← 返回 Skills 市场
tujinsama

潜在意向筛选虾

作者 Ricky · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ⚠ suspicious
114
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install intent-filter-claw
功能描述
潜在意向筛选虾 — 从公域评论、帖子、私信中识别真实购买意向,生成高意向销售线索并推送给销售团队。 当以下情况时使用此 Skill: (1) 需要从评论区、帖子、私信中挖掘有购买意向的潜在客户 (2) 需要对用户提供的评论数据(CSV/文本)进行意向识别和评分 (3) 需要在竞品帖子下找到对竞品不满意、正在寻找替...
使用说明 (SKILL.md)

潜在意向筛选虾 (intent-filter-claw)

从公域评论/帖子/私信中识别购买意向,输出带评分的高意向线索列表。

工作流程

步骤 1:明确输入来源

用户可能提供两种输入:

A. 原始评论数据(CSV/文本)

  • 直接进入步骤 2 分析
  • 期望字段:用户名内容平台(可选)、时间(可选)

B. 自然语言监控需求(如"帮我监控小红书护肤品评论")

  • 告知用户:实际平台采集需要对应平台 API 权限
  • 提供模拟数据演示,或引导用户提供已采集的评论文件
  • 使用 scripts/intent-scanner.sh 说明采集命令

步骤 2:语义意向识别

读取 references/intent-keywords.md 获取意向词库,读取 references/semantic-rules.md 获取语义规则。

对每条评论:

  1. 匹配强/中/弱意向词
  2. 应用语义规则(排除否定语境、反讽、无关内容)
  3. 识别竞品不满信号

步骤 3:意向评分(0-100)

读取 references/user-value-model.md 获取评分模型。

维度 权重 说明
意向词强度 50% 强意向词 40-50 分,中 20-35 分,弱 5-15 分
账号影响力 20% 粉丝数/互动率估算
紧迫度 20% 有明确时间节点加分
竞品不满 10% 提及竞品差评加分

推送阈值:默认 ≥70 分为高意向,推送给销售。

步骤 4:输出线索表

输出格式(Markdown 表格或 CSV):

用户名 平台 原始内容 意向类型 评分 建议话术

步骤 5:推送到飞书(可选)

若用户要求推送,使用 message 工具发送到指定飞书群或个人,或使用 feishu_bitable_app_table_record 写入多维表格线索库。

关键原则

  • 语义优先:不只匹配关键词,结合上下文判断真实意向
  • 宁缺毋滥:误判比漏判代价更高,严格过滤否定/反讽语境
  • 分级处理:高/中/低意向分别给出不同跟进建议
  • 隐私合规:只处理用户主动公开的内容

参考文件

  • references/intent-keywords.md — 意向词库(强/中/弱 + 行业定制)
  • references/semantic-rules.md — 语义分析规则(否定/反讽/竞品识别)
  • references/user-value-model.md — 用户价值评估与评分模型
  • scripts/intent-scanner.sh — 平台采集与分析命令参考
安全使用建议
技能本身是一个意向识别模板并附带词库与脚本示例,功能与描述基本一致 — 但在你把它连接到真实平台或企业环境前请注意: - 私信(私有数据)和用户个人信息会被读取并可能推送给销售团队:确认你有合法授权与用户同意,遵守隐私法规与公司政策。 - 推送到飞书/写入表格与平台采集都需要 API token/cookie 等凭据;技能没有声明需要或如何保护这些凭据。仅提供最小权限的专用账号/令牌,并在可信环境中注入凭据(不要直接粘贴到公开脚本)。 - scripts/intent-scanner.sh 是命令参考,不会自动采集或发送——在把它用于生产前,审查实际执行路径(agent 的实现会调用何种工具/网络端点),并在测试环境用尽可能脱敏的数据验证。 - 如果你需要更高保证:要求作者或发布者声明所需权限、凭据列表及数据保留/删除策略,或在部署前让安全/合规团队评估。
功能分析
Type: OpenClaw Skill Name: intent-filter-claw Version: 1.0.0 The intent-filter-claw skill is a legitimate tool designed to identify and score sales leads from social media comments and messages. The bundle consists of well-defined scoring models (user-value-model.md), keyword lists (intent-keywords.md), and semantic analysis rules (semantic-rules.md) that align perfectly with its stated purpose. The included shell script (intent-scanner.sh) is a safe, non-functional skeleton providing command-line structure for future integrations without executing any harmful or hidden payloads.
能力评估
Purpose & Capability
技能名与描述(从评论/帖子/私信识别购买意向并推送线索)与提供的关键词库、语义规则和评分模型高度一致;脚本提供采集/分析/推送的命令结构参考,与用途匹配。但技能执行的若干操作(例如收集私信、调用各平台 API、将线索推送到飞书/写入多维表)需要外部凭据或权限,技能元数据并未声明这些依赖。
Instruction Scope
SKILL.md 明确允许处理公域评论/帖子,也提到私信(‘私信筛选’),并说明会将高意向线索输出或推送到飞书。指令引用本地参考文件并使用 scripts/intent-scanner.sh 作为命令示例;脚本本身不执行采集或网络请求,但文档和脚本提示实际采集/推送需要平台 API/cookie 和 OpenClaw 的 message 工具。技能没有限制或说明对敏感/个人数据的最低化处理或用户同意流程,存在将用户名、私信内容等 PII 传递给销售团队的风险。
Install Mechanism
无安装规范(instruction-only),仅包含一个参照 shell 脚本和若干参考文件。没有从不可信 URL 下载或写入磁盘的自动安装步骤,安装机制本身风险低。
Credentials
技能会调用/建议调用平台采集接口和将数据推送到飞书,但 requires.env / primaryEnv 未声明任何凭据或配置路径。将线索推送到飞书或访问私信通常需要 API token、app credentials 或 cookies;技能没有说明这些敏感凭据将如何提供、限制或保护,且也未要求声明最低权限或同意,导致环境/凭据与声明功能不对等。
Persistence & Privilege
技能未设置 always:true,也未声明修改其他技能或系统范围配置。其自治调用权限为平台默认,未见额外持久性或超出常规权限的要求。
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install intent-filter-claw
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /intent-filter-claw 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
Initial release: 从公域评论中识别购买意向,生成高意向销售线索
元数据
Slug intent-filter-claw
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

潜在意向筛选虾 是什么?

潜在意向筛选虾 — 从公域评论、帖子、私信中识别真实购买意向,生成高意向销售线索并推送给销售团队。 当以下情况时使用此 Skill: (1) 需要从评论区、帖子、私信中挖掘有购买意向的潜在客户 (2) 需要对用户提供的评论数据(CSV/文本)进行意向识别和评分 (3) 需要在竞品帖子下找到对竞品不满意、正在寻找替... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 114 次。

如何安装 潜在意向筛选虾?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install intent-filter-claw」即可一键安装,无需额外配置。

潜在意向筛选虾 是免费的吗?

是的,潜在意向筛选虾 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

潜在意向筛选虾 支持哪些平台?

潜在意向筛选虾 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 潜在意向筛选虾?

由 Ricky(@tujinsama)开发并维护,当前版本 v1.0.0。

💬 留言讨论