为与客户或潜在客户的通话做准备时，用 Common…

当需要为与某公司客户的通话做准备时，结合 Common Room 的账户研究、联系人研究和信号生成简报。

适用场景

解决思路

1. 解析用户输入：公司名称为必填项，在 Common Room 中查找该账户。
2. 解析用户输入：参会人姓名为可选项；如提供，则研究每位参会人。
3. 日历查找：如果存在 `~~calendar` connector，搜索与指定公司的即将到来的会议，自动获取参会人姓名、会议时间以及会议备注或议程。
4. 使用日历查找结果补全用户未提供的信息。
5. 如果既找不到参会人，也找不到日历匹配，询问：“[Company] 方谁会参加通话？我可以研究每位参会人，让你的通话准备更有用。”
6. 使用 account-research 技能流程构建完整账户快照。
7. 为通话准备，优先查看近期产品信号：他们当前在产品中做什么？
8. 为通话准备，优先查看未关闭商机或续约时间线。
9. 为通话准备，优先查看风险信号：使用量下降、支持工单、席位流失。
10. 为通话准备，优先查看关键近期事件：融资、高管变动、新员工入职。
11. 查看活动历史时，优先 Gong 和通话录音活动，它们提供之前对话的直接上下文。
12. 不要按活动来源过滤掉通话录音。
13. 对每位外部参会人，使用 contact-research 技能流程。
14. 联系人研究重点：其在采购流程中的角色和影响力。
15. 联系人研究重点：其个人活动和互动历史。
16. 联系人研究重点：任何表明当前情绪或优先级的近期信号。
17. 联系人研究重点：如可用，Spark persona classification。
18. 基于账户和联系人研究综合信息。
19. 识别通话目标，例如 discovery、demo、expansion conversation、renewal、QBR。
20. 生成 3–5 条以具体信号数据为依据的定制化 talking points。
21. 预判客户可能提出的 2–3 个可能异议或话题。
22. 建议本次通话的推荐结果。
23. 当用户公司上下文可用时（见 `references/my-company-context.md`），根据用户产品和价值主张定制 talking points。
24. 收集完所有 Common Room 数据后，运行快速 recency check，捕捉上次 CR 数据同步后发生的事情。
25. 将 web search 仅作为补充；CR 数据驱动准备，web search 只增加时效性。
26. 公司新闻：搜索 `"[company name]" news`，筛选最近 14 天。
27. 在公司新闻中寻找融资公告、产品发布、领导层变动、裁员、合作或媒体报道。
28. 参会人存在感：对每位外部参会人，搜索 `"[full name]" "[company name]"`。
29. 查找近期文章、LinkedIn 帖子、会议演讲、播客或公开发表的观点。
30. 如果某条公司新闻很重要（例如刚融资、宣布重要招聘），在 Signal Highlights 中标记。
31. 否则简要包含发现；不要让 web search 结果盖过 CR 信号。
32. 输出格式根据 Common Room 返回的数据量调整。
33. 只包含有真实数据的部分。
34. 绝不用编造细节填充部分。
35. 当数据丰富时（返回多个字段组、活动历史、分数、信号），按丰富数据模板输出：`## Call Prep: [Company] — [Date/Time if known]`。
36. 丰富数据模板的 Meeting Context 中写：参会人、会议类型、已知议程。
37. 丰富数据模板的 Company Snapshot 中写 4–6 条 bullets：关键账户状态、信号和近期活动。
38. 丰富数据模板的 Attendee Profiles 中，每位参会人用 `**[Attendee Name] — [Title]**`，并写 3–4 条 bullets：角色、近期活动、如可用 Spark persona、个人 hook；对每位参会人重复。
39. 丰富数据模板的 Signal Highlights 中写与本次通话最相关的 Top 3 signals。
40. 丰富数据模板的 Talking Points 中写 1、2、3 条，每条绑定具体信号。
41. 丰富数据模板的 Likely Topics / Objections to Prepare For 中，每个话题或异议写建议回应。
42. 丰富数据模板的 Recommended Call Outcome 中写 1–2 句话说明本次会议的成功标准。
43. 当数据稀疏时（返回少数字段、无活动、`null sparkSummary`），按稀疏数据模板输出。
44. 稀疏数据模板中：Data available 列出 Common Room 实际返回的内容，例如 `"Name, title, email, two tags. No activity history, no scores, no Spark data."`。
45. 稀疏数据模板中：What I Found 只呈现实际返回的字段。
46. 稀疏数据模板中：Web Search Results 放公司或参会人 web search 结果，或 `"No significant results"`。
47. 稀疏数据模板中：Suggested Next Steps 包括：可以从 Common Room 拉取哪些具体字段组（如可用）、可以针对哪些具体主题做更深 web search、用户可能需要在 Common Room 中直接检查缺失内容。
48. 不要从稀疏数据生成完整 call prep brief；简短诚实的输出总比冗长编造的好。
49. 质量：每条 talking point 必须基于真实信号，不要通用填充。
50. 质量：保持 brief 紧凑，5 分钟或更短时间内可读完。
51. 质量：明确标记未知项；如果参会人研究资料很少，就说明。
52. 质量：为研究设定时间盒，不要为了过度研究而牺牲速度。
53. 质量：绝不编造 deal context；不得编造提案、竞品对比、定价、试用条款或工具调用未返回的异议。
54. 参考文件：`references/call-types-guide.md` 提供不同通话类型（discovery、expansion、renewal、QBR）的指导以及如何相应调整准备。

适用边界 · 注意事项

• 没有 Common Room 或无法调用 account-research/contact-research 技能与数据源时，不适用。
• Common Room 返回数据稀疏时，不要强行生成完整版 call prep brief；应改用稀疏数据输出。
• 不适用于非客户或销售通话准备，或不需要账户与联系人信号综合的场景。