skill lead-intelligenceコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
캡처, 진단, 억제된 복구 및 인트로스펙션 보고서를 사용하여 AI 에이전트 실패에 대한 구조화된 셀프 디버깅 워크플로우를 수행합니다.
기술, 명령어, 규칙, 훅 및 기타 요소를 DAILY 대 LIBRARY 버킷으로 분류하여 특정 저장소에 대한 증거 기반의 ECC 설치 계획을 수립합니다. 전체 번들을 로드하는 대신 프로젝트에 실제로 필요한 것만 ECC를 트리밍해야 할 때 사용하세요.
리소스 명명, 상태 코드, 페이지네이션, 필터링, 에러 응답, 버전 관리 및 프로덕션 API를 위한 속도 제한을 포함한 REST API 설계 패턴.
SOC 職業分類に基づく
SKILL.md を表示中
| name | lead-intelligence |
| description | AI 네이티브 리드 인텔리전스 및 아웃리치 파이프라인입니다. 에이전트 기반 신호 점수화, 상호 연결 순위화, 웜패스 탐색, 소스 기반 보이스 모델링, 이메일·LinkedIn·X별 아웃리치로 Apollo, Clay, ZoomInfo를 대체합니다. 고가치 연락처를 찾고, 선별하고, 접촉하고 싶을 때 사용합니다. |
| origin | ECC |
소셜 그래프 분석과 웜패스 탐색을 통해 고가치 연락처를 찾고, 점수화하고, 접촉하는 에이전트 기반 리드 인텔리전스 파이프라인입니다.
web_search_exa)X_BEARER_TOKEN, 그리고 X_CONSUMER_KEY, X_CONSUMER_SECRET, X_ACCESS_TOKEN, X_ACCESS_TOKEN_SECRET와 같은 쓰기 컨텍스트 자격 증명)┌─────────────┐ ┌──────────────┐ ┌─────────────────┐ ┌──────────────┐ ┌─────────────────┐
│ 1. 신호 │────>│ 2. 상호 연결 │────>│ 3. 웜패스 │────>│ 4. 정보 │────>│ 5. 아웃리치 │
│ 점수화 │ │ 순위화 │ │ 탐색 │ │ 보강 │ │ 초안 │
└─────────────┘ └──────────────┘ └─────────────────┘ └──────────────┘ └─────────────────┘
일반적인 영업 문구로 아웃바운드 초안을 만들지 않습니다.
사용자의 보이스(목소리)가 중요한 경우 brand-voice를 먼저 실행하세요. 이 스킬 내부에서 임시로 스타일을 도출하는 대신 해당 스킬의 VOICE PROFILE을 재사용하세요.
라이브 X 액세스가 가능하다면 초안 작성 전에 최근 오리지널 포스트를 가져오세요. 불가능하다면 제공된 예시나 사용 가능한 최선의 레포/사이트 자료를 사용하세요.
목표 버티컬에서 신호가 강한 인물을 찾고 다음 기준으로 가중치를 부여합니다.
| 신호 | 가중치 | 소스 |
|---|---|---|
| 역할/직함 일치 | 30% | Exa, LinkedIn |
| 산업 일치 | 25% | Exa 회사 검색 |
| 주제에 대한 최근 활동 | 20% | X API 검색, Exa |
| 팔로워 수 / 영향력 | 10% | X API |
| 위치 근접성 | 10% | Exa, LinkedIn |
| 사용자의 콘텐츠와 소통 | 5% | X API 상호작용 |
# 1단계: 타깃 파라미터 정의
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"]
# 2단계: Exa를 이용한 인물 딥 검색
for vertical in target_verticals:
results = web_search_exa(
query=f"{vertical} {role} founder CEO",
category="company",
numResults=20
)
# 각 결과 점수화
# 3단계: X API를 이용한 활발한 활동가 검색
x_search = search_recent_tweets(
query="prediction markets OR AI tooling OR developer tools",
max_results=100
)
# 고유 작성자 추출 및 점수화
점수가 매겨진 각 타깃에 대해 사용자의 소셜 그래프를 분석해 가장 따뜻한 경로를 찾습니다.
social-graph-ranker 모델을 적용합니다.| 요소 | 가중치 |
|---|---|
| 타깃과의 연결 수 | 40% — 가장 높은 가중치, 연결이 많을수록 높은 순위 |
| 상호 인물의 현재 역할/회사 | 20% — 의사 결정권자 vs 개별 기여자 |
| 상호 인물의 위치 | 15% — 같은 도시 = 소개받기 쉬움 |
| 산업 일치 | 15% — 같은 버티컬 = 자연스러운 소개 |
| 상호 인물의 X 핸들 / LinkedIn | 10% — 아웃리치를 위한 식별 가능성 |
기본 규칙:
사용자가 그래프 수학 자체, 독립적인 보고서로서의 브리지 순위, 또는 명시적인 감쇠 모델 튜닝을 원할 때 social-graph-ranker를 사용하십시오.
이 스킬 내에서는 동일한 가중치 브리지 모델을 사용합니다:
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
R(m) = B_ext(m) · (1 + β · engagement(m))
해석:
R(m) 및 직접적인 브리지 경로 -> 웜 인트로 요청R(m) 및 1단계 브리지 경로 -> 조건부 인트로 요청사용자가 순위 엔진을 분리해 보고 싶거나, 수식을 시각화하고 싶거나, 전체 리드 워크플로 바깥에서 네트워크 점수화를 원한다면 먼저 social-graph-ranker를 독립적으로 실행하고 그 결과를 이 파이프라인에 다시 넣습니다.
상호 연결 순위 보고서 (MUTUAL RANKING REPORT)
========================================
#1 @mutual_handle (점수: 92)
이름: Jane Smith
역할: Acme Ventures 파트너
위치: San Francisco
타깃과의 연결: 7
연결 대상: @target1, @target2, @target3, @target4, @target5, @target6, @target7
최선의 소개 경로: Jane은 Target1의 회사에 투자함
#2 @mutual_handle2 (점수: 85)
...
각 타깃에 대해 가장 짧은 소개 체인을 찾습니다:
사용자 ──[팔로우]──> 상호 인물 A ──[투자함]──> 타깃 회사
사용자 ──[팔로우]──> 상호 인물 B ──[공동 창업]──> 타깃 인물
사용자 ──[행사에서 만남]──> 행사 ──[참석함]──> 타깃 인물
각 자격이 검증된 리드에 대해 다음 정보를 가져옵니다:
각 리드에 대해 개인화된 아웃리치를 생성합니다. 초안은 소스에서 도출된 보이스 프로필 및 타깃 채널과 일치해야 합니다.
다음 순서대로 하나의 기본 채널을 선택합니다:
멀티 채널은 강력한 이유가 있고 빈도가 스팸처럼 느껴지지 않을 때만 사용하세요.
목표:
피해야 할 사항:
목표:
피해야 할 사항:
각 타깃에 대해 다음을 생성합니다:
브라우저 제어가 가능한 경우:
데스크톱 자동화가 가능한 경우:
사용자의 명시적 승인 없이 메시지를 자동 전송하지 않습니다.
사용자는 다음 환경 변수를 설정해야 합니다.
# 필수
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="..."
# 선택 사항
export LINKEDIN_COOKIE="..." # 브라우저 사용 LinkedIn 액세스용
export APOLLO_API_KEY="..." # Apollo 보강용
이 스킬은 agents/ 하위 디렉터리에 특화 에이전트를 포함합니다.
사용자: 예측 시장에서 내가 연락해야 할 상위 20명을 찾아줘
에이전트 워크플로:
1. signal-scorer가 Exa와 X에서 예측 시장 리더를 검색합니다.
2. mutual-mapper가 사용자의 X 그래프에서 공유된 연결을 확인합니다.
3. enrichment-agent가 회사 데이터와 최근 활동을 가져옵니다.
4. outreach-drafter가 상위 순위 리드에 대해 개인화된 메시지를 생성합니다.
출력: 웜패스가 포함된 순위 리스트, 보이스 프로필 요약, 채널별 아웃리치 초안 또는 앱 내 초안
brand-voiceconnections-optimizer