/install intent-filter-claw
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:
- 匹配强/中/弱意向词
- 应用语义规则(排除否定语境、反讽、无关内容)
- 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
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install intent-filter-claw - 安装完成后,直接呼叫该 Skill 的名称或使用
/intent-filter-claw触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
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。