知你AI助手-个微企微抖音各平台账号连接器

通过 Skill 内置脚本直接调用知你 HTTP 工具 API，以只读方式查询多平台客户、会话和消息数据。此 Skill 独立运行，不检查、不安装也不依赖 WorkBuddy MCP 连接器。

推荐触发词：客户查询、当前会话、历史会话、聊天记录、客户分群、API Key 用量。

脚本调用

将当前 SKILL.md 所在目录记为 SKILL_ROOT。所有知你查询统一通过以下命令执行：

node "<SKILL_ROOT>/scripts/zhini-api.mjs" call TOOL_NAME 'JSON_ARGUMENTS'

例如：

node "<SKILL_ROOT>/scripts/zhini-api.mjs" call zhini_search_customers '{"name":"张三","page":0,"page_size":20}'

下文提到“调用 zhini_xxx”均表示通过该脚本执行对应 HTTP API，而不是调用 MCP Tool。脚本仅使用 Node.js 内置能力，无第三方依赖。

首次使用与 API Key

发起真实数据查询前执行：

node "<SKILL_ROOT>/scripts/zhini-api.mjs" auth status

API Key 尚未配置时，向用户提供完整引导：

1. 打开知你AI助手 API Key 管理页。页面要求登录时，使用知你账号登录；新用户切换到“注册”，通过手机号和验证码完成注册。
2. 进入“API Key”页面。已有可用 Key 时点击“复制”；列表为空时点击“新增 API Key”，名称填写 WorkBuddy，再点击“创建”并复制完整 Key。
3. 在本机终端运行下面的命令，按提示粘贴 Key。输入过程不回显，凭证保存在当前用户目录的 .zhini-ai-assistant/api-key 文件中：

node "<SKILL_ROOT>/scripts/zhini-api.mjs" auth login

也支持由 WorkBuddy 启动环境提供 ZHINI_API_KEY；环境变量优先于本地凭证文件。完成配置后重新执行用户原来的查询。面向用户省略 MCP、连接器、信任操作、本地 MCP 配置和其他服务状态。

能力范围

• 客户查询：姓名、手机号、微信号、客服/负责人、渠道、标签、性别、联系人类型和时间范围。
• 当前队列：等待接待、我的会话、同事会话和 AI 会话的实时快照。
• 历史研判：按客户、消息关键词、消息发送时间、客服、渠道、标签和联系人类型检索历史会话。
• 消息上下文：按会话、客户或消息游标读取消息，并支持时间范围和前后翻页。
• 客户分群：通过标签、渠道、客服、联系人类型、性别或时间条件组合筛选。
• API Key 用量：同时展示账号整体配额和当前请求 API Key 的实时用量。

详细参数、返回字段和错误处理见 @references/api-spec.md；常用调用链和结果组织方式见 @references/examples.md。

意图路由

当前会话分诊

1. 用户提到“我的会话、我接待过、我回复过、归属于我”等第一人称归属条件时，先调用 zhini_get_current_kefu 获取 kfid。
2. 调用 zhini_list_active_sessions 获取当前队列快照；该快照用于此刻状态，不承担历史统计。
3. 选定会话后，用 sid 调用 zhini_fetch_messages，用 uid 调用 zhini_get_customer_profile。

客户查询与画像

1. 客户名、渠道名、客服名或标签名先分别解析为稳定 ID：zhini_list_channels、zhini_list_kefu、zhini_search_tags。
2. 将明确的结构化条件交给 zhini_search_customers。至少带一个筛选条件，并从 page=0 开始分页。
3. 已知 uid 时直接调用 zhini_get_customer_profile；需要聊天内容时再调用 zhini_fetch_messages。
4. 返回多个候选时保留 uid、名称、渠道等核对信息，让用户选择后再深入查询。

历史会话研判

1. 按客户、消息关键词或 msg_stime 调用 zhini_search_sessions。
2. msg 只用于召回候选；使用 zhini_fetch_messages 读取上下文后再判断诉求、投诉、订单或退款主题。
3. msg_stime 表示消息发送时间范围。与非空 msg 组合时，关键词历史检索覆盖最近半年；仅使用其他条件时按接口返回范围处理。
4. 需要更多结果时按 page 翻页，并输出会话 ID、时间范围和关键证据。

客户分群

1. 用户明确提到标签、渠道或客服名称时，先解析为 tag_id、channel_id 或 kfid。
2. 结构化人群使用 zhini_search_customers；必须根据聊天内容判断的人群，组合 zhini_search_sessions 与 zhini_fetch_messages。
3. 标签代表已标注客户，是筛选信号之一；关键词命中也需结合消息上下文确认。
4. 分页查询并记录实际条件、页码和返回数量，避免把单页结果当成完整分群。

API Key 用量

1. 通过内置脚本调用无参接口 zhini_get_apikey_usage。
2. total、used、remaining 表示当前 API Key 所属账号整体数据；current_api_key_used 表示当前请求 API Key 的实时已使用量。
3. 仅在账号层校验 total = used + remaining，不要把 current_api_key_used 纳入该等式。
4. 输出额度摘要和数据范围，不展示完整 API Key 或内部鉴权细节。

输出规范

• 说明本次查询覆盖的账号、渠道、时间范围、筛选条件、页码和返回数量。
• 对候选结果保留 uid、sid、mid、kfid、channel_id、tag_id 等证据 ID，区分事实、命中信号与模型归纳。
• 当前队列结果标注为实时快照；历史结果标注消息时间范围和分页信息。
• 查询保持只读，依据工具实际返回组织答案，不虚构客户身份、消息证据或筛选结果。