event-prospecting

活动寻客

提供会议 URL → 获取 AE 应联系的人员排名列表，并为每个人提供“联系理由”。

必需：BROWSERBASE_API_KEY 环境变量，以及已安装的 browse CLI（npm install -g browse）。API 调用请使用 browse cloud ...；对于由 JS 驱动的演讲者页面，请使用 browse open / browse get markdown。

路径规则：所有 Bash 命令中始终使用完整的字面路径，不要使用 ~ 或 $HOME（二者都会触发“shell expansion syntax”审批提示）。只解析一次主目录，并在所有地方使用该路径。构造子 Agent 提示词时，将 {SKILL_DIR} 替换为完整的字面路径（通常为 /Users/jay/skills/skills/event-prospecting）。

输出目录：所有活动寻客输出均写入 ~/Desktop/{event_slug}_prospects_{YYYY-MM-DD-HHMM}/。最终交付文件为 index.html（按公司分组，并按公司 ICP 排名），另提供 companies.html 和 people.html（可筛选）作为备用视图，以及用于冷外联导入的 results.csv。

关键——工具限制（适用于主 Agent 和所有子 Agent）：

• 所有网页搜索：使用 browse cloud search。绝不要使用 WebSearch。
• 所有页面内容提取：使用 node {SKILL_DIR}/scripts/extract_page.mjs "<url>"。此脚本通过 browse cloud fetch --output 获取内容，解析标题、meta 标签和可见正文文本，并在获取失败或返回内容过少的 JS 渲染页面时自动回退到 browse get markdown。绝不要自行拼接 browse cloud fetch | sed 管道。绝不要使用 WebFetch。
• 所有研究输出：子 Agent 使用 bash heredoc，将每家公司或每个人写入一个 Markdown 文件，路径分别为 {OUTPUT_DIR}/companies/{slug}.md 或 {OUTPUT_DIR}/people/{slug}.md。绝不要使用 Write 工具或 python3 -c。两种文件格式请参阅 references/example-research.md。
• 报告编译：使用 node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open。
• 子 Agent 只能使用 Bash 工具。不得使用其他工具。
• 严格限制工具调用次数：ICP 初筛 = 每家公司 1 次；深入研究 = 每家公司 5 次；人员信息补充 = 每人 4 次。执行细则请参阅 references/workflow.md。

关键——防止幻觉规则（适用于主 Agent 和所有子 Agent）：

• 绝不要根据网站的字体、框架、设计系统或排版推断 product_description、industry 或某人的 role_reason。这些都是外观设计元素，与公司的销售内容或个人的工作内容无关。
• 绝不要让用户自己的 ICP 混入目标对象的描述。如果不清楚目标对象的业务，写 Unknown——不要将其生搬硬套到 ICP 中。
• product_description 必须引用或转述 extract_page.mjs 输出中的具体措辞。如果 TITLE/META/OG/HEADINGS/BODY 中均没有可识别的产品描述，写 Unknown — homepage content not accessible，并将 icp_fit_score 最高设为 3。
• 某人的 hook 必须引用或转述 browse cloud search 结果中的具体发现（播客标题、博客标题、GitHub 仓库、演讲摘要）。如果最近 6 个月没有公开信号，则回退到活动背景信息（此人在本次活动上的演讲标题）。

关键——减少权限提示：

• 子 Agent 必须将所有文件写入操作合并到一次 Bash 调用中，使用链式 heredoc。一次 Bash 调用 = 一次权限提示。
• 将所有搜索和所有页面获取操作分别合并到一次 Bash 调用中，使用 && 链接。

流程概览

按顺序执行以下 10 个步骤。不要跳过步骤或调整顺序。

0. 设置 — 输出目录 + 清理环境
1. 加载资料 — 读取 profiles/{user_slug}.json
2. 侦察 — 检测活动平台
3. 提取人员 — people.jsonl
4. 按公司分组 — seed_companies.txt
5. ICP 初筛 — 快速进行公司级评分（每家公司调用 1 次）
6. 筛选 — 保留 icp_fit_score >= --icp-threshold 的公司
7. 深度研究 — 对符合 ICP 的对象完整执行规划→研究→综合
8. 丰富演讲者信息 — 询问用户：仅限符合 ICP 的对象（默认），还是所有演讲者
9. 编译报告 — HTML + CSV，在浏览器中打开

用户通过类似 /event-prospecting <URL> 的 URL 调用该技能。从该调用消息中解析 EVENT_URL。默认值：DEPTH=deep、ICP_THRESHOLD=6。USER_SLUG（ICP 资料）会在步骤 1 中根据本地现有的资料文件自动解析——没有内置的默认资料。不要要求用户确认 URL——他们已经提供了。

---

步骤 0：设置输出目录

根据用户提供的 URL 推导输出目录。不要硬编码任何活动名称。

# EVENT_URL came from the invocation message (whatever the user typed after `/event-prospecting`)
EVENT_SLUG=$(node -e 'const h = new URL(process.argv[1]).hostname.replace(/^www\./,""); console.log(h.split(".")[0])' "$EVENT_URL")
TIMESTAMP=$(date +%Y-%m-%d-%H%M)
OUTPUT_DIR=/Users/jay/Desktop/${EVENT_SLUG}_prospects_${TIMESTAMP}
mkdir -p "$OUTPUT_DIR/companies" "$OUTPUT_DIR/people"

使用完整的字面 home 路径——绝不要使用 ~ 或 $HOME。在所有子 Agent 提示词中，将 {OUTPUT_DIR} 作为完整的字面路径传入。

步骤 1：加载用户资料

资料定义了 ICP 初筛和深度研究所依据的 ICP。请从 {SKILL_DIR}/profiles/{user_slug}.json 加载（可在所有 GTM 技能间通用——结构与 company-research 相同）。example.json 是模板，不是真实资料——绝不要使用它。

不要在 {SKILL_DIR}/profiles/ 以外查找资料——绝不要访问其他技能的目录。如果其他地方需要资料，用户必须自行复制。

解析顺序：

1. 如果用户调用时使用了 --user-company <slug>，则使用该 slug。
2. 否则，列出 profiles/*.json，排除 example.json。如果恰好存在一份资料，则使用它（并告知用户使用了哪一份）。如果存在多份，则在普通聊天中询问用户选择哪一份。
3. 如果不存在任何资料，则明确报错并指示用户创建一份（将 profiles/example.json 复制为 profiles/<your_slug>.json 并填写，或者运行 company-research 技能自动生成一份）。

PROFILES=$(ls {SKILL_DIR}/profiles/*.json 2>/dev/null | xargs -n1 basename | sed 's/\.json$//' | grep -v '^example$')
COUNT=$(echo "$PROFILES" | grep -c .)

if [ -z "$USER_SLUG" ]; then
  if [ "$COUNT" -eq 0 ]; then
    echo "No profiles found in {SKILL_DIR}/profiles/. Copy profiles/example.json to profiles/<your_slug>.json and fill it in, or run the company-research skill to build one."
    exit 1
  elif [ "$COUNT" -eq 1 ]; then
    USER_SLUG=$PROFILES
    echo "Using the only profile available: ${USER_SLUG}"
  else
    echo "Multiple profiles found:"
    echo "$PROFILES" | sed 's/^/  - /'
    echo "Re-invoke with --user-company <slug> to pick one."
    exit 1
  fi
fi

test -f {SKILL_DIR}/profiles/${USER_SLUG}.json || {
  echo "Profile not found: profiles/${USER_SLUG}.json"
  exit 1
}
cat {SKILL_DIR}/profiles/${USER_SLUG}.json

资料包含：company、product、icp_description、existing_customers。这些内容会原样嵌入下游的每个子 Agent 提示词中。

步骤 2：侦察

检测活动平台和提取策略。执行一条命令：

node {SKILL_DIR}/scripts/recon.mjs {EVENT_URL} {OUTPUT_DIR}

写入 {OUTPUT_DIR}/recon.json，其中包含 platform、strategy，以及（对于 Next.js）nextDataPaths。平台目录和检测优先级请参阅 references/event-platforms.md。

预期结果：

• Stripe Sessions 类（Next.js）：platform: "next-data"，1-3 个路径
• Sessionize：platform: "sessionize"
• Lu.ma / Eventbrite：platform: "luma" | "eventbrite"
• 其他任何平台：platform: "custom"，strategy: "markdown"（尽力而为的回退方案）

步骤 3：提取人员

node {SKILL_DIR}/scripts/extract_event.mjs {OUTPUT_DIR} --user-company {USER_SLUG}

读取 recon.json，调用对应平台的提取器，写入 people.jsonl（每行一位演讲者）和 seed_companies.txt（去重后的公司）。

--user-company 标志还会从演讲者列表中移除主办方自己的员工（由 Stripe 主办的活动会移除 Stripe 员工）以及用户自己的员工——他们不是潜在客户。

检查输出是否合理：

wc -l {OUTPUT_DIR}/people.jsonl {OUTPUT_DIR}/seed_companies.txt
head -3 {OUTPUT_DIR}/people.jsonl

如果 people.jsonl 为空或行数少于约 10 行，说明侦察选择了错误的平台——请参阅 references/event-platforms.md 并调整策略后重新运行。

步骤 4：按公司分组

extract_event.mjs 已生成 seed_companies.txt（每行一家公司，已去重并排序）。此步骤仅供参考——在并行展开前确认数量是否合理：

wc -l {OUTPUT_DIR}/seed_companies.txt

预期值：约为演讲者数量的 0.4-0.6 倍（大多数活动平均每家公司约有 2 位演讲者；有些公司会派出 5 位以上，也有许多公司只派 1 位）。

步骤 5：ICP 初筛

快速筛查——每家公司调用一次工具，不做深入研究。 根据用户的 ICP 评估 seed_companies.txt 中的每家公司，并将简要初筛结果写入 companies/{slug}.md。icp_fit_score >= --icp-threshold（默认值为 6）的公司进入步骤 7，进行深入研究；其余公司保留为初筛结果。

分派模式：将 seed_companies.txt 拆分为每批约 10 家公司，并在一次 Agent 批次中分派 N 个子 Agent（在一条消息中调用多个 Agent 工具）。每个子 Agent 使用 references/workflow.md →「ICP Triage」部分的提示词。硬性上限：每家公司调用 1 次工具（仅对首页运行 extract_page.mjs），通过 # browse call N/1 注释模式强制执行。

# Build batch files: each batch line is "name|guessed_homepage|slug".
# extract_event.mjs only emits company NAMES (no URLs), so we slugify and guess
# https://{slug-without-spaces}.com as the canonical homepage. The triage subagent
# is allowed to write product_description: "Unknown — homepage content not accessible"
# and cap score at 3 if the guessed URL 404s — that's the documented fallback in
# workflow.md (rule 3 of the ICP Triage prompt). Burning a real browse cloud search to
# discover the URL would bust the 1-call-per-company HARD CAP.
node -e '
const fs = require("fs");
const slugify = (s) => (s || "").toLowerCase().replace(/[^a-z0-9]+/g, "-").replace(/^-+|-+$/g, "");
const seed = fs.readFileSync("{OUTPUT_DIR}/seed_companies.txt", "utf-8").split("\n").filter(Boolean);
const lines = seed.map(c => {
  const slug = slugify(c);
  const guessedHost = c.toLowerCase().replace(/[^a-z0-9]/g, "");
  return `${c}|https://${guessedHost}.com|${slug}`;
});
fs.writeFileSync("{OUTPUT_DIR}/_seed_with_urls.txt", lines.join("\n") + "\n");
'

# Split into ~10-company batches
split -l 10 {OUTPUT_DIR}/_seed_with_urls.txt {OUTPUT_DIR}/_batch_triage_

# Count batches → number of subagents to dispatch (cap at 6 per message; second wave for the rest)
ls {OUTPUT_DIR}/_batch_triage_* | wc -l

然后在一条消息中，每批分派一个 Agent 调用（最多 6 个并行；第一批返回后再分派后续批次）。每个 Agent 使用 references/workflow.md →「ICP Triage」部分的提示词，并在发送前替换以下内容：

• {SKILL_DIR} → 技能的完整字面路径（例如 /Users/jay/skills/skills/event-prospecting）
• {OUTPUT_DIR} → 输出的完整字面路径
• {USER_COMPANY}、{USER_PRODUCT}、{ICP_DESCRIPTION} → 从已加载的用户资料中获取
• {EVENT_NAME} → recon.json 中的 .title
• {COMPANY_LIST} → 批次文件内容（例如 cat {OUTPUT_DIR}/_batch_triage_aa）
• {TOTAL} → 此批次的行数（替换到 # browse call N/{TOTAL} 中）

Agent 分派（骨架，每批在一条消息中重复一次）：

Agent(
  description: "ICP triage batch aa",
  prompt: <ICP Triage prompt from workflow.md with all placeholders substituted>,
  subagent_type: "general-purpose"
)
Agent(
  description: "ICP triage batch ab",
  prompt: <same prompt template, COMPANY_LIST swapped to batch ab>,
  subagent_type: "general-purpose"
)
... up to 6 per message

所有子 Agent 返回后，确认 seed_companies.txt 中的每家公司都有对应的 companies/{slug}.md：

ls {OUTPUT_DIR}/companies/*.md | wc -l
# Should equal `wc -l {OUTPUT_DIR}/seed_companies.txt`

清理批次文件：rm {OUTPUT_DIR}/_batch_triage_*。

步骤 6：按 ICP 阈值筛选

读取每个 companies/*.md 的 frontmatter，保留 icp_fit_score >= 6（或指定的 --icp-threshold 值）的公司。将符合条件公司的 slug 写入 {OUTPUT_DIR}/icp_fits.txt：

THRESHOLD=6   # from --icp-threshold flag
for f in {OUTPUT_DIR}/companies/*.md; do
  score=$(awk '/^icp_fit_score:/{print $2; exit}' "$f")
  if [ -n "$score" ] && [ "$score" -ge "$THRESHOLD" ]; then
    basename "$f" .md
  fi
done > {OUTPUT_DIR}/icp_fits.txt

wc -l {OUTPUT_DIR}/icp_fits.txt

预期保留 seed_companies.txt 中 20-40% 的公司。如果保留率低于 10%，阈值可能过高，或 ICP 描述过于狭窄——向用户提示警告。

步骤 7：深入研究

仅对符合 ICP 的公司执行完整的规划→研究→综合流程。硬性上限：每家公司调用 5 次工具（提取首页 + 2-3 次子问题搜索 + 1-2 次补充抓取）。子 Agent 将用更详尽的深入研究版本覆盖现有的 companies/{slug}.md 初筛文件（frontmatter 中的 triage_only: false）。

分派模式：将 icp_fits.txt 拆分为每批约 5 家公司（深入模式的默认值），并在一条消息中每批分派一个 Agent（每条消息最多 6 个 Agent）。每个 Agent 使用 references/workflow.md →「Deep Research」部分的提示词，并替换以下内容：

• {SKILL_DIR}、{OUTPUT_DIR}、{USER_COMPANY}、{USER_PRODUCT}、{ICP_DESCRIPTION}
• {EVENT_NAME}（来自 recon.json 中的 .title）、{EVENT_CONTEXT}（赛道 / 主题，根据活动首页人工推断）
• {COMPANY_LIST} → 批次文件内容（每行格式为 slug|website）

# Build {company-slug|website} pairs by reading frontmatter from each triage stub
while read slug; do
  website=$(awk '/^website:/{print $2; exit}' {OUTPUT_DIR}/companies/${slug}.md)
  echo "${slug}|${website}"
done < {OUTPUT_DIR}/icp_fits.txt > {OUTPUT_DIR}/_deep_targets.txt

# Split into ~5-company batches (deep mode)
split -l 5 {OUTPUT_DIR}/_deep_targets.txt {OUTPUT_DIR}/_batch_deep_
ls {OUTPUT_DIR}/_batch_deep_* | wc -l

Agent 分派（骨架，每批在一条消息中重复一次）：

Agent(
  description: "Deep research batch aa",
  prompt: <Deep Research prompt from workflow.md with all placeholders substituted; COMPANY_LIST = cat _batch_deep_aa>,
  subagent_type: "general-purpose"
)
Agent(
  description: "Deep research batch ab",
  prompt: <same template, COMPANY_LIST = cat _batch_deep_ab>,
  subagent_type: "general-purpose"
)
... up to 6 per message; second wave after the first returns

所有子 Agent 返回后，确认深入研究文件已存在且包含 triage_only: false：

grep -l "triage_only: false" {OUTPUT_DIR}/companies/*.md | wc -l
# Should equal wc -l icp_fits.txt

步骤 8：补充演讲者信息

对每个人：收集 LinkedIn URL、近期动态（播客 / 博客 / 演讲 / GitHub / X），并写入 people/{slug}.md。硬性上限：每人调用 4 次工具，分为三条路径：

1. browse cloud search "{name} {company} linkedin"（始终执行）
2. browse cloud search "{name} podcast OR talk OR blog 2026"（深入模式及以上）
3. browse cloud search "{name} github"（更深入模式）
4. browse cloud search "{name} site:x.com OR site:twitter.com"（更深入模式，尽力而为）

快速模式：完全跳过步骤 8。深入模式：执行路径 1-2。更深入模式：执行路径 1-4。

步骤 8a — 询问用户：丰富数据的范围

派发前，先计算两个候选人数并让用户选择。默认仅针对 符合 ICP 的人选（更快、更便宜，也是大多数用户的选择）；丰富所有演讲者的信息需要用户主动选择，因为成本会随丰富信息的人数线性增长。

TOTAL=$(wc -l < {OUTPUT_DIR}/people.jsonl)
ICP_FITS=$(node -e '
const fs = require("fs");
const fits = new Set(fs.readFileSync("{OUTPUT_DIR}/icp_fits.txt", "utf-8").split("\n").filter(Boolean));
const slug2name = {};
for (const slug of fits) {
  const md = fs.readFileSync(`{OUTPUT_DIR}/companies/${slug}.md`, "utf-8");
  const m = md.match(/^company_name:\s*(.+)$/m);
  if (m) slug2name[slug] = m[1].trim();
}
const want = new Set(Object.values(slug2name).map(s => s.toLowerCase()));
const ppl = fs.readFileSync("{OUTPUT_DIR}/people.jsonl","utf-8").split("\n").filter(Boolean).map(JSON.parse);
console.log(ppl.filter(p => p.company && want.has(p.company.toLowerCase())).length);
')

# Lanes per person: 2 (deep) or 4 (deeper) — match {DEPTH}
LANES=2   # or 4 for deeper
echo "ICP fits: ${ICP_FITS} speakers × ${LANES} = $((ICP_FITS * LANES)) calls"
echo "All:      ${TOTAL} speakers × ${LANES} = $((TOTAL * LANES)) calls"

然后通过 AskUserQuestion 询问——提供两个清晰的选项，并注明各自的费用：

AskUserQuestion(questions: [
  {
    question: "Enrich which speakers?",
    header: "Enrichment scope",
    multiSelect: false,
    options: [
      { label: "ICP fits only", description: "${ICP_FITS} speakers, ~$((ICP_FITS * LANES)) calls (recommended)" },
      { label: "All speakers", description: "${TOTAL} speakers, ~$((TOTAL * LANES)) calls" }
    ]
  }
])

将所选范围保存为 ENRICH_SCOPE=icp_fits 或 ENRICH_SCOPE=all。如果用户选择“所有演讲者”，且 TOTAL × LANES > 600，请打印警告并再次询问——这会是一次耗时 10 分钟以上、涉及数百次工具调用的运行。

步骤 8b — 筛选并分批

# Build _people_to_enrich.jsonl based on ENRICH_SCOPE
if [ "$ENRICH_SCOPE" = "all" ]; then
  cp {OUTPUT_DIR}/people.jsonl {OUTPUT_DIR}/_people_to_enrich.jsonl
else
  node -e '
const fs = require("fs");
const fits = new Set(fs.readFileSync("{OUTPUT_DIR}/icp_fits.txt", "utf-8").split("\n").filter(Boolean));
const slug2name = {};
for (const slug of fits) {
  const md = fs.readFileSync(`{OUTPUT_DIR}/companies/${slug}.md`, "utf-8");
  const m = md.match(/^company_name:\s*(.+)$/m);
  if (m) slug2name[slug] = m[1].trim();
}
const wantNames = new Set(Object.values(slug2name).map(s => s.toLowerCase()));
const lines = fs.readFileSync("{OUTPUT_DIR}/people.jsonl", "utf-8").split("\n").filter(Boolean);
const keep = lines.filter(l => {
  const p = JSON.parse(l);
  return p.company && wantNames.has(p.company.toLowerCase());
});
fs.writeFileSync("{OUTPUT_DIR}/_people_to_enrich.jsonl", keep.join("\n") + "\n");
console.error(`Enriching ${keep.length} of ${lines.length} speakers`);
'
fi

# Split into ~5-person batches
split -l 5 {OUTPUT_DIR}/_people_to_enrich.jsonl {OUTPUT_DIR}/_batch_people_

然后在一条消息中，每批派发一个 Agent 调用（每条消息最多 6 个），并使用 references/workflow.md →“人员信息丰富”中的提示词。每个子 Agent 的提示词应包含：

• {SKILL_DIR}、{OUTPUT_DIR}、{DEPTH}（deep | deeper）
• {USER_COMPANY}、{USER_PRODUCT}、{ICP_DESCRIPTION}
• {EVENT_NAME}（取自 recon.json 的 .title）
• {LANES} → 深度模式为 2，更深模式为 4（替换 # browse call N/{LANES} 中的值）
• {PEOPLE_BATCH} → _batch_people_aa 的内容（每行是一条来自 people.jsonl 的 JSON 记录）

Agent 派发（骨架，在一条消息中按批次重复）：

Agent(
  description: "Person enrichment batch aa",
  prompt: <Person Enrichment prompt from workflow.md with all placeholders substituted; PEOPLE_BATCH = cat _batch_people_aa>,
  subagent_type: "general-purpose"
)
Agent(
  description: "Person enrichment batch ab",
  prompt: <same template, PEOPLE_BATCH = cat _batch_people_ab>,
  subagent_type: "general-purpose"
)
... up to 6 per message

所有子 Agent 返回后，验证人员文件是否存在：

ls {OUTPUT_DIR}/people/*.md | wc -l
# Should equal wc -l _people_to_enrich.jsonl

步骤 9：生成报告

通过一条命令生成按公司分组的 HTML 索引、其他视图和 CSV：

node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open

此命令会生成：

• {OUTPUT_DIR}/index.html — 按公司分组、按公司 ICP 评分排名的人员（在浏览器中打开）
• {OUTPUT_DIR}/people.html — 可筛选的演讲者列表（其他视图）
• {OUTPUT_DIR}/companies.html — 按 ICP 排名的公司表格及参会者
• {OUTPUT_DIR}/results.csv — 可用于冷外联的电子表格

然后在聊天中提供摘要：

## Event Prospecting Complete — {Event Name}

- **Total speakers extracted**: {count}
- **Unique companies**: {count}
- **ICP fits (score ≥ {threshold})**: {count}
- **Speakers enriched**: {count}
- **Score distribution** (companies):
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: {OUTPUT_DIR}/index.html

以按公司 ICP 评分排序的 Markdown 表格展示 排名前 5 的人员卡片，然后询问用户是否要：

• 调整 --icp-threshold 并重新运行步骤 6-9
• 将 CSV 导出到 CRM