人物搜尋代理技能

Lessie — 人物搜尋與豐富

設定

Lessie 支援兩種模式：CLI（預設，建議）和 MCP 伺服器。

模式 A：CLI (預設)

安裝 Lessie CLI 二進位檔：

npm install -g @lessie/cli

或不安裝直接使用：

npx @lessie/cli --version

首次授權：

lessie auth

這將開啟瀏覽器進行登入/註冊。Token 會快取在 ~/.lessie/oauth.json。

驗證連線：

lessie status

模式 B：MCP 伺服器

新增至您的 MCP 設定 (Claude Code ~/.claude.json, Cursor ~/.cursor/mcp.json, Codex ~/.codex/config.toml 等)：

{
  "mcpServers": {
    "lessie": {
      "command": "npx",
      "args": ["-y", "@lessie/mcp-server"],
      "env": {
        "LESSIE_REMOTE_MCP_URL": "https://app.lessie.ai/mcp-server/mcp"
      }
    }
  }
}

解除安裝

• CLI: npm uninstall -g @lessie/cli && rm -rf ~/.lessie/
• MCP: 從您的 .json 中移除 "lessie" 條目並 rm -rf ~/.lessie/

版本檢查

在每個會話開始時，在模式偵測之前，執行這些檢查一次。兩項檢查都是非阻塞的 — 如果任何命令失敗（網路錯誤、逾時），則靜默跳過並繼續。

技能版本

1. 從此檔案中上方中繼資料的 version 欄位讀取目前的本地版本。
2. 擷取遠端版本：

   curl -sf --max-time 5 https://raw.githubusercontent.com/LessieAI/lessie-skill/main/people-search/SKILL.md | head -5 | grep 'version:' | head -1 | awk '{print $2}'
   

3. 如果遠端版本比本地版本新 → 告知使用者：

   ⬆️ 有更新版本的人物搜尋技能可用 ({local} → {remote})。執行此命令以更新：

   npx skills add LessieAI/lessie-skill -y -g
   

4. 如果版本匹配或檢查失敗 → 跳過，不說任何話。

CLI 版本

1. 取得本地 CLI 版本：

   lessie --version 2>/dev/null || npx @lessie/cli --version 2>/dev/null
   

2. 取得最新發布版本：

   npm view @lessie/cli version 2>/dev/null
   

3. 如果遠端版本較新 → 告知使用者：

   ⬆️ 有更新版本的 Lessie CLI 可用 ({local} → {remote})。執行此命令以更新：

   npm install -g @lessie/cli
   

4. 如果版本匹配或任一命令失敗 → 跳過，不說任何話。

快速入門

設定後，嘗試對 Claude 說：

• 「尋找舊金山 Stripe 的工程經理」
• 「查詢 Sam Altman 的聯絡資訊」
• 「研究 OpenAI — 最新消息和職位空缺」

模式偵測

在每個會話開始時決定使用哪種模式：

1. 檢查 lessie CLI 是否可用：執行 lessie status
2. 如果命令成功 → 使用 CLI 模式（透過 Bash 呼叫工具）
3. 如果命令失敗（找不到）→ 嘗試自動安裝：npm install -g @lessie/cli
4. 安裝後，再次執行 lessie status 以驗證
5. 如果安裝成功 → 使用 CLI 模式
6. 如果安裝失敗（沒有 npm、權限被拒、網路錯誤等）→ 檢查 MCP 工具是否可用（authorize、use_lessie）
7. 如果 MCP 工具可用 → 使用 MCP 模式
8. 如果兩者皆非 → 告知使用者安裝失敗並建議手動安裝或 MCP 設定

信用點數與定價

Lessie 是一種基於信用點數的服務。

新帳戶會收到免費試用信用點數。請在 https://lessie.ai/pricing 查看您的餘額並購買更多。

代理將在搜尋前消除公司名稱的歧義，以避免在錯誤結果上浪費信用點數。

資料與隱私

• 資料來源： 聯絡人和公司資訊是從公開來源（商業目錄、社交資料、公司網站）聚合而來的。
• 查詢日誌： 搜尋查詢會被記錄下來以改進服務和防止濫用。查詢資料不會與第三方共享。
• 資料合規性： Lessie 遵循適用的資料保護法規。使用者有責任根據當地法律（GDPR、CAN-SPAM 等）使用檢索到的聯絡資料。
• 隱私政策： https://lessie.ai/privacy
• 服務條款： https://lessie.ai/terms-of-service

授權

CLI 模式

1. 執行 lessie status 檢查 token 有效性。
2. 如果 authorized: false → 執行 lessie auth 開啟瀏覽器進行登入。
3. 使用者完成登入後，再次執行 lessie status 以確認。

MCP 模式

1. 呼叫 authorize 檢查連線狀態。
2. 如果已授權 → 直接使用工具。
3. 如果未授權 → authorize 返回一個授權 URL。告知使用者您需要開啟瀏覽器進行 Lessie 登入/註冊，並使用適當的系統命令開啟：
   • macOS: open "<url>"
   • Linux: xdg-open "<url>"
   • Windows: start "<url>"
4. 告知使用者瀏覽器已開啟，他們需要完成登入/註冊。
5. 使用者確認後，再次呼叫 authorize 以驗證連線。
6. 如果授權失敗（逾時、拒絕、埠衝突），請遵循 authorize 返回的診斷提示並重試。

在開啟瀏覽器之前務必告知使用者 — 切勿靜默重新導向。

代理行為規則

關鍵：在每次消耗信用點數的動作之前確認

每個 Lessie 工具呼叫都會消耗信用點數。每個工具的信用點數成本：

在執行任何命令之前，您必須：

1. 告知使用者您將要做什麼以及預估成本（例如，「我將豐富 3 個人 — 這大約需要 3 信用點數」）。
2. 在執行之前等待明確確認。
3. 在未事先確認完整計畫的情況下，切勿批量執行多個消耗信用點數的呼叫。

例外 — 跳過確認 如果使用者明確表示他們不想被提示（例如，「不要每次都問我」、「直接做」、「跳過確認」）。在這種情況下，直接進行，但仍記錄您執行的內容以及每次呼叫後花費的信用點數。

關鍵：每次呼叫後報告信用點數使用情況

在每次涉及一個或多個 Lessie 工具呼叫的對話回合之後，附加一行消耗信用點數的摘要。格式：

使用了 <tool-name>，花費 <N> 信用點數。

如果在同一回合中呼叫了多個工具，請將它們合併：

使用了 web-search + enrich-org，總共花費 2 信用點數。

關鍵：在首次 CLI 呼叫之前閱讀參考資料

在會話中首次執行任何 lessie CLI 命令之前，您必須閱讀 references/cli-reference.md 以了解確切的參數語法。每個工具都有自己的旗標集 — find-people 接受 --query (NL)，enrich-people 接受 --people (JSON)，unlock-emails 接受 --search-id + --person-ids 等。不要猜測 — 閱讀您即將呼叫的工具的部分。

搜尋模式消歧 (B2B vs KOL)

Lessie 支援兩種具有不同資料來源和結果類型的搜尋模式：

• B2B 模式：搜尋專業資料庫（基於 LinkedIn）。最適合按職稱、公司、資歷或行業尋找人員。返回工作電子郵件、電話、就業歷史。
• KOL 模式：搜尋社群媒體平台（Instagram、YouTube、TikTok、Twitter/X）。最適合按受眾、追蹤者數量或內容主題尋找影響者、內容創作者或公眾人物。返回社交連結、追蹤者數量。

當使用者意圖不明確時 — 即，查詢可能合理地針對 LinkedIn 上的專業人士或社群媒體上的創作者 — 您必須在搜尋之前要求使用者澄清。簡潔地呈現兩種選項：

模糊查詢範例：「尋找具有腦部監測睡眠設備實務經驗的個人，以分享他們的見解。」

這可能意味著：

1. B2B：睡眠科技公司的產品經理、工程師或研究人員（透過 LinkedIn）
2. KOL：曾評論或使用此類設備的健康/科技影響者（透過社群媒體）

詢問：「這可能是 LinkedIn 專業人士（睡眠科技公司的產品經理、工程師）或評論睡眠設備的社群媒體創作者。您偏好哪個方向 — 或兩者都偏好？」

當意圖明確時，直接進行：

• 「尋找金融科技新創公司的 CTO」→ B2B（明顯）
• 「尋找 Instagram 上擁有 10 萬以上追蹤者的美妝影響者」→ KOL（明顯）

實體消歧

當使用者提及可能指代多個實體的公司名稱時（例如，「Manus」可能是 Manus AI、Manus Bio、Manus Plus 等），請在搜尋前進行消歧：

1. 詢問使用者他們指的是哪家公司，或呈現主要候選人並讓他們選擇。
2. 如果上下文使其明確（例如，使用者之前討論過 AI 代理），請說明您的假設並確認：「您指的是 Manus AI (manus.im) 這家 AI 代理公司嗎？」
3. 切勿靜默假設一個實體而不是另一個 — 錯誤的領域 = 浪費搜尋信用點數和不相關的結果。

工具概覽

人物

聯絡方式解鎖

決策規則： 如果人物來自您自己的 find_people 結果 → 使用 unlock_emails（重新解鎖是免費的）。如果您從 lessie 外部獲得句柄（使用者貼上的 LinkedIn URL、手動提及等）→ 使用 unlock_email_by_handle。

公司

網路研究

詳細參考資料

• CLI 命令範例與 MCP 呼叫：請參閱 references/cli-reference.md
• 工作流程模式（網域解析、公司研究、搜尋+資格鑑定）：請參閱 references/workflow-patterns.md
• 網域解析決策樹：請參閱 references/domain-resolution.md

主要限制

• enrich_people / enrich_organization：每次呼叫最多 10 個；將較大的列表拆分為批次
• find_people：每次請求的硬性上限為 3 次工具呼叫 + 60 秒實際時間預算。target_count 1-100（預設 30）。不分頁 — 如果您需要更多，請使用不同的查詢執行新的呼叫
• find_organizations：分頁 — 使用 --page 獲取更多結果
• web_search 快取頁面內容；如果結果有 has_content: true，則對該 URL 呼叫 web_fetch 是即時的
• find-people 查詢中有用的關鍵字：資歷術語（owner、founder、c_suite、partner、vp、head、director、manager、senior、entry、intern）以及 current 與 past 以偏向就業近期性。代理直接將這些用作篩選器
• 對於人物豐富，提供 domain（公司網域）以及姓名可大大提高匹配準確性
• CLI 輸出是標準輸出上的 JSON，標準錯誤上的狀態訊息 — 解析標準輸出以獲取資料