- name
- intent-filter-claw
- description
- |
潜在意向筛选虾 (intent-filter-claw)
从公域评论/帖子/私信中识别购买意向，输出带评分的高意向线索列表。
工作流程
步骤 1：明确输入来源
用户可能提供两种输入：
A. 原始评论数据（CSV/文本）
- 直接进入步骤 2 分析
- 期望字段：
用户名、内容、平台（可选）、时间（可选）
B. 自然语言监控需求（如"帮我监控小红书护肤品评论"）
- 告知用户：实际平台整理需要对应平台 API 权限
- 提供模拟数据演示，或引导用户提供已整理的评论文件
- 使用
scripts/intent-scanner.sh说明整理命令
步骤 2：语义意向识别
读取 references/intent-keywords.md 获取意向词库，读取 references/semantic-rules.md 获取语义规则。
对每条评论：
- 匹配强/中/弱意向词
- 应用语义规则（排除否定语境、反讽、无关内容）
- 识别竞品不满信号
步骤 3：意向评分（0-100）
读取 references/user-value-model.md 获取评分模型。
| 维度 | 权重 | 说明 |
|---|---|---|
| 意向词强度 | 50% | 强意向词 40-50 分，中 20-35 分，弱 5-15 分 |
| 账号影响力 | 20% | 粉丝数/互动率估算 |
| 紧迫度 | 20% | 有明确时间节点加分 |
| 竞品不满 | 10% | 提及竞品差评加分 |
推送阈值：默认 ≥70 分为高意向，推送给销售。
步骤 4：输出线索表
输出格式（Markdown 表格或 CSV）：
| 用户名 | 平台 | 原始内容 | 意向类型 | 评分 | 建议话术 |
|---|
步骤 5：推送到飞书（可选）
若用户要求推送，使用 message 工具发送到指定飞书群或个人，或使用 feishu_bitable_app_table_record 写入多维表格线索库。
关键原则
- 语义优先：不只匹配关键词，结合上下文判断真实意向
- 宁缺毋滥：误判比漏判代价更高，严格过滤否定/反讽语境
- 分级处理：高/中/低意向分别给出不同跟进建议
- 隐私合规：只处理用户主动公开的内容
参考文件
references/intent-keywords.md— 意向词库（强/中/弱 + 行业定制）references/semantic-rules.md— 语义分析规则（否定/反讽/竞品识别）references/user-value-model.md— 用户价值评估与评分模型scripts/intent-scanner.sh— 平台整理与分析命令参考