miraclecui121

decide-flow

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)

miraclecui121 1 Updated 2mo ago

Resources

3
GitHub

Install

npx skillscat add miraclecui121/decide-flow-skill

Install via the SkillsCat registry.

SKILL.md

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:
        pass

Claude 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

  1. 不替用户做决定:展现路径和代价,判断权在人
  2. 假设透明化:每条推演写清假设前提,用户自己判断
  3. 高分路径≠最优选:评分是参考,假设前提判断才是关键
  4. 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

Categories