# PRD：客户发掘系统 - 从线索到客户建档及价值判断

**版本**：v1.0  
**创建日期**：2026-02-12  
**产品经理**：待定  
**技术负责人**：待定  

---

## 一、产品概述

### 1.1 产品背景

外贸业务员每天收到大量询盘邮件，需要快速判断哪些值得跟进、如何跟进。现有系统存在以下问题：
- **nanchi 背调系统**：流程过重（3-8分钟），信息过载，缺少分层机制
- **demo-nanchi 画像系统**：快速筛选太粗，深度分析是空壳，缺少行动指导

### 1.2 产品定位

**"10秒告诉你值不值得跟进，3分钟帮你准备好跟进弹药"**

一个以行动为导向的线索价值判断与跟进准备系统，通过三层漏斗（信息提取 → 快速研判 → 深度调研）帮助业务员高效处理询盘。

### 1.3 目标用户

- **主要用户**：外贸业务员（每天处理 20-50 封询盘）
- **次要用户**：销售主管（查看团队线索质量与跟进情况）

### 1.4 产品目标

| 目标 | 指标 |
|------|------|
| **提升效率** | 单封邮件处理时间从 5-10 分钟降至 1-3 分钟 |
| **提升准确度** | 线索价值判断准确率 ≥ 85%（与业务员直觉一致） |
| **提升转化率** | S/A 级线索跟进率 ≥ 90%，B 级线索跟进率 ≥ 50% |

---

## 二、功能需求

### 2.1 第一层：邮件摄入 & 信息提取

#### 2.1.1 功能描述

将非结构化邮件自动解析为结构化数据，提取关键信息。

#### 2.1.2 输入方式

- **方式一**：上传 .eml 文件（支持拖拽）
- **方式二**：手动录入（复制粘贴邮件内容）
- **方式三**：API 接入（未来支持邮箱集成）

#### 2.1.3 提取维度

| 维度 | 提取规则 | 数据格式 | 优先级 |
|------|---------|---------|--------|
| **联系人** | 签名块解析（姓名 + 职位） | `{ name: string, title: string }` | P0 |
| **公司名** | 签名块 + 邮箱域名推断 | `string` | P0 |
| **邮箱** | From 字段 | `string` | P0 |
| **邮箱域名** | @ 后缀提取 | `string` | P0 |
| **国家** | 签名块地址 + 域名后缀推断 | `string` | P0 |
| **产品需求** | 正文 + 附件 NLP 提取 | `Array<{ product: string, quantity: number, unit: string }>` | P0 |
| **数量级** | 数字提取 + 单位识别 | `{ total: number, unit: string }` | P0 |
| **认证要求** | 关键词匹配（FDA/CE/ISO/OSHA等） | `Array<string>` | P0 |
| **贸易术语** | 关键词匹配（FOB/CIF/DDP等） | `Array<string>` | P1 |
| **紧迫性信号** | 截止日期提取 + 催促语气识别 | `{ hasDeadline: boolean, deadline?: Date, urgencyLevel: 'high'\|'medium'\|'low' }` | P0 |
| **附件清单** | 文件名 + 类型 + 大小 | `Array<{ name: string, type: string, size: number, isImportant: boolean }>` | P0 |

**特殊标注规则**：
- 附件文件名包含 "Company Profile" / "Requirements Spec" / "Tender" / "RFP" → `isImportant: true`
- 邮件中有具体数量（如 "5,000 units/year"）→ 自动计算预估年采购额

#### 2.1.4 输出数据结构

```typescript
interface EmailExtractionResult {
  emailId: string;                    // 邮件唯一ID
  extractedAt: string;                // 提取时间
  source: 'eml_file' | 'manual' | 'api';
  
  // 基础信息
  contact: {
    name: string;
    title?: string;
    email: string;
    phone?: string;
    address?: string;
  };
  company: {
    name: string;
    domain?: string;
    country?: string;
  };
  
  // 需求信息
  productRequirements: Array<{
    product: string;                   // 产品名称/描述
    quantity: number;                  // 数量
    unit: string;                      // 单位（units/year, pieces, etc.）
    specifications?: string[];          // 规格要求
  }>;
  certifications: string[];           // 认证要求
  tradeTerms: string[];                // 贸易术语
  
  // 紧迫性
  urgency: {
    hasDeadline: boolean;
    deadline?: string;                 // ISO 8601
    urgencyLevel: 'high' | 'medium' | 'low';
    urgencySignals: string[];          // 催促性语言片段
  };
  
  // 附件
  attachments: Array<{
    name: string;
    type: string;
    size: number;
    isImportant: boolean;               // 是否为公司资料/需求文档
  }>;
  
  // 原始内容（保留）
  originalEmail: {
    subject: string;
    body: string;                      // 纯文本
    htmlBody?: string;                  // HTML（如有）
    from: string;
    to: string[];
    cc?: string[];
    date: string;
  };
  
  // 元数据
  metadata: {
    hasSignature: boolean;             // 是否有完整签名块
    hasAttachments: boolean;
    ccCount: number;                    // 抄送人数
    mentionsTradeShow?: string;         // 提到的展会
  };
}
```

#### 2.1.5 验收标准

- [ ] 支持 .eml 文件解析，准确率 ≥ 95%
- [ ] 联系人/公司名提取准确率 ≥ 90%
- [ ] 产品需求提取准确率 ≥ 85%（有具体数量时）
- [ ] 附件重要度标注准确率 ≥ 90%
- [ ] 单封邮件处理时间 < 5 秒

---

### 2.2 第二层：快速研判（核心功能）

#### 2.2.1 功能描述

基于五维评分体系，10 秒内给出线索价值判断和行动建议。

#### 2.2.2 五维评分体系

**维度一：需求明确度（Demand Clarity）**

| 信号 | 得分 | 检测规则 |
|------|------|---------|
| 提到具体产品名 | +20 | NLP 识别产品关键词（IFAK, cabinet, refill 等） |
| 有明确数量 | +25 | 数字 + 单位（如 "5,000 units/year"） |
| 有规格要求 | +15 | 关键词（MOLLE, MARCH-P, custom, etc.） |
| 有认证要求 | +10 | 认证关键词（FDA, CE, ISO, OSHA 等） |
| 询问价格/MOQ/交期 | +15 | 关键词（pricing, MOQ, lead time, FOB, etc.） |
| 只说"send catalog" | +5 | 仅包含 "catalog" / "brochure" 等 |
| 无任何具体需求 | 0 | 以上均无 |

**维度二：可信度（Credibility）**

| 信号 | 得分 | 检测规则 |
|------|------|---------|
| 企业域名邮箱 | +15 | 域名非 gmail/hotmail/yahoo 等免费邮箱 |
| 免费邮箱 | -10 | gmail/hotmail/yahoo/outlook 等 |
| 完整签名块 | +20 | 包含职位 + 电话 + 地址 |
| 有附件（公司资料） | +20 | 附件文件名包含 "Company Profile" / "Profile" |
| 有附件（需求文档） | +15 | 附件文件名包含 "Requirements" / "Spec" / "Tender" |
| 有抄送 | +10 | CC 字段非空 |
| 提到展会/面谈 | +15 | 关键词（trade show, expo, meeting, conversation） |
| 无附件+无签名+模糊 | 0 | 以上均无 |

**维度三：商业规模（Business Scale）**

| 信号 | 得分 | 检测规则 |
|------|------|---------|
| 提到公司规模/营收 | +20 | 数字 + 单位（如 "$45M revenue", "200 employees"） |
| 提到下游客户数量 | +15 | 数字 + 客户类型（如 "120 hospitals"） |
| 年采购量 > $100K | +25 | 基于产品需求 × 我方单价计算 |
| 年采购量 $30K-$100K | +15 | 同上 |
| 年采购量 < $30K | +5 | 同上 |
| 无法判断规模 | 0 | 无相关信号 |

**维度四：供需匹配（Product Fit）**

| 信号 | 得分 | 检测规则 |
|------|------|---------|
| 提到的产品我方有对应 SKU | +25/匹配项 | 产品关键词匹配我方产品库 |
| 认证要求我方可满足 | +15 | 认证列表匹配我方认证库 |
| 需要定制但我方有能力 | +10 | 关键词（OEM, custom, private label）且我方支持 |
| 产品完全不匹配 | -20 | 无任何匹配 |

**维度五：紧迫度（Urgency）**

| 信号 | 得分 | 检测规则 |
|------|------|---------|
| 有明确截止日期 | +30 | 日期提取（如 "March 15, 2026"） |
| 催促性语言 | +15 | 关键词（ASAP, urgent, prompt, immediate） |
| 提到正在比价/选供应商 | +10 | 关键词（looking for, selecting, comparing） |
| 提到长期合作/代理 | +5 | 关键词（long-term, distributor, agent） |
| 无紧迫信号 | 0 | 以上均无 |

#### 2.2.3 综合评级算法

```typescript
// 权重配置
const WEIGHTS = {
  demandClarity: 0.25,
  credibility: 0.25,
  businessScale: 0.20,
  productFit: 0.15,
  urgency: 0.15
};

// 总分计算
const totalScore = 
  demandClarity * WEIGHTS.demandClarity +
  credibility * WEIGHTS.credibility +
  businessScale * WEIGHTS.businessScale +
  productFit * WEIGHTS.productFit +
  urgency * WEIGHTS.urgency;

// 等级判定
function getGrade(totalScore: number, credibility: number, demandClarity: number): 'S' | 'A' | 'B' | 'C' {
  if (totalScore >= 80 && credibility >= 60) return 'S';
  if (totalScore >= 60 && demandClarity >= 40) return 'A';
  if (totalScore >= 35) return 'B';
  return 'C';
}
```

**等级定义**：
- **S级（立即跟进）**：总分 ≥ 80 且可信度 ≥ 60 → 24h 内跟进
- **A级（3天内跟进）**：总分 ≥ 60 且需求明确度 ≥ 40 → 3 天内跟进
- **B级（7天内跟进）**：总分 ≥ 35 → 7 天内跟进
- **C级（归档观察）**：总分 < 35 → 归档，定期群发营销邮件

#### 2.2.4 客户画像识别（P1-P6）

**识别逻辑**（不再只看关键词，综合考虑邮件结构特征）：

| 画像 | 核心识别逻辑 | 置信度阈值 |
|------|------------|-----------|
| **P1 医药分销商** | 企业邮箱 + ("distributor"/"wholesale") + (FDA/ISO需求) + 有具体SKU级需求 | ≥ 70% |
| **P2 工业安全供应商** | (OSHA/ANSI) + (壁挂箱/急救站需求) + 企业客户导向 | ≥ 70% |
| **P3 政府/机构采购** | (标书编号/招标通知) + ("tender"/"procurement"/"lot") + 有截止日期 | ≥ 80% |
| **P4 品牌OEM客户** | ("OEM"/"private label"/"custom branding") + 有品牌设计要求 + 关注打样 | ≥ 70% |
| **P5 电商/零售商** | (Amazon/Shopify/FBA) + 关注单品利润率 + 小批量 | ≥ 70% |
| **P6 低质量/无效** | 免费邮箱 + 无具体需求 + 无附件 + 模糊语言 | ≥ 60% |

**画像判断依据**（展示给业务员）：
- 匹配的关键词列表
- 邮件结构特征（附件/签名块/抄送）
- 置信度百分比

#### 2.2.5 产品匹配

**匹配逻辑**：
1. 提取客户需求中的产品关键词
2. 与我方产品库进行语义匹配（支持同义词）
3. 返回匹配产品列表，包含：
   - 产品名称 + SKU
   - 匹配度（0-100%）
   - 匹配依据（客户提到的关键词）

**预估采购额计算**：
```typescript
estimatedAnnualValue = sum(
  productRequirements.map(req => 
    req.quantity * matchedProduct.wholesalePrice
  )
);
```

#### 2.2.6 输出：快速研判卡片

**UI 组件结构**：

```
┌─────────────────────────────────────────────────────┐
│  [公司Logo/图标] 公司名                     [国旗] 国家 │
│  ─────────────────────────────────────────────────── │
│  [画像标签] [等级标签] [行动标签]                      │
│                                                      │
│  📦 需求摘要                                         │
│  · 产品1 × 数量1                                     │
│  · 产品2 × 数量2                                     │
│  💰 预估年采购额：$XXX,XXX                           │
│                                                      │
│  ✅ 可信度：[高/中/低]                               │
│  · 企业邮箱 · 完整签名块 · X份附件（含公司简介）     │
│                                                      │
│  🎯 我方匹配产品                                     │
│  · 产品A (SKU) → 匹配 需求X                          │
│  · 产品B (SKU) → 匹配 需求Y                          │
│                                                      │
│  📊 评分详情（可展开）                               │
│  · 需求明确度：XX分                                  │
│  · 可信度：XX分                                      │
│  · 商业规模：XX分                                    │
│  · 供需匹配：XX分                                    │
│  · 紧迫度：XX分                                      │
│                                                      │
│  📌 推荐行动                                         │
│  [时效]内发送：[文件1] + [文件2] + [文件3]           │
│                                                      │
│  [📧 查看原文]  [🔍 深度调研]  [✅ 确认并建档]       │
└─────────────────────────────────────────────────────┘
```

**数据结构**：

```typescript
interface QuickAssessmentResult {
  leadId: string;
  assessedAt: string;
  
  // 画像与等级
  persona: {
    type: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
    confidence: number;                 // 0-100
    reasoning: string[];                // 判断依据
  };
  grade: 'S' | 'A' | 'B' | 'C';
  followUpDeadline: string;             // ISO 8601（基于等级计算）
  
  // 五维评分
  scores: {
    demandClarity: number;              // 0-100
    credibility: number;
    businessScale: number;
    productFit: number;
    urgency: number;
    total: number;
  };
  
  // 需求快照
  demandSnapshot: {
    products: Array<{
      name: string;
      quantity: number;
      unit: string;
    }>;
    estimatedAnnualValue: number;       // USD
    certifications: string[];
  };
  
  // 产品匹配
  matchedProducts: Array<{
    productName: string;
    sku: string;
    matchReason: string;                // 为什么匹配
    matchScore: number;                 // 0-100
  }>;
  
  // 推荐行动
  recommendedActions: {
    timeframe: string;                  // "24h内" / "3天内" / "7天内"
    filesToSend: string[];               // 文件列表
    keyPoints: string[];                // 重点强调的内容
  };
}
```

#### 2.2.7 验收标准

- [ ] 快速研判耗时 < 10 秒
- [ ] 五维评分准确率 ≥ 85%（与业务员直觉一致）
- [ ] 画像识别准确率 ≥ 80%
- [ ] 产品匹配准确率 ≥ 75%
- [ ] 预估采购额误差 ≤ 30%（基于我方产品单价）

---

### 2.3 第三层：深度调研（按需触发）

#### 2.3.1 触发条件

- **自动触发**：S/A 级线索（快速研判后自动执行）
- **手动触发**：B 级线索（业务员点击"深度调研"按钮）
- **不触发**：C 级线索（直接归档）

#### 2.3.2 按画像差异化的调研策略

**P1 医药分销商 → 重点调研：渠道覆盖 + 认证匹配**

```typescript
async function deepResearchP1(context: ResearchContext): Promise<ResearchResult> {
  // 1. 搜索公司官网
  const website = await scrapeCompanyWebsite(context.domain);
  const companyProfile = {
    productLines: extractProductLines(website),
    coverage: extractCoverage(website),        // 覆盖区域
    partners: extractPartners(website),        // 合作品牌
  };
  
  // 2. 检查 LinkedIn
  const linkedInData = await fetchLinkedInProfile(context.company);
  const companyScale = {
    employees: linkedInData.employeeCount,
    foundedYear: linkedInData.foundedYear,
  };
  
  // 3. 匹配认证
  const certificationMatch = checkCertificationMatch(
    context.requiredCerts,
    ourCertifications
  );
  
  // 4. 生成报价建议
  const pricingSuggestion = calculatePricing(
    context.productRequirements,
    ourProducts,
    { volumeDiscount: true }
  );
  
  return {
    companyProfile,
    companyScale,
    certificationMatch,
    pricingSuggestion,
    recommendedFiles: [
      '完整产品目录.pdf',
      'FDA_510k证书.pdf',
      'ISO_13485证书.pdf',
      'CE_Marking证书.pdf'
    ],
    suggestedScript: generateScript('P1', context),
  };
}
```

**P3 政府/机构采购 → 重点调研：资质准备 + 投标要点**

```typescript
async function deepResearchP3(context: ResearchContext): Promise<ResearchResult> {
  // 1. 解析标书附件
  const tenderDoc = await parseTenderDocument(context.attachments);
  const tenderAnalysis = {
    technicalSpecs: tenderDoc.technicalRequirements,
    scoringCriteria: tenderDoc.scoringCriteria,
    deadline: tenderDoc.deadline,
    lots: tenderDoc.lots,                      // 标段
  };
  
  // 2. 检查资质要求
  const qualificationCheck = checkQualifications(
    tenderDoc.requiredQualifications,
    ourQualifications
  );
  
  // 3. 计算报价
  const quote = calculateQuote(
    tenderDoc.lots,
    ourProducts,
    { includeShipping: true, includeCert: true }
  );
  
  return {
    tenderAnalysis,
    qualificationCheck,
    quote,
    recommendedFiles: [
      '资质文件包.zip',
      '投标方案.pdf',
      '合规性检查报告.pdf'
    ],
    actionPlan: {
      deadline: tenderDoc.deadline,
      tasks: [
        { task: '准备资质文件', dueDate: '...' },
        { task: '准备投标方案', dueDate: '...' },
        { task: '提交投标', dueDate: tenderDoc.deadline },
      ],
    },
    suggestedScript: generateScript('P3', context),
  };
}
```

**P4 品牌OEM客户 → 重点调研：品牌调性 + 定制可行性**

```typescript
async function deepResearchP4(context: ResearchContext): Promise<ResearchResult> {
  // 1. 搜索品牌官网
  const brandWebsite = await scrapeBrandWebsite(context.domain);
  const brandProfile = {
    positioning: extractBrandPositioning(brandWebsite),
    targetMarket: extractTargetMarket(brandWebsite),
    designStyle: extractDesignStyle(brandWebsite),  // 从图片/色彩分析
  };
  
  // 2. 评估定制需求
  const customizationReq = context.customRequirements;  // 从邮件提取
  const feasibility = assessCustomizationFeasibility(
    customizationReq,
    ourCapabilities
  );
  
  // 3. 计算打样成本
  const sampleCost = calculateSampleCost(
    customizationReq,
    ourProducts
  );
  
  // 4. 查找类似案例
  const similarCases = findSimilarOEMCases(
    brandProfile,
    ourOEMHistory
  );
  
  return {
    brandProfile,
    feasibility,
    sampleCost,
    similarCases,
    recommendedFiles: [
      'OEM方案书.pdf',
      '打样报价单.pdf',
      '类似案例参考.pdf'
    ],
    suggestedScript: generateScript('P4', context),
  };
}
```

**P6 低质量线索 → 不执行深度调研**

```typescript
// 直接归档，不执行任何调研
function handleP6(context: ResearchContext): void {
  archiveLead(context.leadId);
  scheduleBulkEmail(context.email, 'marketing_template');
}
```

#### 2.3.3 输出：跟进准备包

**UI 组件结构**：

```
┌─────────────────────────────────────────────────────┐
│  📋 跟进准备包 — [公司名]                            │
│  ─────────────────────────────────────────────────── │
│                                                      │
│  🏢 公司画像                                         │
│  · [公司简介]                                        │
│  · 覆盖区域：[区域]                                  │
│  · LinkedIn: [员工数]                                │
│  · 官网产品线：[产品线列表]                          │
│                                                      │
│  👤 联系人画像                                       │
│  · [姓名] — [职位]                                   │
│  · 决策权限：[高/中/低]                              │
│  · LinkedIn: [背景摘要]                              │
│                                                      │
│  📦 需求 vs 我方产品匹配                             │
│  ┌──────────────┬──────────────┬──────────┐          │
│  │ 客户需求      │ 推荐产品      │ 年采购额  │         │
│  ├──────────────┼──────────────┼──────────┤          │
│  │ [需求1]      │ [产品1]      │ $XXX,XXX │          │
│  │ [需求2]      │ [产品2]      │ $XXX,XXX │          │
│  └──────────────┴──────────────┴──────────┘          │
│  💰 预估年采购总额：$XXX,XXX                         │
│                                                      │
│  ✅ 认证匹配检查                                     │
│  · [认证1] → ✅ 我方已有 / ❌ 我方无                  │
│  · [认证2] → ✅ 我方已有 / ❌ 我方无                  │
│                                                      │
│  🎯 建议跟进策略                                     │
│  1. [时效]内回复邮件，附上：                          │
│     · [文件1]                                        │
│     · [文件2]                                        │
│     · [文件3]                                        │
│  2. 邮件中[具体建议]                                 │
│  3. 重点强调：[要点1], [要点2]                       │
│                                                      │
│  📝 建议回复话术（可编辑）                           │
│  ──────────────────────────────────────              │
│  [AI 生成的个性化回复草稿]                            │
│  ──────────────────────────────────────              │
│                                                      │
│  [✏️ 编辑话术]  [📧 发送邮件]  [✅ 建档并设置提醒]   │
└─────────────────────────────────────────────────────┘
```

**数据结构**：

```typescript
interface DeepResearchResult {
  leadId: string;
  researchedAt: string;
  persona: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
  
  // 公司画像
  companyProfile: {
    description: string;
    coverage?: string[];
    employees?: number;
    foundedYear?: string;
    productLines?: string[];
    website?: string;
  };
  
  // 联系人画像
  contactProfile: {
    name: string;
    title: string;
    decisionPower: 'high' | 'medium' | 'low';
    linkedInSummary?: string;
  };
  
  // 产品匹配详情
  productMatching: Array<{
    customerNeed: string;
    recommendedProduct: {
      name: string;
      sku: string;
    };
    annualValue: number;
  }>;
  totalEstimatedValue: number;
  
  // 认证匹配
  certificationMatch: Array<{
    required: string;
    status: 'matched' | 'missing';
    ourCert?: string;                   // 我方证书名称
  }>;
  
  // 跟进策略
  followUpStrategy: {
    timeframe: string;
    filesToSend: string[];
    keyPoints: string[];
    additionalActions?: string[];
  };
  
  // 回复话术
  suggestedScript: {
    draft: string;                      // AI 生成的草稿
    editable: boolean;
  };
  
  // 特殊字段（按画像类型）
  personaSpecificData?: {
    // P1: 报价建议
    pricingSuggestion?: any;
    // P3: 投标计划
    tenderActionPlan?: any;
    // P4: 打样成本
    sampleCost?: any;
  };
}
```

#### 2.3.4 验收标准

- [ ] 深度调研耗时：P1/P2/P4 ≤ 2 分钟，P3 ≤ 3 分钟
- [ ] 公司画像准确率 ≥ 80%（与官网信息一致）
- [ ] 联系人决策权限判断准确率 ≥ 75%
- [ ] 认证匹配准确率 100%（基于我方认证库）
- [ ] 回复话术生成质量：业务员直接使用率 ≥ 60%

---

### 2.4 客户建档（自然沉淀）

#### 2.4.1 数据模型

```typescript
interface Lead {
  // === 基础信息（第一层自动填充） ===
  id: string;
  createdAt: string;
  updatedAt: string;
  
  contact: {
    name: string;
    title?: string;
    email: string;
    phone?: string;
    address?: string;
  };
  company: {
    name: string;
    domain?: string;
    country?: string;
  };
  
  originalEmail: {
    subject: string;
    body: string;
    attachments: Array<{ name: string, url: string }>;
    emailId: string;
  };
  
  // === 快速研判结果（第二层自动填充） ===
  persona?: {
    type: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
    confidence: number;
    reasoning: string[];
  };
  grade?: 'S' | 'A' | 'B' | 'C';
  scores?: {
    demandClarity: number;
    credibility: number;
    businessScale: number;
    productFit: number;
    urgency: number;
    total: number;
  };
  demandSnapshot?: {
    products: Array<{ name: string, quantity: number, unit: string }>;
    estimatedAnnualValue: number;
    certifications: string[];
  };
  matchedProducts?: Array<{
    productName: string;
    sku: string;
    matchScore: number;
  }>;
  
  // === 深度调研结果（第三层按需填充） ===
  deepResearch?: DeepResearchResult;
  
  // === 跟进状态 ===
  status: 'new' | 'assessed' | 'researched' | 'contacted' | 'replied' | 'quoted' | 'archived';
  followUpDeadline?: string;
  assignedTo?: string;                 // 业务员ID
  
  // === 跟进记录（持续积累） ===
  communications: Array<{
    date: string;
    type: 'email' | 'call' | 'meeting';
    summary: string;
    attachments?: string[];
  }>;
  quotes: Array<{
    date: string;
    products: Array<{ sku: string, price: number, quantity: number }>;
    status: 'sent' | 'accepted' | 'rejected' | 'pending';
  }>;
  samples: Array<{
    date: string;
    product: string;
    status: 'sent' | 'received' | 'approved' | 'rejected';
  }>;
  notes: Array<{
    date: string;
    author: string;
    content: string;
  }>;
  
  // === 销售验证 ===
  salesFeedback?: {
    verifiedPersona?: 'P1' | 'P2' | 'P3' | 'P4' | 'P5' | 'P6';
    verifiedGrade?: 'S' | 'A' | 'B' | 'C';
    notes?: string;
    verifiedAt?: string;
  };
}
```

#### 2.4.2 状态流转

```
new (邮件摄入)
  ↓
assessed (快速研判完成)
  ↓
researched (深度调研完成，可选)
  ↓
contacted (业务员确认并建档)
  ↓
replied (客户回复)
  ↓
quoted (已报价)
  ↓
[成交] / [归档]
```

#### 2.4.3 验收标准

- [ ] 线索自动创建（邮件摄入后）
- [ ] 数据逐层自动填充（无需手动录入）
- [ ] 状态流转清晰，支持回退
- [ ] 跟进记录可追溯

---

## 三、非功能需求

### 3.1 性能要求

| 指标 | 要求 |
|------|------|
| 邮件解析 | < 5 秒 |
| 快速研判 | < 10 秒 |
| 深度调研 | P1/P2/P4 ≤ 2 分钟，P3 ≤ 3 分钟 |
| 页面加载 | 首屏 < 2 秒 |
| API 响应 | P95 < 500ms |

### 3.2 可用性要求

- 系统可用性 ≥ 99.5%
- 支持并发用户数 ≥ 50
- 数据备份：每日自动备份

### 3.3 安全要求

- 邮件内容加密存储
- 用户权限控制（业务员只能看自己的线索）
- 审计日志（记录所有操作）

### 3.4 兼容性要求

- 浏览器：Chrome 90+, Firefox 88+, Safari 14+, Edge 90+
- 移动端：响应式设计，支持手机查看

---

## 四、用户流程

### 4.1 主流程：邮件处理

```
1. 业务员上传 .eml 文件
   ↓
2. 系统自动解析邮件（< 5秒）
   ↓
3. 系统自动执行快速研判（< 10秒）
   ↓
4. 显示快速研判卡片
   ↓
5a. S/A 级 → 自动触发深度调研
5b. B 级 → 业务员选择是否深度调研
5c. C 级 → 直接归档
   ↓
6. 显示跟进准备包
   ↓
7. 业务员确认并建档
   ↓
8. 进入跟进管道
```

### 4.2 子流程：画像验证

```
1. 业务员查看快速研判结果
   ↓
2. 发现画像判断有误
   ↓
3. 点击"验证画像"
   ↓
4. 选择正确画像 + 填写备注
   ↓
5. 系统记录反馈，用于模型优化
```

---

## 五、技术实现要点

### 5.1 核心技术栈

- **前端**：Angular 17+ (与现有 demo-nanchi 保持一致)
- **后端**：Node.js / Python (待定)
- **AI 服务**：LLM API (用于 NLP 提取、话术生成)
- **数据存储**：PostgreSQL (结构化数据) + 文件存储 (附件)

### 5.2 关键算法

- **邮件解析**：使用现有 EML 解析库 + NLP 提取
- **产品匹配**：语义相似度计算（向量化 + 余弦相似度）
- **画像识别**：规则引擎 + 机器学习（未来优化）
- **话术生成**：LLM Prompt Engineering

### 5.3 第三方服务

- **社媒数据**：LinkedIn API（如可用）/ 网页爬取
- **官网爬取**：Firecrawl / 自建爬虫
- **企业数据**：可选集成企业信息查询 API

---

## 六、优先级与里程碑

### 6.1 功能优先级

| 优先级 | 功能 | 预计工时 |
|--------|------|---------|
| **P0** | 邮件摄入 & 信息提取 | 2 周 |
| **P0** | 快速研判（五维评分） | 3 周 |
| **P0** | 客户画像识别（P1-P6） | 2 周 |
| **P0** | 产品匹配 | 2 周 |
| **P0** | 快速研判卡片 UI | 1 周 |
| **P1** | 深度调研（P1 流程） | 2 周 |
| **P1** | 深度调研（P3 流程） | 2 周 |
| **P1** | 深度调研（P4 流程） | 2 周 |
| **P1** | 跟进准备包 UI | 1 周 |
| **P1** | 客户建档（数据模型） | 1 周 |
| **P2** | 回复话术生成 | 2 周 |
| **P2** | 画像验证机制 | 1 周 |
| **P2** | 看板视图（按等级/画像） | 1 周 |

### 6.2 里程碑

| 里程碑 | 时间 | 交付物 |
|--------|------|--------|
| **M1: MVP** | 第 8 周 | 邮件摄入 + 快速研判 + 基础建档 |
| **M2: 深度调研** | 第 12 周 | P1/P3/P4 深度调研流程 |
| **M3: 完整功能** | 第 16 周 | 全部功能上线 |

---

## 七、验收标准总结

### 7.1 功能验收

- [ ] 邮件解析准确率 ≥ 95%
- [ ] 快速研判耗时 < 10 秒
- [ ] 五维评分准确率 ≥ 85%
- [ ] 画像识别准确率 ≥ 80%
- [ ] 产品匹配准确率 ≥ 75%
- [ ] 深度调研耗时符合要求
- [ ] 回复话术直接使用率 ≥ 60%

### 7.2 业务验收

- [ ] 单封邮件处理时间从 5-10 分钟降至 1-3 分钟
- [ ] S/A 级线索跟进率 ≥ 90%
- [ ] 业务员满意度 ≥ 4.0/5.0

---

*PRD 文档版本：v1.0*  
*最后更新：2026-02-12*