Everything Claude Code Lead Intelligence Skill 是一套 AI 原生的线索智能与外联自动化 Pipeline，集成信号评分、社交图谱分析、暖链发现、信息丰富化与多渠道（Email/LinkedIn/X）个性化触达于一体。相比手动搜索、表格管理和模板群发，这一 Skill 可系统性提升线索发现、优先级排序和外联成功率，适合开发者、运营、销售、投资人等需要高效精准外联的场景。本文将详解其激活时机、全流程用法、输出示例、常见 Agent 及与其他 Skill 的协作模式。

Everything Claude Code Lead Intelligence Skill：AI 原生线索评分、信号挖掘与多渠道精准外联 Pipeline

在 AI 编程助手（如 Claude Code、Codex、Cursor）生态中，线索发现与外联始终是高价值但耗时的环节。传统做法往往依赖 Apollo、Clay、ZoomInfo 等工具，需手动导出数据、人工筛选、复制粘贴模板，既低效又难以个性化。Everything Claude Code 的 Lead Intelligence Skill 则通过 Agent 化的自动信号挖掘、社交图谱分析和多渠道外联，彻底重塑了这一流程。

1. 适用场景与激活条件

Lead Intelligence Skill 适用于如下需求：

• 需要在特定行业/领域快速发现高质量线索或潜在合作对象
• 构建销售、BD、投资等外联名单并优先级排序
• 希望分析社交图谱，找到最暖的引荐路径（warm intro）
• 用户提出“找线索”、“外联名单”、“谁值得联系”、“暖链推荐”等需求
• 批量对联系人进行相关性打分与排序
• 希望通过 mutual connections 寻找自然引荐人

只需在 Claude Code 会话中表达上述意图，或调用相关 Agent/Skill，即可自动激活全流程 Pipeline。

2. 技术依赖与环境配置

Skill 依赖多源数据与 API，需提前配置环境变量：

# 必填
export X_BEARER_TOKEN="..."
export X_ACCESS_TOKEN="..."
export X_ACCESS_TOKEN_SECRET="..."
export X_CONSUMER_KEY="..."
export X_CONSUMER_SECRET="..."
export EXA_API_KEY="..."

# 可选（提升 LinkedIn/Apollo 丰富度）
export LINKEDIN_COOKIE="..."
export APOLLO_API_KEY="..."

• Exa MCP：深度 Web/人物/公司搜索，信号挖掘核心
• X API：社交关系、活跃度、内容互动分析
• LinkedIn：API 或浏览器自动化，补充职业背景与 mutual
• Apple Mail：本地起草邮件（非自动发送）

详细安装与环境配置可参考安装配置指南。

3. 全流程分步操作指南

Lead Intelligence Skill 以 Pipeline 方式自动串联 5 大步骤，支持单步调用或全链路一键执行。

Step 1：信号评分（Signal Scoring）

目标：在目标行业/角色/地区，自动搜索并为每个候选人分配权重分，主要信号包括职位、行业、活跃度、影响力、地理、互动历史等。

操作示例：

# 设定目标参数
target_verticals = ["AI 工具", "开发者平台"]
target_roles = ["CTO", "投资人"]
target_locations = ["北京", "上海", "Remote"]

# Exa 深度搜索
results = web_search_exa(
    query="AI 工具 CTO 投资人",
    category="company",
    numResults=20
)
# 针对每个结果自动打分

实际效果：系统自动输出带权重的候选人列表，如：

姓名	职位	行业	活跃度	影响力	总分
张三	CTO @ 某AI公司	AI 工具	90	80	85
李四	投资人	AI/VC	85	75	80

Step 2：Mutual Ranking（社交图谱暖链排序）

目标：分析你与目标之间的社交连接，自动找出最有价值的 mutual 并按引荐可能性排序。

操作示例：

• 自动拉取你的 X/LinkedIn 连接
• 对每个高分目标，查找共同联系人
• 应用 social-graph-ranker 权重模型，输出暖链报告

输出样例：

MUTUAL RANKING REPORT
=====================

#1  @mutual_handle (Score: 92)
    Name: Jane Smith
    Role: Partner @ Acme Ventures
    Connections to targets: 7
    Best intro path: Jane invested in Target1's company

如需单独分析社交网络结构或可视化，可先调用 Social Graph Ranker Skill 并将结果回流本 Pipeline。

Step 3：暖链发现（Warm Path Discovery）

目标：为每个目标自动寻找最短、最暖的引荐链路（如直接 mutual、共同投资人、校友、同事、活动同场等）。

操作示例：

• 系统自动输出如：

  你 ──[共同关注]──> Mutual A ──[投资]──> 目标公司
  你 ──[校友]──> Mutual B ──[同事]──> 目标人

优先级排序：直接 mutual > 投资/顾问关系 > 校友/同事 > 活动同场 > 内容互动

Step 4：丰富化（Enrichment）

目标：为每个优质线索补充全量信息，包括公司/职位、融资阶段、近期动态、兴趣点、共同话题等。

数据来源：Exa（公司/新闻）、X API（内容/互动）、GitHub（开发者）、LinkedIn（职业/教育）

输出样例：

• 姓名、职位、公司
• 公司规模、最新新闻
• 目标最近 30 天发文主题
• 与用户的共同兴趣或关注

Step 5：个性化外联起草（Outreach Draft）

目标：根据目标画像、渠道特性和用户品牌语气，自动生成个性化的 Email/LinkedIn/X 外联草稿。

操作示例：

• 系统自动判断最优渠道（优先级：暖链 Email > 直邮 > LinkedIn DM > X DM/回复）
• 生成对应渠道的个性化文案
• 若本地有 Apple Mail，自动创建邮件草稿（非直接发送）

输出样例：

• 推荐渠道：Email
• 推荐理由：有 mutual 引荐，且目标邮箱可用
• 邮件草稿（含主题、正文、收件人）
• LinkedIn/X 草稿（如适用）

注意：所有外联均为草稿，需用户确认后手动发送，杜绝批量群发与模板化。

4. 输出示例

用户：帮我找出 AI 工具领域值得联系的 10 位 CTO，并生成外联草稿

系统自动执行：
1. 信号评分：Exa/X 搜索并打分 CTO
2. 社交暖链：分析 mutual 并排名
3. 丰富化：补充公司、动态、兴趣点
4. 外联起草：生成个性化邮件/LinkedIn/X 文案，自动创建邮件草稿（如可用）

最终输出：带权重排序的线索列表、暖链路径、品牌语气摘要及多渠道外联草稿

5. 常见配套 Agent 与 Skill 协作

• signal-scorer：自动搜索并为候选人打分
• mutual-mapper：社交图谱分析与暖链发现
• enrichment-agent：补充公司与个人详细信息
• outreach-drafter：生成多渠道个性化外联文案

常与以下 Skill 配合：

• Brand Voice Skill：提取并统一品牌语气，确保外联文案风格一致
• Connections Optimizer Skill：外联前先优化社交网络结构，提升引荐成功率
• Social Graph Ranker Skill：需要独立社交网络分析时单独调用

更多 Agent/Skill 协作与自动化场景，可参考完全指南。

6. 注意事项与反模式

• 不要使用模板化、无个性化的群发文案
• 不要在未确认的情况下自动发送任何外联
• 不要一次性多渠道群发，避免被判为垃圾信息
• 不要在不同渠道复用完全相同的内容

建议始终先运行 Brand Voice Skill，确保所有外联符合你的品牌语气。

---

FAQ

Q: Lead Intelligence Skill 能完全替代 Apollo、Clay、ZoomInfo 吗？
A: 对于需要智能信号挖掘、社交暖链分析和多渠道个性化外联的场景，Lead Intelligence Skill 可实现大部分核心功能，且更灵活可定制。

Q: 需要哪些 API 或本地环境支持？
A: 至少需配置 Exa API 和 X API，LinkedIn/Apollo 为可选增强；如需自动起草邮件，建议本地支持 Apple Mail。

Q: 如何确保外联文案不模板化？
A: Skill 默认调用 Brand Voice，结合目标动态与 mutual 关系，生成高度个性化草稿，杜绝模板复用和批量群发。

---