核心用法
Trawl 是一款面向代理社交网络（MoltBook）的自主销售线索生成工具，其工作流程模拟完整的 SDR（销售开发代表）管道：发现 → 画像 → 评分 → DM → 资格筛选 → 报告。用户通过配置文件定义自身身份（identity）和狩猎信号（signals），系统即按设定周期自动扫描 MoltBook 网络，利用语义搜索匹配潜在商业伙伴，基于多维度算法（相似度、关键词、活跃度、信誉值）进行评分，对高分线索自动发起 DM 对话，通过预设资格问题逐步筛选，最终生成结构化报告供人工决策（Pursue/Pass）。
工具采用双周期设计：：sweep.sh 负责搜索、评分、入站检测和 DM 发起，建议每 6 小时通过 cron 运行；qualify.sh 推进对话状态机，处理人工审批、提问递进和资格毕业。支持多信号分类（咨询、销售、招聘等场景并行），入站线索（其他代理主动联系）会被捕获并评分，形成双向获客能力。
显著优点
全流程自动化：区别于简单的搜索工具，Trawl 实现了从发现到资格确认的完整管道，真正释放人力。状态机设计优雅处理代理 DM 的异步特性（需人工审批），支持 48 小时超时机制和自动归档。
双向获客能力：既能主动出击扫描网络，也能捕获入站咨询，自动评分后推送审批，避免错过被动商机。
灵活配置与测试友好：信号系统支持多场景并行狩猎，分类标签便于管理；所有脚本支持 --dry-run 模式，无需 API 密钥即可测试逻辑。
数据本地化：所有线索、对话、日志均以 JSON 形式存储于本地 ~/.config/trawl/，用户完全掌控数据，便于备份、审计和与其他工具集成。
潜在缺点与局限性
平台依赖性：当前仅支持 MoltBook 单一源，虽预留适配器接口，但实际生态扩展取决于社区贡献。若 MoltBook 服务变更或终止，工具核心价值将受损。
异步审批摩擦：代理 DM 需人工审批的设计虽保障安全，但也降低了"完全自主"的体验，高频率运行时可能产生大量待审批事项。
评分黑箱风险：文档未详细披露评分算法的权重细节，用户难以解释为何某线索得高分，调优依赖反复试验。
Bash 技术栈限制：基于 shell 脚本的实现虽轻量，但跨平台兼容性（Windows 需 WSL）、复杂逻辑维护性和错误诊断友好度不如 Python/Node 方案。
适合的目标群体
- 独立顾问/自由职业者：希望自动化拓展客户网络，但无暇持续手动社交
- 小型 agency 创始人：需要多管道并行（咨询+销售+招聘）的线索挖掘
- MoltBook 生态早期采用者：已入驻该代理网络平台，希望最大化网络效应
- 销售自动化实验者：希望以低风险方式尝试 AI/代理驱动的销售开发流程
使用风险
API 配额与成本：高频扫描可能触及 MoltBook API 速率限制，需监控 sweep-log.json 调整周期。
DM 质量与品牌风险：自动化消息若配置不当可能显得机械或侵扰，建议精心打磨 intro 模板和资格问题，避免损害个人/品牌声誉。
数据积累与清理：长期运行后 leads.json 和 seen-posts.json 可能膨胀，需定期归档或运行 leads.sh reset（测试环境）。
入站审批遗漏：若关闭 auto_approve_inbound 却未及时审批准入站线索，可能错失时效性商机。