WeChat Lead Generation

微信潜在客户抓取、分析与自动回复营销自动化技能

Install

openclaw skills install wechat-lead-generation

WeChat Lead Generation 技能

自动抓取微信联系人/群聊数据，AI 分析潜在客户意向，智能生成个性化回复

核心功能

🔍 多渠道抓取 - 支持微信好友、群聊、朋友圈、公众号文章抓取
🧠 智能分析 - 基于对话内容识别客户兴趣、购买意向、客户画像
🤖 自动回复 - 根据客户画像生成个性化跟进话术
💾 线索存储 - 自动存入 agentmemory，支持长期追踪与评分

适用场景

销售团队自动跟进潜在客户
社群运营自动化互动
微商/电商客户转化
产品推广线索收集

输入参数

参数	类型	必填	说明
`source`	string	✅	数据来源：`friends`/`groups`/`moments`/`articles`
`days_back`	int	⭕	抓取最近 N 天数据（默认 7）
`keywords`	array	⭕	过滤关键词（如 "AI"、"机器人"）
`analysis_depth`	enum	⭕	分析深度：`basic`/`detailed`/`deep`
`auto_reply`	bool	⭕	是否自动生成回复（默认 false）
`reply_template`	string	⭕	回复模板（变量：{name}, {interest}, {product}）

输出产物

线索报告 (leads-report.md) - 潜在客户列表 + 评分
客户画像 (artifacts/profiles.json) - 分析结果 JSON
自动回复 (artifacts/replies.md) - 待发送的回复草稿
记忆存储 - 客户数据存入向量数据库

工作流

graph LR
    A[数据源: 微信好友/群聊] --> B[抓取对话/朋友圈]
    B --> C[AI 分析意图 & 兴趣]
    C --> D[客户画像 & 线索评分]
    D --> E{auto_reply?}
    E -->|是| F[生成个性化回复]
    E -->|否| G[输出报告供人工审核]
    F --> H[存入 agentmemory]
    G --> H

使用示例

抓取并分析群聊潜在客户

# 基础分析（不自动回复）
wechat-lead-generation --source groups --days_back 3 --keywords "AI,chatbot" --analysis_depth detailed

# 完整流程（自动生成回复）
wechat-lead-generation \
  --source friends \
  --days_back 7 \
  --analysis_depth deep \
  --auto_reply true \
  --reply_template "你好{name}，注意到你对{interest}感兴趣，我们的{product}可能适合你，..."

定时任务

每天早上 9:00 自动扫描新线索：

openclaw cron add \
  --name "微信线索自动扫描" \
  --schedule "0 9 * * *" \
  --payload.agentTurn.message "用 wechat-lead-generation 抓取今天群聊中的 AI 相关线索，分析深度 detailed，生成报告但不自动回复" \
  --delivery.announce.channel openclaw-weixin

配置依赖

必需技能

wechat-md-publish 或 bb-browser-openclaw - 微信数据抓取
trendradar - 行业热点关联（可选）
agentmemory - 客户画像存储

环境变量

# 如果使用 wechat-md-publish 需要配置微信 cookie
WECHAT_COOKIE="your_wechat_cookie_here"

# 如需自动回复（谨慎使用，避免封号）
AUTO_REPLY_ENABLED=true

风险与合规

⚠️ 重要提示：

微信自动抓取和自动回复可能违反微信用户协议
建议使用 半自动模式（生成回复草稿供人工审核）
避免高频操作（建议间隔 > 30 秒）
仅用于合法合规的客户跟进场景
用户需自行承担使用风险

输出结构

output/wechat-lead-generation/
├── leads-report-20260526.md          # 线索汇总报告
├── artifacts/
│   ├── profiles.json                 # 客户画像数据
│   ├── high_score_leads.json         # 高评分线索（>80分）
│   ├── replies.md                    # 自动回复草稿
│   └── raw_messages.json             # 原始抓取数据

评分算法

线索评分（0-100）基于：

维度	权重	说明
关键词匹配	30%	对话中出现产品相关关键词
互动频率	25%	与你的消息互动次数
兴趣强度	25%	主动询问、表达购买意向
最近联系	20%	时间越近分数越高

WeChat Lead Generation

Install

WeChat Lead Generation 技能

核心功能

适用场景

输入参数

输出产物

工作流

使用示例

抓取并分析群聊潜在客户

定时任务

配置依赖

必需技能

环境变量

风险与合规

输出结构

评分算法

Troubleshooting

抓取失败

生成回复质量低

被封号风险

License