智能销售客户分析Agent

销售团队常常面对一堆展会收集的名片、客户资料截图和聊天记录。把这些非结构化图片里的信息一个个敲进表格，既费时又容易遗漏关键细节。这个技能的目标是把图片识别、客户数据管理、成交预测和跟进建议串成一条相对完整的工作流。

核心能力与工作流

• 图片数据提取与结构化：Agent 直接对上传的名片或截图做多模态识别，提取姓名、公司、需求、预算、决策权等信息。结果会对照 references/data_schema.md 规范整理为 JSON 结构，缺失字段标记为 null 而不编造。数据通过 store_data.py 写入工作区的 customer_data.json，支持单条新增与批量录入。
• 多维画像与成交评分：调用 generate_profile.py 为客户生成基础、行为、商业、风险四个维度的画像，再由 analyze_customers.py 计算成交评分并排序。Agent 会基于脚本输出补充自然语言解读，指出有利因素、阻碍因素以及短期或中期的跟进重点。
• 跟进话术与协作导出：Agent 根据画像和历史互动生成首次接触、异议处理、促成等场景化话术，包含正文、注意事项与备选方案。check_reminders.py 负责检查生日、跟进和合同到期提醒。export_data.py 可以把筛选后的客户导出为带格式的 Excel，依赖 openpyxl。团队模式下，成员共享同一个数据文件，通过 owner 和 shared_with 字段完成分配与只读共享。

适用边界与注意点

• 图片识别完全依赖 Agent 的多模态能力，没有额外的 OCR 脚本，识别准确度直接受模型能力影响。
• 话术生成属于 Agent 的内容创作能力，不依赖脚本，风格和质量取决于模型本身。
• 导出 Excel 前需要安装 openpyxl，否则导出步骤会失败。
• 客户数据存放在消费者工作区的 customer_data.json，多人协作需要操作同一个文件，存在并发写入风险。
• 评分模型的权重可以通过用户对真实成交结果的反馈来迭代更新，但初始权重需要在实际业务中验证。