售前打工人的龙虾进化史：从加班写标书到23个Skill解放双手

我是老王，一个在BI赛道摸爬滚打的售前打工人。 我的一天通常是这样的：

🌅 早上9点：到工位，打开电脑，先扫一眼微信——客户群里已经炸了3条消息，一个是催方案进度的，一个是问演示能不能提前到明天

🕐 上午10点：邮箱里躺着一封新邮件，RFP来了。200多页的招标文件，附件就有8个，要求3天内交完整方案+报价——连周末都搭进去的那种

🕑 下午1点：刚扒了两口外卖，销售兄弟发来一条语音："老王，明天下午的客户demo你准备得怎么样了？对方是技术总监，可能会问性能和并发的事"

🌙 晚上8点：终于把方案初稿搞完了，打开周报模板开始凑字数……等等，这周的客户调研资料放哪个文件夹来着？

🌙 晚上11点：关上电脑，脑子里还在转："那个客户的IT架构到底用的什么数据库来着？"

如果你也是做售前的，上面这些场景你应该每一个都能对上号。

直到半年前，我的生活还是这个节奏。

然后我遇到了 OpenClaw 的免部署版——WorkBuddy。更准确地说，是遇到了它的 Skill 插件系统。

现在？我是一个手握 23 个自定义 Skill 的「养虾大户」。今天毫无保留地把这套东西分享出来——如果你也想从上面的死循环里逃出来，这篇文章建议先收藏再看。

一、我的进化路线图：从聊天工具到数字员工

图1：三阶段进化路线图 - 从纯聊天到装插件到自建Skill生态

🦕 第一阶段：纯聊天时代（2025年底）—— "AI好像也没那么神"

刚接触 WorkBuddy 时，我和大多数人一样——把它当高级版 ChatGPT 用：

我：帮我写一段XX报表产品的介绍
AI：好的，这是产品介绍……（中规中矩，能用但不出彩）
我：帮我总结一下这个客户的资料
AI：好的，这是总结……（但每次都要重新粘贴上下文）

说实话，用了一段时间后有点失望：

• ❌ 每次都要重新描述背景和上下文（它不认识我的客户）
• ❌ 无法直接读取本地文件（还得我自己复制粘贴）
• ❌ 做完一次就忘，下次还得从头说（跟金鱼似的）
• ❌ 效率提升约 20%——有总比没有强吧

感觉就像请了个很聪明但失忆的实习生。

🐣 第二阶段：装插件时代（2026年初）—— "好像有点意思了"

发现了 Skill 系统后，我开始疯狂安装现成的 Skill，像发现了新大陆：

• xlsx —— 处理客户数据表格
• docx —— 生成Word方案文档
• pptx —— 快速出演示PPT
• pdf —— 解析招标文件（终于不用自己一页页翻了）
• 浏览器自动化 —— 抓取竞品信息

图2：已安装的Skill列表截图

效率提升到了 50% 左右。至少不用再手动复制粘贴了。

但还是觉得差点意思——这些通用插件就像瑞士军刀，什么都能干一点，但不懂我的业务场景。比如它能帮你读PDF，但它不知道一份RFP里哪些条款是关键评分项；它能帮你写PPT大纲，但它不知道我们行业的客户最在意什么。

🦞 第三阶段：自建 Skill 生态（现在）—— "这才是真的起飞了"

真正让我觉得这玩意儿能替代半个我的，是自己动手写 Skill 之后的事。

目前我已经搭建了 23 个自定义 Skill，基本覆盖了售前工作的全链路：

甚至于我还自己构建了一个AI SKILL应用市场

图3：AIhub skill应用市场截图截图

整体效率提升：约 70%-80%。

什么概念呢？就是以前周五晚上还在赶的东西，现在周四下班前就搞定了。省下来的时间干嘛？后面细说。

下面挑 4 个最能打的 Skill，讲讲它们怎么改变了我的一天。

二、核心 Skill 实战展示：4个真实场景

🏆 Skill 1：prospect-analyst —— 客户需求自动分析器

💡 这是什么？

给我一个客户文件夹路径——里面可能有 pdf、docx、xlsx、pptx 各种乱七八糟的文件——它自动扫描所有文件 → 提取关键信息 → 生成一份结构化的需求分析报告，直接存到我的 Obsidian 知识库里。

🔥 解决的那个痛

做过售前的都知道，接到一个新客户跟进任务的时候有多头大：

❌ 传统流程（耗时 2-4 小时）：
1. 打开客户文件夹——好家伙，15个子目录，42个文件
2. 一个个打开看：这是之前的会议纪要，那是技术规格说明书，
   还有几张不知道谁做的Excel表……
3. 一边看一边记笔记：客户什么行业？多大？用什么系统？
   预算多少？谁是对话人？决策流程是什么？
4. 整理成需求文档——格式还每次都不一样，看心情
5. 开始构思解决方案框架
→ 结果：经常漏看某个关键文件里的信息，
   或者同一个客户下次再跟进时又忘了之前看过什么
→ 最惨的是：有时候看到第20个文件才发现，
   第3个文件里早就写了核心诉求……

有没有一种可能，这些活可以让机器干？

✨ 现在怎么做

只需要一句话：

帮我分析下 /path/to/客户跟进/某某科技集团/

然后它就会自动干活：

1. 扫描文件夹内所有支持的文件格式（pdf/docx/xlsx/pptx/txt/md）
2. 提取关键维度：行业、规模、已有系统、核心痛点、预算、时间要求……
3. 联网补全企业的工商信息和最新动态
4. 输出一份完整的分析报告 + 初步方案建议

全过程大约 3-5 分钟。 我一般这时候去倒杯水，回来就好了。

图4：prospect-analyst 执行效果

📊 输出示例（精简版）

# 客户需求分析报告 - XX科技集团

## 一、企业画像
- **名称**：XX科技有限公司
- **行业**：互联网/企业服务
- **规模**：年营收约20亿，员工2000+
- **上市情况**：已上市（港股）

## 二、核心诉求（从文件中自动提取）
1. 多业务线数据分散，缺统一的数据资产管理平台
2. 管理层要实时经营驾驶舱 + 移动端查看（老板爱看手机）
3. 业务部门想自己做分析，不想天天找IT提需求
4. 数据安全合规要求高，必须私有化部署

## 三、技术约束
- 已有MySQL + ClickHouse混合数据架构
- 必须支持私有化部署
- 预算区间：80-150万/年（注意：含实施费）
- 时间要求：Q2完成POC验证（很急！）

## 四、推荐方案方向
基于XX报表 + XXBI 组合：
- XX报表：复杂报表+填报+移动端+数据大屏
- XXBI：自助分析+数据挖掘+AI辅助分析
- 数据集成平台：多源数据接入与调度

## 五、风险预警 ⚠️
⚠️ 对方技术团队自研能力强，要突出产品成熟度和交付效率
⚠️ 同时在看开源方案，准备好差异化对比

效果对比：

🏆 Skill 2：john-insight —— 商业洞察助手

💡 这是什么？

一个商业数据分析工具。输入一家公司名字，返回企业全景画像——工商信息、股权结构、财务概况、新闻舆情等。相当于给你配了一个24小时在线的行研助理。

🔥 使用场景

场景A：明天要去拜访客户，今晚做功课

帮我查一下 腾讯公司 的基本情况

图5：john-insight 查询企业信息输出示例

30秒出结果。股权结构、主要高管、财务数据、最近新闻——该知道的都知道了。

场景B：客户突然问竞品，现场要怼回去

分析一下XXBI的核心竞争对手，重点关注Tableau和Power BI的市场策略

场景C：老板让找潜在客户线索

帮我筛选一下华南地区年营收10亿以上的互联网企业

🎯 真实案例：某互联网大厂数据中台项目

有一次投一个互联网大厂的项目，时间特别紧。我用 john-insight 半个小时搞定的事情包括：

1. 客户画像：股权结构（知道谁是最终决策人）、组织架构（事业群制，每个BG独立核算）、主要业务线布局
2. 行业趋势：互联网行业从增量市场转向存量运营，数据驱动决策已经从nice-to-have变成must-have
3. 竞争格局：其他 BI 厂商在这个行业的渗透情况 + 他们自研数据平台的现状（知己知彼）
4. 切入点：结合其多业务线数据打通和实时大屏展示的需求，精准定位我们的优势

以前这种调研至少花半天，还要翻各种网站、下各种报告。现在30分钟搞定，而且信息更有条理。

🏆 Skill 3：wechat-group-analyzer —— 微信群自动分析师

💡 这是什么？

我们售前团队有个微信群叫「上海滩售前」——名字挺霸气，其实就是大家日常在里面同步客户进展、吐槽奇葩需求、互相救火。

这个 Skill 能自动分析群聊记录，每周生成团队周报。

🔥 为什么需要它？

来，我问一个问题：

你写过周报吗？ 更准确地说，你在周五下午5点，经过一周的高强度工作后，坐在工位上回忆"我这周到底干了啥"——这种感觉熟悉吗？

• ❌ 周五下午脑子已经转不动了，但周报deadline就在6点
• ❌ 明明这周干了好多事，但坐下来一想……好像什么都想不起来
• ❌ 有些重要事项是在群里口头说过、但没写下来的——然后你就真忘了
• ❌ 汇总团队周报的时候，每个人格式不一样，拼在一起像俄罗斯方块

现在？群里每天的闲聊就是最好的素材来源。

✨ 怎么用

1. 导出微信群聊记录（微信自带功能，一键导出）
2. 运行 wechat-group-analyzer 分析脚本
3. 自动提取本周关键事件、客户进展、风险预警
4. 生成结构化周报 → 存到指定目录

图6：wechat-group-analyzer 生成的周报

生成的周报长这样：

最爽的不是省时间——而是再也不怕忘记某件口头交代过的重要事了。群里有记录 = 周报有素材 = 年底写总结也有据可查。

🏆 Skill 4：memory-manager —— 让AI记住你是谁

💡 这是我的"秘密武器"，也是我觉得最有价值的一个Skill。**

先说一个所有 AI 用户都遇到过的问题：

每次新对话，AI 都失忆了。

你上次跟它讨论过的客户偏好、你的写作风格习惯、你定下的项目规范——全部清零。

于是你陷入了这样的循环：

新对话开始
    ↓
"我是做XX行业的售前，我的客户主要是……"
"我偏好XX风格的方案文档……"
"这个项目的技术约束是……"
    ↓
（每！次！都！要！重！说！一！遍！）

memory-manager 彻底终结了这个循环。

🔧 它的工作原理

三层记忆架构：

┌─────────────────────────────┐
│  第一层：会话记忆（当前对话） │  ← 正在聊的内容，本次可用
├─────────────────────────────┤
│  第二层：短期记忆（Daily Log）│  ← 今天干了什么，跨对话可读
├─────────────────────────────┤
│  第三层：长期记忆（Memory）   │  ← 精炼的知识库，永久保存
│    · 你的身份和偏好          │
│    · 客户档案                │
│    · 项目规范                │
│    · 踩坑经验                │
└─────────────────────────────┘
         ↕ 双向同步
    Obsidian 知识库（本地备份）

图7：记忆系统架构与实际存储文件

🎯 一个真实例子

假设我在某次对话中随口说了句：「以后写方案默认用浅色系PPT背景，客户喜欢清爽的风格。」

没有 memory-manager： 下次新对话 → AI 又不知道了 → 要么你又得说一遍，要么它给你生成了深色主题的你又得改回来

有 memory-manager： 这句话被自动记入长期记忆 → 之后每一次对话它都知道 → 永久生效，除非你让它改

📊 价值量化

这不是锦上添花——这是让 AI 从"一次性的聊天工具"变成"越用越懂你的数字同事"的基础设施。

用了之后你会有一种奇妙的感觉：这个 AI 终于记住我了。

三、Skill 开发心得：其实没你想的那么难

很多人听到 "23 个自定义 Skill" 的第一反应是：

"这得写多少代码啊？我不会编程怎么办？"

好消息：不需要你会写代码。

📁 一个 Skill 的真实长相

my-skill/
├── SKILL.md          ← 核心定义文件（只有这个是必填的！）
├── scripts/          ← 脚本文件（可选，复杂逻辑时才需要）
│   └── analyze.py
└── references/       ← 参考资料（可选，放模板什么的）
    └── template.md

图8：某个Skill的文件夹内部结构

核心就只有一个文件：SKILL.md。 它就是一个 Markdown 文件，定义三件事：

1. 触发词：什么时候激活这个 Skill？（比如我说"帮我分析下 xxx"）
2. 指令集：激活后干什么？（用自然语言写就行！）
3. 依赖说明：需要调用哪些脚本或 API

举个真实的例子，这是我写的 our-kms 的 SKILL.md：

---
description: 公司KMS知识库访问工具。
触发关键词：查一下KMS、KMS上有没有、公司内部资料
---

# KMS 知识库查询

当用户询问公司相关文档或资料时：

1. 使用 browser-automation 打开公司知识库地址
2. 在搜索框输入用户的关键词
3. 搜索结果页面提取相关文档链接和标题
4. 总结搜索结果，按相关性排序返回给用户

图9：SKILL.md 文件内容截图

看到了吗？全程没有一行 Python 代码。 就是用人话告诉 AI："当用户说要查KMS的时候，帮他去知识库搜一下。"

这就是我喜欢 WorkBuddy Skill 系统的原因——门槛极低，上限极高：

• 🟢 入门：写几行自然语言指令 → 5分钟搞定，立即可用
• 🟡 进阶：加个 Python 脚本处理复杂逻辑
• 🔴 高手：对接外部 API（商业洞察、金融数据接口随便接）

🛠️ 我的实际开发流程

发现重复性问题（"这事我怎么每周都要跟AI说一遍？"）
        ↓
创建 SKILL.md（5-10分钟，用自然语言写就行）
        ↓
在实际使用中发现不足 → 迭代优化
        ↓
稳定了 → 上传到技能市场（可选，造福同行）

第一个 Skill 是最难的一步。一旦你写了第一个，后面就停不下来了——因为你会发现工作中到处都是可以被自动化的东西。

四、效率数据：到底提升了多少

好了，吹了这么多，来点真实的数据。（以下是我近一个月的实际记录）

📊 单项任务前后对比

⏰ 每周省出来的时间

每周多出来3天。

你可以用来做什么？

• 深度思考客户战略而不是忙着填模板
• 精心打磨方案的每一页PPT而不是赶deadline
• 学习新东西提升自己
• 或者——准时下班，陪家人吃顿晚饭

五、踩坑指南：新手别走弯路

养虾半年，踩过的坑比吃过的虾还多。列几个最常见的：

⚠️ 坑 1：贪大求全

错误做法：一上来就想做一个"全能型超级 Skill"，恨不得把所有功能都塞进去。

正确做法：单点突破，小步快跑。

我第一个 Skill 只做了一件事——"扫描文件夹 + 生成需求摘要"。后来才慢慢加了联网调研、方案推荐、风险预警等功能。

先用起来，再慢慢迭代。完美是改进出来的，不是设计出来的。

⚠️ 坑 2：忽略触发词

错误做法：SKILL.md 写得很笼统，结果你自己说话的时候根本匹配不上，Skill 永远不会被自动唤醒。

正确做法：触发词要覆盖你真实的说话方式。

比如 prospect-analyst 的触发词经历了这么几轮进化：

第一版：客户分析
        → 问题：太正式了，我日常不会这么说

第二版：客户分析、需求梳理、帮助分析xx路径
        → 问题：覆盖面还不够

第三版（现在的）：帮我分析下 xx 路径 / 
         做客户需求研究 / 
         梳理这个客户的需求 / 
         分析这个客户 / 
         输出需求文档
        → 完美：不管我怎么表达，都能命中

技巧：回想一下你日常怎么说这件事的，原封不动写进去就好。

⚠️ 坑 3：记忆爆炸

错误做法：什么往记忆系统里塞，结果 token 消耗爆炸，真正重要的信息反而淹没在海量垃圾里。

正确做法：分级存储，只记"下次还会用到"的东西。

不是所有信息都值得被记住。好的记忆系统不是什么都记，而是知道什么该忘。

六、写在最后

回看这半年的"养虾之路"，最大的感悟其实就一句话：

OpenClaw / WorkBuddy 不是聊天机器人——它是一套可以无限扩展的个人操作系统。

大多数人停在第一层：把它当更聪明的搜索引擎。

但你一旦开始自定义 Skill，就进入了第二层：让 AI 按照你的思维方式、你的工作流、你的业务场景来干活。

对于售前人来说，这意味着什么？

• 🚀 不再从零开始写每一份方案——有模板、有上下文、有历史经验
• 🧠 不再担心忘记客户的重要信息——记忆系统比你记得牢
• ⏰ 不再被重复性工作吞噬时间——那些机械的事交给机器
• 🎯 把精力集中在真正需要人的地方——理解客户、建立信任、创造价值

如果你也想开始搭建自己的 AI 工作流，这是我的建议：

1. 今天：列出你最常做的 3 件重复性工作（哪怕很小的事也算）
2. 本周：为其中一件创建你的第一个 Skill（相信我，5分钟就够了）
3. 本月：把几个 Skill 串联成工作流——然后享受被自动化宠坏的感觉

🦞 祝大家的龙虾永不报错，售前之路越走越宽！

如果这篇对你有帮助，欢迎 点赞👍 在看⭐ 转发🔄 给同样在售前路上奋斗的小伙伴们！

有问题评论区交流，我看到都会回~