全自动 销售AI决策流:全程在 Claude Code 内闭环,无需复制粘贴。 触发关键词: - "帮我决策"、"做决策"、"决策分析" - "全自动决策"、"一键分析" - 企业/个人重大决策问题 核心能力: - Tavily 深度搜索(内置 API 调用) - Firecrawl 全文抓取(内置 API 调用) - Claude 全程推演(结构分析 + 三路径博弈 + 决策评分) - 飞书自动推送(文档 + CSV)
Resources
3Install
npx skillscat add miraclecui121/decide-flow-skill Install via the SkillsCat registry.
销售 AI 决策五步法 v2.0(全自动版)
工作流概览
用户描述决策问题
↓
┌─────────────────────────────────────────────┐
│ Step 1 信息层:Claude 调用 Tavily + Firecrawl │
│ → 自动完成行业情报收集,无须复制粘贴 │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ Step 2 结构层:Claude 亲自执行结构化分析 │
│ → 将信息归类为思维骨架,识别事实缺口 │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ Step 3 推理层:Claude 做三路径博弈推演 │
│ → 不给唯一答案,展开风险地图 + 可逆性对比 │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ Step 4 系统层:Claude 生成一屏对比表 + 决策CSV │
│ → 自动算分,权重可调,推送飞书 │
└─────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ Step 5 表达层:Claude 生成汇报PPT大纲 │
│ → 纵向叙事逻辑,推送飞书 │
└─────────────────────────────────────────────┘全程零复制粘贴。Claude 自动完成所有步骤,最后推送飞书给用户。
启动流程
1. 判断决策类型
| 类型 | 特征 | 收集重点 |
|---|---|---|
| 企业/业务决策 | 涉及业务线、营收、团队、裁撤、投资、转型 | 近2-3年营收/毛利率/现金流、决策问题、时间窗口 |
| 个人重大决策 | 读博vs工作、要不要做副业、选赛道、跳槽 | 当前处境、核心目标、底线约束 |
2. 收集信息(两轮)
第一轮(必须):
- 企业决策:营收/增速、毛利率/现金流、决策问题、时间窗口
- 个人决策:决策问题、当前处境、核心目标
第二轮(补充):
- 企业决策:客户数/客单价/续费率、成本结构、公司阶段
- 个人决策:收入承受力、风险偏好、绝对底线
Step 1:信息层——Claude 自动搜索 ⭐
Claude 做什么:
Claude 直接调用 Tavily + Firecrawl,无需用户操作。
企业决策搜索
Claude 执行以下 Python 代码:
from tavily import TavilyClient
from firecrawl import FirecrawlApp
import os
tavily = TavilyClient(api_key=os.getenv('TAVILY_API_KEY'))
firecrawl = FirecrawlApp(api_key=os.getenv('FIRECRAWL_API_KEY'))
# 1. 用 Tavily 搜索行业情报
queries = [
"[行业名称] 市场规模 增速 2024 2025 2026",
"[行业名称] 毛利率 净利率 典型企业",
"[行业名称] 客户采购预算 回款周期 趋势",
"[行业名称] 并购 整合 典型案例 2023 2024 2025 2026",
"[行业名称] AI影响 产品形态 定价 竞争格局 2025 2026"
]
search_results = []
for q in queries:
result = tavily.search(query=q, search_depth='advanced', max_results=5)
search_results.append(result)
# 2. 用 Firecrawl 抓取最相关的3-5个页面
# 注意:Firecrawl返回Document对象,内容在 .markdown 属性中
key_urls = [r['url'] for r in search_results[0]['results'][:5]]
crawled_content = []
for url in key_urls:
try:
doc = firecrawl.scrape(url=url, formats=['markdown'], only_main_content=True)
# Document对象的markdown属性才是内容
md = getattr(doc, 'markdown', '') or ''
crawled_content.append({'url': url, 'content': md[:2000]})
except:
passClaude 将搜索结果 + 抓取内容整合成行业事实池,直接进入 Step 2。
个人决策搜索
# 类似流程,搜索赛道/行业信息
queries = [
"[赛道名称] 市场规模 增速 2024 2025 2026",
"[赛道] 从业者收入 变现模式",
"[赛道] 典型成功案例 失败案例",
"[赛道] AI影响 趋势",
"[赛道] 入门门槛 竞争壁垒"
]
# 注意:Firecrawl返回Document对象,用 .markdown 属性获取内容Step 2:结构层——Claude 亲自执行 ⭐
Claude 将所有信息按维度归类,建立坐标系。
企业决策输出格式
【A. 财务与现金流事实】
- 收入:X → 增速从X%降至X%
- 毛利率:X%(行业均值X%,差距Xpp)
- 净利润:-X万,现金流:-X万
- 研发投入:X%营收
【B. 增长与客户结构事实】
- 客户数:X家,客单价:X万/年
- 续费率:X%(健康值>85%)
- 前X大客户占X%(集中度:高/中/低)
【C. 成本与组织事实】
- 人力成本占比:X%(固定成本压力:高/中/低)
- 总成本X万 vs 营收X万 → 盈亏平衡点
【D. 行业趋势映射事实】
- 趋势①如何影响该业务:...
- 趋势②如何影响该业务:...
【事实缺口清单】(最多10条,按重要性排序)
1. ...个人决策输出格式
【A. 现状与资源事实】
- 当前收入/可用时间/财务缓冲窗口
【B. 目标与约束事实】
- 核心目标排序:...
- 底线约束:...
【C. 外部趋势映射事实】
- 趋势①对这个选择的影响路径:...
- 趋势②对这个选择的影响路径:...
【事实缺口清单】(最多8条)确认机制: 完成后问用户:"结构化梳理完毕,有没有失真或需要补充的地方?"
Step 3:推理层——三路径博弈 ⭐
Claude 不给唯一答案,展开三条路的风险地图。
企业决策路径
1)立即裁撤/退出
2)缩减规模保留核心团队
3)继续投资并进行转型升级个人决策路径
1)[继续现有路径]
2)[主业+副业并行]
3)[全身投入新方向]每条路径 Claude 输出
| 维度 | 内容 |
|---|---|
| 12个月现金流影响 | 区间/方向/关键变量(需假设写清楚) |
| 2年后状态 | Base / Downside 两种情景 |
| 关键风险 | 财务/客户/组织/声誉 分类 |
| 战略影响 | 对整体战略的影响 |
| 假设前提 | 最多8条 |
| 可逆性 | 哪些决策做了就很难回头 |
Claude 最后输出:三路径的"可逆性/不可逆性"对比。
Step 4:系统层——决策工程化 ⭐
Claude 内部完成,不须用户操作。
4.1 一屏对比表
Claude 将三条路径压缩为下表:
| Path | 12M现金流 | 2Y状态 | 关键风险 | 风险等级 | 战略价值 | 假设前提 | 可逆性 |
|---|---|---|---|---|---|---|---|
| 路径1 | ... | ... | ... | 高/中/低 | ... | ... | ... |
| 路径2 | ... | ... | ... | 高/中/低 | ... | ... | ... |
| 路径3 | ... | ... | ... | 高/中/低 | ... | ... | ... |
4.2 决策评分
用户告诉 Claude 以下参数(或用默认值):
企业决策权重默认值:
| 指标 | 收缩期建议 | 扩张期建议 | 默认 |
|---|---|---|---|
| 现金流 | 0.50 | 0.35 | 0.40 |
| 增长潜力 | 0.25 | 0.40 | 0.30 |
| 战略价值 | 0.15 | 0.15 | 0.20 |
| 风险(负) | -0.10 | -0.10 | -0.10 |
个人决策权重默认值:
| 指标 | 压力大建议 | 探索期建议 | 默认 |
|---|---|---|---|
| 财务可持续 | 0.50 | 0.25 | 0.35 |
| 成长潜力 | 0.20 | 0.40 | 0.30 |
| 目标契合 | 0.20 | 0.25 | 0.25 |
| 风险(负) | -0.10 | -0.10 | -0.10 |
4.3 飞书推送
Claude 生成完整报告,推送飞书:
推送给用户(默认会话 ID: oc_f44a92e3a1fd69825775090291d9a357)
推送内容包含:
1. 一屏对比表
2. 三路径加权评分结果
3. CSV 文件(可导入飞书多维表格)Claude 调用 lark-doc 或 lark-sheets 推送。
Step 5:表达层——汇报PPT大纲 ⭐
仅当用户需要向高管/董事会汇报时执行。
Claude 生成以下结构的 PPT 大纲:
1. 背景与问题定义
2. 关键事实摘要
3. 三路径对比
4. 评分逻辑与权重说明
5. 建议方案与理由
6. 风险控制与补充数据需求
7. 行动计划与时间线Claude 推送飞书,用户可直接复制到 Gamma 或任何 PPT 工具。
完整流程节奏
用户描述决策问题
↓
Claude 调用 Tavily → 搜索行业情报
Claude 调用 Firecrawl → 抓取关键网页
↓
Claude 结构化分析 → 用户确认
↓
Claude 三路径推演 → 用户确认
↓
Claude 生成对比表 + 评分 → 用户确认权重
↓
Claude 推送飞书文档 + CSV核心原则
- 不替用户做决定:展现路径和代价,判断权在人
- 假设透明化:每条推演写清假设前提,用户自己判断
- 高分路径≠最优选:评分是参考,假设前提判断才是关键
- 全自动化:Claude 能做的全部自己做,用户只负责确认和给参数
API 依赖说明
| API | 用途 | 免费额度 | 配置位置 |
|---|---|---|---|
| Tavily | 搜索发现 | 1000次/月 | ~/.claude/skills/tavily-search/config.env |
| Firecrawl | 内容抓取 | 100积分/天 | ~/.claude/skills/firecrawl/config.env |
| 飞书 | 结果推送 | 免费 | 已配置 (oc_f44a92e3a1fd69825775090291d9a357) |
示范案例
详见
references/demo-case.md
作者:Miracle | 版本:v2.0 | 2026-03-29