enterprise-lead-finder

B2B 企业客户名单调研与销售获客(enterprise lead finder)。当用户需要"找出某省/某市某行业的目标企业名单及联系方式",或 asks for B2B lead lists, prospect research, or cold outreach targets 时使用。典型触发词:找客户、企业名单、获客名单、潜客挖掘、目标客户、客户信息、"XX市XX行业的公司"。根据【行业

SKILL.md

GitHub

企业客户名单调研(Enterprise Lead Finder)

根据「行业 + 区域 + 数量」从零调研一批目标企业客户名单,并补全企业主动公开的联系方式与联系人,输出可筛选、可联系、可溯源的 xlsx 名单。

何时使用

  • 用户要"找 XX 市 / XX 省 的 XX 行业公司"或"帮我找客户 / 获客名单 / 潜客"
  • 用户给出行业 + 区域,需要一批目标企业及其联系方式
  • 销售 / 商务要做外呼名单、拜访名单、市场调研样本

不适用:个人消费者(C 端)线索、已有名单的补全评估(那用 sales-lead-enrich)。

开场引导(先问清,再启动)

首次交互时,先用 AskUserQuestion 一次性问清 3 项关键信息,不要跳过直接开查:

{
  "questions": [
    {
      "question": "您要开发/寻找哪个行业的客户?(目标客户所属行业,可多选)",
      "header": "目标行业",
      "multiSelect": true,
      "options": [
        {"label": "AI/大模型", "description": "AI 应用、大模型、智能体、AIGC 服务商"},
        {"label": "软件/IT", "description": "SaaS、软件开发、系统集成"},
        {"label": "跨境电商", "description": "跨境卖家、出海营销、独立站"},
        {"label": "广告/营销", "description": "广告代理、数字营销、MCN"},
        {"label": "制造业", "description": "工业制造、智能制造、装备"},
        {"label": "贸易/进出口", "description": "外贸、进出口、供应链"},
        {"label": "物流/供应链", "description": "物流、仓储、货代"},
        {"label": "专业服务", "description": "咨询、财税、法律、设计"}
      ]
    },
    {
      "question": "需要哪个区域的客户信息?(请填「省 + 市」,如「广东省深圳市」)",
      "header": "目标区域",
      "options": [
        {"label": "广东省深圳市", "description": "科技/跨境电商/制造业密集"},
        {"label": "广东省广州市", "description": "华南中心城市"},
        {"label": "浙江省杭州市", "description": "电商/互联网密集"},
        {"label": "上海市", "description": "金融/外企/营销密集"}
      ]
    },
    {
      "question": "需要多少家目标企业?",
      "header": "数量",
      "options": [
        {"label": "100 家", "description": "推荐,覆盖面与工作量平衡"},
        {"label": "50 家", "description": "快速拿一批"},
        {"label": "200 家", "description": "更全,耗时更长"},
        {"label": "自定义数量", "description": "手动输入具体数字"}
      ]
    }
  ]
}

补充问清(可选,视需求):细分方向(如"AI 客服""跨境电商广告")、是否需要电话/邮箱之外的字段、输出到桌面还是指定目录。

若用户已在上一条消息里明确给出「行业 + 区域 + 数量」,可跳过提问直接进入执行,但要复述确认一遍再开查。

执行流程

第 1 步:定义目标企业画像 + 分组

  1. 把「行业」翻译成可检索的业务关键词,明确纳入 / 排除边界(如"AI 广告代理"排除纯传统广告无 AI 属性的公司、媒体平台本体)。
  2. 按城市或细分方向把总数拆成若干组,每组 12–28 家(单子代理一次可可靠产出),派多个 general-purpose 子代理并行调研,用 model="lite"(避免默认模型 429 限流)。
  3. 每组交付一个 TSV(制表符分隔,UTF-8),字段见 references/output-schema.md。

第 2 步:多渠道交叉验证(铁律级)

每个子代理必须穷尽渠道并回查工商库,子代理 prompt 模板见 references/survey-channels.md。核心原则:

  • 每一家都必须回查工商库(爱企查/企查查/天眼查/国家企业信用信息公示系统)核实企业名称、区域、在营状态——搜索引擎里的"XX城市TOP10"类 SEO 软文大量编造公司名与成立数据,必须剔除。
  • 联系方式优先取企业主动公开的商务联系方式(官网"联系我们"/页脚、工商平台、年报、招聘平台、地图、黄页)。

第 3 步:合并去重

用 scripts/merge_dedup.py 合并各组 TSV,按标准化企业名去重(去掉行政区前缀、括号内容、公司类型后缀后比对),统计真实数量。

第 4 步:全渠道补全联系方式(电话/邮箱/官网)

  • 缺口企业再分 5 组并行补全,每组 20 家,穷尽渠道找电话/邮箱/官网。
  • 关键教训(不可再犯):不能因为某个渠道显示"打码"就留空——爱企查/企查查/天眼查等工商平台本身就有完整电话/邮箱字段,必须逐一打开核实;打码只在个人账号场景出现。子代理报"打码/未公开"时,主 agent 必须复核。

第 5 步:补联系人(法定代表人)

  • 分 5 组并行查法定代表人姓名(工商登记公开信息,不打码)。
  • 分公司的负责人与母公司法定代表人不同,要查分公司的负责人。

第 6 步:生成最终 xlsx

用 scripts/build_xlsx.py 读合并清单 + 补全/联系人结果,合并覆盖后生成最终 xlsx(10 列,见 references/output-schema.md),带表头加粗、冻结首行、隔行底色、自动换行。

第 7 步:汇报

向用户统一反馈(不要中途停下来问),包括:实际收集几家、区域/细分分布、电话/邮箱/官网覆盖数、剔除了哪些造假/不符公司(具体列出)、仍缺失项及原因。

铁律(违反即失败)

  1. 绝对禁止编造任何数据。查不到就留空(TSV 两个制表符之间空着),不写"待补充/暂无/未找到"。
  2. 禁止还原、推测被平台打码/隐藏的个人手机号。但打码只在个人账号场景,工商平台完整号必须去查。
  3. 只采集企业主动公开的商务联系方式,每条记录在"数据来源/备注"写明来源渠道 + 可信度。
  4. 只收录能查证到至少企业名称 + 所在区域的真实公司;宁缺毋滥,不凑数造假。
  5. 联系方式、联系人、企业主体三者必须对应一致(同名企业用统一社会信用代码/注册地址区分)。

资源

  • references/survey-channels.md — 16 类调研渠道清单 + 子代理 prompt 模板(调研/补全/联系人三套)
  • references/output-schema.md — 输出字段定义 + 去重规则 + 补全覆盖规则
  • references/compliance.md — 合规红线与来源可信度分级
  • scripts/merge_dedup.py — 合并多组调研 TSV 并去重
  • scripts/build_xlsx.py — 合并补全/联系人结果,生成最终 xlsx