核心用法
linkedin-followup 是一款面向销售人员的 LinkedIn 自动化跟进管理 Skill，核心定位是从 Google Sheets CRM 中管理 LinkedIn 销售线索的完整生命周期。该 Skill 不提供可执行代码，而是通过结构化文档指导 AI Agent 完成以下三类操作模式：
模式一：快速状态更新 —— 当用户告知某联系人已回复时，Skill 指导 Agent 在 Google Sheets 中搜索对应行（按姓名或 LinkedIn URL 匹配），更新管道状态（如 Sent → Replied）、记录回复时间戳，并在对话日志中追加新消息。
模式二：完整跟进流程 —— 这是最核心的工作流：从 CRM 加载联系人完整资料 → 模拟真人浏览行为（先访问 /feed/ 再跳转个人主页以规避检测）→ 注入 JavaScript 抓取 LinkedIn 消息线程全文 → 分析对方意图与情绪 → 基于「响应剧本」（Response Playbook）起草个性化回复 → 用户确认后发送消息 → 同步更新 CRM 状态与下一行动建议。
模式三：批量审查 —— 扫描整张 CRM 表，按状态和时间规则筛选需要行动的线索（如 3 天未回复的 Sent 状态、需要跟进的 Replied 状态），生成优先级清单供用户决策。
显著优点
1. 上下文感知的消息起草：不同于模板化群发，Skill 强制要求 Agent 完整读取对话历史，基于对方最后一句话的意图（好奇/探索/异议/婉拒）动态选择回应策略，并镜像对方的语气风格（ casual/formal ），显著提升回复转化率。
2. 完整的管道可视化：通过 Google Sheets 的 16 列标准化架构（从 Date Sent 到 Next Action），团队可实时查看每个线索的所处阶段、历史互动、下次行动，实现轻量级但完整的销售漏斗管理。
3. 反检测设计：内置多层 LinkedIn 风控规避策略——强制先访问 Feed 页、随机 2-4 秒延迟、单会话 15-20 条消息上限、自然打字间隔模拟，降低账号被封风险。
4. 零代码依赖外部工具：核心依赖 gog CLI 工具与 Google Sheets API 交互，以及浏览器自动化操作 LinkedIn，无需维护复杂的自托管服务。
潜在缺点与局限性
1. 浏览器自动化脆弱性：依赖 LinkedIn 网页 DOM 结构（如 .msg-s-message-list__event 等 CSS 选择器），一旦 LinkedIn 改版，消息抓取功能将立即失效，需 Skill 维护者及时更新文档。
2. 人工确认瓶颈：出于安全设计，每条消息起草后需用户手动确认（y/edit/skip），高频场景下可能拖累效率，无法实现完全无人值守的自动化。
3. 平台政策风险：尽管有反检测措施，LinkedIn 明确禁止未经官方 API 的自动化操作，长期使用仍存在账号限制或封禁的灰色地带风险。
4. 单点工具依赖：严重依赖 gog 工具的健康状态，若该工具停止维护或 Google OAuth 流程变更，整个 CRM 同步能力将中断。
适合的目标群体
- 中小 B2B 销售团队：需要低成本、轻量级 CRM 替代方案，且主要获客渠道为 LinkedIn 的外贸、SaaS、咨询服务团队。
- 独立销售/BD 从业者：个人从业者希望系统化跟进 50-500 个 LinkedIn 线索，但无力购买 Salesforce、HubSpot 等重型 CRM。
- 自动化尝鲜者：已熟悉
linkedin-dm（前置 Skill）的用户，希望将流程从「首次触达」延伸到「持续培育与转化」。
不适合：对 LinkedIn 账号安全极度敏感的企业；需要完全无人值守自动化的大型电销团队；主要获客渠道非 LinkedIn 的销售场景。
常规风险
- 性能风险：浏览器自动化操作涉及多页面跳转与 JavaScript 执行，单条跟进全流程可能耗时 1-3 分钟，批量处理效率受限。
- 依赖项风险：
gog工具需用户自行配置 Google Cloud OAuth 凭证，配置门槛可能劝退非技术用户；凭证保管不当可能导致 Google 账号安全风险。 - 数据一致性风险：LinkedIn 消息抓取与 Sheets 更新非原子操作，网络中断时可能出现「消息已发送但 CRM 未记录」的状态不一致。
- 合规风险：处理联系人数据需确保符合 GDPR/CCPA，Skill 本身虽无恶意数据外泄，但用户需自行评估 CRM 中存储的个人信息合规性。