shield_lock
JinDaGe
← Back to skills
extension
Category: OtherAPI key required

customer-hunter

腾讯云销售获客 Skill。从企查查、百度百科、BOSS 直聘三个数据源挖掘**外部目标客户**（不是查现有客户、不是 CRM 操作、不是访谈对象招募），按"有钱 / 有需求 / 合作意愿"三维评分并生成可交付的 HTML 报告。当用户说"找客户"、"挖掘客户"、"目标客户名单"、"获客"、"高价值线索"、"行业潜在客户分析"、"某行业某城市潜在客户"、"销售线索挖掘"时应触发；当用户说"查我的客户XX的情况"、"找几个客户做访谈/调研"、"维护现有客户"、"CRM 里搜一下"时**不要**触发——这些是查询/调研意图，不是获客。最终产物固定是 `top-customers.html`。支持自定义行业→腾讯云产品映射，按公司业务和招聘岗位信号做产品契合度推理，只呈现真正匹配的产品。

personAuthor: user_d0123732hubcommunity
downloadDownload package

Customer Hunter

输入行业 / 城市 / Top N，输出三有评估（有钱 / 有需求 / 合作意愿）+ 推荐产品的 HTML 报告。

ℹ️ 版本号、依赖范围、外部 URL 等所有可变常量统一记在 manifest.toml，由 scripts/lib/manifest.py 加载，scripts 不再硬编码。维护者修改请见 references/packaging.md。

数据源与依赖

| 数据源 | 接入方式 | 用途 | |---|---|---| | 企查查 | HTTPS 直连远程 MCP（Bearer Token） | 公司搜索、工商信息、上市/异常/资质/融资 | | 百度百科 | HTTPS 直连远程 MCP（Bearer Token） | 公司背景、成熟度信号 | | BOSS 直聘 | OpenCLI + Chrome 扩展 | 招聘岗位、云需求信号 |

本地依赖（具体版本范围见 manifest.toml）：Python ≥ 3.9 / Node.js ≥ 21 / OpenCLI / Chrome + OpenCLI 扩展。

硬规则（Hard Rules — 触发后无条件遵守）

这些是 skill 的安全契约。完整文本见 references/rules.md，下面是必须默认加载到 Claude 上下文的最小红线集合。任一被违反 = bug，不是优化空间。

R1. 不得编造或绕过数据源

  • 数据来源只能是企查查 MCP、百度百科 MCP、BOSS 直聘 OpenCLI 三家
  • 被禁工具：WebSearch / WebFetch / curl / wget / requests / httpx / playwright，不得用于补数据或替代失败的数据源
  • 数据源失败 → 如实报告 + 停下，不许用训练知识、缓存、或推测填充

R2. 不得用 Agent 训练知识或用户口头话作为评分证据

  • "我知道这家公司上市了" → ❌
  • 用户在 chat 里说"他们有 200 人" → ❌（即便用户是销售本人，也只能写到备注，不进评分）
  • 评分依据只能来自三个数据源的原始 API 响应

R3. 合作意愿维度严禁 AI 自动打分

  • 三维评分中，「合作意愿」维度只由销售本人手填 checklist（见 references/willingness_checklist.md）
  • 不许用 WebSearch 找客户高管和腾讯的关系、爬社交媒体、用训练知识里的"是腾讯系"
  • 报告里这个维度只渲染 checklist 占位，不输出 AI 推断的"合作意愿分"

R4. 触发后的执行时序（不许跳步）

  1. 先发引导提示告知用户即将打开浏览器表单。模板：

    已为你启动「目标客户挖掘」流程 🎯 接下来会在浏览器里打开一个信息收集表单（4 个 Tab：环境准备 / BOSS 直聘登录 / MCP 接入指引 / 任务配置），请按提示填写后点击"提交"。表单提交后，我会自动从企查查、百度百科、BOSS 直聘抓取数据并生成 HTML 报告。 ⏳ 表单未提交前请勿关闭终端；如长时间未弹出浏览器，请检查 Chrome 是否被杀进程。

  2. 跑 Step 0 环境预检；若退出码非 0 立刻停下并把建议透传给用户。
  3. 跑 Step 1 启动表单 + 同回合内立即阻塞轮询 .hunter-input.json，未落盘前绝对不允许进入 Step 2。
  4. 表单是唯一可信输入通道；表单内为空时按表单默认值，不擅自从 chat 推测。

R5. 失败必走 cleanup

无论 pipeline 在哪一步失败或中断（配额耗尽 / 登录过期 / 用户取消 / 异常退出码），都必须执行 Step 6 python3 scripts/cleanup.py 后再向用户报告结果。这是关闭 skill 打开的 Chrome 的唯一可靠保障，跳过会导致僵尸 Chrome 进程残留。

退出码与暂停协议

非零退出码不是错误日志，是结构化的暂停信号。Claude 必须按下表分支处理：

| Exit | 含义 | Claude 必做动作 | |---|---|---| | 0 | 正常完成 | 进入下一步 | | 2 | 缺 API Key | 让用户重跑表单填 Key | | 6 | QCC 配额耗尽 + 0 候选 | 走"配额耗尽 4 选 1"（见下） | | 7 | 行业关键词无候选 | 让用户换行业关键词重跑 | | 20 | Cloudflare / JS 挑战 | 读 .hunter-pause.json，用 AskUserQuestion 把 hint 转述给用户，等用户手动过完后重跑当前步骤 | | 21 | BOSS 登录失效 | 同上：读 pause file → AskUserQuestion → 用户重登 → 重跑 boss_enrich | | 22 | 限流且 fallback 也失败 | 同上：让用户选 等/切/跳 |

.hunter-pause.json 协议（exit 20/21/22 触发）：

  • 文件在 cwd，schema_version=1，含 primary_kind（challenge/login/throttled）+ entries[]（每条带 site/op/hint/context）
  • Claude 读这个文件，把每条 hint 用人话转述（不直接 cat 文件）
  • 用户处理完，从对应 step 重跑（不重跑整条 pipeline，避免重复消耗配额）

配额耗尽 4 选 1（exit 6 触发，详见 scripts/lib/quota.py 的 print_quota_advice）：

  1. 💰 充值续费：QCC agent.qcc.com/console/recharge / 千帆 console.bce.baidu.com/qianfan
  2. 🌅 改天再跑：多数套餐次日 0 点重置每日配额
  3. 🔁 换 Key 重试：在表单 Tab 3 重填备用账号 Key
  4. 🪫 兜底降级：仅用已抓数据继续，报告必须如实标注哪些维度缺数据（不得伪装成"该维度无加分项"）

执行流程

Step 0：环境预检

bash scripts/preflight.sh

检测 Python / Node / OpenCLI / Chrome 扩展，对照 npm + GitHub 最新版判定 OpenCLI verdict（ok_baseline / block_min / caution_breaking / not_installed / unknown），结果写入 stdout 的 ENV_CHECK_JSON_START...END JSON 块。block_min / not_installed 退出码 1（阻塞）。

🆕 首次冷启动 badcase 修复：当 Chrome 扩展未连接时，preflight 自动调用 scripts/install_extension_helper.py，做三件事：

  1. 终端打印分步图文指引（Chrome 应用商店 + GitHub Release 两条路）
  2. 用 AppleScript / open -ga 在已运行的 Chrome 里直接打开应用商店搜索页（不抢焦点、不冷启动新实例）
  3. 在 cwd 落一份 extension-install-guide.html，离线可看，URL 打印到终端

verdict 语义、breaking change 清单、扩展引导触发条件见 references/troubleshooting.md。

Step 1：HTML 表单收集输入

# ① 后台启动表单
Bash(command="rm -f .hunter-input.json && python3 scripts/generate_form.py",
     run_in_background=True, timeout=650000)

# ② 同一回合内立刻阻塞轮询
Bash(command="for i in $(seq 1 120); do \
  [ -f .hunter-input.json ] && cat .hunter-input.json && exit 0; \
  sleep 5; \
done; exit 1", timeout=650000)

调用约定：

  • ❌ 禁止用 preview_url（会跑到 WB 内置浏览器，丢 Chrome 登录态）
  • ✅ 必须 run_in_background=True，启动后立刻发起阻塞轮询（同一回合内）
  • ✅ 用文件落盘信号驱动，不用 BashOutput / sleep 600

.hunter-input.json 结构：

{
  "city": "深圳",
  "industry": "游戏",
  "criteria": {
    "min_scale": "中型",
    "exclude_top": true,
    "exclude_companies": [],
    "exclude_keywords": ["贸易", "批发", "餐饮"]
  },
  "count": 5,
  "products": {"游戏": ["GME", "EdgeOne", "ACE"]},
  "mcp": {"qcc_api_key": "...", "baike_api_key": "..."}
}

industry 支持逗号 / 顿号 / 斜杠 / 加号分隔的多子行业（如 漫剧,短剧 / 游戏,社交），qcc_search.py 会拆分后分别生成 query 与并集匹配关键词。详见 references/architecture.md 的「多行业输入支持」。

exclude_keywords 在 qcc_search.py 中分两道实施：① 候选阶段先按公司名快速过滤；② enrich 完成后按 (公司名 + 注册行业 + 经营简介 + 经营范围) 联合 blob 二次过滤，命中则记录"用户排除关键词命中：<kw>"原因。

详细时序坑、Tab 内容、API Key 加载优先级见 references/troubleshooting.md。

Step 2：企查查搜索目标企业

python3 scripts/qcc_search.py --max 15

行业关键词扩展 + 城市拼接 → get_company_by_query → 一层过滤（剔非企业主体 / 异地 / 头部 / 用户排除关键词）→ 并发拉详情（registration / profile / contact / listing / risk×2 / qualifications / financing）→ 二层行业相关性过滤（正向 + 反向词典，命中原因写入 industry_match_reason）→ 输出 qcc-companies.json，被剔除写入 rejected-companies.json。

行业词典扩展、多行业拆分、上市信号解析、is_listed 真伪判定见 references/architecture.md。

Step 3：并行数据采集

# 3a. BOSS 直聘
python3 scripts/boss_enrich.py --input qcc-companies.json --output boss-results.json
# 3b. 百度百科
python3 scripts/baike_enrich.py

BOSS 底层：opencli boss search <短名> --city <城市> --limit 10 --site-session ephemeral。OpenCLI 适配版本范围见 manifest.toml 的 [runtime.opencli]。命令名是 search（非 company-jobs），query 是位置参数，必须 --site-session ephemeral，用"短名"绕反爬，Bash 超时 600000ms。exit 21 → BOSS 登录过期，引导用户重登后重跑。

百度百科调 listLemmaByTitle + queryLemmaContent，输出 baike-results.json。中小公司无词条属正常。query_content 的 card 数组会被拍平 + 同义字段标准化（成立时间 / 员工数 / 年营业额 / 上市信息等），详见 references/architecture.md。

Step 4：评分

python3 scripts/score.py --products '<用户自定义产品映射 JSON>'

读三个 JSON 按 references/money.md + references/need.md 评分，输出 scored.json。关键 schema、自定义产品契合度推理（PRODUCT_FIT_KEYWORDS + 行业默认 + 云场景 + 通用兜底四级）见 references/architecture.md。

Step 5：生成 HTML 报告

python3 scripts/report.py --top N --industry "行业" --city "城市" --w-money <用户设置的w_money值，默认0.5>

读 scored.json 生成 top-customers.html。--w-money 值从 .hunter-input.json 的 w_money 字段获取（用户通过表单"评分侧重"滑块设置，范围 0.3~0.7，默认 0.5）。卡片渲染固定 10 块（公司名+排名 / 数据源+综合分 / 有钱指数 / 需求指数 / 推荐产品 / 有钱判断依据表 / 需求判断依据表 / 有钱证据 / 需求证据 / 合作意愿 checklist），不允许因数据缺失而缺块——空数据时也展示占位文案。详见 references/architecture.md 的「报告卡片渲染顺序」。

Step 6：收尾清理（强制，无论成功或失败都必须执行）

python3 scripts/cleanup.py

⚠️ 无条件执行：无论前面哪个 Step 成功或失败（包括配额耗尽 exit 6、行业无候选 exit 7、BOSS 登录过期 exit 21 等任何异常退出码），都必须在向用户报告结果之前执行本步骤。这是关闭 skill 冷启动的 Chrome 的唯一可靠保障。

四层清理：① 8 个已知 hunter session OpenCLI close ② AppleScript 按 URL 模式扫 Chrome tab 关闭 ③ 仅含空白 tab 的 Chrome 窗口归并关闭 ④ 若 Chrome 是本次冷启动 + 当前已无任何用户 tab，则整体 quit。详见 references/architecture.md。

配额耗尽降级（机制层）

scripts/lib/quota.py 识别 QCC 300008 / 百科 200115/300114/调用次数已达上限/quota exhausted 等错误（错误码字典在 manifest.toml 的 [mcp.qcc] / [mcp.baike]），标记 provider 已耗尽 → 同 provider 后续调用跳过 → 主流程末尾汇总提示。

用户处理选项见上文「退出码与暂停协议」的 4 选 1；选项 4「兜底降级」时，报告必须如实标注哪些维度缺数据（per R1 + 报告验收 #4）。

输入输出

| 字段 | 必填 | 默认 | 说明 | |------|------|------|------| | 行业 | 是 | — | 单行业或逗号分隔多行业（游戏 / 社交 / 漫剧,短剧 / 电商+直播 等） | | 城市 | 否 | 全国 | 深圳 / 上海 / 北京 等 | | 标的要求 | 否 | — | 规模偏好、排除条件 | | 数量 | 否 | 5 | Top N，最大 10 | | 产品映射 | 否 | — | {"行业": ["产品名", ...]} |

最终产物：top-customers.html

报告验收标准

报告生成后向用户交付前，对照下面 4 条自检；任何一条不达标都必须显式向用户说明，不要静默成功。

  1. 结构完整：每张公司卡固定 10 块（公司名+排名 / 数据源+综合分 / 有钱指数 / 需求指数 / 推荐产品 / 有钱判断依据表 / 需求判断依据表 / 有钱证据 / 需求证据 / 合作意愿 checklist），缺数据时用占位文案而不是删块。
  2. 三有分有据：每个非零得分都能在「判断依据表」里指回一条 raw 数据；如果某维度全 0 但 raw 有数据，多半是评分规则没命中——不要伪装成"该维度没什么可说的"。
  3. 来源标记可见：每条判断依据应能区分「事实 / 推断 / 评分」三类（见下节）。如果用户问"这家为什么排第一"，能在 30 秒内指着报告里的具体行回答，不需要打开 JSON。
  4. 失败如实呈现：候选数不足 N、QCC 配额耗尽、BOSS 登录过期、百科无词条等情况，不许用 WebSearch / WebFetch / 编造数据填充。退化为"已知 K 家，缺 N-K 家因 XX"明示。

信任校准：事实 / 推断 / 评分 三层来源

报告里展示的每一条数据都属于以下三类之一。混着展示是销售场景里的最大风险（"我跟客户说他们融资了 B 轮，结果是 BOSS 上一个 JD 说『B 轮在投』，闹笑话"）。

| 类别 | 来源 | 例子 | 报告中的徽章颜色 | |---|---|---|---| | 事实 | 企查查工商接口直接字段 | 注册资本 1000 万、上市代码 300xxx、经营异常 0 条、自身风险 3 条 | 蓝（#0ea5e9）| | 推断 | BOSS 招聘信号、百科条目存在性、JD 文本解析 | "在招云开发岗 → 推测有云需求"、"百科无词条 → 推测知名度低"、"成立 < 2 年 → 推测 早期阶段" | 黄（#a16207）| | 评分 | score.py 阈值规则 + 加权 | "注册资本 ≥ 500 万 → +3 分"、综合分 = 0.5×有钱 + 0.5×需求 | 灰（#9ca3af）|

写报告或回答用户时：

  • 提到「事实」类数据 → 直接陈述（"该公司经营异常 0 条"）
  • 提到「推断」类数据 → 必须带前缀（"根据 BOSS 在招岗位推测..."）
  • 提到「评分」类数据 → 说明是启发式（"按内置评分规则得 8/10，规则定义在 references/money.md"）

不要做的事：

  • 把 BOSS 推断说成"该公司有云业务"（事实化）
  • 把 score.py 启发式分说成"该公司值得跟进"（结论化）
  • 在没有 raw 数据时仍然给出"该维度评 7 分"（无中生有）

进一步阅读

  • manifest.toml —— 版本、依赖、URL、打包白名单的单一事实源（SSOT）
  • references/architecture.md —— MCP 直连原理 / 行业过滤词典 / 多行业拆分 / 产品契合度推理 / Chrome 生命周期 / cleanup 四层 / 报告卡片渲染顺序 / scored.json schema
  • references/troubleshooting.md —— 常见错误 + 表单时序坑 + OpenCLI verdict 维护 + Chrome 扩展首装引导 + API Key 加载优先级 + 配额耗尽与退出码
  • references/money.md —— "有钱"维度评分规则
  • references/need.md —— "有需求"维度评分规则
  • references/willingness_checklist.md —— "合作意愿" checklist 项
  • references/rules.md —— 综合评分阈值与排序规则
  • references/packaging.md —— 维护者专用：基于 manifest 的一键打包流程 + secret 反向扫描