AI 客户研究工作台 （Agent + Skills + MCP）

方案思路

这个方案把客户研究拆成“问题定义、来源收集、Agent 抽取、来源台账、人工复核、交接”六步。Agent 负责重复劳动：打开页面、摘录事实、比较来源、生成待确认问题；人负责判断：哪条事实可信、哪个角色重要、这家公司是否值得跟。Skills 可以把研究模板和禁止事项固化，MCP 可以在受支持的环境中连接搜索、抓取或内部工具。

实施要点

先定义有限的问题和字段，不要让 Agent“研究一下这家公司”这种开放式指令。来源台账是方案的核心：每条事实保留 URL、访问日期、来源类型和核验状态。Agent 输出必须区分事实、推断和未知，遇到找不到的信息应停止，而不是补全。人工复核后，才把账户写入分级表或 CRM。

资源如何协作

Anthropic API 是模型层；Google Sheets 是研究队列和台账；Browser Use 可在受控环境中执行多步浏览；Firecrawl 可批量抓取公开页面；Exa 可扩展资料发现；OpenAI API 是可选替代。MCP 连接应遵循最小权限，工具调用要记录日志，写入和发送动作必须人工确认。

适用条件与不适用情形

适合有一定技术能力、研究字段相对稳定、愿意维护来源质量的团队。若只需要少量账户研究，手工加现成工具更省成本；若团队无法审核 Agent 输出，自动化会放大错误。对于高敏感数据或严格合规场景，应优先使用本地部署和官方数据源。

风险与人工审核

浏览器自动化和网页抓取会引入提示注入、恶意页面和访问条款风险。模型可能把营销文案当成事实，或把相似公司误判为同类。所有关键事实必须回到官方或可靠来源；所有写入、发送和外部操作必须有人工批准。建议先在隔离环境用十到二十家公司测试，记录失败类型，再决定是否扩大。