ai-sales-team-claude 把整條 B2B 銷售流程封進 14 個 sales skill 與 5 個並行 agent。一條 /sales prospect <url>,公司研究、決策者地圖、BANT + MEDDIC 評分、競品分析、outreach 信件腳本同時跑完,最後生成 0–100 分加權成績單。pipeline report 一鍵輸出 Markdown 或 PDF。
傳統銷售 SaaS 把 BANT、MEDDIC、ICP、buying committee 這些方法論放在「教育文章」與「報表欄位」,人要自己填、自己對齊。ai-sales-team-claude 把整套銷售方法論寫成 SKILL.md,Claude Code 看到 /sales prospect <url> 自己拆任務,5 個 agent 同時跑完研究、評分、決策者、競品、訊息策略五件事。
repo 結構很單純:skills/ 下 14 個 SKILL.md(prospect、quick、research、qualify、contacts、outreach、followup、prep、proposal、objections、icp、competitors、report、report-pdf),agents/ 5 隻 subagent(sales-company、sales-contacts、sales-opportunity、sales-competitive、sales-strategy),scripts/ 4 隻 Python 工具(prospect 分析、contact 挖掘、lead scoring、PDF 報表),templates/ 6 個信件與會議範本。
真正的設計判斷是把分數加權公式寫進 SKILL.md。Company Fit 25%、Contact Access 20%、Opportunity Quality 20%、Competitive Position 15%、Outreach Readiness 20%,合起來 0–100 分,A+ 到 D 五級。所以你拿到的不是 LLM 散文,是一張可比較、可進 pipeline 排序的 prospect score card。
環境只要 Claude Code。最快路徑是 README 提供的 one-command 安裝腳本，install.sh 會把 skills/ 與 agents/ 兩個資料夾複製到對應的 Claude Code 目錄。
手動安裝路徑也在 README 裡。clone repo、進目錄、執行 install.sh，適合需要先審查腳本內容的環境，或想 fork 後改自家公司 skill 命名的情況。
14 個 skill 裡有兩個會用到 Python:/sales report-pdf 用 reportlab 出 PDF,scripts/analyze_prospect.py 若要做 HTML 解析會用到 beautifulsoup4 與 requests。沒裝不影響其他 12 個 skill,只是 PDF 那條會 fallback 到 Markdown。
Repo 把銷售流程拆成三層:skills/ 14 個 sales skill(發起、研究、評分、跟進、報表)、agents/ 5 個並行 subagent(在 /sales prospect 裡同時跑)、scripts/ 與 templates/ 提供 Python 工具與信件範本。下面 12 張卡片把核心入口列出來。
/sales report 純 Markdown 版本。| Agent | 負責範圍 | 占總分權重 |
|---|---|---|
sales-company |
Company Fit · firmographics · 產品契合度 | 25% |
sales-contacts |
Decision Maker 地圖 · 切入路徑 | 20% |
sales-opportunity |
Opportunity Quality · BANT 打分 | 20% |
sales-competitive |
競爭情勢 · 競品定位 | 15% |
sales-strategy |
Outreach Strategy · 訊息準備度 | 20% |
以下六條均源自 README、SKILL.md 與目錄結構，說明安裝後容易忽略的操作細節。所有指令路徑均對應 repo 內容。
先以 /sales quick <url> 進行 60 秒初篩，scorecard 低於 60 分的直接排除，再對剩餘目標執行 5-agent 完整審計。這樣可將整體時間成本降至約 1/5。
跑 /sales icp <your-product> 把 ICP 寫成可重用條件清單。後面所有 prospect 評分就有同一把尺,而不是每次都讓 LLM 自己腦補「這像不像我們客戶」。
templates/outreach-cold.md、outreach-warm.md、outreach-referral.md、meeting-prep.md、proposal-template.md、objection-playbook.md 六份範本是各 agent 的輸出腳本來源。修改這六個檔案，所有相關 skill 的輸出內容會同步更新。
客戶會議前 24 小時執行 /sales prep <url>，建議先執行一次 /sales followup，讓 followup skill 把上次 outreach 的對話記錄納入背景，prep brief 會自動包含「上次討論事項的後續銜接」段落。
SMB 用 BANT 100 分就夠;企業大單與 PoC 流程長的 deal 一定要打 MEDDIC。/sales qualify 兩個框架都會跑,但你可以指示「focus on MEDDIC」讓它把資源集中在 Champion / Economic Buyer 的辨識。
/sales report-pdf 出來的 PDF 適合塞進每週 leadership pipeline review;/sales report 純 Markdown 適合丟進 Notion / Linear / Slack,讓 RevOps 用結構化文字 diff 上週變動。兩種報表跑同一份資料源。
假設你拿到一個潛在客戶網站,要跑完整 prospect 審計、寫好第一封 outreach、產出 PDF report。下面是真實情境改寫,跑在已經 install.sh 過、有裝 reportlab 的 Mac 上。一句意圖,5 個 agent 並行,12 分鐘交一份能直接給老闆的 PDF。
/sales prospect <url> 啟動 5 個並行 agent，依序完成 firmographics、決策者識別、BANT 評分、競品分析、訊息策略，最終輸出合成分數與 PDF pipeline report。5 個 agent 並行執行，非序列。SKILL.md 將 5 個 agent 設計為獨立任務同時運行，主對話在全部結果到位後才進行合成。整個流程約 12 分鐘，而非序列執行所需的 60 分鐘。
合成分數可比較、可排序。77 分 B+ 優先於 65 分 C，pipeline review 從主觀判斷轉為數字排序。例如：分數 80 分以上的有 4 個，優先處理這四個。
templates/ 是輸出的格式骨架。outreach、proposal、meeting prep 各有獨立 markdown 範本,改範本=改公司對外口徑。團隊每個業務跑出來的信、提案結構一致,客戶看到的 brand voice 才穩。
contact_finder.py 與 sales-contacts agent 都依賴可從公開來源抓到的資訊。資料品質會輸給 Apollo、ZoomInfo 等付費資料庫;對特別隱形的決策者,結果可能殘缺。
/sales report-pdf；未安裝 beautifulsoup4 / requests 則 prospect 分析對複雜 JS-rendered 站點可能無法取得完整內容，單頁應用（SPA）需特別注意。
/sales 開頭的 command 都會被觸發,如果你日常還裝了其他 sales 套件,可能 name collision。建議把 fork 改成 /team-sales 或公司前綴,避免錯叫。
/sales prospect 動到 5 條 subagent + 主流程合成。對個人 Pro 額度沒問題,但企業 BDR 一天跑 50 個 prospect 要先估 token 預算。/sales quick 是省錢版本。
14 個 skill 與 5 個 agent 全部是 Markdown 純文字。無需編譯、無平台 lock-in，可直接 fork 成公司專屬版本，加入自家 ICP 定義、自家分數權重與對外語氣，等於把銷售 SOP 寫進 SKILL.md 並納入版本控制。
1. fork 成公司專屬 sales 包。把 repo fork 成 your-co/sales-skills,改 templates/、改 scripts/ 的分數權重、加自家 ICP。新人入職跑 install.sh,當天就會用公司版的 BANT。
2. 把 PROSPECT-ANALYSIS.md 串進 CRM。每次跑完 /sales prospect 會輸出 Markdown 與分數。寫一個 5 行的 Python script 把 Markdown parse 成欄位,塞進 HubSpot / Salesforce API,人不用手動 copy-paste。
3. 用 /sales icp 校準歷史 deal。將過去一年的 close-won 客戶輸入 /sales icp，讓它反推實際成交的 ICP 條件。再把這份條件寫進 sales-company agent 的判斷規則，使評分有歷史數據支撐。
4. 把 /sales report 接進每週站會。每週一早執行 /sales report 輸出 pipeline Markdown，推送至 Slack #sales channel。站會依分數變化、新增 prospect 與卡關 deal 進行 review，15 分鐘可完成。
5. 讓 outreach 結果由業務人員發送。建議不讓 agent 直接送信，而是讓它將 5 封 outreach 草稿存入共享資料夾，由業務透過自己的 inbox 或 sequencer（Lemlist、Smartlead、Apollo）發送，信箱信譽與合規責任留在人員端。
① ai-sales-team-claude · README：14 個 skill 完整指令清單、5 agent 加權公式、分數等級對照。
② skills/ 目錄：14 份 SKILL.md 原始檔，客製化公司版本從這裡修改。
③ templates/ 目錄：6 份信件、提案、會議與反對意見處理範本，修改後所有相關 skill 同步生效。