SpecQ Pack d'Intelligence Commerciale — Skill v1.1 pour Vente de Produits Chimiques Électroniques
Version : v1.2 | Mise à jour : 2026-06-24 | Nouveau : Guide d'installation multiplateforme (OpenClaw / WorkBuddy)
📦 Guide d'Installation
OpenClaw
Ce Skill est intégré au MCP OpenClaw :
openclaw skills install daizehua-wq/specq-intel-sales
Adresse du serveur MCP : http://119.91.223.127:8001/mcp (HTTP SSE, X-API-Key configuré)
WorkBuddy (Agent de Bureau Tencent)
Dans le panneau « Compétences » à gauche de WorkBuddy, recherchez specq-intel-sales pour installer ce Skill.
Après installation, copiez et envoyez le message suivant à WorkBuddy pour qu'il configure automatiquement la connexion MCP :
Aidez-moi à configurer le serveur MCP SpecQ : téléchargez specq_mcp_client.py depuis https://github.com/daizehua-wq/Specq-mcp en local, puis créez ~/.workbuddy/mcp.json en ajoutant la configuration specq, commande python specq_mcp_client.py, variable d'environnement SPECQ_MCP_URL=http://119.91.223.127:8001/mcp, SPECQ_MCP_API_KEY=saisissez votre clé. Ensuite, pip install mcp httpx.
Scénarios d'Utilisation
Commerciaux / Ingénieurs avant-vente en produits chimiques électroniques souhaitant obtenir rapidement un pack d'intelligence structuré avant une visite client.
Conditions de Déclenchement
L'utilisateur fournit l'un des ensembles d'informations suivants pour déclencher :
| Mode de déclenchement | Exemple |
|---|---|
| Trois champs | "Fais-moi un pack d'intelligence pour le bain de galvanoplastie XX, client Shennan Circuits, ils se concentrent sur la rugosité." |
| Consulter l'historique | "Qu'est-ce qui a été discuté avec Shennan Circuits auparavant ?" |
| Feedback | "Shennan a conclu" / "Perdu, ils ont trouvé le prix trop élevé." |
| Multitâche | "Fais-moi trois packs d'intelligence : Shennan + cuivre électrolytique, Jingwang + solution de gravure, Pengding + cuivre chimique." |
Dépendances du Serveur MCP (5 Outils)
| Outil | Entrée | Sortie | Description |
|---|---|---|---|
specq_memory | action, query/content/category... | Résultat d'opération mémoire | Nouveau v1.1 : Mémoire à trois niveaux |
specq_generate_intel | product, application, scenario | Pack d'intelligence en 8 modules (Markdown) | Génération principale |
specq_extract_insights | customer_id (optionnel), limit | Insights structurés (JSON) | Extraction de données cachées |
specq_log_visit | customer_id, content, visit_date, visit_type | ID d'enregistrement de visite | Enregistrer les visites |
specq_feedback | product, application, outcome, lesson, accuracy_notes | Enregistrement de feedback | Boucle de clôture de vente |
Flux de Travail v1.1 (Avec Mémoire à Trois Niveaux)
Entrée utilisateur
↓
① Vérification de la mémoire de travail (specq_memory.get_plan)
├─ Tâche non terminée existante → Suggestion : "La dernière tâche XX n'est pas encore terminée. Continuer ?"
└─ Nouvelle tâche → Continuer
↓
② Rappel de la mémoire à long terme (specq_memory.recall)
→ Recherche sémantique des visites historiques, enregistrements de pertes, préférences pour ce client/produit
↓
③ Extraction des trois champs (product / application / scenario)
→ Si les trois champs sont incomplets → Demander des précisions
↓
④ Injection de données cachées (extract_insights + résultats du rappel mémoire)
├─ Données cachées disponibles → Injecter dans le pack d'intelligence
└─ Aucune donnée cachée → Marquer [Inférence empirique]
↓
⑤ Génération du pack d'intelligence (specq_generate_intel)
↓
⑥ Sortie du pack d'intelligence en 8 modules
【Mémoire historique】 (Bloc de contexte indépendant)
- 2026-06-20 Visite : se concentre sur la rugosité, concurrent Atotech
- 2026-05-15 Perte de contrat : prix jugé 20% trop élevé
【Pack d'intelligence actuel】 (8 modules)
... (avec annotation de la source de données)...
↓
⑦ Écriture dans la mémoire à long terme (specq_memory.save)
→ category=intel, content=résumé du pack d'intelligence actuel
↓
⑧ Mise à jour de la mémoire de travail (specq_memory.set_plan)
→ Marquer la tâche actuelle comme terminée
↓
⑨ ⚠️ Rappel obligatoire : "Après avoir rencontré le client, dites-moi le résultat, je l'enregistrerai pour vous."
Scénarios Spécifiques
Scénario A : Nouveau client (aucune donnée historique)
- Le rappel de mémoire à long terme est vide → Appeler directement generate_intel
- Les modules 4/5/6 sont marqués
[Inférence empirique, aucune donnée commerciale à l'appui]
Scénario B : Client existant (données de mémoire disponibles)
- D'abord recall → Rappeler les visites historiques + enregistrements de pertes
- Injecter dans le bloc de contexte indépendant 【Mémoire historique】
- Les modules 4/5/6 du pack d'intelligence ont des annotations de véritables sources de données
Scénario C : Consultation uniquement de l'historique
- recall → Afficher structuré la mémoire historique
- Après l'affichage, demander : "Souhaitez-vous générer un pack d'intelligence basé sur ces informations ?"
Scénario D : Feedback de clôture
- feedback → Enregistrer la boucle de clôture
- En même temps, save(category="feedback") dans la mémoire à long terme
- outcome : won (conclu) / lost (perdu) / follow_up (en suivi)
Scénario E : Multitâche (Nouveau v1.1)
- get_plan vérifie la progression → sait où l'on en est
- set_plan définit/met à jour la liste des tâches
- Reprise après interruption : l'utilisateur dit "continuer" → get_plan → sait par où commencer
Système de Classification de la Mémoire
| category | Déclencheur | Exemple de contenu | Stratégie de conservation |
|---|---|---|---|
visit | Écriture automatique après log_visit | "Visite du client XX, indicateur suivi : YY" | Permanent |
feedback | Écriture automatique après feedback | "Perte de contrat pour produit XX, raison : prix 20% trop élevé" | Permanent |
intel | Écriture automatique après generate_intel | "Pack d'intelligence YY généré pour le client XX" | 180 jours |
insight | Découverte structurée par extract_insights | "Sensibilité à la rugosité de Shennan Circuits : Élevée" | 180 jours |
preference | Préférence explicite de l'utilisateur | "David préfère voir d'abord la comparaison concurrents" | Permanent |
Spécifications de Sortie
Pack d'Intelligence (8 modules)
| Module | Contenu | Source de données |
|---|---|---|
| 1. Aperçu du produit | Définition du produit, fonctions principales, étapes de processus applicables | Documents publics + knowledge.db |
| 2. Comparaison des indicateurs techniques | Paramètres clés vs concurrents / normes industrielles | Documents publics + données cachées |
| 3. Paysage concurrentiel | Principaux concurrents, parts de marché, différenciation | Documents publics |
| 4. Indicateurs d'intérêt client | Indicateurs techniques clés pour ce client/secteur | Données cachées / [Inférence empirique] |
| 5. Opportunités d'entrée | Fenêtre d'entrée actuelle pour ce client | Données cachées / [Inférence empirique] |
| 6. Obstacles à l'adoption | Raisons des pertes historiques, barrières techniques | Données cachées / [Inférence empirique] |
| 7. Recommandations d'action | Argumentaire de visite, points clés de démonstration, stratégie de prix | Généré de manière globale par LLM |
| 8. Sources de référence | Sources de données de chaque module + niveau de confiance | Annotation automatique |
Mémoire Historique (Bloc de Contexte Indépendant)
À chaque génération de pack d'intelligence, un bloc de mémoire historique est ajouté au tout début de la sortie :
【Mémoire historique】
- 2026-06-20 Visite Shennan Circuits : se concentre sur la rugosité (Ra<0,3μm), concurrent Atotech
- 2026-05-15 Perte de contrat : prix jugé 20% trop élevé, suggérer de concéder sur le prix lors de la prochaine offre
Règles Importantes
- Priorité à la mémoire : Chaque début de conversation doit appeler recall, ne jamais sauter s'il y a de la mémoire
- Transparence des sources : Chaque module doit annoter la source des données. Les données cachées annotent leur source, les déductions marquent
[Inférence empirique] - Rappel de feedback obligatoire : Après chaque sortie de pack d'intelligence, rappeler le feedback
- Demander si paramètres insuffisants : Si les trois champs ne sont pas tous extraits, demander, ne pas deviner
- Confidentialité : Le pack d'intelligence ne contient pas les vrais noms des clients, anonymisés en étiquettes sectorielles
- Ne pas perdre la mémoire de travail : En multitâche, enregistrer la progression. Si l'utilisateur dit "continuer", pouvoir reprendre
Limites MVP
Fait :
- Scénarios A/B/C/D/E tous couverts
- Mémoire à trois niveaux en lecture/écriture automatique
- Sortie en Markdown pur
Ne fait pas :
- Exploration approfondie en plusieurs tours (priorité au tour unique)
- Envoi automatique du pack d'intelligence vers Feishu / email
- Prix concurrents en temps réel
- Fusion / déduplication de la mémoire