核心用法
Outlit 是一款面向 AI Agent 和自动化工作流的客户智能 CLI 工具，核心定位是「统一客户上下文」——将分散在 CRM、产品分析、客服系统、邮件/Slack 对话中的数据聚合成可查询的知识图谱。
主要使用场景包括：
- 客户画像查询：
outlit customers get获取整合后的用户、收入、近期活动等多维数据 - 时间线追踪：
outlit customers timeline按渠道（EMAIL/SLACK/产品）查看客户互动序列 - 语义搜索：自然语言查询跨工具对话内容，如 "pricing objections" 可匹配预算讨论、成本顾虑等同义表达
- 信号提取（Facts）：AI 提炼业务级洞察，如 "champion left"、"usage dropped 40%"，支持时间窗口过滤
- SQL 分析：只读查询底层事件数据，用于自定义聚合分析
输出设计兼顾人机：交互式终端显示表格，管道/CI 环境自动输出带时间戳和来源标注的 JSON。
显著优点
1. 跨工具数据联邦：无需迁移数据，通过内置连接器整合 Segment、Stripe、Intercom、Salesforce 等常见 SaaS
2. 语义而非关键词搜索：基于向量的自然语言理解，降低信息检索的精确匹配成本
3. 结构化信号层：Facts 功能将原始事件转化为业务语义，减少 Agent 的二次推理负担
4. MCP 原生支持：提供标准 MCP 端点，可直接接入 Claude、Cursor 等支持 MCP 的 Agent
5. proactive 流失预警：跨信号关联（如登录失败+支持邮件+后续沉默）主动标记风险客户
潜在局限
- 数据源依赖：价值高度依赖已连接的工具生态，若核心系统未覆盖则数据完整性不足
- API 成本：AI 提取和语义搜索涉及后端模型调用，高频查询可能产生显著费用
- 权限模型尚不明确：文档未详细说明多租户、角色隔离或字段级权限控制
- vendor lock-in 风险：客户上下文图谱存储于 Outlit 云服务，迁移路径未充分披露
适合人群
- B2B SaaS 的 RevOps、客户成功团队，需快速回答 "这周客户发生了什么变化"
- 构建自主 Agent 的工程师，需要结构化、可溯源的客户数据接口
- 数据分析师，希望用 SQL 直接查询已清洗的跨工具事件流
常规风险
- API 密钥泄露：
OUTLIT_API_KEY需妥善保管，建议通过 secret manager 注入而非硬编码 - 数据隐私合规：客户对话内容可能含 PII，需确认 Outlit 的数据处理协议符合 GDPR/SOC2 要求
- 查询成本控制：语义搜索和 Facts 提取为计费操作，批量脚本需加限流或缓存
- MCP 端点可用性：生产依赖 Outlit 云服务稳定性，建议实现降级策略