Menu
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。
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Baseado na classificação ocupacional SOC
Share durable, inspectable context and handoffs between Claude, Codex, Hermes, Cursor, OpenCode, and other agents through the local ECC Memory Vault. Use when an agent must save work state, transfer context, resume another agent's task, or search shared project knowledge.
Share durable, inspectable context and handoffs between Claude, Codex, Hermes, Cursor, OpenCode, and other agents through the local ECC Memory Vault. Use when an agent must save work state, transfer context, resume another agent's task, or search shared project knowledge.
Share durable, inspectable context and handoffs between Claude, Codex, Hermes, Cursor, OpenCode, and other agents through the local ECC Memory Vault. Use when an agent must save work state, transfer context, resume another agent's task, or search shared project knowledge.
Use when multiple consumers and providers must evolve an API or event schema without field drift, integration surprises, or one side silently redefining the interface.
Instinct-based learning system that observes sessions via hooks, creates atomic instincts with confidence scoring, and evolves them into skills/commands/agents. v2.1 adds project-scoped instincts to prevent cross-project contamination.
Query live GPU inventory, submit an authenticated Itô fixed-rate RFQ, inspect RFQ or procurement status, and run explicitly gated node qualification through the separately installed canonical CLI. Use when a user asks to find H100/H200 capacity, request a fixed compute rate, check Itô compute status, or validate GPU nodes.
| 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 |
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。
web_search_exa）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）┌─────────────┐ ┌──────────────┐ ┌─────────────────┐ ┌──────────────┐ ┌─────────────────┐
│ 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 │
└─────────────┘ └──────────────┘ └─────────────────┘ └──────────────┘ └─────────────────┘
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。
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 |
# Step 1: Define target parameters
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"]
# Step 2: Exa deep search for people
for vertical in target_verticals:
results = web_search_exa(
query=f"{vertical} {role} founder CEO",
category="company",
numResults=20
)
# Score each result
# Step 3: X API search for active voices
x_search = search_recent_tweets(
query="prediction markets OR AI tooling OR developer tools",
max_results=100
)
# Extract and score unique authors
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。
social-graph-ranker 模型来评分桥梁价值| 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：
R(m) 和直接桥梁路径 -> 请求温暖引荐R(m) 和一跳桥梁路径 -> 有条件地请求引荐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)
...
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
对于每个合格的线索，拉取：
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。
按以下顺序选择一个主要渠道：
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。
目标：
避免：
目标：
避免：
对于每个目标，生成：
如果浏览器控制可用：
如果桌面自动化可用：
未经用户明确批准，不要自动发送消息。
用户应设置以下环境变量：
# Required
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="..."
# Optional
export LINKEDIN_COOKIE="..." # For browser-use LinkedIn access
export APOLLO_API_KEY="..." # For Apollo enrichment
此技能在 agents/ 子目录中包含专门的智能体：
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
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