核心用法
Clawbridge 将用户的一次性意图输入（项目简介、目标人群、合作需求）转化为持续运行的夜间侦察任务。其核心流程分为四个阶段：
1. 发现阶段：通过 web_search 扫描 Moltbook、专业社区和开放网络，获取候选线索；
2. 富化阶段：使用 web_fetch 和 browser 工具提取候选人的详细资料、活动信号与可信证据；
3. 排序阶段：基于相关性、意图强度、可信度、活跃度和互动度等加权指标对候选人评分排序；
4. 起草阶段：生成个性化的外联草稿，输出为结构化的 Connection Brief（JSON 或 Markdown 格式）。
用户通过 YAML 配置文件定义项目画像（offer/ask/ideal_persona）、约束条件（避免名单、地区限制）、搜索目标 venues 及运行预算。系统强制要求 Human-in-the-Loop，即所有外联必须经过人工审核，MVP 阶段禁止自动发送。
显著优点
- 自动化持续性：一次配置后，每夜自动运行，大幅降低人工搜寻成本；
- 多源整合：同时覆盖 Moltbook、专业社区和开放网络，信息来源广泛；
- 证据驱动：要求每个候选人至少 2 个证据 URL，并通过硬条件过滤（30 天内活跃、明确匹配 ask）；
- 风险分级：自动标记 low_evidence、spammy_language、unclear_identity 等风险信号；
- 灵活可配：支持通过环境变量和 YAML 文件精细控制搜索范围、预算和输出数量；
- 模块化设计：prompts、venues、schema 分离，便于维护和扩展。
潜在缺点与局限性
- 依赖外部平台：Moltbook 等平台的可访问性和稳定性直接影响 scouting 效果；
- 语义理解局限：关键词匹配和启发式评分可能遗漏语境复杂的潜在匹配对象；
- 隐私合规风险：跨平台抓取个人数据需严格遵守 GDPR 等法规，用户需自行承担合规责任；
- 人工审核瓶颈：虽然 Human-in-the-Loop 保障了质量，但也限制了规模化响应速度；
- 冷启动问题：初期缺乏历史数据时，匹配质量可能不稳定。
适合人群
- B2B 销售团队（寻找合作伙伴、渠道商、大客户）
- 初创公司创始人（招募顾问、联合创始人、早期用户）
- 招聘与猎头顾问（被动候选人 sourcing）
- 市场与商务拓展（BD）人员（寻找联合营销、内容合作机会）
- 开源社区维护者（寻找贡献者和维护者）
常规风险
- 数据隐私：抓取和存储个人公开信息可能触及数据保护法规；
- 平台封禁：高频爬取可能导致 IP 被封或账号受限；
- 误匹配与声誉风险：自动化匹配可能推荐不合适的对象，若未经充分审核即外联，可能损害发件人品牌；
- 提示注入：需严格管理 prompts 中的变量，避免通过
offer/ask等字段注入恶意指令； - 预算失控：若未设置
max_searches/max_fetches，可能导致 API 调用或计算资源超支。