重复客户检测

你要解决什么问题

往 CRM 里导客户、合并两套名单，或做库内定期巡检时，最怕一件事：同一家公司被录了两次。常见原因是公司名写法不一致——阿里巴巴（中国） vs 阿里巴巴(中国)有限公司、多了“分公司”后缀、甚至用了简称。人工逐行对根本盯不过来，漏掉的重复会串通知、重复跟进，甚至影响后续数据分析。

单个客户的模糊匹配解决不了这个场景，你需要对导入批次和已有客户库做两两比对，还要看批次内部有没有自重复。

技能如何工作

核心能力是批次与库存的双向查重，灵感来自 fuzzball 的 duplicate-check 能力。

• 比较键：至少以 company 作为比较键，可选加权 mobile。若手机号完全相同，则直接标记为高危候选。
• 可配阈值：默认公司名相似度 ≥85 视为疑似重复，输出结果必须包含分数，方便你按业务实际调整。
• 只给建议，不动手：技能不会自动合并或删除数据，只列出“疑似对 + 建议（合并 / 保留新建）”，是否执行由你确认。

Agent 的典型步骤：

1. 解析导入行，拉取现有客户的精简字段（company、mobile 等）。
2. 运行 findDuplicates，以表格展示：新名、旧名、相似度分数、合并建议。
3. 你勾选合并策略后，才写入数据库。
4. 自测应覆盖同手机号、公司名加后缀、完全不相关的公司三类用例。

适用边界与注意点

• 大批量先分桶：当数据规模超过 2k×2k，先按首字或城市分桶再比对，避免响应卡死。
• 别靠拼音首字母判重：仅凭 zj 之类首字母极易误报，必须依赖完整字段的模糊匹配。
• 禁止静默操作：任何删除或合并都需要显式确认，本技能不会自动改库。

适合的场景包括 CSV 导入前查重、两套名单合并前扫描、库内小批量定期巡检。它与单次客户模糊匹配互补，不能互相替代。