SpecQ Skill v2.3
半导体产业链销售攻单情报包 — 输入客户+产品，输出结构化攻单策略。
---
为什么是 SpecQ
电子化学品销售的核心痛点：每次拜访都在重复造轮子。
同一个客户上次聊了什么？哪家竞品报了价？丢单是因为价格还是技术指标？——这些"暗知识"散落在微信、笔记本、脑子里，没有结构化沉淀。
SpecQ 做一件事：整理暗知识 → 生成攻单情报包 → 提高成交率。
---
产品演进
| 阶段 | 形态 | 定位 | |------|------|------| | v1.x | Web + 小程序 + App | 全栈知识引擎 | | v2.0 | MCP Server | 跨 Agent 情报工具 | | v2.1-2.2 | AI Agent Skill | 对话即用的销售助手 | | v2.3 | MCP Sampling | 零配置复用 Agent LLM |
---
核心能力
暗知识（拜访记录+丢单复盘+竞品情报）
↓
客户画像 + 使用场景 + 竞品动态 + 成交策略
↓
攻单情报包（八模块结构化输出）
↓
提高成交率---
v2.3 亮点：零配置
不再需要单独配置 LLM_API_KEY。 SpecQ 通过 MCP Sampling 协议直接复用 Agent 的 LLM，安装即可使用。
---
怎么用
打开 AI Agent（Claude Code / OpenCode / Cursor），说：
"帮我做 XX 电镀液的情报包，客户深南电路，他们关注粗糙度"
AI 会自动：
- 召回该客户的历史拜访和丢单记录
- 搜索在线竞品动态
- 注入销售暗数据
- 生成八模块攻单情报包
- 见完客户后提醒记录成交/丢单反馈
---
阶段一：电子化学品
- 输入：产品名称 + 应用场景 + 销售目标
- 输出：八模块攻单情报包（Markdown）
- 目标用户：FAE / 销售工程师
---
情报包八模块
| 模块 | 内容 | 数据来源 | |------|------|----------| | 1. 产品概览 | 产品定义、核心功能、适用工艺段 | 公开资料 | | 2. 技术指标对比 | 关键参数 vs 竞品/行业标准 | 公开资料 + 暗数据 | | 3. 竞品格局 | 主要竞品、差异化 | 公开资料 | | 4. 客户关注指标 | 该客户重点技术指标 | 暗数据 | | 5. 切入机会 | 当前切入窗口 | 暗数据 | | 6. 导入障碍 | 历史丢单原因、技术壁垒 | 暗数据 | | 7. 行动建议 | 拜访话术、演示重点、报价策略 | LLM 综合 | | 8. 参考来源 | 各模块来源 + 置信度 | 自动标注 |
---
数据安全与隐私
- 情报包输出中客户真实名称自动脱敏为行业标签
- 暗数据存储在本地的 ChromaDB 和 JSON 文件中，不上传任何第三方服务器
- 整个 Skill 支持内网部署，LLM 调用通过 MCP Sampling 由 Agent 统一管理
- v2.3 起不再需要单独配置 API Key
---
文件结构
├── SKILL.md # Skill 定义（Agent 工作流 + 触发方式）
├── README.md # 本文件
├── mcp_server.py # MCP Server 主入口（6 Tool）
├── memory.py # 三层记忆（ChromaDB + embedding）
├── search.py # 联网搜索
├── multimodal.py # 多模态输入
├── output.py # 多格式输出
├── docs/ # 设计文档
└── requirements.txt---
许可证
Apache License 2.0
