Pre-Visit Store Insight System
基于快消行业六大头部品牌最佳实践，构建完整的业代拜访智能助手体系。 从数据洞察到拜访建议，从库存推算到一页简报，让每一次拜访都精准高效。
visit-data-insight
visit-methodology
visit-suggestion
visit-briefing
inventory-calc
P0强制/P1常规/P2机会，确保必办事项不遗漏
A/B/C类店对应不同拜访深度和时间投入
根据业代历史执行力动态增减建议数量
三态反馈：已完成/跳过/无法执行
visit-data-insight v1.1.0
从纷享CRM及关联系统中获取门店相关数据，按数据洞察视角进行组织，为后续访前简报和拜访建议生成提供数据基础。
| 数据维度 | 权重 | 优先级 |
|---|---|---|
| 断货信息 | 5 | P0强制 |
| 投诉/申诉 | 5 | P0强制 |
| 承诺未兑现 | 5 | P0强制 |
| 遗留待办 | 4 | P0强制 |
调用 访前数据洞察 和 访销方法论
调用 访前拜访建议 融合数据与规则
调用 访前简报 整合输出
在步骤⑤和⑥调用 智能库存推算
场景：张记超市，断货3天，待办未闭环，承诺未兑现，有活动资源
业代执行力：P0完成率92%（强）
输出建议（6条）：
场景：竞品新品进场，业代P0完成率65%（弱）
输出建议（2条）：
* 执行力弱，建议数量-1（B类正常3条→2条）
场景：仅门店类型和关键人信息可用
输出建议（2条）：
* 数据不足时使用默认模板
输入：
输出：
确保CRM系统中门店数据完整，包括静态信息和近期交易记录
在agents.yaml中配置5个技能，设置调用顺序和参数映射
输入门店ID和业代ID，获取完整的访前简报和拜访建议