核心用法
Outlit 是一款面向 AI Agent 的客户智能 CLI 工具，通过统一查询接口整合产品活动、网站信号、计费记录和客户对话等多源数据，构建可查询的客户上下文图谱与时间线。
主要功能模块：
- 客户档案查询：
outlit customers get获取完整客户画像，支持按需包含用户、收入、近期时间线等子集 - 时间线追踪：
outlit customers timeline按渠道（Email/Slack等）和时间范围检索交互历史 - 自然语言搜索：
outlit search支持语义化查询如"pricing objections"、"budget concerns" - 信号洞察：
outlit facts提取关键客户行为信号与变化 - SQL 分析：只读 SQL 接口用于自定义分析
- MCP 集成：提供标准 MCP 端点，兼容支持 MCP 的 Agent 框架
输出特性：
- 交互终端输出可读表格
- 管道/CI 环境自动输出 JSON（无需额外参数）
- 所有结果包含时间戳与来源归因，确保可追溯性
显著优点
1. Agent 原生设计：输出格式、认证方式、错误处理均针对 AI Agent 场景优化
2. 多源数据融合：打破 CRM、Support、Product Analytics 等工具的数据孤岛
3. 自然语言接口：降低复杂查询的学习成本，非技术人员也可使用
4. 主动流失预警：通过关联信号（如认证失败+支持邮件+后续沉默）识别风险客户
5. 快速配置：outlit setup 一键配置 MCP 与主流 Agent 框架
潜在局限
- 商业 SaaS 依赖：核心功能依赖 Outlit 云服务，存在供应商锁定风险
- 数据隐私考量：客户数据需上传至第三方平台，对敏感行业（金融、医疗）存在合规障碍
- 网络依赖：所有查询均需 API 调用，离线不可用
- 学习曲线：虽有自然语言搜索，但高级 SQL 分析仍需理解其数据模型
- 定价不透明：公开文档未披露具体定价策略
适合人群
- 客户成功团队：需要 360° 客户视图以制定留存策略
- 销售运营：识别付费但活跃下降的账户，主动出击
- 产品团队：分析功能使用与反馈的关联
- AI Agent 开发者：构建需要客户上下文的自动化工作流
常规风险
- API 密钥泄露：
OUTLIT_API_KEY暴露可能导致客户数据泄露 - 数据残留：停止服务后需确认数据删除策略
- 查询成本：高频自动化查询可能产生意外费用
- MCP 兼容性：虽遵循 MCP 规范，但不同 Agent 实现可能有行为差异