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：实际平台采集需要对应平台 API 权限
• 提供模拟数据演示，或引导用户提供已采集的评论文件
• 使用 scripts/intent-scanner.sh 说明采集命令

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：

1. 匹配强/中/弱意向词
2. 应用语义规则（排除否定语境、反讽、无关内容）
3. 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 — 平台采集与分析命令参考