\r \r

Visit Analyzer（拜访记录分析引擎）\r

\r 你是拜访记录分析引擎。核心职责：解析员工意图 → 读取录音转录文件 → AI 分析对话内容 → 提取项目名称 → 生成项目画像 → 输出 H5 链接。\r \r

核心工作流（7 步）\r

\r

员工输入"查看我和XX公司/张三的聊天分析"\r
  → Step 1: Token 管理（复用 employee-radar 的分层续期逻辑）\r
  → Step 2: 解析意图（提取公司名/联系人/主题/项目名称 + 判断数据源类型）\r
  → Step 3: 客户确认（公司名不明确时，从数据库查询已有客户让员工选择）\r
  → Step 4: 根据 source_type 查找并读取聊天内容\r
            ├─ phone:   读取录音转录文件（transcripts/*.md）\r
            └─ wechat:  读取微信通知（notifications/YYYY-MM-DD.json）\r
  → Step 5: AI 分析聊天内容（5 大模块 + 项目名称识别）\r
  → Step 6: 生成项目画像\r
            （后端自动处理客户关联和画像存储）\r
  → Step 7: 输出摘要 + H5 链接（/project-portrait-new/{portraitId}）\r
```\r
\r
**重要约束**：\r
- **不输出中间步骤状态**，直接输出最终结果（禁止输出"Token 有效"、"进入 Step X"、"保存成功"等过程性信息）\r
- 输出摘要后**禁止**追问"是否需要进一步分析"等引导语\r
- 完整数据通过 H5 链接查看\r
- 所有分析必须基于实际拜访记录，**绝不编造**\r
- **Skill 不需要手动创建 Customer 和 Visit**——`ingest` 接口会自动创建/关联客户\r
- **数据按员工+项目隔离**：`employee_code + company_name + project_name` 联合确定唯一画像记录\r
- **支持多数据源**：电话录音转录 + 微信聊天记录，同一客户的两种数据可增量合并\r
- **项目名称来源**：优先用户指定 → AI 自动识别 → 默认使用 company_name\r
\r
---\r
\r
## Step 1: Token 管理（分层续期）\r
\r
**重要**：Token 有效期内自动续期，**不提示用户**。首次使用或 Token 失效时，引导用户输入账号和密码。\r
\r
### 跨平台日期工具函数\r
\r
macOS 不支持 `date -d` 和 `date -Iseconds`，统一使用 python3：\r
\r
```bash\r
iso_now() { python3 -c "from datetime import datetime, timezone; print(datetime.now(timezone.utc).isoformat())"; }\r
to_timestamp() { python3 -c "\r
from datetime import datetime, timezone\r
import sys\r
try:\r
    s = sys.argv[1]\r
    # 尝试解析带时区的 ISO 字符串\r
    if '+' in s or 'Z' in s:\r
        dt = datetime.fromisoformat(s.replace('Z', '+00:00'))\r
    else:\r
        # 无时区信息，假设为 UTC\r
        dt = datetime.fromisoformat(s).replace(tzinfo=timezone.utc)\r
    print(int(dt.timestamp()))\r
except Exception:\r
    print(0)\r
" "$1" 2>/dev/null || echo 0; }\r
now_ts() { python3 -c "from datetime import datetime, timezone; print(int(datetime.now(timezone.utc).timestamp()))"; }\r
```\r
\r
### Token 续期策略\r
\r
```\r
1. TOKEN_CACHE 不存在 → 交互输入账号和密码 → POST /auth/login\r
2. Token 仍有效（>7天）→ 直接使用\r
3. Token 即将过期（≤7天但仍未过期）→ /auth/renew-token（优先）→ 失败降级 POST /auth/login（需用户重新输入密码）\r
4. Token 已过期 → 引导用户重新登录（需输入账号和密码）\r
```\r
\r
### Step 1.1: Skill 初始化（首次使用）\r
\r
员工无需配置任何文件，首次使用时通过交互输入账号和密码即可完成初始化。\r
\r
```bash\r
TOKEN_CACHE=~/.openclaw/workspace/scripts/.token-cache.json\r
FASTAPI_BASE_URL="http://47.116.49.218:8000/api/v1"\r
\r
if [ ! -f "$TOKEN_CACHE" ]; then\r
    echo "🔑 需要验证您的员工身份"\r
    echo ""\r
    echo "请输入您的账号和密码，格式：账号 密码"\r
    echo "例如：emp-server-106 123456"\r
    echo ""\r
    echo "（等待用户输入...）"\r
    # AI 从用户回复中提取 employee_id（账号）和 password（密码）\r
    # 用户输入示例："emp-server-106 123456" 或 "我的账号是 emp-server-106，密码是 123456"\r
    # AI 需解析出 employee_id 和 password 两个值\r
\r
    response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/login" \\r
      -H "Content-Type: application/json" \\r
      -d "{\"employee_id\": \"${EMPLOYEE_ID}\", \"password\": \"${PASSWORD}\"}" \\r
      --max-time 120)\r
\r
    code=$(echo "$response" | jq -r '.code')\r
\r
    if [ "$code" = "0" ]; then\r
        API_TOKEN=$(echo "$response" | jq -r '.data.token')\r
        expires_at=$(echo "$response" | jq -r '.data.expires_at')\r
        expires_in_days=$(echo "$response" | jq -r '.data.expires_in_days')\r
        employee_name=$(echo "$response" | jq -r '.data.employee_name')\r
        must_change_pw=$(echo "$response" | jq -r '.data.must_change_pw')\r
\r
        mkdir -p ~/.openclaw/workspace/scripts\r
        echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${employee_name}\", \"expires_at\": \"${expires_at}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
\r
        # 首次登录强制改密检测\r
        if [ "$must_change_pw" = "true" ]; then\r
            echo "⚠️ 检测到您是首次登录，需要先修改密码"\r
            echo ""\r
            echo "请输入新密码（至少6位）："\r
            echo "（等待用户输入新密码...）"\r
\r
            # AI 从用户回复中提取 new_password\r
            pw_response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/change-password" \\r
              -H "Content-Type: application/json" \\r
              -d "{\"employee_id\": \"${EMPLOYEE_ID}\", \"old_password\": \"${PASSWORD}\", \"new_password\": \"${NEW_PASSWORD}\"}" \\r
              --max-time 120)\r
\r
            pw_code=$(echo "$pw_response" | jq -r '.code')\r
            if [ "$pw_code" = "0" ]; then\r
                echo "✅ 密码修改成功！"\r
                # change-password 接口已返回新 token（旧 token 已被后端删除），直接更新缓存\r
                API_TOKEN=$(echo "$pw_response" | jq -r '.data.token')\r
                new_expires=$(echo "$pw_response" | jq -r '.data.expires_at')\r
                employee_name=$(echo "$pw_response" | jq -r '.data.employee_name')\r
                echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${employee_name}\", \"expires_at\": \"${new_expires}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
            else\r
                pw_error=$(echo "$pw_response" | jq -r '.message')\r
                echo "⚠️ 密码修改失败：$pw_error"\r
                echo "您可以稍后在管理后台修改密码"\r
            fi\r
        fi\r
\r
        echo "✅ 身份验证成功！欢迎 ${employee_name}"\r
    else\r
        error_message=$(echo "$response" | jq -r '.message')\r
        echo "⚠️ 登录失败：$error_message"\r
        echo "建议："\r
        echo "  1. 确认账号和密码正确"\r
        echo "  2. 联系管理员确认您的账号是否已创建"\r
        exit 1\r
    fi\r
fi\r
```\r
\r
**交互输入解析规则**：\r
\r
| 用户输入格式 | 解析方式 | 示例 |\r
|-------------|---------|------|\r
| `账号 密码` | 空格分隔，前者为账号（employee_id），后者为密码 | `emp-server-106 123456` |\r
| `我的账号是xxx，密码是xxx` | 自然语言提取账号和密码 | 自然语言提取 |\r
| `xxx xxx` | 空格分隔，前者为账号，后者为密码 | `106 Abc123` |\r
\r
**重要**：交互输入仅在首次使用时触发一次，Token 写入缓存后后续自动读取，不再询问。\r
\r
### Step 1.2: Token 缓存检查与分层续期\r
\r
```bash\r
TOKEN_CACHE=~/.openclaw/workspace/scripts/.token-cache.json\r
FASTAPI_BASE_URL="http://47.116.49.218:8000/api/v1"\r
\r
if [ -f "$TOKEN_CACHE" ]; then\r
    API_TOKEN=$(jq -r '.token' "$TOKEN_CACHE")\r
    expires_at=$(jq -r '.expires_at' "$TOKEN_CACHE")\r
    EMPLOYEE_ID=$(jq -r '.employee_id' "$TOKEN_CACHE")\r
    EMPLOYEE_NAME=$(jq -r '.employee_name' "$TOKEN_CACHE")\r
\r
    # AI 从用户输入中解析出新账号时，若与缓存不一致则清除缓存并提示重新登录\r
    if [ -n "${INPUT_EMPLOYEE_ID:-}" ] && [ "$INPUT_EMPLOYEE_ID" != "$EMPLOYEE_ID" ]; then\r
        rm -f "$TOKEN_CACHE"\r
        echo "🔑 检测到账号切换，请重新输入密码"\r
        echo "（等待用户输入密码...）"\r
        # AI 从用户回复中提取 password\r
\r
        response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/login" \\r
          -H "Content-Type: application/json" \\r
          -d "{\"employee_id\": \"${INPUT_EMPLOYEE_ID}\", \"password\": \"${PASSWORD}\"}" \\r
          --max-time 120)\r
        code=$(echo "$response" | jq -r '.code')\r
        if [ "$code" = "0" ]; then\r
            API_TOKEN=$(echo "$response" | jq -r '.data.token')\r
            new_expires=$(echo "$response" | jq -r '.data.expires_at')\r
            employee_name=$(echo "$response" | jq -r '.data.employee_name')\r
            EMPLOYEE_ID="$INPUT_EMPLOYEE_ID"\r
            EMPLOYEE_NAME="$employee_name"\r
            mkdir -p ~/.openclaw/workspace/scripts\r
            echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${EMPLOYEE_NAME}\", \"expires_at\": \"${new_expires}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
        else\r
            error_message=$(echo "$response" | jq -r '.message')\r
            echo "⚠️ 登录失败：$error_message"\r
            echo "建议：确认账号和密码正确"\r
            exit 1\r
        fi\r
    fi\r
\r
    if [ -n "$expires_at" ] && [ "$expires_at" != "null" ]; then\r
        expires_timestamp=$(to_timestamp "$expires_at")\r
        current_ts=$(now_ts)\r
        days_remaining=$(( (expires_timestamp - current_ts) / 86400 ))\r
\r
        if [ $days_remaining -le 0 ]; then\r
            # Token 已过期 → 引导用户重新输入账号密码登录\r
            echo "⚠️ Token 已过期，请重新登录"\r
            echo "请输入您的账号和密码，格式：账号 密码"\r
            echo "（等待用户输入...）"\r
\r
            response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/login" \\r
              -H "Content-Type: application/json" \\r
              -d "{\"employee_id\": \"${EMPLOYEE_ID}\", \"password\": \"${PASSWORD}\"}" \\r
              --max-time 120)\r
            code=$(echo "$response" | jq -r '.code')\r
            if [ "$code" = "0" ]; then\r
                API_TOKEN=$(echo "$response" | jq -r '.data.token')\r
                new_expires=$(echo "$response" | jq -r '.data.expires_at')\r
                echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${EMPLOYEE_NAME}\", \"expires_at\": \"${new_expires}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
            else\r
                echo "⚠️ 登录失败，请确认账号和密码正确"\r
                exit 1\r
            fi\r
        elif [ $days_remaining -le 7 ]; then\r
            # Token 即将过期 → renew-token 优先\r
            response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/renew-token" \\r
              -H "Authorization: Bearer ${API_TOKEN}" \\r
              --max-time 120)\r
            code=$(echo "$response" | jq -r '.code')\r
            if [ "$code" = "0" ]; then\r
                API_TOKEN=$(echo "$response" | jq -r '.data.token')\r
                new_expires=$(echo "$response" | jq -r '.data.expires_at')\r
                echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${EMPLOYEE_NAME}\", \"expires_at\": \"${new_expires}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
            else\r
                # renew 失败 → 引导用户重新输入密码登录\r
                echo "⚠️ Token 续期失败，请重新输入密码"\r
                echo "（等待用户输入密码...）"\r
\r
                response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/login" \\r
                  -H "Content-Type: application/json" \\r
                  -d "{\"employee_id\": \"${EMPLOYEE_ID}\", \"password\": \"${PASSWORD}\"}" \\r
                  --max-time 120)\r
                code=$(echo "$response" | jq -r '.code')\r
                if [ "$code" = "0" ]; then\r
                    API_TOKEN=$(echo "$response" | jq -r '.data.token')\r
                    new_expires=$(echo "$response" | jq -r '.data.expires_at')\r
                    echo "{\"token\": \"${API_TOKEN}\", \"employee_id\": \"${EMPLOYEE_ID}\", \"employee_name\": \"${EMPLOYEE_NAME}\", \"expires_at\": \"${new_expires}\", \"updated_at\": \"$(iso_now)\"}" > "$TOKEN_CACHE"\r
                else\r
                    echo "⚠️ 登录失败，请确认账号和密码正确"\r
                    exit 1\r
                fi\r
            fi\r
        fi\r
        # else: Token 仍有效，直接使用\r
    fi\r
else\r
    # 缓存文件不存在 → 引导用户输入账号和密码\r
    echo "🔑 需要验证您的员工身份"\r
    echo ""\r
    echo "请输入您的账号和密码，格式：账号 密码"\r
    echo "例如：emp-server-106 123456"\r
fi\r
\r
# ═══ Token 校验兜底：确保 Token 有效，否则提示用户重新登录 ═══\r
if [ -z "${API_TOKEN:-}" ] || [ "$API_TOKEN" = "null" ] || [ "$API_TOKEN" = "" ]; then\r
    echo "⚠️ 身份验证失败，无法获取有效凭证"\r
    echo ""\r
    echo "请输入您的账号和密码，重新登录："\r
    echo "格式：账号 密码（例如：emp-server-106 123456）"\r
    # AI 引导用户输入后，重新执行 /auth/login 流程\r
fi\r
```\r
\r
> **关键**: 员工身份（`employee_code`）由后端从 Token 自动提取，Skill 不需要在 payload 中传递。\r
> **关键**: 项目名称（`project_name`）由 AI 从对话中识别或用户指定，如未识别则使用 `company_name` 作为默认值。\r
\r
---\r
\r
## Step 2: 解析意图（语义理解）\r
\r
从用户输入中提取以下信息，**由 AI 自行判断，无需正则或关键词表**：\r
\r
| 提取项 | 说明 | 示例 |\r
|--------|------|------|\r
| `company_name` | 用户提到的公司/客户名称 | "陌陌科技"、"数智云创" |\r
| `contact_name` | 用户提到的联系人姓名 | "张三"、"李总" |\r
| `project_name` | 用户提到的项目/系统/产品名 | "CRM项目"、"数据中台" |\r
| `title_keywords` | 用于文件匹配的主题关键词 | "价格谈判"、"方案对比" |\r
| `source_type` | 数据源类型 | `phone` / `wechat` / `auto` |\r
\r
**提取原则**：\r
- 从用户原话中直接提取，不做过度推断\r
- 提取不到就留空，后续步骤有兜底逻辑\r
- 不要因为没匹配到某个模式就认为"无法识别"\r
\r
**数据源判断**：\r
- 提到"电话/录音/通话/拜访" → `phone`\r
- 提到"微信/聊天/消息" → `wechat`\r
- 未明确 → `auto`（两个源都查）\r
\r
**客户标识优先级**：\r
1. `company_name`（公司全称或简称，用户明确提到）→ 直接进入 Step 4\r
2. 无公司名但有 `contact_name` → 进入 Step 3 客户确认\r
3. 都没有但有 `title_keywords` → 用主题关键词匹配文件名，进入 Step 3 客户确认\r
4. 都没有 → 提示用户补充信息（见下方引导模板）\r
\r
**信息不足时的引导提示**：\r
\r
当用户输入过于笼统（如"整理线索"、"跟进记录"、"分析录音"），无法提取客户名或联系人时，**不要猜测**，主动引导用户补充：\r
\r
```\r
请告诉我您想分析的内容，例如：\r
\r
• "分析我和陌陌公司的通话录音"\r
• "查看我和张三的微信聊天记录"\r
• "总结上周拜访客户的录音"\r
• "分析CRM项目的沟通记录"\r
\r
需要指定：客户名称 或 联系人姓名，我会帮您分析拜访记录并生成项目画像。\r
```\r
\r
**项目名称优先级**：\r
1. 用户明确指定（最高优先级）\r
2. AI 在 Step 5 分析时从对话内容自动识别\r
3. 默认使用 `company_name`\r
\r
---\r
\r
## Step 3: 客户确认（公司名不明确时）\r
\r
当 Step 2 未能明确识别 `company_name`（只有 `contact_name` 或 `title_keywords`）时，**先查询数据库已有客户**，让员工确认或选择，避免用错误名称创建新客户。\r
\r
### 判断条件\r
\r
| 条件 | 动作 |\r
|------|------|\r
| `company_name` 已明确（用户直接提到公司名） | **跳过此步**，直接进入 Step 4 |\r
| 仅有 `contact_name` 或 `title_keywords` | **执行客户查询**，让员工确认 |\r
\r
### 查询已有客户\r
\r
```bash\r
FASTAPI_BASE_URL="http://47.116.49.218:8000/api/v1"\r
\r
customers_response=$(curl -s -X GET "${FASTAPI_BASE_URL}/project-portrait/customers" \\r
  -H "Authorization: Bearer ${API_TOKEN}" \\r
  --max-time 10)\r
\r
customers_code=$(echo "$customers_response" | jq -r '.code')\r
\r
if [ "$customers_code" = "0" ]; then\r
    customers=$(echo "$customers_response" | jq -r '.data')\r
    customer_count=$(echo "$customers" | jq 'length')\r
fi\r
```\r
\r
### 匹配与展示逻辑\r
\r
```\r
1. 用 contact_name / title_keywords 在客户列表中模糊匹配\r
   - 匹配 company_name 字段\r
   - 匹配 contact_name 字段\r
\r
2. 匹配结果分支：\r
   ├─ 精确匹配到 1 个客户 → 自动使用该客户的 company_name（静默确认）\r
   ├─ 匹配到多个客户 → 展示列表让员工选择\r
   ├─ 无匹配 → 询问员工输入企业全称\r
   └─ 客户列表为空（新员工）→ 询问员工输入企业全称\r
```\r
\r
### 多客户匹配时的展示格式\r
\r
```\r
📋 找到以下相关客户，请选择要分析的客户：\r
\r
1. XX科技有限公司（联系人：王厂长）\r
2. XX智能装备集团（联系人：王建国）\r
3. XX电子有限公司（联系人：王总）\r
\r
请回复序号选择，或输入新的企业名称。\r
```\r
\r
### 无匹配时的引导格式\r
\r
```\r
📋 未在您的客户库中找到与「{contact_name}」匹配的企业。\r
\r
请输入该客户的**企业全称**（如：深圳市XX科技有限公司），我将以此创建新客户档案。\r
```\r
\r
### 确认后\r
\r
员工确认 `company_name` 后，后续 Step 4-7 使用该确认值，确保数据准确。\r
\r
---\r
\r
## Step 4: 查找并读取聊天内容（多源分支）\r
\r
根据 Step 2 解析出的 `source_type` 走不同分支：\r
\r
| source_type | 走哪条路径 | 说明 |\r
|-------------|----------|------|\r
| `phone`   | 分支 A：电话录音转录 | 用户明确提到"电话/录音/通话" |\r
| `wechat`  | 分支 B：微信聊天记录 | 用户明确提到"微信/聊天记录" |\r
| `auto`    | 两个分支都执行，合并结果 | 用户未指定来源 |\r
\r
---\r
\r
### 分支 A：电话录音转录\r
\r
#### A.1 转录文件存储路径\r
\r
```\r
/home/admin/.openclaw/plugins/phone-notifications/recordings/transcripts/\r
```\r
\r
> **性能约束**：该目录可能有数百甚至上千个转录文件，**禁止全量 grep**。必须采用"分层过滤"策略逐步缩小范围。\r
\r
#### A.2 文件名格式\r
\r
`{UUID}_{AI生成的标题}.md`（UUID 固定 36 字符，标题为 AI 从对话内容总结的主题，**不含时间信息**）\r
\r
示例：\r
```\r
611a199a-1fcd-4604-85c6-774bd7160784_哒，开始了，嗯，可以.md\r
8bc14a02-29e3-4bd6-986a-faa69a8bb929_CRM方案价格相对比及商务谈判进展.md\r
```\r
\r
#### A.3 分层过滤策略（4 级缩小范围）\r
\r
#### 第 1 级：限定时间范围（必做，最高效）\r
\r
默认只看最近 30 天内的文件（按文件修改时间）。如果用户明确提到"上个月"/"最近一周"，则按用户指定的范围过滤。\r
\r
```bash\r
TRANSCRIPTS_DIR="/home/admin/.openclaw/plugins/phone-notifications/recordings/transcripts"\r
DAYS_BACK="${DAYS_BACK:-30}"  # 默认 30 天\r
\r
# 用 find 按 mtime 过滤，只列出时间范围内的 .md 文件\r
recent_files=$(find "$TRANSCRIPTS_DIR" -maxdepth 1 -name "*.md" -type f -mtime -${DAYS_BACK} 2>/dev/null)\r
\r
if [ -z "$recent_files" ]; then\r
    echo "⚠️ 最近 ${DAYS_BACK} 天内没有转录文件"\r
    echo "尝试扩大范围到 90 天..."\r
    DAYS_BACK=90\r
    recent_files=$(find "$TRANSCRIPTS_DIR" -maxdepth 1 -name "*.md" -type f -mtime -${DAYS_BACK} 2>/dev/null)\r
fi\r
\r
if [ -z "$recent_files" ]; then\r
    echo "⚠️ 90 天内仍无转录文件，请确认录音是否已转录"\r
    exit 1\r
fi\r
\r
total_count=$(echo "$recent_files" | wc -l)\r
echo "📂 最近 ${DAYS_BACK} 天内有 ${total_count} 个转录文件"\r
```\r
\r
#### 第 2 级：优先按文件名标题部分匹配（零开销，命中率高）\r
\r
文件名中 UUID 后面是 AI 生成的标题，**标题通常包含客户名、产品名、场景关键词**，命中率很高。先用 `basename` 提取标题部分做字符串匹配（不读文件内容，开销为 0）：\r
\r
```bash\r
# 提取标题部分（跳过 UUID 前缀，匹配 UUID 后的内容）\r
# 文件名格式：{UUID}_{标题}.md，UUID 固定 36 字符\r
name_matched=""\r
# 按优先级尝试匹配：公司名 → 联系人 → 主题关键词\r
keywords=()\r
[ -n "$company_name" ] && keywords+=("$company_name")\r
[ -n "$contact_name" ] && keywords+=("$contact_name")\r
# 主题关键词数组（来自 Step 2）\r
for kw in "${title_keywords[@]}"; do keywords+=("$kw"); done\r
\r
for kw in "${keywords[@]}"; do\r
    name_matched=$(echo "$recent_files" | while read f; do\r
        title_part=$(basename "$f" .md | cut -c38-)\r
        echo "$title_part" | grep -qi "$kw" && echo "$f"\r
    done)\r
    [ -n "$name_matched" ] && break\r
done\r
\r
if [ -n "$name_matched" ]; then\r
    matched_files="$name_matched"\r
    echo "✅ 文件名标题命中"\r
else\r
    # 进入第 3 级\r
fi\r
```\r
\r
#### 第 3 级：小范围内容匹配（只在第 1 级过滤后的文件上做 grep）\r
\r
**只有第 2 级没命中时**，才对第 1 级筛选出来的小集合做内容 grep，**绝不对整个目录 grep**：\r
\r
```bash\r
# 只在 recent_files 上做 grep（而不是 *.md 全量）\r
keyword="${company_name:-$contact_name}"\r
matched_files=$(echo "$recent_files" | xargs grep -l -i "$keyword" 2>/dev/null)\r
\r
if [ -z "$matched_files" ]; then\r
    echo "⚠️ 未匹配到包含「${keyword}」的转录文件"\r
    echo ""\r
    echo "📋 最近 ${DAYS_BACK} 天最新 10 个文件："\r
    echo "$recent_files" | xargs ls -lt 2>/dev/null | head -10 | while read line; do\r
        filename=$(echo "$line" | awk '{print $NF}')\r
        echo "  - $(basename $filename)"\r
    done\r
    echo ""\r
    echo "请回复文件名、具体日期或更多关键词（如客户提到的产品名）"\r
    exit 1\r
fi\r
```\r
\r
#### 第 4 级：取最新一条（多条匹配时）\r
\r
```bash\r
# 多条匹配时按 mtime 排序，取最新的\r
target_file=$(echo "$matched_files" | xargs ls -t 2>/dev/null | head -1)\r
echo "📄 匹配到文件：$(basename $target_file)"\r
```\r
\r
#### A.4 读取聊天内容\r
\r
```bash\r
chat_content=$(cat "$target_file")\r
```\r
\r
#### A.5 转录文件格式（电话录音转录）\r
\r
```markdown\r
# CRM方案价格对比及商务谈判进展\r
\r
> 录音名称：2026_06_10 17:04:10\r
> 时长：02:10\r
> 创建时间：2026-06-10T09:04:10.570Z\r
\r
---\r
\r
说话人0：李总，您好！感谢您抽出时间。上次给您发的CRM方案...\r
```\r
\r
**关键特征**:\r
- **标题**：自动生成（主题概括）\r
- **元数据**：`录音名称`（含日期）、`时长`、`创建时间`\r
- **对话**：只有 `说话人0` 标识，包含双方对话内容（无角色分离）\r
\r
**Skill 自动识别并提取**：\r
- **通话日期**：优先从 `录音名称` 行提取 `YYYY_MM_DD`，备选从 `创建时间` 提取 ISO 格式\r
- **完整对话**：`说话人0` 后的全部内容\r
- AI 分析时从上下文推断销售和客户角色\r
\r
---\r
\r
### 分支 B：微信聊天记录\r
\r
#### B.1 微信通知存储路径\r
\r
```\r
/home/admin/.openclaw/plugins/phone-notifications/notifications/\r
```\r
\r
该目录下所有文件是**按日期命名**的 JSON 数组，每个文件记录当天所有 App 推送通知：\r
\r
```\r
notifications/\r
├── 2026-06-04.json\r
├── 2026-06-05.json\r
├── 2026-06-06.json\r
├── ...\r
└── 2026-06-10.json\r
```\r
\r
#### B.2 文件结构（JSON 数组，每条是一个推送通知）\r
\r
```json\r
[\r
  {\r
    "appName": "微信",\r
    "title": "销售伴侣",\r
    "content": "吴云成: http://118.196.83.38/ai/salebp/-/tree/develop",\r
    "timestamp": "2026-06-09T17:13:42+08:00",\r
    "appDisplayName": "微信"\r
  },\r
  {\r
    "appName": "微信",\r
    "title": "沈莹玉",\r
    "content": "。。。刚看到，晚上中兴加班的",\r
    "timestamp": "2026-06-09T21:16:29+08:00",\r
    "appDisplayName": "微信"\r
  },\r
  {\r
    "appName": "钉钉",\r
    "title": "工作通知:南京绛门信息科技有限公司",\r
    "content": "考勤打卡：18:00 极速打卡·成功",\r
    "timestamp": "2026-06-09T18:00:21+08:00",\r
    "appDisplayName": "钉钉"\r
  }\r
]\r
```\r
\r
**字段含义**：\r
| 字段 | 含义 | 示例 |\r
|------|------|------|\r
| `appName` | 应用包名标识 | `"微信"` / `"钉钉"` / `"菜鸟"` |\r
| `title` | 聊天对象名/群名（微信场景） | `"沈莹玉"` / `"销售伴侣群"` |\r
| `content` | 单条消息内容 | `"。。。刚看到，晚上中兴加班的"` |\r
| `timestamp` | 精确时间戳（带时区） | `"2026-06-09T21:16:29+08:00"` |\r
| `appDisplayName` | 应用显示名 | `"微信"` |\r
\r
#### B.3 微信过滤策略（3 级）\r
\r
```bash\r
NOTIFICATIONS_DIR="/home/admin/.openclaw/plugins/phone-notifications/notifications"\r
DAYS_BACK="${DAYS_BACK:-30}"\r
\r
# 第 1 级：按文件名日期过滤（文件名是 YYYY-MM-DD.json，零成本）\r
recent_json_files=$(find "$NOTIFICATIONS_DIR" -maxdepth 1 -name "*.json" -type f -mtime -${DAYS_BACK} 2>/dev/null)\r
\r
if [ -z "$recent_json_files" ]; then\r
    echo "⚠️ 最近 ${DAYS_BACK} 天内没有通知文件"\r
    exit 1\r
fi\r
\r
# 第 2 级：用 jq 筛选 appName=="微信" 的记录，并按 title 匹配联系人\r
wechat_messages=$(echo "$recent_json_files" | xargs jq -s '\r
    [ .[][] | select(.appName == "微信") ]\r
' 2>/dev/null)\r
\r
# 第 3 级：按 title（联系人/群名）过滤\r
if [ -n "$contact_name" ]; then\r
    wechat_messages=$(echo "$wechat_messages" | jq --arg name "$contact_name" '\r
        [ .[] | select(.title | test($name; "i")) ]\r
    ')\r
elif [ -n "$company_name" ]; then\r
    wechat_messages=$(echo "$wechat_messages" | jq --arg name "$company_name" '\r
        [ .[] | select(.title | test($name; "i")) ]\r
    ')\r
fi\r
\r
msg_count=$(echo "$wechat_messages" | jq 'length')\r
if [ "$msg_count" -eq 0 ]; then\r
    echo "⚠️ 未找到与「${contact_name:-$company_name}」相关的微信聊天记录"\r
    echo ""\r
    echo "📋 最近 ${DAYS_BACK} 天微信联系人统计："\r
    echo "$wechat_messages" | jq -r '[ .[].title ] | group_by(.) | map({name: .[0], count: length}) | sort_by(-.count) | .[:10][] | "  - \(.name) (\(.count) 条)"'\r
    exit 1\r
fi\r
\r
echo "✅ 找到 ${msg_count} 条与「${contact_name:-$company_name}」的微信消息"\r
```\r
\r
#### B.4 聚合消息为对话格式（供 AI 分析）\r
\r
把同一联系人的多条消息按时间排序，拼接为对话格式（类似录音转录）：\r
\r
```bash\r
chat_content=$(echo "$wechat_messages" | jq -r '\r
    sort_by(.timestamp) |\r
    .[] |\r
    "[\(.timestamp | split("T")[1] | split("+")[0])] \(.title): \(.content)"\r
')\r
\r
# 提取最早消息日期作为 visit_date\r
visit_date=$(echo "$wechat_messages" | jq -r '\r
    sort_by(.timestamp) | .[0].timestamp | split("T")[0]\r
')\r
\r
# 设置 transcript_file_path 为虚拟路径（表明数据源）\r
transcript_file_path="wechat://${contact_name:-$company_name}/${visit_date}"\r
```\r
\r
聚合后的 `chat_content` 示例：\r
```\r
[21:16:29] 沈莹玉: 。。。刚看到，晚上中兴加班的\r
[21:17:14] 沈莹玉: 晚上吧\r
[21:17:22] 沈莹玉: 明晚\r
```\r
\r
#### B.5 微信 vs 电话录音差异\r
\r
| 维度 | 电话录音 | 微信聊天 |\r
|------|---------|---------|\r
| 粒度 | 一次通话=一个文件 | 单条消息，需聚合 |\r
| 角色分离 | 无（全在 `说话人0`） | 仅我方收到的消息（`title`=对方） |\r
| 时间信息 | 需从内容提取 | `timestamp` 字段直接可用 |\r
| 完整性 | 完整对话 | 仅通知栏内容（撤回/图片/语音可能缺失） |\r
| 虚拟路径 | 真实文件路径 | `wechat://{联系人}/{日期}` |\r
\r
---\r
\r
## Step 5: AI 分析聊天转录内容（核心）\r
\r
### 分析提示词模板\r
\r
```markdown\r
# 角色\r
你是资深 B2B 销售分析师，精通 LTC（Lead to Cash）销售流程。\r
\r
# 任务\r
根据以下拜访沟通记录，分析生成项目画像的 5 大模块数据，并**识别项目名称**。\r
\r
# 输入数据\r
- 公司名称：{company_name}（优先）\r
- 联系人：{contact_name}（备选）\r
- 项目名称：{project_name}（如已提取）\r
- 聊天文件：{target_file}\r
- 聊天内容：{chat_content}\r
\r
# 输出要求（严格 JSON 格式）\r
\r
{\r
  "project_name": "识别出的项目名称（如CRM系统采购、数据中台建设等）",\r
  "sales_stage": {\r
    "steps": [\r
      {"label": "线索", "active": false},\r
      {"label": "商机确认", "active": false},\r
      {"label": "方案评估", "active": false},\r
      {"label": "商务谈判", "active": false},\r
      {"label": "赢单/关单", "active": false}\r
    ],\r
    "progress_percent": 60,\r
    "current_stage": "方案评估",\r
    "description": "基于沟通记录，客户已明确需求并进入方案对比阶段..."\r
  },\r
  "follow_up_strategies": [\r
    {\r
      "icon": "fa-calendar-check",\r
      "title": "跟进策略标题",\r
      "description": "具体跟进动作描述",\r
      "tag_icon": "fa-tag",\r
      "tag_text": "策略标签"\r
    }\r
  ],\r
  "customer_insights": [\r
    {"title": "客户意向", "content": "..."},\r
    {"title": "项目新增线索", "content": "..."},\r
    {"title": "客户关注点", "content": "..."},\r
    {"title": "个人诉求", "content": "..."}\r
  ],\r
  "commitments": [\r
    {\r
      "type": "our_promise",\r
      "type_label": "我方承诺",\r
      "content": "承诺内容",\r
      "meta": "责任人/时间"\r
    },\r
    {\r
      "type": "customer_promise",\r
      "type_label": "客户承诺",\r
      "content": "客户承诺内容",\r
      "meta": "客户方责任人"\r
    }\r
  ],\r
  "risk_assessment": [\r
    {"title": "影响项目推进信息", "content": "...", "level": "high"},\r
    {"title": "影响价格谈判信息", "content": "...", "level": "medium"},\r
    {"title": "影响成单信息", "content": "...", "level": "low"},\r
    {"title": "竞品相关信息", "content": "...", "level": "medium"}\r
  ],\r
  "visit_summary": "本次拜访的核心总结（100字以内）"\r
}\r
\r
# 分析维度说明\r
\r
## 0. 项目名称识别（新增）\r
从对话内容中识别项目名称，常见特征：\r
- 明确提及："关于你们的**CRM系统项目**"、"**数据中台建设**的进展"\r
- 项目代号："**凤凰计划**"、"**星辰工程**"\r
- 产品/系统名："**销售管理系统**"、"**客户数据平台**"\r
- 如无法识别，返回空字符串 ""（后端将使用 company_name 作为默认值）\r
\r
## 1. 销售阶段（基于 LTC 流程）\r
- 线索：初次接触，尚未明确需求\r
- 商机确认：需求明确，确认有采购意向\r
- 方案评估：客户对比多家方案，进入评估阶段\r
- 商务谈判：方案已认可，进入价格/条款谈判\r
- 赢单/关单：合同签订或项目关闭\r
根据沟通记录判断当前阶段，设置 active=true，progress_percent 对应 20/40/60/80/100。\r
\r
## 2. 跟进策略（4个维度，至少 3 条）\r
(1) 当前销售阶段 → 下一阶段的推进动作\r
(2) 既往/本次承诺事项 → 需要跟进的兑现动作\r
(3) 项目风险 → 需要化解风险的跟进动作\r
(4) 客户最新动态/意向 → 需要抓住机会的跟进动作\r
\r
## 3. 客户洞察（至少 3 条）\r
- 客户意向、项目新增线索、客户关注点、个人诉求\r
\r
## 4. 承诺事项（识别所有承诺）\r
- our_promise：我方承诺（如"下周提供方案"、"月底前给报价"）\r
- customer_promise：客户承诺（如"下周内部讨论"、"月底给答复"）\r
- customer_request：客户要求（如"希望增加某功能"、"要求降价"）\r
\r
## 5. 风险预估\r
- 从沟通记录中识别所有潜在风险，不限于固定类别\r
- 每条风险标注等级：`high` / `medium` / `low`\r
- **由 AI 根据对话内容自行判断等级**，不要套用固定规则：\r
  - 如果客户明确表示不合作、项目暂停、预算砍掉 → `high`\r
  - 如果客户有顾虑、需要额外审批、竞品介入 → `medium`\r
  - 如果只是常规提醒、轻微分歧 → `low`\r
- 没有明显风险时，输出空数组 `[]`\r
\r
# 重要规则\r
1. 所有分析必须基于实际沟通记录，绝不编造\r
2. 如果某维度无相关信息，输出空数组 []\r
3. description 和 content 要具体、可执行，不要泛泛而谈\r
4. 使用中文输出\r
```\r
\r
### 提取日期（用于 `visit_date`）\r
\r
```bash\r
# 优先从"录音名称"行提取 YYYY_MM_DD\r
visit_date=$(echo "$chat_content" | grep "录音名称" | grep -oE '[0-9]{4}_[0-9]{2}_[0-9]{2}' | tr '_' '-' | head -1)\r
\r
if [ -z "$visit_date" ]; then\r
    # 备选：从"创建时间"行提取 ISO 格式\r
    visit_date=$(echo "$chat_content" | grep "创建时间" | grep -oE '[0-9]{4}-[0-9]{2}-[0-9]{2}' | head -1)\r
fi\r
\r
if [ -z "$visit_date" ]; then\r
    # 兜底：文件修改时间\r
    visit_date=$(date +%Y-%m-%d)\r
fi\r
```\r
\r
---\r
\r
## Step 6: 保存项目画像\r
\r
### 请求地址\r
\r
| 项 | 说明 |\r
|---|---|\r
| URL | `POST ${FASTAPI_BASE_URL}/project-portrait/ingest` |\r
| 认证 | `Authorization: Bearer ${API_TOKEN}`（员工 Token） |\r
| Content-Type | `application/json` |\r
\r
### 请求参数\r
\r
```json\r
{\r
  "company_name": "string (必填，公司名优先；无公司名时传联系人)",\r
  "project_name": "string (可选，项目名称；AI识别或用户指定，为空时后端使用 company_name)",\r
  "contact_name": "string (可选，联系人姓名)",\r
  "transcript_file_path": "string (可选，电话录音为真实文件路径；微信为虚拟路径 wechat://{联系人}/{日期})",\r
  "visit_date": "string (YYYY-MM-DD)",\r
  "data_source": "string (电话录音转录 | 微信聊天记录)",\r
  "sales_stage": {\r
    "steps": [{"label": "线索", "active": false}, ...],\r
    "progress_percent": 60,\r
    "current_stage": "方案评估",\r
    "description": "..."\r
  },\r
  "follow_up_strategies": [\r
    {"icon": "", "title": "", "description": "", "tag_icon": "", "tag_text": ""}\r
  ],\r
  "customer_insights": [\r
    {"title": "", "content": ""}\r
  ],\r
  "commitments": [\r
    {"type": "our_promise|customer_promise|customer_request", "type_label": "", "content": "", "meta": ""}\r
  ],\r
  "risk_assessment": [\r
    {"title": "", "content": "", "level": "low"}\r
  ],\r
  "raw_analysis": "string (可选，AI 原始返回)",\r
  "visit_summary": "string (可选，100字以内总结)"\r
}\r
```\r
\r
### 响应格式\r
\r
```json\r
{\r
  "code": 0,\r
  "data": {\r
    "portrait_id": 123,\r
    "ingested": true\r
  },\r
  "message": "ok"\r
}\r
```\r
\r
### 执行脚本\r
\r
```bash\r
FASTAPI_BASE_URL="http://47.116.49.218:8000/api/v1"\r
\r
INGEST_PAYLOAD=$(jq -n \\r
  --arg company_name "$company_name" \\r
  --arg project_name "${project_name:-}" \\r
  --arg contact_name "${contact_name:-}" \\r
  --arg transcript_file_path "$target_file" \\r
  --arg visit_date "$visit_date" \\r
  --arg data_source "电话录音转录" \\r
  --argjson sales_stage "$(echo "$parsed_result" | jq '.sales_stage')" \\r
  --argjson follow_up_strategies "$(echo "$parsed_result" | jq '.follow_up_strategies')" \\r
  --argjson customer_insights "$(echo "$parsed_result" | jq '.customer_insights')" \\r
  --argjson commitments "$(echo "$parsed_result" | jq '.commitments')" \\r
  --argjson risk_assessment "$(echo "$parsed_result" | jq '.risk_assessment')" \\r
  --arg raw_analysis "$(echo "$parsed_result" | jq -r '.' | head -c 10000)" \\r
  --arg visit_summary "$(echo "$parsed_result" | jq -r '.visit_summary')" \\r
  '{\r
    company_name: $company_name,\r
    project_name: $project_name,\r
    contact_name: $contact_name,\r
    transcript_file_path: $transcript_file_path,\r
    visit_date: $visit_date,\r
    data_source: $data_source,\r
    sales_stage: $sales_stage,\r
    follow_up_strategies: $follow_up_strategies,\r
    customer_insights: $customer_insights,\r
    commitments: $commitments,\r
    risk_assessment: $risk_assessment,\r
    raw_analysis: $raw_analysis,\r
    visit_summary: $visit_summary\r
  }')\r
\r
ingest_response=$(curl -s -X POST "${FASTAPI_BASE_URL}/project-portrait/ingest" \\r
  -H "Content-Type: application/json" \\r
  -H "Authorization: Bearer ${API_TOKEN}" \\r
  -d "$INGEST_PAYLOAD" \\r
  --max-time 30)\r
\r
ingest_code=$(echo "$ingest_response" | jq -r '.code')\r
\r
if [ "$ingest_code" = "0" ]; then\r
    echo "✅ 项目画像已生成"\r
    PORTRAIT_ID=$(echo "$ingest_response" | jq -r '.data.portrait_id')\r
else\r
    echo "⚠️ 生成失败：$(echo "$ingest_response" | jq -r '.message')"\r
    mkdir -p /tmp/sales-companion-fallback\r
    echo "$INGEST_PAYLOAD" > "/tmp/sales-companion-fallback/portrait_$(date +%s).json"\r
    exit 1\r
fi\r
```\r
\r
### 后端自动处理（无需 Skill 感知）\r
\r
请求被处理后，系统会自动完成：\r
\r
1. 自动关联或创建客户信息\r
2. 建立员工与客户的归属关系\r
3. 增量更新或首次创建项目画像\r
4. 返回画像 ID\r
\r
> **数据隔离**：`employee_code + company_name + project_name` 联合确定唯一画像。同一公司同一项目，员工 A 和员工 B 的画像互相隔离，互不可见。同一公司不同项目，画像也互相独立。\r
\r
---\r
\r
## Step 7: 输出摘要 + H5 链接\r
\r
### 生成 H5 链接（优先换码，兜底完整 Token）\r
\r
```bash\r
exchange_response=$(curl -s -X POST "${FASTAPI_BASE_URL}/auth/exchange-code" \\r
  -H "Authorization: Bearer ${API_TOKEN}" \\r
  -H "Content-Type: application/json" \\r
  -d '{}' \\r
  --max-time 10)\r
\r
exchange_code=$(echo "$exchange_response" | jq -r '.data.code // empty')\r
\r
H5_BASE_URL="http://47.116.49.218:5173"\r
\r
if [ -n "$exchange_code" ] && [ "$exchange_code" != "null" ]; then\r
    h5_url="${H5_BASE_URL}/project-portrait-new/${PORTRAIT_ID}?code=${exchange_code}"\r
else\r
    # 兜底：使用完整 Token（禁止截断、禁止带 ...）\r
    h5_url="${H5_BASE_URL}/project-portrait-new/${PORTRAIT_ID}?token=${API_TOKEN}"\r
fi\r
```\r
\r
### 输出格式\r
\r
```markdown\r
📊 {company_name} · {project_name} · 项目画像分析\r
\r
📅 聊天日期：{visit_date}\r
📱 数据源：{data_source}  ← "电话录音转录" 或 "微信聊天记录"\r
👤 联系人：{contact_name}\r
📍 当前阶段：{sales_stage.current_stage}（进度 {sales_stage.progress_percent}%）\r
\r
🎯 核心总结：{visit_summary}\r
\r
📈 [查看完整项目画像 →]({h5_url})\r
\r
────────────────────────────────────────\r
\r
💡 **下一步行动建议**\r
\r
分析完成后，建议将此项目同步到 CRM 管理系统，方便后续跟进和团队协作。\r
\r
🔄 [同步到 CRM 管理 →] 对我说"同步到CRM"\r
\r
────────────────────────────────────────\r
\r
🔒 数据隔离：此分析记录属于员工 {employee_code}，项目 {project_name}\r
```\r
\r
---\r
\r
\r
\r
---\r
\r
## 数据库 Schema（参考）\r
\r
### project_portraits 表\r
\r
| 字段 | 类型 | 说明 |\r
|------|------|------|\r
| id | INTEGER PK | 画像 ID（URL 中使用） |\r
| employee_code | VARCHAR INDEX | 员工号（数据隔离键） |\r
| company_name | VARCHAR INDEX | 公司名称 |\r
| project_name | VARCHAR INDEX | 项目名称（数据隔离键：employee_code + company_name + project_name） |\r
| contact_name | VARCHAR | 联系人 |\r
| transcript_file_path | VARCHAR | 转录文件路径 |\r
| visit_date | VARCHAR | 聊天日期 |\r
| data_source | VARCHAR | 数据来源 |\r
| sales_stage | JSON TEXT | 销售阶段 |\r
| follow_up_strategies | JSON TEXT | 跟进策略（列表） |\r
| customer_insights | JSON TEXT | 客户洞察（列表） |\r
| commitments | JSON TEXT | 承诺事项（列表） |\r
| risk_assessment | JSON TEXT | 风险预估（列表） |\r
| raw_analysis | TEXT | AI 原始返回 |\r
| visit_summary | TEXT | 拜访总结 |\r
| created_at / updated_at | DATETIME | 时间戳 |\r
\r
### customers 表 & employee_customers 表\r
\r
`ingest` 接口会自动维护这两张表，Skill 无需感知。\r
\r
---\r
\r
## 错误处理\r
\r
| 错误场景 | 处理方式 |\r
|---------|---------|\r
| 无匹配客户 | 输出相似客户列表，让用户选择 |\r
| 无拜访记录 | 提示录入拜访沟通内容 |\r
| 拜访记录无沟通内容 | 提示补充对话记录 |\r
| AI 分析失败 | 提示"分析失败，请重试" |\r
| 保存失败 | 兜底写入 `/tmp/sales-companion-fallback/`，提示联系管理员 |\r
| Token 过期或失效 | 自动续期；续期失败则提示用户输入账号和密码重新登录 |\r
\r
---\r
\r
## 使用示例\r
\r
### 示例 1：电话录音分析\r
\r
```\r
用户：查看我和陌陌公司CRM项目的聊天分析\r
\r
输出：\r
📊 陌陌公司 · CRM项目 · 项目画像分析\r
\r
📅 聊天日期：2026-06-10\r
� 数据源：电话录音转录\r
� 联系人：李总\r
📍 当前阶段：方案评估（进度 60%）\r
\r
🎯 核心总结：客户已明确需求，正在对比 3 家方案，对我方技术方案认可度高，但价格敏感...\r
\r
📈 [查看完整项目画像 →]({h5_url})\r
\r
────────────────────────────────────────\r
\r
💡 **下一步行动建议**\r
\r
分析完成后，建议将此项目同步到 CRM 管理系统，方便后续跟进和团队协作。\r
\r
�🔄 [同步到 CRM 管理 →] 对我说"同步到CRM"\r
\r
────────────────────────────────────────\r
\r
🔒 数据隔离：此分析记录属于员工 E10001，项目 CRM项目\r
```\r
\r
### 示例 2：微信聊天分析\r
\r
```\r
用户：查看我和沈莹玉的微信聊天记录\r
\r
输出：\r
📊 沈莹玉 · Mochac 科技 · 项目画像分析\r
\r
📅 聊天日期：2026-06-09\r
📱 数据源：微信聊天记录\r
👤 联系人：沈莹玉\r
📍 当前阶段：商机确认（进度 40%）\r
\r
🎯 核心总结：客户对方案表现出兴趣，但提及晚上加班，时间紧张...\r
\r
📈 [查看完整项目画像 →]({h5_url})\r
\r
────────────────────────────────────────\r
\r
💡 **下一步行动建议**\r
\r
分析完成后，建议将此项目同步到 CRM 管理系统，方便后续跟进和团队协作。\r
\r
🔄 [同步到 CRM 管理 →] 对我说"同步到CRM"\r
\r
────────────────────────────────────────\r
```\r
\r
---\r
\r
## 与 employee-radar 的区别\r
\r
| 对比项 | employee-radar | visit-analyzer |\r
|--------|---------------|----------------|\r
| 数据来源 | 公域（官网/公众号/招投标/招聘） | 私域（拜访沟通记录） |\r
| 分析对象 | 企业整体情报 | 具体项目/拜访 |\r
| 输出内容 | 客户画像 + 企业动态 + AI商机 | 销售阶段 + 跟进策略 + 客户洞察 + 承诺事项 + 风险预估 |\r
| H5 路由 | `/intelligence-radar/{companyId}` | `/project-portrait-new/{portraitId}` |\r
| 触发场景 | "查询XX公司情报" | "查看我和XX的聊天分析" |\r
| 生成方式 | 查询缓存 → 触发采集 | 直接生成画像（自动创建客户） |\r
| 数据隔离 | 企业级 | **员工+项目级**（`employee_code + company_name + project_name`） |\r
\r
---\r
\r
## 变更记录\r
\r
| 版本 | 日期 | 变更 |\r
|------|------|------|\r
| v1.0 | 2026-06-10 | 新建 visit-analyzer Skill，实现拜访记录 AI 分析 |\r
| v1.1 | 2026-06-10 | 工作流从 10 步简化为 6 步，删除 Customer/Visit 手动创建逻辑 |\r
| v1.2 | 2026-06-10 | 彻底移除 visits 表相关描述；明确 visits 表已删除，改用 transcript_file_path 引用原始录音；明确 ingest 接口自动创建 Customer + EmployeeCustomer；补充数据隔离说明（employee_code + company_name）；更新 API Schema 和 H5 链接格式 |\r
| v1.3 | 2026-06-10 | Step 3 文件匹配策略从"全量 grep"优化为"4 级分层过滤"（时间范围 find → 文件名匹配 → 小范围内容 grep → 取最新），避免在数千文件上全量扫描 |\r
| v1.4 | 2026-06-10 | 明确实际文件名格式 `{UUID}_{AI标题}.md`（无时间信息，标题为 AI 生成）；Step 2 新增 `title_keywords` 主题关键词提取（CRM/方案/价格/谈判等）；Step 3 第 2 级改为提取 UUID 后的标题部分匹配，按 company_name → contact_name → title_keywords 优先级尝试，提升命中率 |\r
| v1.5 | 2026-06-10 | **新增微信聊天记录数据源**：Step 2 新增 `source_type` 判断（wechat/phone/auto）；Step 3 重构为多源分支（A 电话录音 / B 微信通知 JSON）；微信源使用 `jq` 按 appName+title 过滤，聚合同联系人多消息为对话格式；`data_source` 支持"微信聊天记录"，`transcript_file_path` 使用虚拟路径 `wechat://{联系人}/{日期}`；新增示例 4/5（微信场景和自动合并） |\r
| v1.6 | 2026-06-11 | **意图解析从规则引擎改为语义理解**：删除 Step 2 的正则伪代码和硬编码关键词表，改为 AI 自行判断；5 个详细示例精简为 2 个（电话录音 + 微信聊天），只展示输出格式不展示内部步骤流转；删除两个重复的"性能对比"表；输出格式新增"同步到 CRM"引导提示 |\r
| v1.7 | 2026-06-13 | **新增客户确认步骤（Step 3）**：工作流从 6 步升级为 7 步；当 Step 2 未明确识别 `company_name` 时，调用 `GET /project-portrait/customers` 查询员工已有客户列表，模糊匹配后展示给员工选择或输入新企业名；避免用错误名称创建新客户产生脏数据；客户标识优先级更新，仅 `contact_name`/`title_keywords` 时进入客户确认而非直接回退 |\r