---
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
---

# 线索情报

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。

## 何时激活

* 用户希望在特定行业寻找线索或潜在客户
* 为合作、销售或融资构建外联名单
* 研究应该联系谁以及最佳联系路径
* 用户提及"寻找线索"、"外联名单"、"我应该联系谁"、"温暖引荐"
* 需要根据相关性对联系人列表进行评分或排序
* 希望绘制共同联系人图谱以寻找温暖引荐路径

## 工具要求

### 必需

* **Exa MCP** — 用于人员、公司和信号的深度网络搜索（`web_search_exa`）
* **X API** — 关注者/关注图谱、共同联系人分析、近期活动（`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`）

### 可选（增强结果）

* **LinkedIn** — 如果可用则使用直接API，否则使用浏览器控制进行搜索、资料查看和消息草拟
* **Apollo/Clay API** — 如果用户有访问权限，用于丰富化交叉引用
* **GitHub MCP** — 用于以开发者为中心的线索资格评估
* **Apple Mail / Mail.app** — 草拟冷邮件或温暖邮件，但不自动发送
* **浏览器控制** — 当API覆盖不足或受限时，用于LinkedIn和X

## 管道概览

```
┌─────────────┐     ┌──────────────┐     ┌─────────────────┐     ┌──────────────┐     ┌─────────────────┐
│ 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    │
└─────────────┘     └──────────────┘     └─────────────────┘     └──────────────┘     └─────────────────┘
```

## 外联前的语气

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。

## 阶段 1：信号评分

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 |

### 信号搜索方法

```python
# 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
```

## 阶段 2：共同联系人排名

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。

### 排名模型

1. 拉取用户的X关注列表和LinkedIn联系人
2. 对于每个高信号目标，检查共享联系人
3. 应用 `social-graph-ranker` 模型来评分桥梁价值
4. 根据以下因素对共同联系人进行排名：

| 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：

```text
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：

```text
B(m) = Σ_{t ∈ T} w(t) · λ^(d(m,t) - 1)
R(m) = B_ext(m) · (1 + β · engagement(m))
```

解读：

* 第1层：高 `R(m)` 和直接桥梁路径 -> 请求温暖引荐
* 第2层：中等 `R(m)` 和一跳桥梁路径 -> 有条件地请求引荐
* 第3层：无可行桥梁 -> 使用相同的线索记录进行直接冷外联

### 输出格式

```
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)
    ...
```

## 阶段 3：温暖路径发现

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
```

### 路径类型（按温暖度排序）

1. **直接共同联系人** — 你们都关注/认识同一个人
2. **投资组合联系** — 共同联系人投资或担任目标公司顾问
3. **同事/校友** — 共同联系人在同一家公司工作或就读同一所学校
4. **活动重叠** — 双方都参加了同一会议/项目
5. **内容互动** — 目标与共同联系人的内容互动，反之亦然

## 阶段 4：丰富化

对于每个合格的线索，拉取：

* 全名、当前职位、公司
* 公司规模、融资阶段、近期新闻
* 近期X帖子（最近30天）— 主题、语气、兴趣
* 与用户的共同兴趣（共享关注、相似内容）
* 近期公司事件（产品发布、融资轮次、招聘）

### 丰富化来源

* Exa：公司数据、新闻、博客文章
* X API：近期推文、简介、关注者
* GitHub：开源贡献（针对以开发者为中心的线索）
* LinkedIn（通过浏览器使用）：完整资料、经历、教育背景

## 阶段 5：外联草稿

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。

### 渠道规则

#### 电子邮件

* 用于最高价值的冷外联、温暖引荐、投资者外联和合作请求
* 当本地桌面控制可用时，默认在 Apple Mail / Mail.app 中起草
* 首先创建草稿，除非用户明确要求，否则不要自动发送
* 主题行应简洁具体，不要耍小聪明

#### LinkedIn

* 当目标在LinkedIn上活跃、共同图谱上下文在LinkedIn上更强或电子邮件信心不足时使用
* 如果可用，优先使用API访问
* 否则使用浏览器控制查看资料、近期活动和起草消息
* 保持比电子邮件更短，避免虚假的职业热情

#### X

* 用于高上下文的操作者、建设者或投资者外联，其中公开发帖行为很重要
* 优先使用API访问进行搜索、时间线和互动分析
* 必要时回退到浏览器控制
* 私信和公开回复应比电子邮件更紧凑，并引用目标时间线上真实的内容

#### 渠道选择启发式

按以下顺序选择一个主要渠道：

1. 通过电子邮件进行温暖引荐
2. 直接电子邮件
3. LinkedIn 私信
4. X 私信或回复

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。

### 温暖引荐请求（给共同联系人）

目标：

* 一个明确的请求
* 一个具体的理由说明为什么这次引荐有意义
* 如果需要，提供易于转发的简介

避免：

* 过度解释您的公司
* 堆叠社会证明
* 听起来像筹款模板

### 直接冷外联（给目标）

目标：

* 从具体且近期的事情开始
* 解释为什么契合度是真实的
* 提出一个低摩擦的请求

避免：

* 泛泛的赞美
* 功能倾倒
* 宽泛的请求，如"很乐意联系"
* 强加的反问句

### 执行模式

对于每个目标，生成：

1. 推荐的渠道
2. 该渠道最佳的理由
3. 消息草稿
4. 可选的跟进草稿
5. 如果电子邮件是选定的渠道且 Apple Mail 可用，则创建草稿而不仅仅是返回文本

如果浏览器控制可用：

* LinkedIn：查看目标资料、近期活动和共同联系人上下文，然后起草或准备消息
* X：查看近期帖子或回复，然后起草私信或公开回复语言

如果桌面自动化可用：

* Apple Mail：创建包含主题、正文和收件人的草稿电子邮件

未经用户明确批准，不要自动发送消息。

### 反模式

* 没有个性化的通用模板
* 解释整个公司的长段落
* 一条消息中包含多个请求
* 没有具体细节的虚假熟悉感
* 带有可见合并字段的批量发送消息
* 为电子邮件、LinkedIn 和 X 重复使用相同的副本
* 平台化的废话，而不是作者的真实语气

## 配置

用户应设置以下环境变量：

```bash
# 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
```

## 智能体

此技能在 `agents/` 子目录中包含专门的智能体：

* **signal-scorer** — 根据相关性信号搜索和排名潜在客户
* **mutual-mapper** — 映射社交图谱连接并寻找温暖路径
* **enrichment-agent** — 拉取详细的个人资料和公司数据
* **outreach-drafter** — 生成个性化消息

## 使用示例

```
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
```

## 相关技能

* `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