sales-prospecting

销售线索挖掘

线索挖掘中心。始终以“你的目标是什么？”开场，并展示 7 个子技能。确定方向后，严格按照该子技能的操作流程执行。以下每套流程都经过实测，务必遵循，包括其中的注意事项。

步骤 0：上下文（绝不阻止执行）

• 如果工作目录中存在 config/gtm-config.md 或 config/persona-profile.md，请读取其中的 ICP、销售内容、买家职位、客户名单和技术栈。
• 如果这些文件不存在，请在对话中快速提问 1～2 个问题（“你向谁销售——行业、规模、地区？哪些职位负责采购？”），或引导用户使用 icp-builder 技能来正确构建配置。配置缺失绝不能阻止执行。
• 消耗额度前，用一句话确认用户的需求。

---

目标菜单（先展示此菜单）

1. 寻找新公司——“我有一个 ICP，帮我建立一份全新的名单”
2. 寻找相似公司——“寻找与我的最佳客户相似的公司”
3. 为我的客户账户排序——“这是我的客户账户（客户组合／区域／CSV）——我应该先联系谁？”
4. 活动线索挖掘——“我应该去 结识哪些人？”
5. 扩展机会雷达——“我可以在现有客户中拓展哪些业务？”
6. TAM 构建器——“我的市场有多大？请提供真实数据。”
7. 拥护者追踪器——“当拥护者离开我的客户公司时提醒我”（实时监控）

---

每次搜索的执行方式（Code Mode 基本规则）

所有 Crustdata 数据工具都在 execute({ code }) 中运行——这是一个纯 JavaScript 脚本（根据 get_schema 提供的类型化接口编写，但不要写任何类型注释；: Type、as 或泛型都会导致解析错误，使整个运行在产生任何费用前失败）。

• 每个脚本都以查询注释开头——用户的原始请求使用 // user query: ...，派生步骤使用 // model query: ...。没有注释的脚本会在运行前被拒绝。
• 只有一种 I/O 原语：const r = await callTool(name, params) 返回 { ok: true, data } 或 { ok: false, status, errorType, message }。始终检查 r.ok 并分支处理——调用失败不会中止脚本，因此未检查的失败会让脚本在空数据上静默继续，看起来像是“没有结果”。
• fields 是响应白名单。 结果仅包含你列出的分组／路径；后续读取未列出的分组时会得到 undefined，看起来像数据缺失。列出你读取的每个分组。
• 只返回最精简的投影。 只有脚本返回的内容会传给模型——映射为名称／ID／URL／信号行，绝不要返回原始个人资料。
• 使用 await parallelMap(items, fn) 扇出调用独立调用；先使用 chunk(list, 25) 分批。绝不要并行处理游标分页或有依赖关系的阶段。在耗时阶段之后调用 checkpoint(acc)，以便超时时返回部分进度。
• 类别值是封闭集合。 看似合理但实际错误的值会静默返回 0 行。筛选前，先使用 company_autocomplete / person_autocomplete（免费）解析准确的存储值：basic_info.industries、taxonomy.professional_network_industry、funding.last_round_type、basic_info.company_type、职称、资历、function_category。
• 资历词汇表（person_search）：Entry Level、Entry Level Manager、Experienced Manager、Senior、Director、Vice President、CXO、Owner / Partner、In Training、Strategic。筛选前务必通过 person_autocomplete 确认。
• 受套餐限制的投影会使整个调用因 403 失败，并指出相应字段——删除该字段后重新运行。已知字段：person_search 中的 professional_network.followers 和 metadata。绝不要投影 followers；改用 professional_network.connections 筛选（gte(..., 100) 可用）。
• 筛选路径 ≠ 响应路径（person_search）：筛选 ...current.company_name → 返回在 ...current[].name 下；筛选 ...current.company_id → 返回在 ...current[].crustdata_company_id 下；筛选 ...current.company_website_domain → 返回在 ...current[].company_website 下。个人资料 URL 返回在 social_handles.professional_network_identifier.profile_url 下（使用 profileUrl(p) 访问器），且不可用于筛选。
• 值格式：公司 locations.country 接受 ISO-3（USA）作为筛选值，但返回的是标准化后的全名——不要将响应值与 "USA" 比较。雇主总部国家使用 ISO-3；个人 basic_profile.location.country 使用全名（United States）；域名不带前缀（stripe.com）；融资阶段使用小写蛇形命名法（series_a——in／not_in 与准确存储的字符串匹配，= 不区分大小写）。
• 嵌套数组 AND（person_search）：对一个嵌套数组字段（experience.*）使用普通 and_，表示同一个数组元素必须满足所有条件——因此，“在公司 X 担任工程师”是默认行为，且可正常工作。对于跨元素条件（“曾在 A 担任工程师，并且在 B 担任经理”，即两个不同职位），普通 and_ 不会返回结果；请改用 all_of 组。查询构建器没有 all_of 辅助函数，因此请直接编写原始筛选对象：{ op: "all_of", conditions: [ {...}, {...} ] }。同一字段有多个必需值时，has_all 的作用相同。
• 0 个结果 ≠ 没有匹配项。 格式正确的查询也可能表达了一个定义不当的请求。请拆分请求，用低成本计数测试每个谓词的选择性，并在相信多步骤结果之前，查看 execute 响应中的 trajectory（每次调用的筛选条件和计数）。
• 跨轮次去重：在 person_search 上使用 post_processing: { exclude_profiles: [...], exclude_names: [...] }。

---

子技能用法示例

1. 寻找新公司（净新增）

输入：ICP（行业／规模／地区／阶段）+ 信号（见下方列表）+ 目标职位 + 所需行数。

步骤 1 — 通过自动补全验证每个类别值。 值错误会导致结果静默为零。

// model query: resolve exact industry and funding-stage values before filtering
const probes = [
  ["basic_info.industries", "software"],
  ["funding.last_round_type", "series a"],
];
const values = await parallelMap(probes, async ([field, query]) => {
  const r = await callTool("company_autocomplete", { field, query });
  return { field, values: r.ok ? r.data : r.message };
});
return values;

步骤 2 — 先进行宽泛的 company_search，再检查前 10 个结果并迭代优化 2-4 轮。 优化项：锁定阶段（funding.last_round_type）、金额范围（funding.total_investment_usd、funding.last_round_amount_usd）、basic_info.year_founded、增长下限 gt("headcount.growth_percent.12m", N) — 可筛选但不可排序；若要按增长排名，可按此项筛选，再按 headcount.total 或 funding.last_fundraise_date 排序。说明每轮筛选保留和排除了哪些结果。

// model query: US software companies 51-1000, raised $5M+, growing >20% — refine round 2
const r = await callTool("company_search", {
  filters: and_(
    in_("basic_info.industries", ["Software Development"]),
    eq("locations.country", "USA"),
    between("headcount.total", 51, 1000),
    gt("funding.total_investment_usd", 5000000),
    gt("headcount.growth_percent.12m", 20)
  ),
  fields: ["crustdata_company_id", "basic_info", "headcount", "funding"],
  sorts: [{ field: "funding.last_fundraise_date", order: "desc" }],
  limit: 25,
});
if (!r.ok) return { error: r.message };
return {
  total: r.data.total_count,
  rows: r.data.companies.map(c => ({
    id: c.crustdata_company_id,
    name: c.basic_info?.name,
    domain: c.basic_info?.primary_domain,
    hc: c.headcount?.total,
    growth12m: c.headcount?.growth_percent?.["12m"],
    lastRound: c.funding?.last_round_type,
    lastRaise: c.funding?.last_fundraise_date,
  })),
};

步骤 3 — 拉取人员。 使用一次 person_search，限定在入围公司的 ID + 目标职位／资历（先通过 person_autocomplete 解析资历值）。在同一查询中筛除无关结果：连接数下限、排除顾问／投资人（excludes() 会为每个值构建一个模糊否定条件 — 多个条件之间为 AND）。

// model query: buyer-title people at the shortlisted companies
const r = await callTool("person_search", {
  filters: and_(
    in_("experience.employment_details.current.company_id", inputs.ids),
    in_("experience.employment_details.current.seniority_level", ["Director", "Vice President", "CXO"]),
    gte("professional_network.connections", 100),
    excludes("experience.employment_details.current.title", "advisor"),
    excludes("experience.employment_details.current.title", "investor")
  ),
  fields: ["basic_profile", "experience", "social_handles"],
  limit: 50,
});
if (!r.ok) return { error: r.message };
return r.data.profiles.map(p => ({
  name: p.basic_profile?.name,
  title: p.basic_profile?.current_title,
  company: p.experience?.employment_details?.current?.[0]?.name,
  url: profileUrl(p),
}));

步骤 4 — 对 FIT x TIMING x WARMTH 评分 → 🔥/🟡/⚪，每行显示起决定作用的信号及其日期。仅使用免费数据；联系人信息补充为自选项（见通用规则）。

2. 相似公司

1. 对种子客户使用 company_identify — 免费；每次调用只能使用一种标识符类型（domains 或 names，均为数组）。识别为模糊匹配：一个域名可能匹配多家公司 — 为每个标识符选取 confidence_score 最高的匹配项。
2. 使用一次 company_search 和 in_("crustdata_company_id", seedIds)，读取它们共有的特征（行业值、规模范围、阶段、增长、地区）。

// model query: resolve seed customers and read the traits they share
const idr = await callTool("company_identify", {
  domains: inputs.seedDomains,
  fields: ["crustdata_company_id", "basic_info"],
});
if (!idr.ok) return { error: idr.message };
const ids = idr.data
  .map(m => m.matches?.[0]?.company_data?.crustdata_company_id)
  .filter(Boolean);
const r = await callTool("company_search", {
  filters: in_("crustdata_company_id", ids),
  fields: ["crustdata_company_id", "basic_info", "headcount", "funding", "taxonomy", "locations"],
  limit: ids.length,
});
if (!r.ok) return { error: r.message };
return r.data.companies.map(c => ({
  name: c.basic_info?.name,
  industries: c.basic_info?.industries,
  hc: c.headcount?.total,
  growth12m: c.headcount?.growth_percent?.["12m"],
  stage: c.funding?.last_round_type,
  country: c.locations?.country,
}));

3. 将这些共同特征作为筛选条件 → 从步骤 2 开始运行配方 1。使用 nin_("crustdata_company_id", excludeIds) 排除种子客户和现有客户。

3. 排名我的客户账户（客户名册、区域或粘贴的 CSV — 一项子技能）

输入：任意来源的客户账户名称／域名／CSV。

1. 使用 company_identify 解析所有行（免费；通过 chunk(domains, 25) + parallelMap 分批；每次调用只能使用一种标识符类型）。如实标记无法解析的行 — 绝不静默丢弃。模糊匹配可能返回多个结果；每行选取 confidence_score 最高的匹配项。
2. 使用一次 company_search 和 in_("crustdata_company_id", ids)，并设置 fields: ["crustdata_company_id", "basic_info", "funding", "headcount"]。增长数据包含在 headcount 组中（headcount.growth_percent.{1m,3m,6m,12m}）— 无需额外调用。请记住，fields 是白名单：列出你读取的每个组。

// user query: rank my account list — who do I work first?
const batches = chunk(inputs.domains, 25);
const identified = await parallelMap(batches, async (batch) => {
  const r = await callTool("company_identify", {
    domains: batch,
    fields: ["crustdata_company_id", "basic_info"],
  });
  return r.ok ? r.data : batch.map(d => ({ matched_on: d, matches: [], error: r.message }));
});
const rows = identified.flat();
const unresolved = rows.filter(m => !m.matches?.length).map(m => m.matched_on);
const ids = rows.map(m => m.matches?.[0]?.company_data?.crustdata_company_id).filter(Boolean);
checkpoint({ ids, unresolved });
const r = await callTool("company_search", {
  filters: in_("crustdata_company_id", ids),
  fields: ["crustdata_company_id", "basic_info", "funding", "headcount"],
  limit: ids.length,
});
if (!r.ok) return { error: r.message, unresolved };
return {
  unresolved,
  accounts: r.data.companies.map(c => ({
    id: c.crustdata_company_id,
    name: c.basic_info?.name,
    lastRound: c.funding?.last_round_type,
    lastRaise: c.funding?.last_fundraise_date,
    raisedUsd: c.funding?.total_investment_usd,
    hc: c.headcount?.total,
    growth3m: c.headcount?.growth_percent?.["3m"],
    growth12m: c.headcount?.growth_percent?.["12m"],
  })),
};

3. 可选：针对热门客户账户深入查询，使用 job_search 并设置 aggregations + limit: 0，获取开放职位数量（低成本的招聘信号 — 代码片段见扩张雷达）。
4. 评分：按 TIMING 加权。融资 <3 个月 = 🔥；3-9 个月 = 🟡；>12 个月 = ⚪；员工人数增长或招聘激增可提升一个等级。输出：排名表 + 每行的“原因” + 本周前 5 名。

4. 活动线索挖掘

1. 务必从真实来源获取参会名单 — 绝不编造参会者。 使用 web_search_live 搜索 " sponsors exhibitors"（活动官网的 /sponsors 页面通常会在搜索摘要中列出各级别赞助商），然后使用 web_enrich_live 获取页面上的完整名单。销售代表提供的名单也可使用。

// model query: find the official sponsor page for the event and pull the roster
const s = await callTool("web_search_live", { query: `${inputs.event} sponsors exhibitors` });
if (!s.ok) return { error: s.message };
const page = s.data.results.find(x => /sponsor|exhibitor/i.test(x.url));
if (!page) return { candidates: s.data.results.map(x => ({ title: x.title, url: x.url })) };
const f = await callTool("web_enrich_live", { urls: [page.url] });
if (!f.ok) return { error: f.message };
return { url: page.url, page: f.data };

2. 使用 company_identify 解析名单（免费，使用 chunk(25) + parallelMap）→ 使用一次范围限定的 company_search 筛选符合 ICP 的公司 → 按配方 1 步骤 3 查找人员。优先选择已发布活动相关内容的人员：使用活动名称调用 social_post_search_live — 每篇帖子消耗 1 个额度（使用 exact_keyword_match 时为 3 个），因此请谨慎设置 limit（10-20）。
3. 交付内容：按 ICP 匹配度排名的会面名单，附展位／级别信息 + 一段提及活动的建议开场白（按下方的反敷衍规则撰写）。

5. 扩张雷达（显而易见的隐性收入）

输入：客户名单（CRM 导出或销售代表提供）。扫描四个扩张面——三次限定范围的搜索即可覆盖整个客户群，无需逐个账户调用：

• 新增资金 — 使用按账户排名的限定范围 company_search（融资字段）：刚完成融资 = 有预算。
• 新增人员 — 调用一次 person_search，使用 in_("experience.employment_details.current.company_id", customerIds) 和高级别层级；读取 current[].start_date，筛选最近约 6 个月入职的人员。你所销售的职能部门新上任的高管，是最佳的扩张触发信号。另外：查看 job_search 招聘职位（见下文）。
• 新增领域 — 尚未覆盖的团队／地理区域／职能部门：使用同一限定范围的 person_search，在脚本中按 function_category／地区分组，并与现有联系人所在位置进行比较。
• 暖关系路径 — 客户中的支持者，以及他们可以介绍的人（按脚本发起转介绍请求）。数据来自配置中的客户名单和支持者跟踪器输出。

// model query: new senior hires in the last 6 months across customer accounts
const cutoff = new Date(Date.now() - 183 * 24 * 3600 * 1000).toISOString().slice(0, 10);
const r = await callTool("person_search", {
  filters: and_(
    in_("experience.employment_details.current.company_id", inputs.customerIds),
    in_("experience.employment_details.current.seniority_level", ["Director", "Vice President", "CXO"])
  ),
  fields: ["basic_profile", "experience", "social_handles"],
  limit: 100,
});
if (!r.ok) return { error: r.message };
return r.data.profiles.map(p => {
  const cur = p.experience?.employment_details?.current?.[0];
  return {
    name: p.basic_profile?.name,
    title: cur?.title,
    company: cur?.name,
    started: cur?.start_date,
    url: profileUrl(p),
  };
}).filter(x => x.started && x.started >= cutoff);

// model query: open-role counts per customer account (hiring signal, counts only)
const r = await callTool("job_search", {
  filters: in_("company.basic_info.company_id", inputs.customerIds),
  aggregations: [{ type: "group_by", field: "company.basic_info.crustdata_company_id", agg: "count", size: 100 }],
  limit: 0,
});
if (!r.ok) return { error: r.message };
return r.data.aggregations;

招聘信息中的技术栈检测：使用 [.] 对 content.description 中的品牌／产品／技术名称进行筛选（精确匹配词元）；(.) 对拼写错误有容错能力，也会匹配相似词，因此仅在匹配描述性多词短语时使用。按 metadata.date_added 对招聘信息排序，以确保时效性。

每个客户的输出：机会 — 扩张面 — 证据（注明日期）— 预估规模（席位／团队）— 暖关系路径 — 建议策略。按扩张就绪度对整个客户群排序。

6. TAM 构建器（经过研究的方法——务必做好）

自下而上，根据实际公司数量计算，比自上而下估算更可靠（实际公司数 × ACV）。构建三个层级，每层执行一次 company_search 计数查询：limit: 1，读取 total_count，每次约 0.03 个积分——成本很低，可以按需进行各种细分。注意：company_search 没有 count 参数；limit: 1 + total_count 就是计数查询。（person_search 有 count 参数，且不能与 limit 同时使用。）

• TAM — 最宽泛的合格定义（任何未来可能购买的客户）。已测试示例：美国“软件开发”行业，员工人数 51–1000 = 8,244。
• SAM — 当前产品／GTM 能服务的市场（增加融资／阶段／地区限制）。已测试：再加上融资超过 $5M = 3,132。（再加上过去 12 个月增长率超过 20%，缩小至 1,245——这是一个有用的“增长中的 SAM”细分。）
• SOM — 实际可争取的市场：SAM × 可信的赢单率百分比，或按产能计算（销售代表人数 × 每年成交数）。

// user query: how big is my market — TAM/SAM with real counts
const base = [
  in_("basic_info.industries", ["Software Development"]),
  eq("locations.country", "USA"),
  between("headcount.total", 51, 1000),
];
const layers = [
  { name: "TAM", extra: [] },
  { name: "SAM", extra: [gt("funding.total_investment_usd", 5000000)] },
  { name: "SAM-growing", extra: [gt("funding.total_investment_usd", 5000000), gt("headcount.growth_percent.12m", 20)] },
];
const counts = await parallelMap(layers, async (l) => {
  const r = await callTool("company_search", {
    filters: and_(...base, ...l.extra),
    fields: ["crustdata_company_id"],
    limit: 1,
  });
  return { layer: l.name, count: r.ok ? r.data.total_count : null, error: r.ok ? undefined : r.message };
});
return counts;

然后：$ = 数量 × ACV（ACV 来自配置或销售代表）。自上而下交叉验证：使用 web_search_live 查询分析师的市场规模数据，并并排展示两组数字。注明筛选条件——务必打印每个数量所依据的精确筛选条件，确保结果有据可依。还可以提供其他细分（按规模区间／地区／阶段）；每次约 0.03 个积分，因此可通过 parallelMap 随时运行。

7. 冠军追踪器（当前列表 + 持续监控）

步骤 1 — 获取今天的列表。 使用 person_search，结合前雇主和 recently_changed_jobs：

// user query: champions who recently left my customer accounts
const r = await callTool("person_search", {
  filters: and_(
    in_("experience.employment_details.past.company_website_domain", inputs.customerDomains),
    eq("recently_changed_jobs", true),
    gte("professional_network.connections", 100),
    excludes("experience.employment_details.past.title", "advisor"),
    excludes("experience.employment_details.past.title", "investor"),
    excludes("experience.employment_details.past.title", "board")
  ),
  fields: ["basic_profile", "experience", "social_handles"],
  limit: 50,
});
if (!r.ok) return { error: r.message };
return r.data.profiles.map(p => {
  const cur = p.experience?.employment_details?.current?.[0];
  const past = p.experience?.employment_details?.past?.[0];
  return {
    name: p.basic_profile?.name,
    was: past?.title,
    at: past?.name,
    now: cur?.title,
    nowAt: cur?.name,
    landed: cur?.start_date,
    url: profileUrl(p),
  };
});

注意事项（均已实测）：

• experience.employment_details.past.end_date 不可用于筛选——不要尝试。受支持的做法是筛选前雇主 + recently_changed_jobs = true，然后读取 current[].start_date 并人工筛选。
• 原始列表噪声较多——请逐行检查并剔除： 新公司仍是客户（或其更名后的公司）的内部调岗人员；子公司／收购导致的变动（实体只是更名或被并入，并没有人真正离职）；任期早已结束的顾问／投资人／LP；最近换工作与客户无关的过期校友——在发送「恭喜」之前，确认客户是其最近的雇主。
• excludes() 可提前排除大多数顾问／投资人职位；每个条件只能有一个值，但可组合多个条件（AND）。逐行检查可以发现其余情况。
• 新公司信息从 current[].name 读取（筛选时使用 company_name；响应中的键是 name）。
• 保留人脉连接数下限；绝不要投影关注者数。

步骤 2 — 持续监控（让追踪持续运行）。 监控器使用普通 REST，而非 Code Mode。Person Discovery Watcher 会将你刚刚验证过的筛选条件原样转换为持续推送的数据流，每周通过你选择的 webhook 仅发送新的匹配结果。首次运行 = 免费基准数据（最多 5 个匹配结果），之后每位新匹配人员消耗 0.5 个积分。

流程：先运行步骤 1 的搜索，并与用户确认列表看起来正确 → 使用相同的筛选条件构建 curl 命令 → 展示命令 → 只有在用户明确同意后才创建。

curl -X POST https://api.crustdata.com/watch/person/search \
  -H "authorization: Bearer YOUR_API_KEY" \
  -H "x-api-version: 2025-11-01" \
  -H "content-type: application/json" \
  -d '{
    "filters": {
      "op": "and",
      "conditions": [
        { "field": "experience.employment_details.past.company_website_domain", "type": "in", "value": ["customer1.com", "customer2.com"] },
        { "field": "recently_changed_jobs", "type": "=", "value": true }
      ]
    },
    "config": { "trigger": { "type": "interval", "every_hours": 168 } },
    "notifications": [{ "type": "webhook", "url": "https://your-endpoint.example.com/champions" }]
  }'

步骤 3 — 输出行： 人员 — 曾任 [客户] 的 [职位] — 现任 [新公司] 的 [职位] — 于 [日期] 入职。交由你的外联工具发送「恭喜，你认识我们」的问候。

---

信号类别（在需求了解过程中提供，可组合使用）

增长（员工人数增长百分比、职位结构增长、收入区间）— 融资（近期程度、阶段、规模、投资人）— 招聘（你能解决其痛点的职位、招聘信息激增、招聘信息中提及的技术，通过 content.description [.]）— 内容与意向（通过 social_post_search_live 查找发布某关键词的人员／公司、竞争对手提及）— 人员与流动（冠军换岗、新高管、离开竞争对手的员工、客户校友、同校校友）— 公司动态（新闻、产品发布、通过 web_search_live 查找新办公室）— 技术与表现（技术信息、软件评论数量／评分）— 关系热度（共同联系人、共同投资人、共同加速器）— 排除项（裁员、现有客户、竞争对手）— 自定义 AND 规则。

通用规则

• 先询问目标；用一行确认范围；然后执行方案，并说明各步骤。
• 迭代，绝不直接给出第一轮结果。 说明每轮筛选删去了哪些内容，以及原因。
• 优先使用免费数据。 联系方式补充信息为可选项，运行前必须确认费用。person_contact_enrich 是获取联系信息的默认工具：无基础费用；每人工作邮箱约 +1 个积分、个人邮箱约 +2 个积分、电话号码约 +2 个积分，每人最多 5 个积分；每次调用最多处理 25 个 URL（使用 chunk + parallelMap）。缩小 fields 范围以控制费用，并读取 credits_remaining 获取实际余额。务必先报出费用上限：“20 人的邮箱最多约需 100 个积分，可以吗？”
• 公司信息补充（每个返回匹配结果 2 个积分；如果请求并返回了技术栈信息，则每个匹配结果额外 +2 个积分，也就是每个匹配结果 2–4 个积分）只能通过 crustdata_company_ids + exact_match: true 进行，并且必须先免费完成识别。
• 始终过滤无效结果： 连接数少于 100、占位符式简介、顾问／投资人／董事会成员、地理位置或职位不匹配。
• 监控项和任何外部写入操作都必须获得明确同意。
• 始终询问交付方式： 电子表格——导出 CSV（供你的序列工具或 CRM 导入）——交由 account-research 技能深入研究重点客户——或仅提供表格。
• 你起草的任何文本（开场白、行动方案、推荐话术）：不得使用 em dash、不得使用 “delve”／“leverage”／“streamline”，不得填充套话。写得像一位了解该客户的同事。
• 根据内容调整布局，绝不让布局掩盖内容。 品牌系统固定，布局不固定。如果真实内容放不下——公司或人名很长、标题有 12 个词、共有 200 行——就调整布局，而不是改动内容：增大卡片、换行而非截断、改为单列、加宽列、提高上限，或为宽内容单独设置滚动容器。绝不要通过裁切卡片、用省略号截断姓名或悄悄丢弃行来解决空间问题。如果确实无法避免设置上限，必须在 UI 中说明（“显示前 50 条，共 214 条”），让读者知道还有哪些内容未显示。查看渲染结果，并在交付前修复所有被截断的内容。
• 渲染结果中的图标： 使用 Lucide（仪表板的图标集），以内联 SVG 形式呈现，并使用 currentColor 描边。产物 UI 中不得使用表情符号。🔥／🟡／⚪ 评分等级仅用于聊天；在渲染产物中应改用彩色标签或 Lucide 图标。
• Logo 和照片均可免费使用，请在渲染结果中使用。 也要使用人物照片：basic_profile.profile_picture_permalink 已包含在 person_search 返回的 basic_profile 组中，因此渲染的人物列表应显示真实头像，而非姓名首字母。basic_info.logo_permalink 由你已调用的 company_identify 返回，用于解析每一行；也包含在 company_search 的 basic_info 组中。将其以内联 Base64 的 data:image/jpeg;base64,... URI 形式嵌入：媒体 CDN 会将这些图片作为 binary/octet-stream 提供，因此远程 <img src> 会显示空白。如果公司没有 Logo，则回退到姓名首字母图标。
• 产物品牌标识： 默认交付聊天原生内容（表格、CSV），绝不要为了渲染而渲染产物。但如果用户希望将交付物制作为渲染页面或文档（HTML 列表、TAM 报告、文档），则必须在页眉或页脚加入 Crustdata 品牌标识组合：小号大写的 “Powered by” 引导文字，以及链接到 crustdata.com 的官方 Crustdata 字标。此技能的 assets/ 目录中提供成套字标图片：crustdata-logo-light.png（深色文字，适用于浅色背景）和 crustdata-logo-dark.png（白色文字，适用于深色背景）；这与 app.crustdata.com 页眉使用的文件相同。根据主题以内联 Base64 方式嵌入对应版本，高度约为 17px（支持深色模式的页面需同时嵌入两个版本，并随主题切换），不得使用远程链接；渲染产物无法获取远程图片。品牌强调色：#5547E2（产品主色）；深色背景上使用 #8387FF。正文使用 Geist 字体（如果可嵌入），否则使用系统字体栈。
• 每个执行响应都会包含 credits + credits_remaining；account_credits（免费）可按需报告余额。

成本速查表

调用	成本
company_identify、自动补全、get_schema	免费
company_search / person_search / job_search	~0.03 cr/条结果
计数查询（limit: 1，读取 total_count）	~0.03-0.04 cr
job_search 聚合查询（limit: 0）	仅计数，~免费
web_search_live	1 cr/次查询
web_enrich_live	1 cr/页
social_post_search_live	1 cr/条帖子；使用 exact_keyword_match 时为 3 cr/条帖子；请谨慎设置 limit
person_contact_enrich	无基础费用；每人最多 5 cr
company_enrich	每条返回的匹配结果 2 cr；若请求并返回了技术画像，则额外加 2 cr（每条匹配结果共 2-4 cr）
Person Discovery Watcher	首次运行免费建立基线，此后每新增一人收费 0.5 cr

工具依赖项

此技能需要：

• Crustdata MCP 服务（install.crustdata.com/mcp）：一个 Code Mode MCP，提供 list_tools、get_schema 和 execute。所有 Crustdata 数据工具都通过 execute({ code }) 中的纯 JavaScript 脚本调用：await callTool(name, params)。此处使用的工具：company_search、person_search、company_identify、company_autocomplete、person_autocomplete、job_search、web_search_live、web_enrich_live、social_post_search_live、person_contact_enrich（可选启用）、company_enrich（可选启用）、account_credits
• Crustdata REST API（api.crustdata.com）仅用于 champion-tracker watcher——此技能会打印一条可直接运行的 curl 命令；用户提供 API 密钥并明确同意后运行