Specq Intel Sales

为电子化学品销售快速生成结构化攻单情报包，支持历史数据召回、反馈闭环及多任务进度管理。

SpecQ 攻单情报包 — 电子化学品销售 Skill v1.3

版本：v1.3 | 更新：2026-06-24 | 强化数据来源标注 + 防 MCP 绕过规则

⛔ 强制规则（最高优先级）

1. 情报包生成必须走 SpecQ MCP — 禁止用自身 web_search 替代 specq_generate_intel
2. MCP 不可用时告知用户 — "SpecQ MCP 服务不可用，请稍后重试"，不要 fallback 到自主搜索
3. 数据来源必须标注 — 每个模块末尾标明来源（knowledge.db / 公开资料 / 经验推断）
4. 不能凭空编造数据 — 不确定的地方必须标注 [经验推断]

📦 安装指引

OpenClaw

本 Skill 已接入 OpenClaw MCP：

bash

openclaw skills install daizehua-wq/specq-intel-sales

MCP Server 地址：http://119.91.223.127:8001/mcp（HTTP SSE，已配置 X-API-Key）

⚠️ 注意：远程服务器仅供 DAO 内部使用。公开用户请使用 v2.0 本地独立模式（见下方 WorkBuddy 说明）。

WorkBuddy（腾讯桌面 Agent）

v2.0 起，Skill 完全本地运行，不依赖远程服务器。

1. 在 WorkBuddy 技能面板搜索 specq-intel-sales 安装
2. 依赖安装：pip install fastmcp chromadb httpx
3. 配置 ~/.workbuddy/mcp.json：

json

{
  "mcpServers": {
    "specq": {
      "command": "python3",
      "args": ["/your/path/to/specq_mcp_client.py"],
      "env": {
        "SEARCH_API_KEY": "(可选) Brave Search API Key"
      }
    }
  }
}

本地能力：本地 knowledge.db（41企业+43工艺）、本地 chromadb 暗数据、联网搜索（可选）、LLM 走 WorkBuddy 当前模型。

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	v1.1 新增：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

---

v1.3 工作流（先召回→再生成→交叉验证→增量追加）

text

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，必执行）
  → 语义搜索该客户/产品/应用的历史拜访、丢单、情报包
  → 同时调 specq_extract_insights 提取结构化洞察
  ↓
③ 提取三字段（product / application / scenario）
  → 不全则追问
  ↓
④ 联网搜索（Agent 负责搜，结果传给 specq_generate_intel）
  → 搜行业动态、竞品信息、技术标准等公开数据
  → 整理为 JSON 数组，作为 search_results 参数传入
  ↓
⑤ 暗数据交叉验证（与历史记忆对比，关键步骤）
  ├─ 有历史暗数据 → 注入到 context_block，标注「已有暗数据 X 条」
  ├─ 本次新发现 → 标注「🆕 本次新增」
  ├─ 数据冲突 → 标注「⚠️ 与历史记录冲突：旧值=XX，新值=YY」
  ├─ 无暗数据 → 模块 4/5/6 标注「[经验推断，暂无销售数据]」
  └─ 暗数据规则：只追加，不删除。新数据补充到旧数据之后
  ↓
⑤ 生成情报包（specq_generate_intel）
  → context_block 传入历史记忆
  → LLM 在情报包中呈现新旧数据对比
  ↓
⑥ 输出八模块情报包

【历史记忆】（独立上下文块）
- 2026-06-23 拜访深南电路：关注粗糙度 Ra<0.3μm，竞品安美特
- 2026-05-15 丢单记录：嫌价格高 20%

【本次情报包】（八模块，带数据来源标注）
...
🆕 本次新增发现：...
⚠️ 数据冲突提示：...

  ↓
⑦ 增量回写暗数据（只追加，不覆盖）
  ├─ save(category=intel)：本次情报包摘要
  ├─ save(category=insight)：本次新发现的结构化洞察
  └─ 老数据保留，新数据追加在末尾
  ↓
⑧ 更新工作记忆（specq_memory.set_plan）
  ↓
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 + 历史情报包
• 交叉验证：对比新旧数据
  • 新发现（历史无记录）→ 标注 🆕 追加
  • 数据一致 → 标注 ✅ 复核确认
  • 数据冲突 → 标注 ⚠️ 两值并列，提醒确认
• 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 F：暗数据交叉验证（v1.3 新增）

• 每次情报包生成前，recall 历史暗数据
• 情报包生成后，对比本次生成内容与历史记录
• 新发现追加到暗数据（save），不删老数据
• 冲突数据同时保留新旧两条，标注时间戳

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（v1.1 新增）

• 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

暗数据操作规则（v1.3）

1. 只追加，不删除 — 新数据 save，老数据保留
2. 交叉验证 — 生成情报包前先 recall，对比新旧数据
3. 冲突处理 — 新旧数据冲突时两值并列标注时间戳，不取其一
4. 去重策略 — 内容相似度 >80% 时追加 [更新: YYYY-MM-DD]，不新建记录
5. 自动回写 — 情报包生成后自动 save(category=intel)，无需手动
6. 按 API Key 隔离 — 每个用户的暗数据仅自己可见，不可跨用户访问

---

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 + knowledge.db
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：

text

【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