SpecQ 攻单情报包 — Skill de ventas para químicos electrónicos v1.1
Versión: v1.2 | Actualización: 2026-06-24 | Añadida guía de instalación multiplataforma (OpenClaw / WorkBuddy)
📦 Guía de instalación
OpenClaw
Este Skill se ha integrado en OpenClaw MCP:
openclaw skills install daizehua-wq/specq-intel-sales
Dirección del servidor MCP: http://119.91.223.127:8001/mcp (HTTP SSE, con X-API-Key configurada)
WorkBuddy (Agente de escritorio de Tencent)
En el panel de «Skills» de la izquierda de WorkBuddy, busca specq-intel-sales e instala este Skill.
Después de la instalación, copia y pega el siguiente texto a WorkBuddy, y él configurará automáticamente la conexión MCP:
Ayúdame a configurar el servidor MCP SpecQ: descarga
specq_mcp_client.pydesde https://github.com/daizehua-wq/Specq-mcp a tu máquina local, luego crea~/.workbuddy/mcp.jsony añade la configuración de specq, el comando espython specq_mcp_client.py, la variable de entornoSPECQ_MCP_URL=http://119.91.223.127:8001/mcp,SPECQ_MCP_API_KEY=pon tu clave. Luego ejecutapip install mcp httpx.
Escenarios de uso
Ventas / ingenieros preventa de químicos electrónicos: antes de reunirse con un cliente, obtener rápidamente un paquete de inteligencia de ventas estructurado.
Condiciones de activación
El usuario debe proporcionar cualquier conjunto de información de la siguiente tabla:
| Modo de activación | Ejemplo |
|---|---|
| Tres campos | "Ayúdame a hacer un paquete de inteligencia para el baño de galvanoplastia XX, el cliente es Shennan Circuits, les preocupa la rugosidad" |
| Consultar historial | "¿Qué se habló antes con Shennan Circuits?" |
| Retroalimentación | "Shennan Circuits cerró el trato" / "Lo perdimos, les pareció caro" |
| Múltiples tareas | "Ayúdame a hacer tres paquetes de inteligencia: Shennan + cobre electrolítico, Jingwang + líquido de grabado, Pengding + cobre no electrolítico" |
Dependencia del servidor MCP (5 herramientas)
| Herramienta | Entrada | Salida | Descripción |
|---|---|---|---|
specq_memory | action, query/content/category... | Resultado de operación de memoria | Nuevo en v1.1: Memoria de tres niveles |
specq_generate_intel | product, application, scenario | Paquete de inteligencia de 8 módulos en Markdown | Generación principal |
specq_extract_insights | customer_id (opcional), limit | JSON estructurado de ideas | Extracción de datos no estructurados |
specq_log_visit | customer_id, content, visit_date, visit_type | ID del registro de visita | Consolidar visitas |
specq_feedback | product, application, outcome, lesson, accuracy_notes | Registro de retroalimentación | Cierre del ciclo de ventas |
Flujo de trabajo v1.1 (con memoria de tres niveles)
Entrada del usuario
↓
① Verificación de memoria de trabajo (specq_memory.get_plan)
├─ Hay tarea incompleta → Aviso: "La última vez no se completó XX, ¿continuamos?"
└─ Nueva tarea → Continuar
↓
② Recuperación de memoria a largo plazo (specq_memory.recall)
→ Búsqueda semántica del historial de visitas, registros de pérdidas y preferencias de ese cliente/producto
↓
③ Extraer tres campos (product / application / scenario)
→ Si faltan los tres campos → Preguntar
↓
④ Inyección de datos no estructurados (extract_insights + resultados de recuperación de memoria)
├─ Hay datos no estructurados → Inyectar en el paquete de inteligencia
└─ Sin datos no estructurados → Marcar como [Inferencia empírica]
↓
⑤ Generar paquete de inteligencia (specq_generate_intel)
↓
⑥ Salida del paquete de inteligencia de 8 módulos
【Memoria histórica】(bloque de contexto independiente)
- 2026-06-20 Visita: Preocupación por rugosidad, competidor Atotech
- 2026-05-15 Pérdida: Por precio un 20% más alto
【Paquete de inteligencia de esta ocasión】(8 módulos)
... (con etiqueta de fuente de datos)...
↓
⑦ Escritura en memoria a largo plazo (specq_memory.save)
→ category=intel, content=resumen del paquete de inteligencia actual
↓
⑧ Actualización de memoria de trabajo (specq_memory.set_plan)
→ Marcar tarea actual como completada
↓
⑨ ⚠️ Recordatorio obligatorio: "Después de ver al cliente, dime el resultado, te ayudo a registrarlo"
Escenarios derivados
Escenario A: Nuevo cliente (sin datos históricos)
- Recuperación de memoria a largo plazo vacía → Llamar directamente a generate_intel
- Módulos 4/5/6 etiquetados como
[Inferencia empírica, sin datos de ventas que lo respalden]
Escenario B: Cliente existente (con datos de memoria)
- Primero recall → Recuperar historial de visitas + registros de pérdidas
- Inyectar en el bloque de contexto independiente 【Memoria histórica】
- Los módulos 4/5/6 del paquete de inteligencia tienen etiqueta de fuente de datos real
Escenario C: Solo consultar historial
- recall → Mostrar historial de memoria de forma estructurada
- Después de mostrar, preguntar: "¿Quieres generar un paquete de inteligencia basado en esta información?"
Escenario D: Retroalimentación de cierre
- feedback → Registrar cierre del ciclo
- Al mismo tiempo, save(category="feedback") escribe en memoria a largo plazo
- outcome: won (cerrado)/lost (perdido)/follow_up (en seguimiento)
Escenario E: Múltiples tareas (nuevo en v1.1)
- get_plan verifica el progreso → sabe hasta dónde se ha avanzado
- set_plan establece/actualiza la lista de tareas
- Reanudación tras interrupción: el usuario dice "continuar" → get_plan → saber por dónde empezar
Sistema de clasificación de Memoria
| category | Momento de activación | Contenido de ejemplo | Política de retención |
|---|---|---|---|
visit | Se escribe automáticamente después de log_visit | "Visitó al cliente XX, se enfocó en el indicador YY" | Permanente |
feedback | Se escribe automáticamente después de feedback | "Producto XX perdido, motivo: precio un 20% más alto" | Permanente |
intel | Se escribe automáticamente después de generate_intel | "Generado paquete de inteligencia YY para el cliente XX" | 180 días |
insight | Descubrimiento estructurado de extract_insights | "Sensibilidad de Shennan Circuits a la rugosidad: Alta" | 180 días |
preference | Preferencia explícita del usuario | "David prefiere ver primero la comparación de competidores" | Permanente |
Especificaciones de salida
Paquete de inteligencia (8 módulos)
| Módulo | Contenido | Fuente de datos |
|---|---|---|
| 1. Visión general del producto | Definición del producto, funcionalidad principal, proceso de aplicación | Información pública + knowledge.db |
| 2. Comparación de indicadores técnicos | Parámetros clave vs competidores/estándares de la industria | Información pública + datos no estructurados |
| 3. Panorama competitivo | Principales competidores, cuota de mercado, diferenciación | Información pública |
| 4. Indicadores de preocupación del cliente | Indicadores técnicos clave del cliente/industria | Datos no estructurados / [Inferencia empírica] |
| 5. Oportunidades de entrada | Ventana de entrada actual para este cliente | Datos no estructurados / [Inferencia empírica] |
| 6. Barreras de adopción | Motivos históricos de pérdida, barreras técnicas | Datos no estructurados / [Inferencia empírica] |
| 7. Recomendaciones de acción | Discurso de venta, puntos clave de demostración, estrategia de precios | Generado por LLM |
| 8. Fuentes de referencia | Fuente de datos de cada módulo + nivel de confianza | Etiquetado automático |
Memoria histórica (bloque de contexto independiente)
Cada vez que se genera un paquete de inteligencia, se adjunta al principio de la salida un bloque de memoria histórica:
【Memoria histórica】
- 2026-06-20 Visita a Shennan Circuits: Preocupación por rugosidad (Ra<0.3μm), competidor Atotech
- 2026-05-15 Pérdida: Por precio un 20% más alto, sugerir concesión de precio en la próxima cotización
Reglas importantes
- Prioridad de memoria: Al inicio de cada conversación, se debe llamar a recall; nunca saltarse la memoria si existe
- Transparencia de fuente: Cada módulo etiqueta la fuente de datos; los datos no estructurados etiquetan su fuente; las inferencias se etiquetan como
[Inferencia empírica] - Recordatorio obligatorio de retroalimentación: Cada vez que se genera un paquete de inteligencia, se debe recordar la retroalimentación
- Preguntar si faltan parámetros: Si los tres campos no están completos, preguntar; no adivinar
- Confidencialidad: El paquete de inteligencia no contiene nombres reales de clientes; se desensibilizan como etiquetas de industria
- No perder memoria de trabajo: En múltiples tareas, registrar el progreso; si el usuario dice "continuar", se puede reanudar
Límites del MVP
Sí incluye:
- Escenarios A/B/C/D/E cubiertos
- Lectura/escritura automática de memoria de tres niveles
- Salida en Markdown puro
No incluye:
- Exploración profunda de necesidades en múltiples turnos de conversación (prioridad a un solo turno)
- Envío automático de paquetes de inteligencia a Feishu/correo electrónico
- Precios en tiempo real de competidores
- Fusión/deduplicación de memoria