hlzd-inquiry-qualify

name	hlzd-inquiry-qualify
description	解析 B2B 工业品询盘（RFQ / 邮件 / 聊天 / WhatsApp），自动提取产品/数量/规格/目的港/贸易术语/联系人/公司，按 5 维（产品需求 / 商务需求 / 技术需求 / 客户信息 / 项目背景）打出 A/B/C/D 四级评分（A 最优质），并生成待向客户反向确认的问题清单。Use when 用户说'询盘评分'、'RFQ 评估'、'这个询盘值不值得跟'、'帮我看看这封邮件'、'qualify this inquiry'、'B2B lead scoring'。
license	MIT
metadata	{"author":"HLZD (海联智达 / 海良数科)","version":"0.1.0","industry":"cross-border-b2b","category":"lead-qualification","triggered_by":["询盘评分","RFQ评估","RFQ评分","询盘质量","这个询盘值不值得跟","帮我看看这封邮件","qualify inquiry","B2B lead scoring","inquiry qualification","RFQ parsing"]}

HLZD 询盘评估（Inquiry Qualification）

把一封 B2B 工业品询盘（RFQ / 邮件 / WhatsApp / 微信片段）从「不可读的对话」变成「可决策的结构化对象」——5 维评分 + 待确认问题清单 + CRM-ready JSON。

---

When to use

调用本 Skill 当用户：

• 拿到一封海外询盘邮件想判断「值不值得跟」
• 一次性收到多封询盘需要批量排序
• 想要补齐询盘里缺失的技术参数（工作压力/温度/介质/认证）
• 想给销售团队一套统一的「询盘分级」SOP
• 在开发自定义 CRM / 邮件机器人 / WhatsApp 客服助手

不要调用本 Skill 当：

• 用户只想要语言翻译（用 hlzd-translation-factory，二期）
• 用户想要的是邮件模板生成（用 hlzd-cold-outreach）
• 询盘已经定型，正准备报价（用 hlzd-quotation-gen）

---

How this skill is invoked

/hlzd-inquiry-qualify <inquiry-file-or-stdin>

示例：

# 从文件读取
/hlzd-inquiry-qualify ./inquiry.txt

# 从 stdin 接收（剪贴板粘入）
pbpaste | /hlzd-inquiry-qualify

# 在 Claude Code / Codex / Cursor 中直接说：
#   "帮我评分这封询盘" → 自动调本 Skill

也可以由其他 Skill 触发（沿 HLZD 内部调用约定）：

hlzd-cold-outreach 收到回复 → 推入 hlzd-inquiry-qualify → 评分 < B 提醒人工

---

The 5-dimension scoring rubric

维度	满分	评分要点
D1 产品需求	25	产品名称 + 规格型号 + 数量（明确 > 模糊 > 缺失）
D2 商务需求	25	目的港 + 贸易术语 + 目标价 / 预算区间 + 期望交期
D3 技术需求	25	应用场景 + 认证要求 + 关键工况（压力 / 温度 / 介质）
D4 客户信息	15	公司名 + 联系人 + 职位 + 邮箱 / 电话 + LinkedIn / 官网
D5 项目背景	10	项目名 / 项目阶段 / EPC/PMC / 招标号 / 时间线

评级阈值：

等级	总分	判定
A	90-100	立即分配销售 + 24h 内首次回复
B	70-89	可分配给销售 + 48h 内回复，需补 D3 信息
C	50-69	培育池 / 邮件营销 / 补全后再评
D	0-49	归档 / 模板回 / 转入自动 nurture

详细规则见 references/scoring-rubric.md。

---

Output schema（CRM-ready JSON）

{
  "$schema": "hlzd/inquiry-qualify/v1",
  "raw_text_hash": "sha256:...",
  "detected_language": "en",
  "extracted": {
    "product": {
      "name": "API 5CT OCTG Casing",
      "specifications": ["L80", "9 5/8 inch", "BTC connection"],
      "quantity": "5000 meters",
      "hs_code_suggestion": "730429"
    },
    "commercial": {
      "destination_port": "Jeddah, Saudi Arabia",
      "incoterm": "CIF",
      "target_price": null
       
    
     
       
        
       
         
         
         
      
    
     
       
       
       
       
       
       
       
    
     
       
       
       
       
       
    
  
   
              
           
            
             
               
     
     
     
  
   
    
    
    
    
    
  
   
   
     
     
     
     
     
  
   

完整字段定义见 inquiry_parser.py 中 Pydantic models。

---

How it works

1. 语言检测 — langdetect（或基于关键词 fallback），决定后续正则语言包
2. 结构抽取 — 关键词 + 正则 + 单位识别（mm/inch/MPa/psi/℃/℉）
3. 5 维评分 — 缺失字段反向扣分，达到阈值出评级
4. 待确认问题 — 按缺失维度排序，前 5 高优先级
5. 合规预检 — 内置出口管制关键词（OCTG / dual-use）+ 制裁国家名单（OFAC SDN）+ 制裁实体（模糊匹配）
6. 推荐下一步 — Grade ≥ B 推 customer-due-diligence，C 推 nurture，D 建议模板回复

---

Sample inputs

类型	文件	期望输出
优质沙特油气询盘	assets/inquiry_samples/01-saudi-rfq.txt	Grade A/B，D3 缺失 2 项
噪音/无关键信息	assets/inquiry_samples/02-noise-low-quality.txt	Grade D，C 项全空
多语种（西班牙）	assets/inquiry_samples/03-es-latam.txt	语言识别 ES，正常抽取

快速跑通

cd skills/hlzd-inquiry-qualify
python scripts/inquiry_parser.py --input assets/inquiry_samples/01-saudi-rfq.txt
python scripts/inquiry_parser.py --input assets/inquiry_samples/01-saudi-rfq.txt --pretty
python scripts/inquiry_parser.py --stdin < assets/inquiry_samples/02-noise-low-quality.txt

期望输出（截选）：

{
  "detected_language": "en",
  "extracted": { ... },
  "scoring": { "total": 80, "grade": "B" },
  "questions_to_confirm": [ ... 5 items ],
  "compliance_check": { "passed": true, ... },
  "recommended_next_skill": "hlzd-customer-due-diligence"
}

---

Red-flag phrases（内置）

类别	关键词样例	处置
出口管制（敏感品类）	OCTG, dual-use, two-use, encryption module	red_flags[] 提示 + 合规模块可拒绝处理
制裁国家买家	North Korea, Iran, Syria, Cuba, Crimea, Donetsk, Luhansk	compliance_check.passed = false
制裁实体（模糊匹配）	见 data/red-flag-phrases.json（OFAC SDN 抽样）	sanctioned_entity_buyer: true 时强制中断
欺诈高风险	"test order", "100% advance", "wire to personal account"	red_flags[] 中等警示

⚠️ 红线产品/真实制裁名单请勿依赖本 Skill 自行判断，正式合规复核必须接 hlzd-trade-compliance（W8 实现）。本 Skill 仅做第一道粗筛，输出末尾必须注明"未替代合规复核"。

---

Related Skills（依赖图）

hlzd-cold-outreach
        │ 收到回复
        ▼
┌─────────────────────────┐
│  hlzd-inquiry-qualify   │  ◄── 本 Skill
└────────┬────────────────┘
         │
   ┌─────┼─────────┬───────────┬───────────────┐
   ▼     ▼         ▼           ▼               ▼
 due     solution  quotation  trade         nurture
 diligence match    gen        compliance    (no skill)
   │       │          │           │
   ▼       ▼          ▼           ▼
  按 ICP   按工况    按市场      按 HS / OFAC
  评级    匹配 3 套 价格/利润    INCOTERMS
          方案     / 账期       监管条件

前置: hlzd-cold-outreach（回复触发） 后继: hlzd-customer-due-diligence / hlzd-solution-match / hlzd-trade-compliance / 模板回复（Grade D）

---

Boundaries & Limitations

• 本 Skill 不是 LLM：所有抽取走确定性规则（regex/keyword/numeral）。LLM 仅在「可选补全」时通过 prompt 调用，不参与决策。
• 本 Skill 不替代合格合规官：制裁名单为静态快照，必须每月同步最新 OFAC/EU/UN 公告。
• 本 Skill 不读取历史邮件：仅基于当次输入。若需对话历史，请传入完整 mail thread。
• 本 Skill 不区分同名公司：如客户写「Aramco」指 Saudi Aramco 还是 Aramco Trading 需人工确认。

---

Versioning

版本	说明
0.1.0	首版：5 维评分 + 多语种正则抽取 + 合规粗筛

详细变更见仓库根 VERSIONS.md。

---

Crafted for B2B industrial exporters — HLZD Cross-Border AI Platform, 2026.