Install
openclaw skills install @perrykono-debug/visit-managementVisit Management
走访计划管理与提醒技能。基于真实Excel台账（美兰中心C+服务.xlsx）生成走访计划，提醒走访任务。触发场景：(1) 定时任务每日09:00生成走访提醒，(2) 每周一09:00生成本周走访计划，(3) 手动触发走访管理（@企服助手 走访管理）。
走访计划管理与提醒技能 (Visit Management Skill)
⚠️ 重要说明
本技能已自包含，无需安装 customer-management
本版本 (v2.0.0) 已将所有客户管理逻辑直接内联到技能中，包括：
- 客户档案查询 (
query_customer_profile) - 客户画像构建 (
build_customer_portrait) - 客户时间线生成 (
build_customer_timeline) - 风险标记计算 (
calculate_risk_tags)
无需依赖任何外部技能，开箱即用。
功能概述
本技能用于自动化走访计划管理，基于中集金地美兰中心真实Excel台账，根据企业等级、服务记录、续租预警等因素智能生成走访计划，并推送提醒给管家。
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 |
|---|---|---|
| C+服务记录 | C+服务记录 | 历史走访记录 |
| 客户档案 | 👨客户管理👨 | 企业画像（等级、截至日期、状态） |
| 费用收缴 | 👨💼费用收缴👨💼 | 欠费风险判断 |
| 能耗收缴 | 👨💼能耗收缴👨💼 | 能耗费用记录 |
| 报修情况 | 🛠️报修情况汇总🛠️ | 报修记录 |
客户管理逻辑（内联）
1. 查询客户档案
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
def build_customer_dict(headers, row):
"""将Excel行数据转换为字典"""
return {headers[i]: row[i] for i in range(len(headers))}
2. 构建客户画像
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": []
}
if not portrait["基础信息"]:
return portrait
# 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"]
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. 计算风险标记
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("🚨 高欠费风险")
elif 欠费总额 > 10000:
risks.append("⚠️ 中度欠费风险")
elif 欠费总额 > 0:
risks.append("📢 轻度欠费提醒")
# 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_date(基础信息["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:
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
4. 构建客户时间线
def build_customer_timeline(unit_no):
"""
构建客户时间线 - 按时间排序所有记录
Args:
unit_no: 单元号
Returns:
list: 时间线事件列表（按时间倒序）
"""
portrait = build_customer_portrait(unit_no)
timeline = []
# 1. 合同事件
基础信息 = portrait["基础信息"]
if 基础信息:
timeline.append({
"时间": 基础信息["开始日期"],
"事件类型": "合同签约",
"事件描述": f"签约{基础信息['租期']}，单元{unit_no}",
"详情": 基础信息
})
# 2. 服务记录事件
for service in portrait["服务记录"]:
timeline.append({
"时间": service["走访时间"],
"事件类型": "C+服务",
"事件描述": f"管家{service['走访管家']}走访，情绪{service['客户情绪']}",
"详情": service
})
# 3. 费用记录事件
for fee in portrait["费用记录"]:
timeline.append({
"时间": fee["月份"],
"事件类型": "费用收缴",
"事件描述": f"{fee['费项项目']}，应收¥{fee['应收金额']}，已收¥{fee['已收金额']}",
"详情": fee
})
# 4. 报修记录事件
for repair in portrait["报修记录"]:
timeline.append({
"时间": repair["报修时间"],
"事件类型": "报修工单",
"事件描述": f"{repair['报修细节描述']}, 状态{repair['维修跟进状态']}",
"详情": repair
})
# 5. 能耗记录事件
for energy in portrait["能耗记录"]:
timeline.append({
"时间": energy["月份"],
"事件类型": "能耗收缴",
"事件描述": f"能耗应收¥{energy['应收金额']}，已收¥{energy['已收金额']}",
"详情": energy
})
# 按时间排序（倒序，最新在前）
timeline.sort(key=lambda x: parse_date(x["时间"]), reverse=True)
return timeline
def parse_date(date_str):
"""解析多种格式的日期字符串"""
if isinstance(date_str, datetime):
return date_str.date() if hasattr(date_str, 'date') else date_str
# 尝试多种日期格式
formats = [
"%Y-%m-%d",
"%Y年%m月%d日",
"%Y/%m/%d",
"%Y.%m.%d"
]
for fmt in formats:
try:
return datetime.strptime(str(date_str), fmt).date()
except:
continue
return datetime.now().date()
Excel工作表字段映射
C+服务记录表（10字段）
| Excel列序号 | 字段名 | 用途 |
|---|---|---|
| 1 | 租户名 | 关联客户管理表 |
| 2 | 走访时间 | 上次走访时间 |
| 3 | 走访管家 | 管家分配 |
| 4 | 客户情绪 | 满意度判断 |
| 5 | 成交情况 | 成交记录 |
| 6 | 服务类别 | 服务类型 |
| 7 | 成交金额 | 成交金额 |
| 8 | 详情记录 | 需求描述 |
核心逻辑
1. 走访质量评分算法
def calculate_visit_quality_score(unit_no, visit_record):
"""
计算单次走访的质量评分（满分100分）
Args:
unit_no: 单元号
visit_record: 走访记录字典
Returns:
dict: 评分详情 {'总分': 85, '明细': {...}}
"""
score = 0
details = {}
# 1. 客户情绪评分（权重40%）
customer_emotion = visit_record.get('客户情绪', '')
emotion_score = 0
if customer_emotion == '满意':
emotion_score = 40
elif customer_emotion == '一般':
emotion_score = 25
elif customer_emotion == '不满意':
emotion_score = 10
score += emotion_score
details['客户情绪'] = {'得分': emotion_score, '满分': 40}
# 2. 成交情况评分（权重30%）
deal_status = visit_record.get('成交情况', '')
deal_score = 0
if deal_status == '是':
deal_score = 30
# 额外奖励：成交金额越大，加分越多
deal_amount = float(visit_record.get('成交金额', 0) or 0)
if deal_amount > 5000:
deal_score += 10 # 额外加分
score += deal_score
details['成交情况'] = {'得分': deal_score, '满分': 30}
# 3. 服务类别完整性评分（权重20%）
service_type = visit_record.get('服务类别', '')
service_score = 0
if service_type and service_type != '无':
service_score = 20
score += service_score
details['服务类别'] = {'得分': service_score, '满分': 20}
# 4. 详情记录完整性评分（权重10%）
detail_record = visit_record.get('详情记录', '')
record_score = 0
if detail_record and len(detail_record) >= 20: # 至少20个字符
record_score = 10
elif detail_record and len(detail_record) >= 10:
record_score = 5
score += record_score
details['详情记录'] = {'得分': record_score, '满分': 10}
return {
'总分': min(score, 100),
'明细': details
}
2. 走访闭环追踪逻辑
def track_visit_followup(unit_no, visit_date):
"""
追踪走访后的问题跟进闭环情况
Args:
unit_no: 单元号
visit_date: 走访日期
Returns:
dict: 闭环追踪结果
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_visit = wb['C+服务记录']
# 读取走访记录
visit_info = None
followup_status = '未跟进'
followup_days = 0
for row in ws_visit.iter_rows(min_row=2, values_only=True):
if row[0] == unit_no: # 租户名匹配
record_date = parse_date(row[1]) # 走访时间
if record_date == visit_date:
visit_info = {
'详情记录': row[7], # 详情记录
'客户情绪': row[3], # 客户情绪
'成交情况': row[4] # 成交情况
}
break
if not visit_info:
return {'状态': '走访记录未找到', '跟进天数': 0}
# 检查是否有问题需要跟进
detail = visit_info.get('详情记录', '')
has_issue = any(keyword in detail for keyword in ['问题', '需求', '投诉', '报修', '建议'])
if not has_issue:
return {'状态': '无需跟进', '跟进天数': 0}
# 检查后续是否有跟进记录
today = datetime.now().date()
followup_found = False
for row in ws_visit.iter_rows(min_row=2, values_only=True):
if row[0] == unit_no:
record_date = parse_date(row[1])
if record_date > visit_date:
# 检查是否是跟进记录
followup_detail = row[7]
if any(keyword in followup_detail for keyword in ['跟进', '解决', '回复', '处理']):
followup_found = True
followup_days = (record_date - visit_date).days
break
if followup_found:
followup_status = '已跟进'
else:
followup_days = (today - visit_date).days
if followup_days > 7:
followup_status = '超时未跟进'
else:
followup_status = '跟进中'
return {
'状态': followup_status,
'跟进天数': followup_days,
'问题摘要': detail[:50] + '...' if len(detail) > 50 else detail
}
3. 走访计划生成算法（升级版）
def generate_visit_plan():
"""
智能生成走访计划
Returns:
dict: 走访计划清单
"""
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()
next_week = today + timedelta(days=7)
plan = {
"高优先级": [], # 必访
"中优先级": [], # 应访
"低优先级": [] # 可访
}
# 遍历所有签约企业
for row in ws_customer.iter_rows(min_row=2, values_only=True):
if row[12] == "签约": # 状态 = 签约
unit_no = row[5]
tenant_name = row[6]
# 直接调用内联函数获取企业画像
customer_profile = query_customer_profile(unit_no)
if not customer_profile:
continue
level = customer_profile.get("等级", "B")
lease_end_str = customer_profile.get("截至日期", "")
lease_end = parse_date(lease_end_str)
# 直接调用内联函数获取历史走访记录
timeline = build_customer_timeline(unit_no)
historical_visits = [e for e in timeline if e["事件类型"] == "C+服务"]
last_visit = historical_visits[0] if historical_visits else None
# 判断是否需要走访
should_visit = False
priority = "低"
reason = ""
# 规则1：A级企业 - 每月至少走访1次
if level == "A":
if not last_visit or (today - parse_date(last_visit["时间"])).days > 30:
should_visit = True
priority = "高"
reason = "A级企业月度走访"
# 规则2：B级企业 - 每季度至少走访1次
elif level == "B":
if not last_visit or (today - parse_date(last_visit["时间"])).days > 90:
should_visit = True
priority = "中"
reason = "B级企业季度走访"
# 规则3：续租预警企业 - 提前2个月开始密集走访
days_remaining = (lease_end - today).days
if days_remaining <= 60 and days_remaining > 0:
should_visit = True
priority = "高"
reason = f"续租预警（剩余{days_remaining}天）"
# 规则4：欠费企业 - 配合催缴走访
# 从build_customer_portrait的风险标记中获取
portrait = build_customer_portrait(unit_no)
if any("欠费风险" in risk for risk in portrait.get("风险标记", [])):
should_visit = True
priority = "高"
reason = "欠费企业催缴走访"
if should_visit:
# 计算历史走访质量评分
quality_scores = []
for visit in historical_visits[:5]: # 取最近5次走访
visit_date = parse_date(visit["时间"])
# 从Excel读取详细记录
visit_detail = get_visit_detail_from_excel(unit_no, visit_date)
if visit_detail:
score_info = calculate_visit_quality_score(unit_no, visit_detail)
quality_scores.append(score_info['总分'])
avg_quality_score = sum(quality_scores) / len(quality_scores) if quality_scores else 0
# 检查最近一次走访的闭环状态
followup_status = '无需跟进'
if last_visit:
last_visit_date = parse_date(last_visit["时间"])
followup_info = track_visit_followup(unit_no, last_visit_date)
followup_status = followup_info['状态']
plan[f"{priority}优先级"].append({
"单元号": unit_no,
"租户名": tenant_name,
"等级": level,
"上次走访": last_visit["时间"] if last_visit else "无",
"生成原因": reason,
"历史质量评分": round(avg_quality_score, 2),
"闭环状态": followup_status
})
return plan
4. 从Excel读取走访详细记录
def get_visit_detail_from_excel(unit_no, visit_date):
"""
从Excel C+服务记录表读取指定日期的走访详细记录
Args:
unit_no: 单元号
visit_date: 走访日期
Returns:
dict: 走访详细记录
"""
wb = openpyxl.load_workbook('/Users/mac/美兰中心C+服务.xlsx')
ws_visit = wb['C+服务记录']
for row in ws_visit.iter_rows(min_row=2, values_only=True):
# 匹配租户名和走访时间
tenant_name = row[0] # 租户名
record_date = parse_date(row[1]) # 走访时间
if tenant_name == unit_no and record_date == visit_date:
return {
'客户情绪': row[3], # 客户情绪
'成交情况': row[4], # 成交情况
'服务类别': row[5], # 服务类别
'成交金额': row[6], # 成交金额
'详情记录': row[7] # 详情记录
}
return None
5. 管家分配逻辑
def assign_visitor(unit_no):
"""
根据单元号分配管家
Args:
unit_no: 单元号
Returns:
str: 管家姓名
"""
# 管家分区表（可配置）
visitor_zones = {
"戚亮先": ["T1-6F", "T1-7F", "T1-8F"],
"刘瑞": ["T1-9F", "T1-10F", "T1-11F"],
"张三": ["T1-12F", "T1-13F", "T1-14F"]
}
# 提取楼层
floor = unit_no.split("-")[1][:2] + "F" # T1-601 → 6F
for visitor, zones in visitor_zones.items():
if floor in zones:
return visitor
return "未分配"
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 → 调用内联函数
获取企业画像（等级、截至日期）
获取历史走访记录（客户时间线）
Step 3 → 判断是否需要走访
├─ A级企业：上次走访 > 30天
├─ B级企业：上次走访 > 90天
├─ 续租预警：剩余 ≤ 60天
└─ 欠费企业：有欠费风险标记
Step 4 → 分配管家
根据单元号楼层分配
Step 5 → 生成本周走访计划
分级：高/中/低优先级
Step 6 → 推送企微
发送给各管家
走访计划推送模板
━━━━━━━━━━━━━━━
【本周走访计划】2026-05-28 ~ 2026-06-03
━━━ 高优先级（必访）━━━
1. T1-601 上海铭尤力
等级：A | 上次走访：2026-02-02
原因：A级企业月度走访
管家：戚亮先
2. T1-XXX XXX公司
原因：续租预警（剩余45天）
管家：刘瑞
━━━ 中优先级（应访）━━━
1. T1-XXX XXX公司
原因：B级企业季度走访
管家：张三
━━━ 统计 ━━━
本周走访总数：XX个
高优先级：XX个 | 中优先级：XX个
⚡ 操作链接：[腾讯文档-走访计划]
━━━━━━━━━━━━━━━
定时任务配置
{
"name": "走访计划生成",
"schedule": {
"kind": "cron",
"expr": "0 9 * * 1",
"tz": "Asia/Shanghai"
},
"payload": {
"kind": "agentTurn",
"message": "生成本周走访计划，根据企业等级、续租预警、欠费风险智能规划走访任务"
},
"sessionTarget": "isolated"
}
手动触发方式
- 企微 @提及:
@企服助手 走访管理 - OpenClaw指令:
生成本周走访计划
配置参数
{
"visit_management": {
"excel_path": "/Users/mac/美兰中心C+服务.xlsx",
"level_a_visit_cycle_days": 30,
"level_b_visit_cycle_days": 90,
"renewal_alert_days": 60,
"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 走访管理
输出:
━━━━━━━━━━━━━━━
【本周走访计划】2026-05-28 ~ 2026-06-03
━━━ 高优先级（必访）━━━
共3个企业待走访
━━━ 中优先级（应访）━━━
共5个企业待走访
━━━ 低优先级（可访）━━━
共2个企业待走访
━━━ 统计 ━━━
本周走访总数：10个
⚡ 操作链接：[腾讯文档-走访计划]
━━━━━━━━━━━━━━━
版本历史
v2.0.0 (2026-06-08)
- ✅ 移除 customer-management 依赖
- ✅ 内联所有客户管理逻辑
- ✅ 完全自包含，开箱即用
v1.0.0 (2026-05-28)
- 初始版本
- 依赖 customer-management 技能
Related skills
- Downloads
- Security audit
- Pass
- Last updated
- 2mo ago
- Current version
- v2.0.0
- License
- MIT-0