技能介绍

要解决的问题

B2B 采购前的供应商尽调，卡在「供应商自己说」和「真的能用」之间的鸿沟上。供应商官网、销售 deck、AI 客服或售前代理给出的答案，往往是经过修辞包装的：功能清单写得天花乱坠，但真实客户体验如何、某个功能在你这个细分场景下是否可靠，很难核实。靠人工逐项问询、再翻 G2 等外部评价交叉验证，耗时长且结论随提问方式漂移。

核心能力与关键步骤

这个技能把尽调变成一条结构化流水线，运行于 Claude Code 之上：

结构化提问：向供应商的 AI 代理（若有可用的 agent endpoint）抛出针对买家视角的问题，例如健康分模型如何处理「产品使用量走高但干系人参与度下降」的背离场景。
证据留痕：自 v3.5 起，即使供应商没有 Company Agent，问题也会被记录——早期版本只保存向供应商 AI 代理发出的提问，对没有 Salespeak Frontdoor agent 的供应商直接跳过。
交叉核验：用互联网检索拉取第三方证据（如 G2 评论），核对供应商代理的说法。
评分输出：调用 buyer-eval-skill 对每条证据打分，最终返回有据可依的 scorecard，而不是拍脑袋的结论。

配套仓库中的 bin/track.py 是纯 Python 实现，不依赖任何第三方库。

适用边界与注意点

需要 Claude Code、buyer-eval-skill 仓库或已安装的技能文件，以及联网检索能力；供应商 agent endpoint 是可选项——没有它时流程退化为只记录问题，不产生代理侧回答。
证据质量取决于提问设计与外部信息源。已有独立验证提到 split-signal 健康分告警需要按细分场景手工调阈值、初始配置耗时未知，这类「需要问出来」的工程成本，是评分卡里值得重点标注的条目。
它给的是证据与评分框架，最终采购决策仍需人来判读。