内容生成代理技能

概览

内容代理通过以下方式创建个性化、高转化的营销内容：

阅读联系人资料和互动历史
分析参与模式和情感
使用Claude生成相关上下文内容
存储草稿供人工审核/批准
跟踪性能指标

内容类型

1. 跟进邮件

何时生成：

联系人收到邮件超过7天（下次跟进日期已过）
状态为“潜在客户”或“线索”
AI得分>60（参与度高）

包含的上下文：

提及他们的最后一次互动
提及他们的公司/行业
突出相关的案例研究或服务
包含明确的CTA

示例提示：

生成一封专业跟进邮件给：
- 名字：约翰·史密斯
- 公司：TechStartup公司
- 职位：CEO
- 上次互动：“对Q4营销服务感兴趣”
- 情感：积极
- 行业：技术

邮件应该：
1. 提及他们对合作的兴趣
2. 提及1个与技术创业公司相关的具体成功案例
3. 提议15分钟的战略电话会议
4. 语气热情但专业
5. 保持在150字以内

2. 提案邮件

何时生成：

联系人表现出高度参与（AI得分>80）
状态为“潜在客户”
多次积极互动

包含的上下文：

个性化价值主张
预计ROI/结果
时间线和交付物
投资/定价范围
下一步行动

示例提示：

生成一份提案邮件给：
- 名字：丽莎·约翰逊
- 公司：电子商务解决方案
- 痛点：“更新营销策略”
- 预算指标：中端市场（中等预算）
- 时间线：2024年Q4

提案应该：
1. 解决他们的具体痛点
2. 概述3-4个关键交付物
3. 提及预期指标（例如，“35%的收入增长”）
4. 建议60天的参与
5. 请求电话讨论

3. 案例研究参考

何时生成：

来自特定行业的联系人
AI得分表明准备就绪
存在相关的成功案例

包含的上下文：

类似公司/行业的案例研究
关键指标和结果
如何适用于他们的情况

代理如何工作

第1步：确定目标联系人

查询联系人：

status = "潜在客户" OR "线索"
aiScore > 60
nextFollowUp <= NOW

第2步：针对每个联系人

A. 加载联系人历史

GET 联系详情
GET 联系人的电子邮件（互动历史）
GET 为此联系人生成的任何先前内容

B. 构建上下文对象

{
  name: "约翰·史密斯",
  company: "TechStartup公司",
  jobTitle: "CEO",
  industry: "技术",
  aiScore: 78,
  sentiment: "positive",
  lastInteraction: "对Q4合作感兴趣",
  emailsSent: 2,
  engagementDays: 15,
  hasProposalBefore: false
}

C. 确定内容类型

逻辑：

IF aiScore > 80 AND !hasProposalBefore
  → 生成“提案”
ELSE IF aiScore > 60 AND lastInteraction > 7 days ago
  → 生成“跟进”
ELSE IF industry has matching case study
  → 生成“case_study_reference”
ELSE
  → 生成“general_followup”

D. 构建Claude提示

模板：

你是一家营销机构的专业B2B营销文案撰稿人。

为以下人员生成[CONTENT_TYPE]电子邮件：
- 名字：[NAME]
- 公司：[COMPANY]
- 职位：[JOB_TITLE]
- 行业：[INDUSTRY]
- 上次互动：[LAST_INTERACTION]
- 之前电子邮件的情感：[SENTIMENT]
- 我们与类似公司的成功：[CASE_STUDY_BRIEF]

要求：
1. 针对他们的具体情况个性化
2. 尽可能提及他们的行业/公司
3. 包括具体的、可衡量的结果（如果是提案）
4. 专业但热情的语气
5. 清晰的行动号召
6. [TYPE_SPECIFIC_REQUIREMENTS]

保持在[WORD_LIMIT]字以内。

只生成电子邮件正文（无“主题：”或问候）。

E. 调用Claude API

POST https://api.anthropic.com/v1/messages

{
  "model": "claude-sonnet-4-5-20250929",
  "max_tokens": 1000,
  "system": "你是一位专业的B2B营销文案撰稿人...",
  "messages": [
    {
      "role": "user",
      "content": "[BUILT_PROMPT]"
    }
  ]
}

F. 解析响应

从响应中提取文本：

response.content[0].text

G. 存储为草稿

调用Convex突变：

POST convex mutation content.store({
  orgId: "...",
  workspaceId: "...",
  contactId: "[CONTACT_ID]",
  contentType: "[TYPE]",
  title: "[AUTO_GENERATED_TITLE]",
  prompt: "[USED_PROMPT]",
  text: "[CLAUDE_RESPONSE]",
  aiModel: "sonnet",
  htmlVersion: null // 可选HTML格式
})

H. 记录审计事件

POST convex mutation system.logAudit({
  orgId: "...",
  action: "content_generated",
  resource: "generatedContent",
  agent: "content-agent",
  details: {
    contactId: "...",
    contentType: "[TYPE]",
    aiScore: 78,
    tokensUsed: 234
  },
  status: "success"
})

第3步：摘要报告

输出：

✅ 内容生成完成

总共生成：X
跟进邮件：X
提案：X
案例研究：X
待批准草稿：X

按AI得分：
- 高优先级（>80）：X联系人
- 中等优先级（60-80）：X联系人

样本生成内容：
- 约翰·史密斯（TechStartup）：跟进邮件
- 丽莎·约翰逊（电子商务）：提案

下一步行动：
1. 在仪表板中查看草稿
2. 批准/编辑内容
3. 安排发送
4. 跟踪性能指标

错误处理

如果Claude API调用失败：

记录状态为："error"的审计事件
尝试回退：使用基于模板的内容
继续下一个联系人

如果联系人数据不完整：

跳过联系人并发出警告
在审计轨迹中记录为跳过

性能跟踪

内容获批准并发送后：

跟踪：
- 如果集成可用，则打开（如果集成可用）
- 点击
- 回复
- 转化

更新generatedContent记录的指标：
{
  status: "sent",
  sentAt: timestamp,
  performanceMetrics: {
    opens: 0,
    clicks: 0,
    replies: 0
  }
}