人机协作台技能。用户输入自然语言销售指令，AI自动分析拆解任务参数，调用 deepsop平台接口提交任务

人机协作台技能。用户输入自然语言销售指令，AI自动分析拆解任务参数，调用 KocGo 平台接口提交任务，等待后查询 AiWa 挖掘客户数据，生成 xlsx 文件并返回。触发场景：用户说「帮我找客户」「挖掘XXX行业客户」「找XXX个客户」「提交任务」等与客户挖掘、销售任务相关的指令。需要提前配置环境变量 KOCG...

Security Scan

The skill's behavior mostly matches its stated purpose (submitting KocGo tasks and formatting results) but there are mismatches and privacy/operational risks you should understand before installing.

Purpose & Capability

The SKILL.md clearly requires a KOCGO_API_KEY and uses the KocGo staging API, which is coherent with the skill description. However the registry metadata lists no required environment variables (none declared) — that's an inconsistency between what the skill says it needs and what the registry claims.

Instruction Scope

Instructions direct the agent to submit tasks to https://staging.kocgo.vip and schedule a one-off cron job that injects a systemEvent into the main session to query results and then send files to users. The instructions also call a local Python script by passing the entire API JSON response on the command line; that exposes potentially sensitive data in the process command line (visible to other local users) and may leak personal/customer data when stored or transmitted. Otherwise the network calls and file generation are consistent with the described purpose.

Install Mechanism

No install spec; instruction-only skill with a small included script. The included Python script only formats JSON to xlsx using openpyxl and performs no network I/O. No external downloads or obscure install sources.

Credentials

At runtime the skill needs a single API credential (KOCGO_API_KEY) which is proportionate to the declared functionality. But the registry metadata omitted this requirement; that mismatch should be corrected. No other credentials or unrelated env vars are requested.

Persistence & Privilege

The skill does not request always:true and uses the platform cron to schedule a one-time follow-up job. Autonomous invocation for follow-up querying is part of the described flow — be aware the scheduled payload will cause the agent to act later without an additional manual prompt, which is expected here but increases the blast radius if the skill were malicious.

What to consider before installing

This skill broadly does what it says (submit tasks to KocGo and produce an xlsx), but before installing: (1) Confirm the registry metadata is corrected to declare KOCGO_API_KEY so you know a secret is required. (2) Verify the API base (staging.kocgo.vip) is intended and trustworthy and that the API key you supply has limited scope. (3) Consider the privacy risk of passing the full API JSON as a single command-line argument to the Python script (process command lines can be observed by other local users); ask the author to switch to reading JSON from stdin or a temporary file with restrictive permissions. (4) Understand that the skill schedules a one-time cron/systemEvent that will run autonomously after 8 minutes — ensure you are comfortable with that automatic follow-up and with the skill sending generated files to channels (feishu/telegram/whatsapp). (5) If you need higher assurance, request the author publish precise metadata (required env vars) and avoid exposing sensitive data in process args; review network calls and confirm where generated files are stored and who can access /tmp. If you want, I can list minimal recommended changes to the SKILL.md and the script to reduce data exposure.

人机协作台（Human-AI Collaboration）

功能简介

人机协作台是基于 KocGo 平台的智能销售任务助手，能够：

• 理解自然语言指令：直接描述需求，如「帮我找50个美国做服装的客户」
• 智能任务拆解：自动识别目标数量、行业、地区、执行周期等参数
• 多员工协作：根据任务类型自动分配对应职能员工
  • AiWa：客户挖掘（找客户、行业客户等）
  • Frank：邮件销售
  • Fran：电话销售
  • Lisa：短信销售
• 自动提交任务：调用 KocGo API 提交任务，后台异步执行
• 定时查询结果：任务提交后 8 分钟自动查询并推送结果
• 生成 xlsx 报表：客户数据自动生成带样式的 Excel 文件返回

---

前置条件：获取 API Key

1. 访问 https://staging.kocgo.vip 注册并登录账号
2. 登录后进入「设置」或「API 管理」页面
3. 新建 API Key，复制以 sk- 开头的密钥
4. 在 OpenClaw 中配置环境变量：

KOCGO_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxx

所有 API 请求头需携带：X-Api-Key: $KOCGO_API_KEY API Base URL：https://staging.kocgo.vip/stage-api

---

完整执行流程

Step 1：第一轮 AI 分析（任务拆解）

用以下 prompt 分析用户指令，严格返回 JSON，不含任何额外文字：

根据【指令】描述，Json格式返回数据
不需要多余的描述，不要过度解读，没有提及的内容请不要擅自理解，识别结果除了Json数据其他文字不要出现
规则如下：
{
  "totalTarget": "提取描述中提及的数量（无单位纯数字）",
  "employeeList": "首先将描述按逗号、顿号等分隔符拆分成多个子任务，然后为每个子任务匹配对应员工：挖掘客户职能（AiWa）：匹配任何包含'找'、'行业'、'客户'等与客户挖掘相关的描述，以及没有明确匹配其他职能的单子任务；邮件销售职能（Frank）：匹配包含'邮件'、'发邮件'等关键词；电话销售职能（Fran）：匹配包含'电话'、'打电话'、'电话销售'等关键词；短信销售职能（Lisa）：匹配包含'短信'、'发短信'等关键词。如果拆分后只有一个子任务且没有匹配上员工，则默认匹配挖掘客户职能（AiWa）。最后汇总所有匹配到的员工名称组成一个逗号拼接的字符串并返回（去重）",
  "language": "判断描述中是否明确提及国家或地区，若提及了国家或地区但和中国没有关联则返回'英文'，其他情况返回'中文'",
  "taskName": "根据描述总结出一个简洁的任务名称",
  "executionMode": "判断描述中是否明确提及每日/每天/周期性，如果提及则返回'周期性任务'，未提及则返回'定额任务'"
}

解析结果字段：

• totalTarget：目标数量（数字）
• employeeList：参与员工逗号字符串，如 "AiWa" 或 "AiWa,Frank"
• language："中文" 或 "英文"
• taskName：任务名称
• executionMode："定额任务" 或 "周期性任务"（接口参数：定额=1，周期=2）

---

Step 2：第二轮 AI 分析（仅当 employeeList 包含 AiWa）

用以下 prompt 对同一用户指令做第二轮分析，严格返回 JSON：

根据【指令】描述，Json格式返回数据，其中数值部分用字符串输出
涉及数值规则仅处理描述中明确出现的数字和比较词，最小值规则：'X以上'=X，'X以下'=空，'X左右'=X；最大值规则：'X以上'=空，'X以下'=X，'X左右'=X
涉及七大洲和国家：如果提及了详细某些国家，七大洲则不用去识别；如果没提及国家则去识别有没有提及七大洲
涉及地址：如果是中国地址原文放入，如果是非中国的地址则以英文放入
不需要多余的描述，不要过度解读，没有提及的内容请不要擅自理解，识别结果除了Json数据其他文字不要出现
规则如下：
{
  "keywordList": "提取描述中的核心名词作为关键词，排除七大洲、国家、地址类关键词。如果是'找X'格式的描述，提取'X'作为关键词。同时添加相关的中文同义词和英文对应词，所有关键词用英文逗号分隔（如：服装,clothing）",
  "continent": "明确提及的七大洲，多个用英文逗号分隔（如：亚洲,欧洲）",
  "country": "明确提及的国家，多个用英文逗号分隔（如：中国,英国）",
  "countryCodeList": "对应国家的ISO代码，多个用英文逗号分隔（如：CN,GB）",
  "address": "明确提及的国家层级之下的详细地址（如：浙江省杭州市）；拆分为一级地址（省）、二级地址（市）、三级地址（区县镇），把一二三级有效地址通过逗号拼接返回（如：浙江宁波 返回 浙江,宁波）",
  "employeeNumberRangeStart": "只有当描述中明确提及员工数量并使用'员工X人以上/以下/左右'等范围描述时，按最小值规则提取；否则为空字符串",
  "employeeNumberRangeEnd": "只有当描述中明确提及员工数量并使用'员工X人以上/以下/左右'等范围描述时，按最大值规则提取；否则为空字符串",
  "storeNumberRangeStart": "只有当描述中明确提及门店数量并使用'门店X家以上/以下/左右'或'X家门店以上/以下/左右'等范围描述时，按最小值规则提取；否则为空字符串。单纯的'找X家门店'属于目标数量不在此提取",
  "storeNumberRangeEnd": "只有当描述中明确提及门店数量并使用'门店X家以上/以下/左右'或'X家门店以上/以下/左右'等范围描述时，按最大值规则提取；否则为空字符串。单纯的'找X家门店'属于目标数量不在此提取",
  "industryList": "根据以上字段推断行业分类，多个用英文逗号分隔（如：服装,数码,家居）"
}

---

Step 3：构建并提交任务

接口： POST https://staging.kocgo.vip/stage-api/ai/presetEmployee/submitTask

请求头：

Content-Type: application/json
X-Api-Key: $KOCGO_API_KEY

参数构建规则：

• taskName：来自 Step 1
• taskDescription：用户原始输入
• executionMode：定额任务=1，周期性任务=2
• AiWa 参数中：
  • totalTarget：定额模式下填 Step 1 的 totalTarget，周期模式下为 null
  • incrementalTarget：必填，两种模式下均填 Step 1 的 totalTarget（不可为 null）
  • upperLimitTarget：填 Step 1 的 totalTarget
  • keywordList：Step 2 的 keywordList 拆分成数组
  • continent：Step 2 的 continent（无则 null）
  • country：Step 2 的 country（无则 null）
  • countryCodeList：Step 2 的 countryCodeList 拆分成数组（无则 null）
  • addressObjList：根据 Step 2 的 address 构建，无则 [{"type":1,"province":"","city":"","county":"","address":""}]
  • industryList：Step 2 的 industryList 拆分成数组

请求体示例：

{
  "collaborationSubmitTaskParam": {
    "taskName": "挖掘美国客户",
    "taskDescription": "我是做口红的工厂，帮我挖掘美国的客户",
    "executionMode": 1,
    "employeeParams": {
      "AiWa": {
        "totalTarget": 10,
        "incrementalTarget": 10,
        "upperLimitTarget": 10,
        "keywordList": ["口红", "lipstick"],
        "continent": null,
        "country": "美国",
        "countryCodeList": ["US"],
        "addressObjList": [{"type": 1, "province": "", "city": "", "county": "", "address": ""}],
        "industryList": ["化妆品", "美妆"]
      }
    },
    "sourceSettings": null
  },
  "completed": true
}

成功响应：

{"msg": "<taskId>", "code": 200}

提取 msg 字段作为 taskId。

提交成功后，告知用户：

任务已提交！任务名：{taskName}，目标数量：{totalTarget}，任务ID：{taskId}。AiWa 正在后台挖掘客户，将在 8 分钟后自动查询结果...

---

Step 4：设置 8 分钟后自动查询

任务提交成功后，使用 cron 工具设置一次性定时任务，8 分钟后自动触发查询：

{
  "action": "add",
  "job": {
    "name": "aiwa-query-{taskId前8位}",
    "schedule": { "kind": "at", "at": "{当前时间+8分钟的ISO8601字符串，如2026-03-19T15:00:00+08:00}" },
    "sessionTarget": "main",
    "wakeMode": "now",
    "payload": {
      "kind": "systemEvent",
      "text": "人机协作台提醒：请立即查询 AiWa 客户数据并返回给用户。taskId={taskId}，任务名：{taskName}，目标数量：{totalTarget}。调用 GET https://staging.kocgo.vip/stage-api/ai/customerPoolDetail/listByTaskId?taskId={taskId} 查询结果并格式化返回。"
    },
    "deleteAfterRun": true
  }
}

schedule.at = 当前时间 + 480 秒，ISO8601 格式，含时区（如 +08:00）。

cron 触发后，systemEvent 注入 main session，agent 收到后立即执行 Step 5。

---

Step 5：生成 xlsx 并返回给用户

查询完成后必须主动回复用户，根据结果分两种情况：

情况一：有数据（data 非空）

1. 将完整 API 响应 JSON 传给脚本生成 xlsx 文件：

python3 ~/.openclaw/workspace/skills/human-ai-collab/scripts/format_customers.py '<完整响应JSON>' '/tmp/aiwa_{taskId前8位}.xlsx'

脚本成功后输出文件路径（如 /tmp/aiwa_a32f78c4.xlsx）。

2. 根据当前 channel 决定如何返回文件：

飞书（feishu）： 直接发送文件

message(action=send, channel="feishu", to="{user_open_id}", path='/tmp/aiwa_{taskId前8位}.xlsx', caption='✅ AiWa 挖掘完成！任务：{taskName}，共 {N} 位客户。')

Telegram / WhatsApp： 直接发送文件

message(action=send, channel="telegram", path='/tmp/aiwa_{taskId前8位}.xlsx', caption='✅ AiWa 挖掘完成！任务：{taskName}，共 {N} 位客户。')

webchat 或其他不支持文件的 channel： 告知用户文件路径

✅ xlsx 文件已生成：/tmp/aiwa_{taskId前8位}.xlsx，共 {N} 位客户。 请从服务器下载该文件，或配置飞书/Telegram 等 channel 以支持直接发送文件。

3. 同时以文字形式展示前5条预览：

序号. 👤 {personName}（{position}）
   🏢 公司：{companyName}
   🏭 行业：{industry}
   📧 邮箱：{email}
   📱 手机：{phone}
   💬 WhatsApp：{whatsapp}
   🔗 LinkedIn：{linkedin}

社媒字段若为 null 则整行不显示。超过5条附上：...共 {N} 位，完整数据见 xlsx 文件

情况二：data 为空或 code 非 200

8 分钟已到，已查询任务结果。暂未获取到客户数据，任务可能仍在执行中。 任务ID：{taskId} 你可以告诉我「再查一次」，我会立即重新查询。

---

实现方式

• AI 分析：直接在当前对话中用 LLM 完成，分析时告知用户正在处理
• HTTP 请求：使用 exec 工具调用 curl
• 定时等待：使用 cron(action=add) 设置 8 分钟后触发的 systemEvent
• xlsx 生成：使用 exec 调用 Python 脚本

---

依赖

• Python 3（系统自带）
• openpyxl：python3 -m pip install openpyxl --user --break-system-packages
• 生成脚本：~/.openclaw/workspace/skills/human-ai-collab/scripts/format_customers.py

---

错误处理

• KOCGO_API_KEY 未设置：提示用户前往 https://staging.kocgo.vip 注册登录后新建 API Key，配置环境变量后再使用
• POST 接口返回非 200：展示错误信息，提示检查参数或稍后重试
• GET 接口 data 为空：提示任务可能仍在执行，给出 taskId 供用户告知「再查一次」
• Python 脚本执行失败：直接以文字列表格式返回客户数据，不中断流程
• 网络请求失败：展示 curl 错误信息