visit-suggestion

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

1. 获取客户画像数据（如尚未获取，自动调用 customer-profile 查询）
2. 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）
3. 读取建议模板：references/visit_suggestion_template.md
4. 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）
5. 展示建议给用户确认
6. 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..."
    
  
   
   
   

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

1. 读取最近一次生成的建议文件
2. 展示建议内容，询问修改部位
3. 用户说出修改内容
4. 重新生成修改后的建议
5. 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

1. 扫描 output/ 目录下该客户的建议文件
2. 如果只有一份建议，直接展示全文详情，不显示列表
3. 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

1. 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
2. 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
3. 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
4. 风险适配：推荐产品风险等级不得超过客户风险承受能力
5. 隐私保护：严禁暴露其他经理的客户信息
6. Demo标识：Demo版数据步骤标注「📋 Demo」
7. 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
8. 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
9. 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