back
loading skill details...
合同续租预警与方案生成技能。基于真实Excel台账（美兰中心C+服务.xlsx）提前识别到期合同，分析企业画像，生成续租方案。触发场景：(1) 定时任务每日09:00检查合同到期日期，(2) 提前3个月标记"续租预警"，(3) 手动触发续租检查（@企服助手 续租检查）。
---
name: contract-renewal
description: 合同续租预警与方案生成技能。基于真实Excel台账（美兰中心C+服务.xlsx）提前识别到期合同，分析企业画像，生成续租方案。触发场景：(1) 定时任务每日09:00检查合同到期日期，(2) 提前3个月标记"续租预警"，(3) 手动触发续租检查（@企服助手 续租检查）。
---
> **📌 本技能已自包含，无需安装 customer-management**
>
> 所有客户管理逻辑（查询客户档案、构建客户画像、计算风险标记）已内联到本文件中，不依赖外部技能。
# 合同续租预警与方案生成技能 (Contract Renewal Skill)
## 功能概述
本技能用于自动化合同续租管理，基于中集金地美兰中心真实Excel台账，提前识别到期合同，分析企业画像，生成个性化续租方案，并推送给招商人员和管家进行审批。
---
## 数据源配置
**数据文件**: `/Users/mac/美兰中心C+服务.xlsx`
**工作表映射**:
| 功能模块 | 工作表名 | 用途 |
|---------|---------|------|
| **客户档案** | 👨客户管理👨 | 主数据源（截至日期、企业类型、等级） |
| **费用收缴** | 👨💼费用收缴👨💼 | 补充数据（历史缴费记录） |
| **C+服务记录** | C+服务记录 | 补充数据（历史服务记录） |
| **客户画像** | customer-management技能 | 聚合分析企业画像 |
---
## 客户管理逻辑（内联）
> 以下逻辑已从 customer-management 技能内联，无需外部依赖。
### 数据结构与辅助函数
```python
import openpyxl
from datetime import datetime
def parse_excel_date(date_value):
"""
解析Excel日期（支持多种格式）
"""
if isinstance(date_value, datetime):
return date_value.date()
if isinstance(date_value, str):
# 尝试解析 "2025年3月1日" 格式
try:
return datetime.strptime(date_value, "%Y年%m月%d日").date()
except:
pass
# 尝试解析 "2025-03-01" 格式
try:
return datetime.strptime(date_value, "%Y-%m-%d").date()
except:
pass
return None
def build_customer_dict(headers, row):
"""
将Excel行数据构建为字典
"""
return dict(zip(headers, row))
```
### 1. query_customer_profile（查询客户档案）
```python
def query_customer_profile(unit_no=None, tenant_name=None, contract_no=None):
"""
查询客户档案
Args:
unit_no: 单元号（如 T1-601）
tenant_name: 租户名（支持模糊匹配）
contract_no: 合同号
Returns:
dict: 客户完整档案信息
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws = wb['👨客户管理👨']
headers = [cell.value for cell in ws[1]]
for row in ws.iter_rows(min_row=2, values_only=True):
# 匹配条件
if unit_no and row[5] == unit_no: # 单元号
return build_customer_dict(headers, row)
if tenant_name and tenant_name in str(row[6]): # 租户名模糊匹配
return build_customer_dict(headers, row)
if contract_no and row[4] == contract_no: # 合同号
return build_customer_dict(headers, row)
return None
```
### 2. build_customer_portrait（构建客户画像）
```python
def build_customer_portrait(unit_no):
"""
构建客户画像 - 聚合多个数据源
Args:
unit_no: 单元号（主键）
Returns:
dict: 客户画像（包含服务、费用、报修等汇总）
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
portrait = {
"基础信息": query_customer_profile(unit_no),
"服务记录": [],
"费用记录": [],
"能耗记录": [],
"报修记录": [],
"风险标记": []
}
# 1. 查询C+服务记录（关联字段：租户名）
ws_service = wb['C+服务记录']
tenant_name = portrait["基础信息"]["租户名"] if portrait["基础信息"] else ""
for row in ws_service.iter_rows(min_row=2, values_only=True):
if row[0] == tenant_name: # 关联客户字段
portrait["服务记录"].append({
"走访时间": row[1],
"走访管家": row[2],
"客户情绪": row[3],
"成交情况": row[4],
"服务类别": row[5],
"成交金额": row[6],
"详情记录": row[7]
})
# 2. 查询费用收缴记录（关联字段：单元号）
ws_fee = wb['👨💼费用收缴👨💼']
for row in ws_fee.iter_rows(min_row=2, values_only=True):
if row[1] == unit_no: # 单元号
portrait["费用记录"].append({
"合同编号": row[0],
"费项项目": row[3],
"应收金额": row[4],
"已收金额": row[6],
"欠收金额": row[8],
"是否支付": row[9],
"月份": row[13]
})
# 3. 查询能耗收缴记录（关联字段：单元号）
ws_energy = wb['👨💼能耗收缴👨💼']
for row in ws_energy.iter_rows(min_row=2, values_only=True):
if row[0] == unit_no: # 单元号
portrait["能耗记录"].append({
"租户名": row[1],
"应收金额": row[2],
"已收金额": row[3],
"欠费金额": row[4],
"是否支付": row[5],
"月份": row[6]
})
# 4. 查询报修记录（关联字段：楼层/单元）
ws_repair = wb['🛠️报修情况汇总🛠️']
for row in ws_repair.iter_rows(min_row=2, values_only=True):
if unit_no in str(row[0]): # 楼层/单元匹配
portrait["报修记录"].append({
"楼层/单元": row[0],
"紧急程度": row[1],
"报修细节描述": row[2],
"报修人员": row[4],
"报修时间": row[5],
"维修人员": row[6],
"维修跟进状态": row[7]
})
# 5. 计算风险标记
portrait["风险标记"] = calculate_risk_tags(portrait)
return portrait
```
### 3. calculate_risk_tags（计算风险标记）
```python
def calculate_risk_tags(portrait):
"""
计算客户风险标记
Returns:
list: 风险标记列表（如 ["欠费风险", "流失风险"]）
"""
risks = []
# 1. 欠费风险判断
欠费总额 = 0
for fee in portrait["费用记录"]:
if fee["是否支付"] == "否":
欠费金额 = float(fee["欠收金额"]) if fee["欠收金额"] else 0
欠费总额 += 欠费金额
if 欠费总额 > 50000:
risks.append(f"🚨 高欠费风险（欠费¥{欠费总额:.2f}）")
elif 欠费总额 > 10000:
risks.append(f"⚠️ 中度欠费风险（欠费¥{欠费总额:.2f}）")
elif 欠费总额 > 0:
risks.append(f"📢 轻度欠费提醒（欠费¥{欠费总额:.2f}）")
# 2. 流失风险判断（续租预警）
基础信息 = portrait["基础信息"]
if 基础信息:
截至日期 = parse_excel_date(基础信息.get("截至日期"))
if 截至日期:
剩余天数 = (截至日期 - datetime.now().date()).days
if 剩余天数 <= 30:
risks.append(f"🚨 流失风险（合同剩余{剩余天数}天）")
elif 剩余天数 <= 90:
risks.append(f"⚠️ 续租预警（合同剩余{剩余天数}天）")
# 3. 投诉/报修频率判断
报修次数 = len(portrait["报修记录"])
if 报修次数 >= 3: # 最近报修次数>=3
risks.append(f"⚠️ 高频报修（{报修次数}次）")
# 4. 服务满意度判断
满意记录 = [s for s in portrait["服务记录"] if s["客户情绪"] == "满意"]
总记录 = len(portrait["服务记录"])
if 总记录 > 0 and len(满意记录) / 总记录 < 0.5:
risks.append(f"⚠️ 低满意度（满意率{len(满意记录)/总记录*100:.1f}%）")
return risks
```
---
## 核心逻辑
### 1. 续租预警扫描
```python
def scan_renewal_alerts():
"""
扫描即将到期的合同，生成续租预警
Returns:
dict: 分类预警清单
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_customer = wb['👨客户管理👨']
today = datetime.now().date()
alerts = {
"红色预警": [], # ≤30天
"黄色预警": [], # 31-60天
"绿色提醒": [] # 61-90天
}
# 遍历客户管理表
for row in ws_customer.iter_rows(min_row=2, values_only=True):
status = row[12] # 状态
if status == "签约":
unit_no = row[5] # 单元号
tenant_name = row[6] # 租户名
lease_end_str = row[11] # 截至日期
# 解析截至日期
lease_end = parse_excel_date(lease_end_str)
# 计算剩余天数
days_remaining = (lease_end - today).days
if days_remaining <= 90 and days_remaining > 0:
# 直接调用内联函数获取企业画像
customer_portrait = build_customer_portrait(unit_no)
alert = {
"单元号": unit_no,
"租户名": tenant_name,
"截至日期": lease_end,
"剩余天数": days_remaining,
"企业画像": customer_portrait
}
# 分级归档
if days_remaining <= 30:
alerts["红色预警"].append(alert)
elif days_remaining <= 60:
alerts["黄色预警"].append(alert)
else:
alerts["绿色提醒"].append(alert)
return alerts
```
### 2. 企业画像分析（基于客户画像数据）
```python
def analyze_enterprise_for_renewal(unit_no):
"""
分析企业画像，为续租方案提供依据
Args:
unit_no: 单元号
Returns:
dict: 企业画像分析结果
"""
# 直接调用内联函数获取客户画像
portrait = build_customer_portrait(unit_no)
# 1. 计算缴费准时率
费用记录 = portrait["费用记录"]
已支付数 = len([f for f in 费用记录 if f["是否支付"] == "是"])
总费用数 = len(费用记录)
缴费准时率 = 已支付数 / 总费用数 if 总费用数 > 0 else 0
# 2. 计算服务满意度
服务记录 = portrait["服务记录"]
满意数 = len([s for s in 服务记录 if s["客户情绪"] == "满意"])
总服务数 = len(服务记录)
满意度 = 满意数 / 总服务数 if 总服务数 > 0 else 0
# 3. 计算服务成交率
成交数 = len([s for s in 服务记录 if s["成交情况"] == "是"])
成交率 = 成交数 / 总服务数 if 总服务数 > 0 else 0
# 4. 风险标记
风险标记 = portrait["风险标记"]
return {
"缴费准时率": 缴费准时率,
"满意度": 满意度,
"成交率": 成交率,
"风险标记": 风险标记,
"等级": portrait["基础信息"]["等级"],
"企业类型": portrait["基础信息"]["企业类型"]
}
```
### 3. 续租方案生成算法
```python
def generate_renewal_plan(unit_no):
"""
根据企业画像生成续租方案
Args:
unit_no: 单元号
Returns:
dict: 续租方案
"""
# 获取企业画像分析
analysis = analyze_enterprise_for_renewal(unit_no)
# 直接调用内联函数获取客户档案
portrait = query_customer_profile(unit_no)
# 根据画像选择方案模板
if analysis["缴费准时率"] >= 0.95 and analysis["满意度"] >= 0.8:
# 优质企业 → 原条件续租
plan_type = "A"
proposed_rent = portrait["首年合同单价"] # 维持原价
discount_rate = 1.0
incentive_policy = "无"
elif analysis["成交率"] >= 0.3 or analysis["等级"] == "A":
# 潜力企业 → 优惠续租
plan_type = "B"
proposed_rent = portrait["首年合同单价"] * 1.05 # 小幅上涨
discount_rate = 0.95 # 95折
incentive_policy = "首月租金减免10%"
else:
# 一般企业 → 市场化续租
plan_type = "C"
proposed_rent = get_market_rent(unit_no) # 市场价
discount_rate = 1.0
incentive_policy = "无"
return {
"方案类型": plan_type,
"建议租金": proposed_rent,
"优惠折扣": discount_rate,
"优惠政策": incentive_policy,
"企业画像": analysis
}
```
---
## 续租预警推送模板
### 红色预警（≤30天）
```
━━━━━━━━━━━━━━━
【续租红色预警】
🏢 企业：{tenant_name}
📍 单元：{unit_no}
📅 合同到期：{lease_end}
⏰ 剩余天数：{days_remaining}天
━━━ 企业画像 ━━━
等级：{level}
企业类型：{enterprise_type}
缴费准时率：{payment_rate*100:.1f}%
服务满意度：{satisfaction*100:.1f}%
━━━ 风险标记 ━━━
{risks}
━━━ 续租方案 ━━━
方案类型：{plan_type}
建议租金：¥{proposed_rent}/㎡/月
优惠折扣：{discount_rate*100:.0f}折
优惠政策：{incentive_policy}
🚨 请 @招商人员 @管家 立即跟进！
⚡ 操作链接：[腾讯文档-客户管理]
━━━━━━━━━━━━━━━
```
---
## 执行流程
```
Step 1 → 读取Excel客户管理表
工作表：👨客户管理👨
筛选：状态 = '签约'
Step 2 → 计算合同剩余天数
剩余天数 = 截至日期 - 今日日期
Step 3 → 调用内联函数获取企业画像
直接调用 build_customer_portrait()
获取企业画像（费用记录、服务记录、风险标记）
Step 4 → 分级预警
├─ ≤30天 → 红色预警（紧急）
├─ 31-60天 → 黄色预警（高）
└─ 61-90天 → 绿色提醒（中）
Step 5 → 生成续租方案
根据企业画像（缴费准时率、满意度、成交率）生成方案
Step 6 → 推送企微
发送给招商人员和管家审批
```
---
## 定时任务配置
```json
{
"name": "合同续租预警",
"schedule": {
"kind": "cron",
"expr": "0 9 * * *",
"tz": "Asia/Shanghai"
},
"payload": {
"kind": "agentTurn",
"message": "检查合同到期日期，提前3个月标记续租预警，提前2个月生成续租方案"
},
"sessionTarget": "isolated"
}
```
---
## 手动触发方式
1. **企微 @提及**: `@企服助手 续租检查`
2. **OpenClaw指令**: `检查续租` / `生成续租方案 {单元号}`
---
## 配置参数
```json
{
"contract_renewal": {
"excel_path": "/Users/mac/美兰中心C+服务.xlsx",
"alert_days_before": 90,
"plan_generation_days_before": 60,
"auto_generate_plan": true,
"wecom_webhook": "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx"
}
}
```
---
## 使用示例
**用户输入**: `@企服助手 续租检查`
**输出**:
```
━━━━━━━━━━━━━━━
【续租预警日报】2026-05-28
━━━ 🚨 红色预警（≤30天）━━━
• T1-XXX，XXX公司，剩余XX天
━━━ ⚠️ 黄色预警（31-60天）━━━
• T1-601，上海铭尤力食品有限公司，剩余XX天
━━━ ✅ 绿色提醒（61-90天）━━━
• T1-XXX，XXX公司，剩余XX天
━━━ 统计 ━━━
预警企业总数：XX个
红色预警：XX个 | 黄色预警：XX个 | 绿色提醒：XX个
⚡ 操作链接：[腾讯文档-客户管理]
━━━━━━━━━━━━━━━
```
---
## 核心逻辑（升级版）
### 4. 客户价值评估算法
```python
def evaluate_customer_value(unit_no):
"""
综合评估客户价值（基于租金、面积、企业规模、资质等维度）
Args:
unit_no: 单元号
Returns:
dict: 客户价值评估结果 {'总分': 85, '等级': 'A', '明细': {...}}
"""
# 直接调用内联函数获取客户档案
customer_profile = query_customer_profile(unit_no)
if not customer_profile:
return {'总分': 0, '等级': 'C', '明细': {}}
# 直接调用内联函数获取客户画像
portrait = build_customer_portrait(unit_no)
score = 0
details = {}
# 1. 租金贡献（权重30%）
monthly_rent = float(customer_profile.get("首年合同单价", 0) or 0)
lease_area = float(customer_profile.get("租赁面积", 0) or 0)
annual_rent = monthly_rent * lease_area * 12
rent_score = 0
if annual_rent >= 500000: # 50万以上
rent_score = 30
elif annual_rent >= 200000: # 20-50万
rent_score = 20
elif annual_rent >= 100000: # 10-20万
rent_score = 15
else:
rent_score = 10
score += rent_score
details['租金贡献'] = {'得分': rent_score, '满分': 30, '年租金': annual_rent}
# 2. 企业资质（权重25%）
enterprise_type = customer_profile.get("企业类型", "")
qualification_score = 0
if "高新" in enterprise_type or "上市" in enterprise_type:
qualification_score = 25
elif "科技" in enterprise_type or "研发" in enterprise_type:
qualification_score = 20
elif "贸易" in enterprise_type or "服务" in enterprise_type:
qualification_score = 15
else:
qualification_score = 10
score += qualification_score
details['企业资质'] = {'得分': qualification_score, '满分': 25, '类型': enterprise_type}
# 3. 缴费准时率（权重20%）
费用记录 = portrait.get("费用记录", [])
已支付数 = len([f for f in 费用记录 if f.get("是否支付") == "是"])
总费用数 = len(费用记录)
缴费准时率 = 已支付数 / 总费用数 if 总费用数 > 0 else 0
payment_score = 0
if 缴费准时率 >= 0.95:
payment_score = 20
elif 缴费准时率 >= 0.9:
payment_score = 15
elif 缴费准时率 >= 0.8:
payment_score = 10
else:
payment_score = 5
score += payment_score
details['缴费准时率'] = {'得分': payment_score, '满分': 20, '准时率': 缴费准时率}
# 4. 服务满意度（权重15%）
服务记录 = portrait.get("服务记录", [])
满意数 = len([s for s in 服务记录 if s.get("客户情绪") == "满意"])
总服务数 = len(服务记录)
满意度 = 满意数 / 总服务数 if 总服务数 > 0 else 0
satisfaction_score = 0
if 满意度 >= 0.8:
satisfaction_score = 15
elif 满意度 >= 0.6:
satisfaction_score = 10
elif 满意度 >= 0.4:
satisfaction_score = 5
else:
satisfaction_score = 0
score += satisfaction_score
details['服务满意度'] = {'得分': satisfaction_score, '满分': 15, '满意度': 满意度}
# 5. 成交贡献（权重10%）
成交数 = len([s for s in 服务记录 if s.get("成交情况") == "是"])
成交率 = 成交数 / 总服务数 if 总服务数 > 0 else 0
deal_score = 0
if 成交率 >= 0.3:
deal_score = 10
elif 成交率 >= 0.2:
deal_score = 7
elif 成交率 >= 0.1:
deal_score = 5
else:
deal_score = 0
score += deal_score
details['成交贡献'] = {'得分': deal_score, '满分': 10, '成交率': 成交率}
# 确定价值等级
value_level = 'C'
if score >= 80:
value_level = 'A'
elif score >= 60:
value_level = 'B'
return {
'总分': min(score, 100),
'等级': value_level,
'明细': details
}
```
### 5. 稳租方案自动生成算法（基于标准）
```python
def generate_stable_rental_plan(unit_no):
"""
基于标准中的"差异化稳租策略"自动生成稳租方案
Args:
unit_no: 单元号
Returns:
dict: 稳租方案
"""
# 1. 评估客户价值
value_assessment = evaluate_customer_value(unit_no)
value_level = value_assessment['等级']
value_score = value_assessment['总分']
# 直接调用内联函数获取客户档案
customer_profile = query_customer_profile(unit_no)
tenant_name = customer_profile.get("租户名", "")
current_rent = float(customer_profile.get("首年合同单价", 0) or 0)
lease_area = float(customer_profile.get("租赁面积", 0) or 0)
# 3. 根据价值等级生成差异化稳租策略
plan = {
'客户名称': tenant_name,
'单元号': unit_no,
'价值等级': value_level,
'价值评分': value_score,
'策略组合': [],
'建议租金': current_rent,
'优惠方案': '无',
'预计成本': 0
}
# A级客户（价值评分≥80）→ 全方位稳租策略
if value_level == 'A':
# 策略1：提高服务标准
plan['策略组合'].append('提高服务标准：增加走访频率（月度→双周），专属管家服务')
plan['预计成本'] += 5000
# 策略2：关怀活动
plan['策略组合'].append('关怀活动：生日礼物、节日慰问、企业周年庆贺')
plan['预计成本'] += 3000
# 策略3：服务赠送
plan['策略组合'].append('服务赠送：免费会议室使用（8小时/月）、免费停车券（2张/月）')
plan['预计成本'] += 2000
# 策略4：合同条件调整
plan['建议租金'] = current_rent * 1.03 # 小幅上涨3%
plan['优惠方案'] = '续租3年享95折，免租期延长15天'
plan['策略组合'].append('合同条件调整：小幅上涨+长期优惠')
# B级客户（价值评分60-79）→ 中度稳租策略
elif value_level == 'B':
# 策略1：提高服务标准（适度）
plan['策略组合'].append('提高服务标准：增加走访频率（季度→月度）')
plan['预计成本'] += 2000
# 策略2：关怀活动（适度）
plan['策略组合'].append('关怀活动：节日慰问')
plan['预计成本'] += 1000
# 策略3：服务赠送（适度）
plan['策略组合'].append('服务赠送：免费会议室使用（4小时/月）')
plan['预计成本'] += 1000
# 策略4：合同条件调整
plan['建议租金'] = current_rent * 1.05 # 中等上涨5%
plan['优惠方案'] = '续租2年享98折'
plan['策略组合'].append('合同条件调整：中等上涨+适度优惠')
# C级客户（价值评分<60）→ 基础稳租策略
else:
# 策略1：基础服务标准
plan['策略组合'].append('基础服务标准：保持当前走访频率')
# 策略2：市场化租金
plan['建议租金'] = get_market_rent(unit_no) # 市场价
plan['优惠方案'] = '无'
plan['策略组合'].append('合同条件调整：市场化定价')
# 4. 计算稳租成本收益率
年租金收入 = plan['建议租金'] * lease_area * 12
稳租成本收益率 = (年租金收入 - plan['预计成本']) / plan['预计成本'] if plan['预计成本'] > 0 else 0
plan['年租金收入'] = 年租金收入
plan['稳租成本收益率'] = round(稳租成本收益率, 2)
return plan
@staticmethod
def get_market_rent(unit_no):
"""
获取周边市场租金（模拟函数，实际需要对接市场数据）
"""
# TODO: 对接市场数据API
# 暂时返回固定值
return 120 # 元/㎡/月
```
### 6. 续租方案生成算法（升级版）
```python
def generate_renewal_plan(unit_no):
"""
根据企业画像和稳租方案生成续租方案（升级版）
Returns:
dict: 续租方案（含稳租策略）
"""
# 1. 获取企业画像分析
analysis = analyze_enterprise_for_renewal(unit_no)
# 2. 生成稳租方案
stable_rental_plan = generate_stable_rental_plan(unit_no)
# 直接调用内联函数获取客户档案
portrait = query_customer_profile(unit_no)
# 4. 根据画像和稳租方案确定最终方案
缴费准时率 = analysis['缴费准时率']
满意度 = analysis['满意度']
成交率 = analysis['成交率']
价值等级 = stable_rental_plan['价值等级']
# 方案决策矩阵
if 价值等级 == 'A' or (缴费准时率 >= 0.95 and 满意度 >= 0.8):
# 优质企业 → 原条件续租 + 稳租策略
plan_type = "A"
proposed_rent = stable_rental_plan['建议租金']
discount_rate = 0.95 if 价值等级 == 'A' else 1.0
incentive_policy = stable_rental_plan['优惠方案']
retention_strategy = stable_rental_plan['策略组合']
elif 价值等级 == 'B' or 成交率 >= 0.3 or 缴费准时率 >= 0.9:
# 潜力企业 → 优惠续租 + 中度稳租策略
plan_type = "B"
proposed_rent = stable_rental_plan['建议租金']
discount_rate = 0.98
incentive_policy = stable_rental_plan['优惠方案']
retention_strategy = stable_rental_plan['策略组合']
else:
# 一般企业 → 市场化续租 + 基础稳租策略
plan_type = "C"
proposed_rent = get_market_rent(unit_no)
discount_rate = 1.0
incentive_policy = "无"
retention_strategy = stable_rental_plan['策略组合']
return {
"方案类型": plan_type,
"建议租金": proposed_rent,
"优惠折扣": discount_rate,
"优惠政策": incentive_policy,
"稳租策略": retention_strategy,
"稳租成本收益率": stable_rental_plan['稳租成本收益率'],
"客户价值评估": {
"等级": 价值等级,
"总分": stable_rental_plan['价值评分']
},
"企业画像": analysis
}
```
---
## 后续扩展接口
1. **谈判话术生成** - 基于企业画像和稳租方案生成个性化谈判策略
2. **竞争对手分析** - 接入周边园区租金数据
3. **续租成功率预测** - 基于历史数据训练预测模型
4. **稳租成本预算管控** - 跟踪稳租成本实际使用情况进行预算管控
---
**当前状态**: ✅ 技能已完成自包含改造，所有客户管理逻辑已内联，无需安装 customer-management 技能。
**核心改进**:
- ✅ `query_customer_profile()` - 查询客户档案（内联）
- ✅ `build_customer_portrait()` - 构建客户画像（内联）
- ✅ `calculate_risk_tags()` - 计算风险标记（内联）
- ✅ 删除所有 `call_skill("customer-management", ...)` 引用
**数据源**: `/Users/mac/美兰中心C+服务.xlsx`（真实业务数据）
**核心价值**: 合同续租预警与方案生成，基于客户画像的差异化稳租策略。don't have the plugin yet? install it then click "run inline in claude" again.