AgentSkillsCN

me-network-crm

在 MEMO 仓库中维护个人人脉库（Personal CRM）：录入、更新、检索 `05_Resources/network/people/` 中的人物卡片，并在导入截图、聊天记录或个人简介页面时，借助 PRISM 将相关信息提炼为事实、推论、行动及自我信息；同时支持阶段锚点（`阶段锚点`）与相对“我”的差异化信息（如年龄、毕业院校等）。

SKILL.md
--- frontmatter
name: me-network-crm
description: 在 MEMO 仓库中维护个人人脉库（Personal CRM）：录入/更新/检索 `05_Resources/network/people/` 的人物卡片，并在 ingest 截图/聊天/简介页时用 PRISM 折射为 Facts/Inferences/Actions/Me-Info；支持阶段锚点（`阶段锚点`）与相对 Me 的差分（年龄/毕业等）。

Me Network CRM（个人人脉库）

约定文件（source of truth）

  • •入口与标签列表：05_Resources/network/index.md
  • •设计/约束：05_Resources/network/requirements-architecture.md
  • •人物卡片模板：05_Resources/network/people/_template.md
  • •查询脚本（agent-friendly）：05_Resources/network/_cli/network.py
  • •校验脚本：05_Resources/network/_cli/validate_people.py
  • •PRISM（portable ingest prompt）：06_Infra/skills/portable/prism.md
  • •外部信息源 ingest 备注：06_Infra/skills/native/me-network-crm/references/external-source-ingest.md
  • •字段/标签参考：06_Infra/skills/native/me-network-crm/references/fields-and-tags.md

工作流

A) 录入新联系人（Add / ingest）

  1. •选择一个稳定的 Handle/ID（ASCII、长期不变）。建议用 primary-handle 便于快速检索（Ctrl+P）。
  2. •从模板创建：05_Resources/network/people/<handle>.md（模板：05_Resources/network/people/_template.md）。
  3. •填写最小可检索字段（检索 + 行动）：
    • •必填：Handle/ID、关键词、Tags
    • •推荐：状态、最后联系、下次跟进（没有就写 暂无）
    • •可选但很有用：阶段锚点（例如 2026-01-13（本科大三））
    • •可选（用于相对计算）：出生日期、预计毕业
  4. •把原始信息变成可检索 token：
    • •关键词 尽量包含 “domain + resource + scenario”
    • •Tags 只用统一前缀：#domain/ #resource/ #role/ #city/ #rel/ #status/（避免大小写漂移）
  5. •不要存可直接滥用的机密（密码/API keys/私钥等）。

B) 更新已有联系人（Update）

  1. •先检索定位：
    • •python3 05_Resources/network/_cli/network.py <keywords>
    • •python3 05_Resources/network/_cli/network.py --tag '#resource/intro' <keywords> --json
  2. •在卡片的 互动记录（流水） 里追加 1 条本次事件/结果。
  3. •更新 最后联系，设置/调整 下次跟进（日期 + 动作）。
  4. •必要时调整 状态（#status/active|warmup|dormant|archived）。

C) 为一个问题找人（Find / match）

  1. •把需求翻译成 Tags + 2–5 个关键词（domain + resource + scenario）。
  2. •查询：
    • •python3 05_Resources/network/_cli/network.py --tag '#domain/ml' --tag '#resource/intro' <keywords> --json
    • •若卡片包含 阶段锚点：python3 05_Resources/network/_cli/network.py --as-of 2026-09-01 --json
    • •相对你（年龄/毕业差分）：python3 05_Resources/network/_cli/network.py --relative-to-me --json
      • •默认读取 04_Assets/profile/Me.md（可用 --me-path 覆盖）
      • •联系人若缺少 出生日期/预计毕业，部分字段会为空（允许）
  3. •输出 Top candidates：
    • •匹配理由（tags/keywords）
    • •建议的触达角度（1–2 句）
    • •下一步行动（必要时把 下次跟进 写回卡片）

校验（可选但推荐）

  • •python3 05_Resources/network/_cli/validate_people.py

如果 python3 在环境里异常（例如 shim/conda），可尝试 /usr/bin/python3。

D) 用 PRISM ingest 外部信息源（截图/聊天/简介页）

目标：把混沌的 raw context 折射为 Facts / Inferences / Actions / Me-Info，并写入 05_Resources/network/people/<handle>.md。

  1. •识别来源类型与抽取约束（聊天/简介页/邮件/混合 bundle）。
  2. •抽取“可检索 token”，不要过度解读；不确定内容标注为待确认。
  3. •按 06_Infra/skills/portable/prism.md 的契约输出（Facts vs Inferences 分离）。
  4. •落盘规则：
    • •更新顶部字段：关键词/Tags/状态/最后联系/下次跟进（以及 阶段锚点/出生日期/预计毕业 如适用）
    • •追加一个带日期的 ## Prism（...，YYYY-MM-DD） 块（Facts/Inferences/Actions/Me-Info）
    • •如果抽取到稳定的“关于我”的信号（偏好/边界/策略），同步追加到 04_Assets/profile/signals.md（没有就创建）