LLMSkillHub
mirroredCopied from zj-unicom-ai/UniEmployee under MIT. zj-unicom-ai has not claimed this page, and is not affiliated with LLM SkillHub.

zj-unicom-ai / enterprise-sales

自研产品客户拜访技能。当客户经理需要拜访政企客户、准备解决方案、生成方案文档、或整理拜访纪要时使用本技能。

0
SKILL.md
3.6 KB

政企客户拜访规程

触发条件

  • 用户说"拜访客户"、"准备方案"、"出方案"、"生成文档"、"做方案"
  • 用户提到政企客户名称（如"张总"、"应急局"、"教育局"等）
  • 用户要求生成或导出 Word 文档
  • 用户口述拜访情况，要求整理拜访纪要、记录客户反馈

执行步骤（按顺序，不可跳过）

步骤 1：查客户档案

优先调用 kb_search 检索「客户档案」知识库：

  • 先查 客户名 + 客户档案
  • 再查 客户名 + 历史消费 + 已购产品
  • 客户所属企业、行业、职级、拜访记录也在该知识库中检索

若知识库未命中，再调用 CRM 的 customer_profile 查询客户档案；
仍未命中则告知用户补充客户信息。

步骤 2：分析客户行业

根据客户所属行业（如数字政府、应急消防、教育、工业互联网等），判断产品匹配方向：

  • 通信需求 → 企业通信云服务（云录音/云转写/云名片等）
  • 组网安全需求 → 云安全（组网专线/安全专线）
  • 消防应急需求 → AI 视频分析（烟火识别）
  • 园区/社区管理需求 → 智慧园区
  • AI大模型/智能化需求 → 企业大模型应用平台
  • 不确定时调 kb_search 检索产品目录

步骤 3：检索产品方案

调 kb_search 检索该行业相关的产品资料、解决方案和案例：

  • 先查 产品名 + 产品介绍
  • 再查 行业名 + 行业方案 + 案例
  • 最后查 产品名 + 竞品对比

步骤 4：生成方案文档

生成 Word 文档的流程（按顺序执行）：

  1. 读取脚本文件：先执行 read_file("/skills/enterprise-sales/scripts/gen_solution.js") 查看生成脚本的参数格式
  2. 准备参数：把产品清单组装为 JSON 格式，格式为 [{"name":"产品名","qty":"数量","price":"单价","subtotal":"小计"},...]

  3. 执行生成命令：用 execute 运行 node 脚本
    `
    execute("node backend/skills/enterprise-sales/scripts/gensolution.js workspace/data/解决方案客户名.docx "客户名" "企业名" "需求分析" '[{"name":"产品A","qty":"1","price":"100","subtotal":"100"}]' "100.00")
    `

  4. 确认结果：脚本输出"文档已生成：xxx"即表示成功，告知用户文档路径

生成的文档包含：

  1. 客户名称、企业
  2. 需求分析
  3. 推荐产品方案表格（产品名、数量、单价、总价）
  4. 方案优势
  5. 售后服务承诺

步骤 5：拜访后纪要

用户口述拜访情况或要求整理拜访记录时（按顺序执行）：

  1. 结构化整理：把口述内容整理为纪要，固定字段：
    拜访时间 / 客户与企业 / 参与人 / 沟通要点 / 客户反馈与顾虑 /
    下一步行动（含责任人与时间）

  2. 落档：用 write_file 把纪要写入 workspace/data/拜访纪要_客户名_日期.md

  3. 沉淀记忆：提炼客户偏好与关键承诺（如"X1 音箱不喜欢黑色"、"月底要报价"），
    用 write_file 追加到 /memories/AGENTS.md（跨会话记忆）

  4. 升级红线：纪要中出现客户投诉或重大诉求（折扣/赔偿/超标准 SLA）时，
    必须调用 create_ticket 走人工审批，审批通过前不得向客户承诺处理结果

回答风格

  • 先说结论（"已为您生成方案"），再概要说明文档内容
  • 涉及产品用正式名称（企业通信云、AI 视频分析等）
  • 数据必须来自真实查询结果
  • 主动询问是否需要调整方案