核心用法
Parallel Enrichment 是一款基于 CLI 的数据丰富工具，通过调用 Parallel AI 的云端 API，为批量企业、人员或产品数据自动补全公开信息字段。用户通过自然语言描述意图（intent），指定需要补充的数据维度（如 CEO 姓名、融资轮次、员工规模、LinkedIn 主页等），工具即可自动抓取网络公开数据源并输出结构化结果。
使用方式灵活支持两种模式：一是内联数据模式，直接传入 JSON 数组进行即时处理；二是文件批处理模式，读取本地 CSV 文件并输出丰富后的结果。高级用户可通过 YAML 配置文件定义复杂的输入输出列映射，或利用 AI 建议功能自动生成列定义。处理完成后，系统会返回监控 URL 实时追踪进度，并在目标 CSV 中追加 _parallel_status 列标记每行的处理状态。
显著优点
该技能的最大优势在于自然语言驱动的交互设计——用户无需学习复杂的查询语法，用日常语言描述需求即可执行专业级数据挖掘。多层级处理器（从 lite-fast 到 ultra-fast）支持从轻量查询到深度多源分析的不同场景，默认的 pro-fast tier 已能满足大多数 B2B 数据丰富需求。
另一亮点是与 CSV 工作流的无缝集成。输入输出均基于标准表格格式，可直接嵌入销售、市场团队的既有数据管道。AI 建议列功能降低了使用门槛，非技术用户也能快速构建专业的数据补全任务。
潜在缺点与局限性
该技能存在强外部依赖的结构性限制。所有数据处理必须在 Parallel AI 云端完成，意味着用户数据必然离开本地环境，这对处理敏感商业信息或受监管数据（如欧盟 GDPR 覆盖的个人数据）构成合规障碍。网络延迟和 API 可用性也会直接影响任务成功率。
此外，数据来源的准确性无法完全保证。网络公开信息存在时效滞后、错误标注或故意误导的可能，输出结果需要人工复核验证，不宜直接用于关键决策。免费/低成本 tier 的处理深度有限，复杂查询可能需要升级至 ultra-fast 等高价方案。
适合的目标群体
该技能最适合B2B 销售与市场团队进行线索丰富（lead enrichment），快速补全潜在客户的公司背景、决策人信息；投资与研究机构进行批量企业尽职调查，追踪融资动态与团队变动；以及产品与市场分析师进行竞品数据收集，构建行业数据库。
不适合处理高度敏感的个人隐私数据，或需要 100% 准确性的合规审计场景。
常规使用风险
数据外泄风险是最核心的安全隐患。用户上传的任何 CSV/JSON 内容都将传输至 Parallel AI 服务器，若包含未脱敏的客户名单、内部薪酬数据或战略供应商信息，可能导致商业机密泄露。建议在启用前确认组织的数据出境合规政策。
成本累积风险需特别注意。不同 processor tier 的计费标准差异显著，大规模批量处理前应先小批量测试，监控 API 调用配额与费用。此外，CLI 依赖本地安装的 parallel-cli 工具，若版本过期或认证失效将导致任务中断，需提前验证环境配置。