back
loading skill details...
SpecQ — 半导体产业链销售攻单情报包。输入客户+产品，AI 自动整理暗知识（拜访记录/丢单复盘/竞品情报），生成八模块攻单策略，提高成交率。阶段一聚焦电子化学品。
---
name: specq-intel-sales
slug: specq-intel-sales
displayName: SpecQ 攻单情报包
description: "SpecQ — 半导体产业链销售攻单情报包。输入客户+产品，AI 自动整理暗知识（拜访记录/丢单复盘/竞品情报），生成八模块攻单策略，提高成交率。阶段一聚焦电子化学品。"
version: "2.3.1"
author: daizehua-wq
license: Apache-2.0
tags: [sales, semiconductor, intel, crm, dark-knowledge]
---
# SpecQ Skill v2.3 — 半导体产业链销售攻单情报包
> 整理暗知识（拜访记录 + 丢单复盘 + 竞品情报）→ 客户画像 + 使用场景 + 竞品动态 + 成交策略 → 提高成交率 | 阶段一聚焦电子化学品 | v2.3 零配置
## 📦 安装指引
本 Skill 的 MCP Server 为纯本地进程，Agent 安装后自动以 stdio 模式启动，无需部署服务器。v2.3 起通过 MCP Sampling 协议复用 Agent 的 LLM，无需单独配置 API Key。
### 前置依赖
1. Python 3.10+
2. `pip install -r requirements.txt`
### Agent 配置
Agent 通过 stdio 启动 MCP Server：
```json
{
"mcpServers": {
"specq": {
"command": "python",
"args": ["mcp_server.py"]
}
}
}
```
### 外部 API 依赖（可选）
SpecQ 核心功能零依赖即可运行。以下为可选增强：
| 功能 | 需要 | 不配的影响 |
|---|---|---|
| Embedding 语义搜索 | `EMBEDDING_API_KEY` | 自动降级为本地哈希向量，精度略低 |
| 联网搜索 | `SEARCH_API_KEY`（Brave Search） | 搜索返回空，不影响情报包生成 |
---
## 适用场景
电子化学品销售 / 售前工程师见客户前，快速获得结构化攻单情报包。
## 触发条件
用户提供以下**任一组信息**即可触发：
| 触发模式 | 示例 |
|---|---|
| 三字段 | "帮我做XX电镀液的情报包，客户深南电路，他们关注粗糙度" |
| 查历史 | "深南电路之前聊了什么？" |
| 反馈 | "深南成交了" / "丢了，他们嫌价格贵" |
| 多任务 | "帮我做三个情报包：深南+电镀铜、景旺+蚀刻液、鹏鼎+沉铜" |
## 依赖 MCP Server（5 个 Tool）
| Tool | 输入 | 输出 | 说明 |
|---|---|---|---|
| `specq_memory` | action, query/content/category... | 记忆操作结果 | 三层记忆 |
| `specq_generate_intel` | product, application, scenario | 八模块情报包 Markdown | 核心生成 |
| `specq_extract_insights` | customer_id（可选）, limit | 结构化洞察 JSON | 暗数据提取 |
| `specq_log_visit` | customer_id, content, visit_date, visit_type | 拜访记录 ID | 沉淀拜访 |
| `specq_feedback` | product, application, outcome, lesson, accuracy_notes | 反馈记录 | 成交闭环 |
---
## v2.3 工作流（MCP Sampling + 三层记忆）
```
用户输入
↓
① 工作记忆检查（specq_memory.get_plan）
├─ 有未完成任务 → 提示："上次 XX 还没完成，继续吗？"
└─ 新任务 → 继续
↓
② 长期记忆召回（specq_memory.recall）
→ 语义搜索该客户/产品的历史拜访、丢单记录、偏好
↓
③ 提取三字段（product / application / scenario）
→ 如果三字段不全 → 追问
↓
④ 暗数据注入（ChromaDB 记忆召回 + 联网搜索）
├─ 有暗数据 → 注入到情报包
└─ 无暗数据 → 标记 [经验推断]
↓
⑤ 生成情报包（specq_generate_intel → MCP Sampling 调 Agent LLM）
↓
⑥ 自动写回 ChromaDB（category=intel）
↓
⑦ 输出八模块情报包
【历史记忆】（独立上下文块）
- 2026-06-20 拜访：关注粗糙度，竞品安美特
- 2026-05-15 丢单：嫌价格高 20%
【本次情报包】（八模块）
...（带数据来源标注）...
↓
⑧ 更新工作记忆（specq_memory.set_plan）
→ 标记当前任务完成
↓
⑨ ⚠️ 必提醒："见完客户后告诉我结果，我帮你记录"
```
---
## 分支场景
### 场景 A：新客户（无历史数据）
- 长期记忆召回为空 → 直接调 generate_intel
- 模块 4/5/6 标注 `[经验推断，暂无销售数据支撑]`
### 场景 B：老客户（有记忆数据）
- 先 recall → 召回历史拜访 + 丢单记录
- 注入到独立上下文块【历史记忆】
- 情报包模块 4/5/6 有真实数据来源标注
### 场景 C：仅查历史
- recall → 结构化展示历史记忆
- 展示后追问："要基于这些信息生成情报包吗？"
### 场景 D：成交反馈
- feedback → 记录闭环
- 同时 save(category="feedback") 写入长期记忆
- outcome: won（成交）/ lost（丢单）/ follow_up（跟进中）
### 场景 E：多任务
- get_plan 检查进度 → 知道做到哪了
- set_plan 设定/更新任务列表
- 中断后恢复：用户说"继续" → get_plan → 知道从哪开始
---
## Memory 分类体系
| category | 触发时机 | 示例内容 | 保留策略 |
|---|---|---|---|
| `visit` | log_visit 后自动写 | "拜访XX客户，关注YY指标" | 永久 |
| `feedback` | feedback 后自动写 | "XX产品丢单，原因：价格高20%" | 永久 |
| `intel` | generate_intel 后自动写 | "为XX客户生成YY情报包" | 180 天 |
| `insight` | extract_insights 结构化发现 | "深南电路对粗糙度敏感度：高" | 180 天 |
| `preference` | 用户显式偏好 | "David 偏好先看竞品对比" | 永久 |
---
## 输出规格
### 情报包（八模块）
| 模块 | 内容 | 数据来源 |
|---|---|---|
| 1. 产品概览 | 产品定义、核心功能、适用工艺段 | 公开资料 + 联网搜索 |
| 2. 技术指标对比 | 关键参数 vs 竞品/行业标准 | 公开资料 + 暗数据 |
| 3. 竞品格局 | 主要竞品、市占、差异化 | 公开资料 |
| 4. 客户关注指标 | 该客户/行业重点技术指标 | 暗数据 / [经验推断] |
| 5. 切入机会 | 当前该客户的切入窗口 | 暗数据 / [经验推断] |
| 6. 导入障碍 | 历史丢单原因、技术壁垒 | 暗数据 / [经验推断] |
| 7. 行动建议 | 拜访话术、演示重点、报价策略 | LLM 综合生成 |
| 8. 参考来源 | 各模块数据来源 + 置信度 | 自动标注 |
### 历史记忆（独立上下文块）
每次情报包生成时，在输出**最前面**附加历史记忆块：
```
【历史记忆】
- 2026-06-20 拜访深南电路：关注粗糙度（Ra<0.3μm），竞品安美特
- 2026-05-15 丢单：嫌价格高 20%，建议下次报价让步
```
---
## 重要规则
1. **记忆优先**：每次对话开始必调 recall，有记忆绝不跳过
2. **来源透明**：每模块标注数据来源，暗数据标注来源，推测标注 `[经验推断]`
3. **反馈必提醒**：每次输出情报包后必提醒反馈
4. **参数不足追问**：三字段提取不全时追问，不猜测
5. **保密**：情报包不含客户真实名称，脱敏为行业标签
6. **工作记忆不丢**：多任务时记录进度，用户说"继续"能恢复
---
## MVP 边界
**做**：
- 场景 A/B/C/D/E 全部覆盖
- 三层记忆自动读写
- 纯 Markdown 输出
**不做**：
- 多轮对话深挖需求（单轮优先）
- 自动推送情报包到飞书/邮件
- 竞品实时价格
- 记忆合并/去重
---
## 常见问题
**Q: 我的客户数据安全吗？**
情报包输出中客户真实名称会被脱敏为行业标签。暗数据存储在本地 ChromaDB 和 JSON 文件中，不上传任何第三方服务器。整个 Skill 在内网环境运行。
**Q: 需要配置 API Key 吗？**
v2.3 起不需要。SpecQ 通过 MCP Sampling 协议直接复用 Agent 的 LLM，安装即可使用。
**Q: 需要部署服务器吗？**
不需要。v2.2 起 SpecQ MCP Server 为纯本地进程，Agent 通过 stdio 直接启动。
**Q: 怎么开始用？**
直接说"帮我做XX产品的情报包，客户XX，关注XX"，Skill 会自动引导补全缺失的参数。不需要先读文档。
**Q: 支持哪些输出格式？**
Markdown（默认，完整八模块）、邮件（摘要+主题）、聊天（300字精简）。Word 和 PPT 格式正在开发中。
**Q: 新客户没有历史数据怎么办？**
Skill 会自动跳过记忆召回，标注 `[经验推断]` 生成情报包。见完客户后用 `feedback` 记录结果，下次就有数据了。
**Q: 联网搜索能用吗？**
联网搜索使用 Brave Search API，需要申请免费 API Key 并设置环境变量 `SEARCH_API_KEY`。不配 Key 时搜索返回空结果，不影响情报包主流程。
**Q: 离线能用吗？**
可以。情报包生成、拜访记录、记忆召回均离线运行。仅联网搜索和 Embedding 增强需要外部 API，缺失时会自动降级。
**Q: Word / PPT 导出能用吗？**
正在开发中。当前 `output_format="docx"` 或 `"ppt"` 会返回结构化大纲，供手动制作参考。Markdown 格式功能完整。
don't have the plugin yet? install it then click "run inline in claude" again.