核心用法
lead-enrichment 是一款面向销售与市场团队的公开情报验证工具，通过整合 Prismfy 搜索能力，对企业或个人线索进行多维度背景调查与资质评估。用户需提供至少一个核心标识（公司名称、域名或个人姓名），系统按优先级调用六大查询族（identity → core → fit → activity → disqualifier → contact），从公开网络信号中提取关键事实、匹配度证据与潜在风险。
典型工作流程：
1. 身份解析：确认公司/个人的规范名称、主域名、职务关联
2. 信号采集：按查询族分层检索官网、产品页、行业关键词、招聘动态等
3. 资质判定：基于证据完整性输出五档 verdict（fit / likely_fit / weak_fit / not_fit / ambiguous）
4. 风险披露：明确标注 disqualifier 信号与证据盲区
输出支持对话式摘要（默认）与结构化 JSON 报告（--out 指定）。
显著优点
- 证据优先设计：拒绝虚假确定性，强制标注证据盲区与近似推断
- 模块化查询族：按需选择 identity/core/fit/activity/disqualifier/contact，兼顾效率与深度
- 结构化合规输出：JSON schema 标准化，包含 signals[]、disqualifiers[]、ambiguities[] 等字段，便于下游系统集成
- 保守判定策略： strongest verdicts 要求 resolved identity + 多源交叉验证，降低误杀率
- 透明溯源：强制返回 source_urls[]，支持人工复核
潜在局限
- 依赖 Prismfy 服务可用性：API 中断或限流将直接导致功能降级
- 公开网络覆盖盲区：非公开企业、 stealth 模式公司、隐私保护严格的个人可能返回 NO_PUBLIC_EVIDENCE
- 关键词匹配局限：ICP-fit 评分仍为 preliminary keyword-based，需人工复核高价值线索
- 地域与规模推断弱：员工数、营收等数据依赖公开信号，精度有限
- 无主动联系人挖掘：contact 族仅作辅助，不保证邮箱/电话可获取
适合人群
- B2B 销售团队：冷启动前资质验证与路由决策
- 市场运营：MQL 清洗与列表治理
- 投资人/BD：快速背景尽职调查
- RevOps：线索评分自动化管道集成
常规风险
| 风险类型 | 描述 | 缓解机制 |
|---------|------|---------|
| 数据幻觉 | 模型可能虚构职务、公司规模 | 禁止 fabricate 规则 + 强制来源标注 |
| 隐私合规 | 个人数据抓取可能触达 GDPR 边界 | 仅处理公开网络信号，不突破 robots.txt |
| API 密钥泄露 | 环境变量配置不当 | 文档明确禁止 expose API keys |
| 判定过宽 | 证据不足时强行 fit | ambiguous/weak_fit 强制兜底策略 |
安全等级评定为 A：核心功能无代码执行，依赖外部 API 但通过密钥隔离与最小权限原则控制暴露面；主要风险在于数据合规与第三方服务可用性。