线索丰富化 — 多源数据补全

通过从多个数据源填充缺失字段，增强 CRM 联系人记录。支持 DuckDB workspace 条目或独立 JSON 数据。

数据源（优先级顺序）

1. LinkedIn（通过 linkedin-scraper 技能）—— 姓名、职位、公司、教育背景、人脉数
2. 网页搜索（通过 web_search 工具）—— 邮箱格式、公司信息、社交资料页
3. 公司官网（通过 web_fetch）—— 团队页、关于我们页、联系方式
4. 邮箱格式推断—— 基于姓名 + 公司域名推导邮箱地址

丰富化流程

步骤 1：评估缺失字段

-- 查询目标对象以识别字段空缺
SELECT "Name", "Email", "LinkedIn URL", "Company", "Title", "Location"
FROM v_leads
WHERE "Email" IS NULL OR "LinkedIn URL" IS NULL OR "Title" IS NULL;

步骤 2：按价值优先级排序

• 高优先级：邮箱缺失（外联必需）
• 中优先级：职位/公司缺失（个性化沟通必需）
• 低优先级：教育背景、人脉数、个人简介等字段缺失

步骤 3：逐条记录丰富化

对每条存在空缺的记录执行以下操作：

若已知 LinkedIn URL 但其他字段缺失：

1. 调用 linkedin-scraper 访问该个人主页
2. 提取：职位、公司、所在地、教育背景、个人简介
3. 更新 DuckDB 对应记录

若 LinkedIn URL 缺失：

1. 在 LinkedIn 上搜索：{name} {company} 或 {name} {title}
2. 人工校验匹配度（姓名与公司是否一致）
3. 存储获取到的 LinkedIn URL，再调用 linkedin-scraper 完整抓取

若邮箱缺失：

1. 通过网页搜索或 LinkedIn 公司主页获取公司域名
2. 尝试常见邮箱格式：
   • first@domain.com
   • first.last@domain.com
   • flast@domain.com
   • firstl@domain.com
3. 可选：通过网页搜索验证："email" "{name}" site:{domain}
4. 检查公司团队页或“关于我们”页，寻找邮箱格式线索

若公司信息缺失：

1. 网页搜索："{name}" "{title}"，或查阅 LinkedIn
2. 抓取公司官网，补充行业、规模、描述、融资情况等字段

步骤 4：更新记录

-- 通过 DuckDB pivot 视图执行更新
UPDATE v_leads SET
  "Email" = ?,
  "LinkedIn URL" = ?,
  "Title" = ?,
  "Company" = ?,
  "Location" = ?
WHERE id = ?;

批量丰富化模式

适用于一次性丰富化大量记录：

1. 从 DuckDB 中查询所有不完整记录
2. 按公司分组（每家公司仅抓取一次官网/主页，结果复用于其全部员工）
3. 以 10–20 条为一批次处理
4. 每批次完成后输出进度报告：

   丰富化进度：45 / 120 条线索（38%）
   ├── 已找到邮箱：32 / 45（71%）
   ├── LinkedIn 匹配成功：41 / 45（91%）
   ├── 职位已更新：38 / 45（84%）
   └── 预计剩余时间：约 15 分钟
   

5. 每批次完成后保存检查点（防止意外中断导致重跑）

丰富化质量规则

• 置信度评分：为每个丰富化字段标注置信度（high/medium/low）
  • High：数据直接来自 LinkedIn 个人主页或公司官网
  • Medium：基于邮箱格式等模式推断，或部分匹配
  • Low：基于网页搜索结果的最佳猜测
• 禁止覆盖已有数据，除非明确要求
• 冲突标记：若丰富化数据与现有数据矛盾，需标记供人工复核
• 去重检查：插入 LinkedIn URL 前，须确认该 URL 尚未分配给其他联系人

邮箱格式推断

主流企业邮箱格式按使用频率排序：

1. first.last@domain.com（最常见，约 45%）
2. first@domain.com（约 20%）
3. flast@domain.com（约 15%）
4. firstl@domain.com（约 10%）
5. first_last@domain.com（约 5%）
6. last.first@domain.com（约 3%）
7. first.l@domain.com（约 2%）

策略：

1. 若已知该公司某人的邮箱，可据此反推通用格式
2. 搜索 "@{domain}" email format
3. 检查公司团队页源码中的 mailto: 链接
4. 默认采用最常见格式作为兜底方案

输出

丰富化完成后，提供如下汇总报告：

丰富化完成：共处理 120 条线索
├── 邮箱：94 条已找到（78%），26 条仍缺失
├── LinkedIn：108 条匹配成功（90%），12 条未找到
├── 职位：115 条已更新（96%）
├── 公司：118 条已确认（98%）
├── 所在地：89 条已找到（74%）
└── 平均置信度：High（82%）、Medium（14%）、Low（4%）

剩余主要空缺：
- 26 条线索缺少邮箱（多见于小型/隐身型公司）
- 12 条线索缺少 LinkedIn（常见姓名、匹配结果模糊）

DuckDB 字段映射

Ironclaw CRM 对象的标准字段名：