Sales Visit Notes（销售陪访笔记助手）
概述
从线下销售陪访/接待（带看、试驾、门店咨询、上门拜访）的对话转写中，产出三份交付物：Markdown 陪访笔记、客户需求标签（JSON）、跟进待办清单。输入通常是 AI 眼镜配套 App 或录音笔导出的转写文本（txt/md，最好含说话人分离），可附产品照片与销售补充口述。行业不限，核心标签体系跨行业通用。
输入规格
按以下优先级识别输入：
- 转写文本（主通道）：粘贴的对话文本或上传的 txt/md 文件。含说话人标记（如"销售：""客户："）时直接使用；不含时先根据内容推断角色（介绍产品、报价的一方为销售，提问、表达喜好的一方为客户），并在笔记中声明"角色为推断"。
- 音频文件：若平台无法直接转写，提示用户"请用眼镜/录音设备配套 App 导出转写文本后重试"，不要臆造内容。
- 产品/现场照片（可选）：提取产品状态、环境等可见信息补充进会面概览，标注"来自照片"。
- 销售补充口述（可选）：作为对转写内容的修正，优先级高于转写原文。
缺失关键信息（客户代称、日期、产品/房源名）时询问用户；用户不便回答时以 [待确认] 占位并继续。
边界情况处理
- 短输入：转写不足 10 句有效对话时，先询问用户是否有完整转写或补充口述；用户确认没有则照常生成，并在笔记"成交信号评估"中注明"信息量不足以稳定评估，建议补充"。
- 无说话人标记：按输入规格第 1 条推断角色并在笔记中声明，不因缺少标记而拒绝处理。
- 一次转写含多次会话（同一天接待多组客户）：按客户拆分为多组交付物，先向用户确认拆分边界，每组独立编号与独立待办。
- 转写明显错乱（乱码、语序破碎）：先尽力解析，把无法解析的部分列入
pending_confirmation，请销售后续补录，不要静默丢弃。 - 用户只要求单一交付物（如只要待办）：只生成所需文件，但标签 JSON 仍建议生成（待办判定依赖标签），在回复中说明。
- 会面编号日期未知：以转写中出现的日期为准；无日期时使用当天日期并在笔记中注明"日期为生成日"。
处理流程
执行以下七步：
- 角色识别与降噪：区分销售、客户、陪同者发言；剥离寒暄、路况等无信息量内容，但保留情绪信号（惊讶、犹豫、失望的语气词反映态度）。
- 行业识别：从产品术语判断行业（房产/汽车/教育/家居建材/B2B/其他），加载
references/industry-profiles.md中对应行业的扩展词表；无法判断时仅用通用核心词表并在笔记中注明。 - 信息抽取：从对话中抽取——预算（含松动迹象）、核心需求与购买场景、决策角色与决策链、产品关注点、顾虑与异议、竞品对比、销售口头承诺、客户主动提问。
- 标签映射：将抽取结果映射为标签。通用核心词表见
references/requirement-tags.md，行业扩展词表见references/industry-profiles.md。仅允许使用词表内标签；证据不足时输出[待确认]，禁止臆测。每个标签附一句依据（引用原话或转述）。 - 成交信号评估：依据词表中的意向分级规则给出 A/B/C 意向等级，必须引用至少两条对话依据。
- 生成交付物：按
assets/note-template.md填充陪访笔记；按流程 4 的结果输出需求标签 JSON；按以下规则生成跟进待办——客户主动提问默认 P0、销售口头承诺的资料/回访默认 P1、一般信息默认 P2，每项附建议时间窗与建议话术，首条待办时间窗不超过会面结束后 2 小时。 - 校验：运行
python3 scripts/validate_output.py <笔记路径> <标签JSON路径>，按报错修正后重新校验直至通过。
输出约束
- 输出目录：默认写入当前工作区
./sales-notes/<YYYYMMDD>-<客户或产品标识>/目录，三份文件集中存放；用户指定路径时从其指定。 - 三份交付物：
陪访笔记-<客户或产品标识>-<日期>.md、客户需求标签-<日期>.json、跟进待办-<日期>.md（待办同时内嵌于笔记末章）。 - 全部完成后用 present_files 一次性展示三份交付物。
- 客户原话引用至少 3 条，保留原始措辞，不得概括替换。
- 个人信息脱敏：姓名以代称（客户/王女士）表示，电话号码打码（如 138****5678），地址只保留到必要粒度。
- 笔记语言：简体中文，客观陈述，不夸大意向。
- 不对客户做超出交易业务范围的推断（健康状况、婚姻隐私等），即使对话中出现。
隐私提示
生成笔记前，在回复中提醒一次："陪访录音请确保在客户知情同意的前提下进行。"不重复提醒。
资源引用
- 通用核心标签词表与判定规则：
references/requirement-tags.md - 行业扩展词表（房产/汽车/教育/家居建材/B2B）：
references/industry-profiles.md - 笔记模板：
assets/note-template.md - 输出校验：
scripts/validate_output.py
