Common Room 插件实战指南用 Claude Cowork 驱动 GTM 工作流的六大技能与两大命令【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins本指南以仓库 partner-built/common-room 为核心系统讲解如何将 Claude 与 Common Room 的 MCP 服务器连接并通过六个会话化技能账户研究、联系人研究、通话准备、外联撰写、潜在客户挖掘、每周简报与两个显式命令生成账户计划、生成每周简报完成 GTMGo-to-Market日常工作流。读完本文你将掌握各技能与命令的触发方式、完整执行流程与输出格式、Me 上下文与公司上下文的使用规则、以及日历连接器的可选集成方式从而让每一次研究、每一封邮件、每一场会议准备都扎根于 Common Room 的真实信号数据。插件定位以信号数据为基石Common Room 插件是一个面向知识工作者的 Claude Cowork 插件其核心价值在于让 LLM 的输出锚定在真实信号数据上而非模型臆测。根据 README该插件将 Claude 连接到 Common Room 的 MCP 服务器并提供覆盖销售代表最常见工作流的六个技能。每一次输出都基于 Common Room 的真实信号数据包括第一方产品信号1st-party product signals产品内的实际使用行为第二方社区信号2nd-party community signals)社区中的发帖、提问、互动第三方意图信号3rd-party intent signals)职位发布、新闻、融资等外部意图信号来自 RoomieAI 与 Spark 的富化数据AI 研究摘要与人脉画像。在架构层面该插件遵循 Cowork 插件的通用结构SKILL.md定义技能触发与流程commands/下的.md文件定义显式命令references/提供深度参考材料。所有技能通过会话自然触发无需安装额外运行时。环境要求与前置准备在启用本插件前需要满足以下条件见 README 的 Requirements 小节Common Room MCP 服务器必须已连接并完成认证。服务器地址为mcp.commonroom.io/mcp它是所有技能与命令的主要数据源。根据 CONNECTORS.md该服务器被登记在.mcp.json中插件功能的正常运转完全依赖它。日历连接器可选。仅用于call-prep通话准备与weekly-prep-brief每周简报中的自动会议查找。如果未连接这两个技能会优雅地降级为向用户询问会议细节。技能与命令总览技能通过对话自然触发——用户描述需求Claude 自动加载合适的技能。仓库中为每个技能定义了 trigger phrases触发短语汇总如下见 README 的 Skills 小节技能典型触发短语account-researchResearch [company]、tell me about [domain]、whats going on with [account]、is [company] showing buying signalscontact-researchWho is [name]、look up [email]、research [contact]、is [name] a warm leadcall-prepPrep me for my call with [company]、prepare for a meeting with [company]、what should I know before talking to [company]compose-outreachDraft outreach to [person]、write an email to [name]、compose a message for [contact]prospectFind companies that match [criteria]、build a prospect list、find contacts at [type of company]weekly-prep-briefWeekly prep brief、prepare my week、what calls do I have this week此外还有两个面向复杂工作流的显式命令见 README 的 Commands 小节命令用法/generate-account-plan company生成包含利益相关者图谱、参与度分析、机会、风险与行动项的战略账户计划/weekly-brief [date range]生成完整的每周准备简报默认覆盖未来 7 天用户上下文Me 对象与公司上下文Me 对象用户画像与领地边界所有需要限定到用户领地的技能都会在开始时从 Common Room 获取Me对象见 references/me-context.md。该对象代表当前已认证用户包含用户画像登录标识邮箱或用户名、全名与显示名、职位头衔与角色、在 Common Room 中的 Persona如 AE、SDR、CSM、Manager以及所有关联的配置文件如 Salesforce 用户 ID、LinkedIn 账号My Segments我的细分属于该用户的所有细分每个包含名称与细分 ID对应 Common Room 产品中的 My Segments 标签页。Me上下文有三类用途限定查询范围、尊重领地边界执行账户研究、潜在客户挖掘或生成简报时默认将结果限定在用户自己的细分内。例如Show me accounts showing buying signals 默认只查询 My SegmentsShow me all accounts in the workspace showing buying signals 则去掉细分限定。若用户询问一个不在其细分中的账户应提示This account doesnt appear to be in your segments — would you still like me to research it?个性化外联与简报使用用户的姓名、头衔、角色来个性化输出例如在每周简报中引用其领地、在草拟邮件中署名为推理提供语境不同 Persona 影响输出的侧重方向——AE/AM 侧重管道、交易、扩张与关单时间线SDR/BDR 侧重潜在客户、热信号与首次触达外联CSM 侧重健康度、留存、扩张与 Champion 参与Manager/Director/VP 侧重团队级趋势而非个人外联。公司上下文让建议贴合自家产品与 ICP部分技能在理解用户所在公司卖什么、ICP 是什么、竞争定位如何后能产出更好的结果见 references/my-company-context.md。获取公司上下文的渠道按优先级排列Me 对象其中包含用户所在公司名称与头衔CR 查询将用户公司作为 Organization 在 Common Room 中查询获取公司信息firmographics、行业与描述网络搜索当 CR 数据稀疏或陈旧时搜索用户公司的客户案例、产品页与营销材料弥补定位语境缺口会话上下文检查用户是否已在当前对话中描述过自家产品、ICP 或价值主张每会话询问一次若以上均不可用每会话仅询问一次To tailor my recommendations, can you briefly describe what your company does and who your ideal customers are?公司上下文在不同技能中的落点包括账户研究推理阶段This account fits your ICP because...、通话准备的谈话要点围绕自家产品价值而非泛泛建议、外联撰写的价值桥梁基于自家产品与定位、以及潜在客户挖掘的默认过滤建议当用户未指定标准时。技能一Account Research 账户研究account-research/SKILL.md 定义了一个六步流程其核心是先判断交互模式再决定拉取多少数据。四种交互模式模式 1 —— 完整概览Tell me about Datadog / Summarize cloudflare.com拉取完整字段集并产出结构化简报模式 2 —— 定向提问Who owns the Snowflake account? / Is acme.io showing buying signals?只拉取相关字段并直接给出简明回答不为简单问题生成完整简报模式 3 —— 稀疏数据Tell me about tiny-startup.io若 CR 数据有限要诚实说明There is limited information available for this account绝不臆测或用泛化语句填充模式 4 —— 组合推理先拉取结构化 MCP 数据再叠加 LLM 分析例如Stripe 有 8000 名员工且正在大量招聘 AI 岗位。基于你 1k–10k 金融科技公司的 ICP这是一个强匹配。执行流程Step 0–6Step 0 加载 Me 上下文获取Me对象默认将所有查询限定在用户自己的细分内Step 1 识别交互模式确定用户真实需求后再决定数据量Step 2 查找账户按域名或公司名搜索 Common Room先精确匹配无结果再尝试部分匹配并与用户确认Step 3 拉取正确字段使用 Common Room 对象目录查看可用字段组。关键字段组包括Scores始终以原始值或百分位返回绝不使用标签、Summary researchRoomieAI 输出通常是最丰富的定性信号、Top contacts按分数降序用 communityMemberID 进行完整查询。不同查询类型的字段选择见下表用户查询类型需请求的字段完整账户概览所有字段组Who owns this account?公司画像与链接、CRM 字段Is this company a good fit?关键字段、分数、简介What signals is this account showing?分数、研究摘要、CRM 字段Who are the top contacts?顶级联系人What does RoomieAI say about them?研究摘要、全部研究Find engineers at this accountProspects带职位过滤Step 4 网络搜索仅稀疏数据时CR 是主要数据源数据丰富时不执行网络搜索数据稀疏时搜索[company name] news限定最近 30 天关注融资、收购、产品发布、高管变动与媒体报道用户明确要求外部语境或近期新闻时无论数据丰富度如何都执行Step 5 应用推理将账户数据与已知 ICP 标准对比识别匹配信号规模、行业、技术栈、招聘模式与时机信号融资、试用状态、近期活动激增并明确说明见解源自数据而非假设Step 6 产出输出只包含 CR 实际返回数据的章节数据缺失的章节整节省略。输出格式完整概览数据丰富时## [Company Name] — Account Overview **Snapshot** [2–3 sentences: what they do, plan/stage, relationship status] **Key Details** [Employee count, industry, location, domain, funding — from key fields] **CRM Ownership** [If CRM fields returned] [Owner, opp stage, ARR] **Scores** [If scores returned] [All available scores as raw values or percentiles] **Signal Highlights** [If activity/signals exist] [3–5 most important signals with dates] **Top Contacts** [If contacts returned] [Name | Title | Score — top 5 sorted by score desc] **RoomieAI Research** [If summary research is non-null] [Summary research output; list all available research topic names] **Recommended Next Steps** [2–3 specific, signal-backed actions]稀疏数据大部分章节为空时使用 (Limited Data) 变体列出 CR 实际返回的数据、呈现返回字段、附上网络搜索结果或No significant recent news found并注明The account may need enrichment in Common Room。质量标准分数必须为原始值或百分位定向提问要精准不过度交付数据缺失或陈旧时要明确说明完整简报控制在 2–3 分钟内可读完每个事实都必须追溯到一次工具调用绝不包含 CR 未返回的数据。详细信号类型分类与解读参见 references/signals-guide.md。技能二Contact Research 联系人研究contact-research/SKILL.md 用于从 Common Room 检索完整的联系人画像支持按邮箱、社交账号或姓名公司查找返回富化数据活动历史、Spark、分数、网站访问、CRM 字段。查找方式选择用户提供的信息查找方式邮箱地址按邮箱查找最可靠LinkedIn、Twitter/X 或 GitHub 账号按社交账号查找——需明确指定账号类型姓名 公司按姓名 组织域名做身份解析有歧义时呈现候选仅姓名按姓名搜索多个匹配时展示简短列表并请用户确认若未找到匹配回复 Common Room doesnt have a record for this person绝不推测或虚构画像数据。关键字段组Scores始终以原始值或百分位返回不使用标签Recent activity使用Contact Initiated过滤器最近 60 天只关注该联系人的主动行为而非你方团队的动作Website visits总访问数 具体访问页面最近 12 周Spark追踪参与度演变时拉取所有Spark 记录而非仅最近一条。Spark 富化与 Persona 推断若 Spark 可用它提供专业背景与职业历史、社交影响力信号、Persona 分类Champion、Economic Buyer、Technical Evaluator、End User、Gatekeeper以及购买流程中的推断角色。若 Spark 不可用但有真实活动数据可依据信号推断 Persona若两者皆无则归类为 Unknown——绝不只凭职位头衔猜测 Persona。账户语境与对话切入点Step 4 拉取联系人母公司账户的精简快照记录开放机会、扩张信号或流失风险以及该联系人相比同事的参与度。Step 5 基于活动与信号提炼 2–3 个最强切入点最近的Contact Initiated活动社区发帖、产品事件、支持工单、近期访问的特定网页尤其暗示评估意图的页面、职位变动或公司新闻、Spark Persona 所暗示的沟通风格、已知活跃交易中的角色。输出格式与质量标准数据丰富时按模板输出Overview、Details、Scores、Recent Activity、Website Visits、Spark Profile、Segments、Account Context、Conversation Starters数据稀疏时如仅有姓名、职位、邮箱、标签sparkSummary 为 null使用 (Limited Data) 变体不为稀疏数据生成对话切入点、Persona 推断或参与度评估。质量要点查找方式必须与输入类型匹配以Contact Initiated活动最近 60 天作为首要参与信号Spark 不可用时要明说标记最近活动早于 30 天的联系人。字段说明、Spark Persona 指南与切入点原则详见 references/contact-signals-guide.md。技能三Call Prep 通话准备call-prep/SKILL.md 组合账户研究与联系人研究产出完整、可快速扫读的通话准备简报。五步准备流程识别账户与参会人公司名为必填项参会人姓名可选。若~~calendar连接器可用自动搜索与目标公司的近期会议以补全参会人、会议时间与议程两者皆无时询问 Who will be on the call from [Company]? I can research each attendee to make your prep more useful.运行账户研究调用账户研究流程构建完整账户快照优先关注近期产品信号他们当下在产品里做什么、开放机会或续约时间线、风险信号使用下降、支持工单、席位流失、关键近期事件融资、高管变动、新招聘。审查活动历史时优先 Gong 与通话录音活动——它们提供上次对话的直接语境且不得按活动来源过滤掉通话录音运行联系人研究为每位外部参会人执行联系人研究流程聚焦购买流程中的角色与影响力、个人活动与参与历史、暗示其当下关注点的近期信号、Spark Persona如可用综合谈话要点与目标识别通话目标如 discovery、demo、expansion、renewal、QBR生成 3–5 个锚定具体信号数据的谈话要点预判 2–3 个客户可能提出的异议或话题并建议推荐通话结果时效性检查网络搜索在收集完 CR 数据后搜索[company name] news限定最近 14 天捕捉上次同步后的新动态对每位外部参会人搜索[full name] [company name]寻找近期文章、LinkedIn 帖子、会议演讲或播客。显著的新闻如刚完成融资、重大招聘在 Signal Highlights 中重点标记其余简要呈现即可不让网络搜索结果压过 CR 信号。输出格式与降级策略数据丰富时按模板输出Meeting Context、Company Snapshot、Attendee Profiles、Signal Highlights、Talking Points、Likely Topics/Objections、Recommended Call Outcome数据稀疏时改用 (Limited Data) 变体Data available、What I Found、Web Search Results、Suggested Next Steps。绝不为稀疏数据生成完整通话准备简报——简短诚实的输出永远优于冗长的编造。质量要点每个谈话要点锚定真实信号简报控制在 5 分钟以内读完时间盒研究以保速度绝不编造交易语境虚构提案、竞品对比、定价、试用条款或未经工具调用返回的异议。不同通话类型discovery、expansion、renewal、QBR的定制指引见 references/call-types-guide.md。技能四Compose Outreach 外联撰写compose-outreach/SKILL.md 基于 Common Room 信号生成三种个性化外联格式——邮件、通话脚本、LinkedIn 私信。六步外联流程查找目标用 Common Room MCP 工具检索目标公司或联系人数据近期产品活动与参与信号、社区活动发帖、提问、反应、第三方意图信号职位发布、新闻、融资、关系历史此前接触、会议、邮件打开。若指定了人则做联系人级研究若只有公司则根据职位、参与度与角色确定最佳触达对象信号稀疏时进行网络搜索CR 信号强劲时不搜索信号稀疏时搜索[company name] funding OR acquisition OR launch OR announcement最近 30 天与[contact full name] [company name]。优先选择非常近期 2 周、公开可见、暗示变化增长、新角色、新产品、新市场的外部钩子Spark 富化可用时对目标联系人运行富化获取 Persona 分类、背景与影响力信号用于校准语气与信息角度识别最佳钩子从信号中选出 1–3 个最强个性化钩子按时效性近 7–14 天、具体性具体行动而非泛泛趋势、相关性直接关联你产品能交付的价值排序。好钩子如在社区中提出了关于 X 的问题刚招聘 5 名工程师刚开始使用某功能刚完成 B 轮融资坏钩子如I noticed youre a customer或泛行业趋势生成三种格式使用最强钩子撰写全部三种格式各自遵循 references/outreach-formats-guide.md 中的格式规则全部产出并清晰标注注释你的选择三份草稿后附 2–4 句说明解释使用了哪些信号及原因、做了哪些假设、以及主钩子不奏效时的替代角度。输出格式## Outreach for [Name / Company] ### Email **Subject:** [Subject line] [Email body — 3–5 sentences] --- ### Call Script **Opening:** [Opening line — conversational, 1–2 sentences] **Value Bridge:** [Why youre calling and why now — 2–3 sentences tied to a signal] **Ask:** [Single, low-friction ask — e.g., 15-minute call, specific question] --- ### LinkedIn Message [Under 300 characters. Warm, personal, no pitch.] --- ### Signal Notes [2–4 sentences: which signals were used, why, and any alternative angles]稀疏信号时的处理若 CR 返回数据极少仅姓名、职位、标签无活动、分数、Spark则绝不凭空起草外联——基于编造信号的外联还不如没有外联。此时先运行网络搜索作为主要个性化来源若网络搜索同样收获寥寥则如实呈现已有信息并请求用户补充语境近期活动信号、此前对话的语境、现在触达的具体理由。质量要点每条消息必须引用具体内容语气匹配语境社区信号触发的入站场景用温暖随和语气冷启动/高管外联用更正式语气LinkedIn 私信必须 300 字符绝不编造信号。技能五Prospecting 潜在客户挖掘prospect/SKILL.md 使用 Common Room 的 Prospector 构建定向账户与联系人列表支持通过自然对话进行迭代优化、基于意图的发现以及针对现有账户的信号查询。核心区分两种对象类型Prospector 操作于两种根本不同的对象类型运行查询前必须澄清当前是哪种ProspectorOrganization尚未进入 Common Room 的公司全新公司可用字段仅为公司画像类——名称、域名、规模、行业、融资额、年收入、地理位置过滤器选项少无信号过滤器、分数与活动历史。适用于构建全新目标列表、领地规划、漏斗顶部扩张。Organization已在 CR 工作区中的公司完整信号数据可用——产品使用、社区活动、CRM 字段、分数、自定义字段过滤器集丰富涵盖基于信号、分数、细分与公司画像的过滤器。适用于寻找热账户优先级、识别扩张候选、在既有管道中浮出意图信号。当请求可能同时适用于两者如 Show companies hiring AI engineers this month时需澄清Are you looking for net-new companies not yet in Common Room, or filtering accounts already in your workspace? 对象目录应明确此区分以便 LLM 选择正确的 Prospector 端点。执行流程Step 0 加载 Me查询Organization记录时默认限定 My SegmentsStep 1 收集目标标准未提供标准时询问示例公司规模、行业、职位、近期产品活动或社区参与等信号、地理区域、融资或职位发布等意图信号。Lookalike 搜索用户要求 find companies like [X] 时先在 CR或网络搜索中查找参照公司提取其行业、员工区间、技术栈、融资阶段、地理位置等关键属性并提议为过滤标准运行前先呈现给用户确认Step 2 支持迭代优化结果过多50时提供收窄建议结果过少 5时建议放宽特定标准每次优化作为后续查询而非从头再来。示例流加州网络安全公司 500 条 → 300 人以上且用 AWS 的 47 条 → 近期有招聘活动的 12 条Step 3 运行查询并呈现结果按信号强度或匹配度排序而非字母序。ProspectorOrganization结果表列Company、Domain、Industry、Size、Capital Raised、Revenue、LocationOrganization结果表列Company、Industry、Size、Top Signal、Signal Date、Score、CRM Stage。标记数据稀疏或最近信号早于 90 天的结果Step 3.5 用网络搜索富化全新结果对 top 3–5 家公司做快速网络搜索补充融资、产品发布、领导层变动或新闻报道作为简要注释CR 对这些公司没有行为信号Step 4 提供后续动作起草 top 3–5 的外联、运行完整账户简报、优化标准、导出 CSV、将全新公司加入 CR 进行富化未来能力。质量标准运行查询前确认对象类型查询Organization默认 My Segments支持迭代优化后续为过滤器调整而非重新开始绝不混用两种对象类型的结果字段少而精的结果优于冗长未过滤的列表只展示查询返回的数据缺失字段留空或填 —。技能六Weekly Prep Brief 每周准备简报weekly-prep-brief/SKILL.md 为未来 7 天的所有外部客户或潜在客户通话生成单一综合简报逐会议附上来自 Common Room 的账户与联系人研究。四步简报流程获取本周外部会议日历已连接时用~~calendar连接器拉取未来 7 天或用户指定范围的所有会议过滤掉内部会议只保留有外部参会人的会议未连接日历时请用户提供外部通话列表公司名、日期/时间、参会人接受自由输入并解析为结构化列表确认会议列表研究开始前将识别出的会议呈现给用户确认Here are the external calls I found for this week. Let me know if anythings missing or should be excluded...避免在已取消或错误的会议上浪费研究逐会议研究对每个确认的外部会议并行运行账户研究完整账户快照与联系人研究每位外部参会人画像。CR 研究后对每家公司做快速时效性检查最近 7 天新闻高管参会人搜索其近期公开帖或采访只收录真正值得注意的发现。深度校准高优先级账户大账户、开放机会、续约风险做全深度研究低优先级或短会议做 3–4 条的缩略快照综合每周简报将所有研究按会议日期/时间排序汇成单一结构化文档。开头给出周级概览标记有紧急信号的账户流失风险、试用到期、扩张机会、需要特别准备或高管参与的会议、外部通话总数与预估时间投入。输出格式# Weekly Prep Brief — Week of [Date] ## Week Overview [2–4 bullets: key themes, flagged priorities, call count] --- ## [Monday / Tuesday / etc.] ### [Company Name] — [Time] **Attendees:** [Names and titles] **Meeting type:** [Discovery / QBR / Renewal / Expansion / etc. — inferred if possible] **Company Snapshot** [4–5 bullets: account status, top signals, recent activity] **Attendee Profiles** - **[Name]** ([Title]): [2–3 bullets on their signals, persona, conversation angle] - [Repeat per attendee] **Top Signals This Week** [2–3 most relevant signals for this specific call] **This Weeks News** [If notable news found] [Only genuinely noteworthy findings — funding, leadership changes, major press] **Recommended Objectives** [1–2 sentences: what to accomplish in this meeting] --- [Repeat per meeting, sorted by date/time]某会议数据稀疏时改用压缩格式标注 ⚠️ Limited Data列出实际返回数据、网络搜索结果并提示代表在通话前直接检查 CR 或向同事收集语境。绝不为稀疏数据生成完整会议准备章节。质量要点每个会议章节保持可快速扫读代表常在早晨于手机上阅读始终按日期/时间升序排列紧急情况风险、试用到期、开放机会醒目标记4–6 个会议的简报总量应在 10–15 分钟内读完每个事实必须来自一次工具调用。简报结构、优先级逻辑与边界情况已取消会议、无数据新账户等处理详见 references/briefing-guide.md。命令一/generate-account-plan 战略账户计划commands/generate-account-plan.md 为指定公司生成全面的战略账户计划命令格式为/generate-account-plan company name or domain。执行过程分为五个阶段完整账户研究遵循账户研究技能产出完整账户概览拉取所有可用的第一方产品、第二方社区与第三方意图信号、CRM 数据、分数与 RoomieAI 研究利益相关者图谱拉取该公司按 member score 降序排列的前 5 位联系人分别归类为 Champion、Economic Buyer、Influencer、End User 或 Unknown。优先使用 Spark Persona 数据Spark 不可用时依据参与模式与活动时效推断无活动数据则归类为 Unknown参与度分析拉取组织最近 90 天的全部活动最多 50 条判断参与度是增长、稳定还是下降识别最活跃的联系人与其参与渠道网络搜索补充CR 数据丰富时跳过数据稀疏或用户要求时搜索最近 30 天的公司新闻融资、收购、产品发布、领导层变动、竞争动态综合将所有数据整合为结构化账户计划。公司上下文可用时见 references/my-company-context.md让执行摘要、机会与行动项贴合用户的产品与 ICP。输出格式## Account Plan: [Company Name] ### Executive Summary [3-4 sentences: relationship status, key opportunity, primary risk, recommended priority] ### Account Overview | Field | Value | |-------|-------| | Industry | ... | | Size | ... | | Domain | ... | | CRM Owner | ... | | Opp Stage | ... | | ARR | ... | | Scores | ... | ### Stakeholder Map **Champions** - [Name] — [Title] — [Key signals, last activity date] **Economic Buyers** - [Name] — [Title] — [Key signals] **Influencers** - [Name] — [Title] — [Key signals] **End Users** - [Name] — [Title] — [Key signals] ### Engagement Analysis [Trend summary: growing/stable/declining, most active contacts, top channels, comparison to 90 days prior if data available] ### Recent News [If web search was run] [Web search findings with sources and dates] ### Opportunities 1. [Signal-backed opportunity with specific next step] 2. ... ### Risks 1. [Signal-backed risk with mitigation] 2. ... ### Prioritized Action Items 1. [Specific action] — [Owner suggestion] — [Timeline] 2. ... 3. ...该命令的核心原则是让每条洞察都锚定实际数据数据稀疏或不可用时明确标注。若 CR 对该账户返回稀疏数据则产出只覆盖有真实数据章节的缩略计划——绝不基于最小输入生成完整账户计划一份简短诚实、标注空缺的计划远比看似全面却建立在虚构细节上的计划有用若 Stakeholder Map、Engagement Analysis、Opportunities、Risks 等章节没有数据支撑则整节省略。命令二/weekly-brief 每周简报commands/weekly-brief.md 通过日历与 Common Room 生成每周准备简报命令格式为/weekly-brief [date range]未指定时默认未来 7 天。执行过程遵循每周简报技能使用~~calendar连接器检索未来 7 天或$ARGUMENTS指定范围的所有外部客户会议过滤内部会议聚焦与客户、潜在客户或合作伙伴的通话若无~~calendar连接器则请用户列出外部通话公司名、日期、参会人对每个外部会议并行运行账户研究与参会人联系人研究汇总为单一每周简报周概览 按日期排序的逐会议章节。每个会议章节保持紧凑、可快速扫读整份简报应能在 10 分钟内读完。日历连接器与工具引用机制CONNECTORS.md 说明了插件的连接器机制插件文件使用~~category作为占位符代表用户在该类别下连接的任意工具。本插件围绕 Common Room 作为主要数据源构建可选集成日历类别类别占位符内置服务器其他选项Calendar~~calendarGoogle Calendar经 MCPOutlook / Microsoft 365 Calendar~~calendar连接器用于两个技能call-prep自动拉取即将到来会议的参会人姓名与weekly-prep-brief拉取未来 7 天的所有外部会议。若未连接日历两个技能都会优雅降级为手动向用户询问会议细节——日历连接器完全是可选的。连接方式安装兼容的日历 MCP 服务器并完成认证插件会自动检测并在可用时使用。安装步骤与快速上手根据 README 的 Setup 小节安装分三步在 Cowork 设置中确保 Common Room MCP 服务器mcp.commonroom.io/mcp已连接并完成认证 2.可选连接日历 MCP 服务器为通话准备与每周简报启用自动会议查找安装本插件所有技能与命令立即可用。安装完成后即可通过自然语言触发技能或通过/generate-account-plan、/weekly-brief显式调用命令。建议从一句简单的触发语开始验证链路例如 Research [company] 或 Prep me for my call with [company]确认输出确实扎根于 Common Room 信号数据。使用原则小结贯穿全部技能与命令的一致原则可归纳为四点数据优先诚实为上每个事实必须追溯到一次工具调用CR 数据稀疏时使用 Limited Data 输出变体并明确标注空缺绝不虚构或推测信号驱动个性化分数一律以原始值或百分位呈现个性化钩子必须具体、近期且与自家产品价值相关上下文自动适配Me 对象将查询默认限定在用户领地公司上下文让推荐贴合自家产品与 ICP可降级的设计日历连接器缺失时通话准备与每周简报技能自动降级为询问用户保证核心流程始终可用。【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Common Room 插件实战指南：用 Claude Cowork 驱动 GTM 工作流的六大技能与两大命令
Common Room 插件实战指南用 Claude Cowork 驱动 GTM 工作流的六大技能与两大命令【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins本指南以仓库 partner-built/common-room 为核心系统讲解如何将 Claude 与 Common Room 的 MCP 服务器连接并通过六个会话化技能账户研究、联系人研究、通话准备、外联撰写、潜在客户挖掘、每周简报与两个显式命令生成账户计划、生成每周简报完成 GTMGo-to-Market日常工作流。读完本文你将掌握各技能与命令的触发方式、完整执行流程与输出格式、Me 上下文与公司上下文的使用规则、以及日历连接器的可选集成方式从而让每一次研究、每一封邮件、每一场会议准备都扎根于 Common Room 的真实信号数据。插件定位以信号数据为基石Common Room 插件是一个面向知识工作者的 Claude Cowork 插件其核心价值在于让 LLM 的输出锚定在真实信号数据上而非模型臆测。根据 README该插件将 Claude 连接到 Common Room 的 MCP 服务器并提供覆盖销售代表最常见工作流的六个技能。每一次输出都基于 Common Room 的真实信号数据包括第一方产品信号1st-party product signals产品内的实际使用行为第二方社区信号2nd-party community signals)社区中的发帖、提问、互动第三方意图信号3rd-party intent signals)职位发布、新闻、融资等外部意图信号来自 RoomieAI 与 Spark 的富化数据AI 研究摘要与人脉画像。在架构层面该插件遵循 Cowork 插件的通用结构SKILL.md定义技能触发与流程commands/下的.md文件定义显式命令references/提供深度参考材料。所有技能通过会话自然触发无需安装额外运行时。环境要求与前置准备在启用本插件前需要满足以下条件见 README 的 Requirements 小节Common Room MCP 服务器必须已连接并完成认证。服务器地址为mcp.commonroom.io/mcp它是所有技能与命令的主要数据源。根据 CONNECTORS.md该服务器被登记在.mcp.json中插件功能的正常运转完全依赖它。日历连接器可选。仅用于call-prep通话准备与weekly-prep-brief每周简报中的自动会议查找。如果未连接这两个技能会优雅地降级为向用户询问会议细节。技能与命令总览技能通过对话自然触发——用户描述需求Claude 自动加载合适的技能。仓库中为每个技能定义了 trigger phrases触发短语汇总如下见 README 的 Skills 小节技能典型触发短语account-researchResearch [company]、tell me about [domain]、whats going on with [account]、is [company] showing buying signalscontact-researchWho is [name]、look up [email]、research [contact]、is [name] a warm leadcall-prepPrep me for my call with [company]、prepare for a meeting with [company]、what should I know before talking to [company]compose-outreachDraft outreach to [person]、write an email to [name]、compose a message for [contact]prospectFind companies that match [criteria]、build a prospect list、find contacts at [type of company]weekly-prep-briefWeekly prep brief、prepare my week、what calls do I have this week此外还有两个面向复杂工作流的显式命令见 README 的 Commands 小节命令用法/generate-account-plan company生成包含利益相关者图谱、参与度分析、机会、风险与行动项的战略账户计划/weekly-brief [date range]生成完整的每周准备简报默认覆盖未来 7 天用户上下文Me 对象与公司上下文Me 对象用户画像与领地边界所有需要限定到用户领地的技能都会在开始时从 Common Room 获取Me对象见 references/me-context.md。该对象代表当前已认证用户包含用户画像登录标识邮箱或用户名、全名与显示名、职位头衔与角色、在 Common Room 中的 Persona如 AE、SDR、CSM、Manager以及所有关联的配置文件如 Salesforce 用户 ID、LinkedIn 账号My Segments我的细分属于该用户的所有细分每个包含名称与细分 ID对应 Common Room 产品中的 My Segments 标签页。Me上下文有三类用途限定查询范围、尊重领地边界执行账户研究、潜在客户挖掘或生成简报时默认将结果限定在用户自己的细分内。例如Show me accounts showing buying signals 默认只查询 My SegmentsShow me all accounts in the workspace showing buying signals 则去掉细分限定。若用户询问一个不在其细分中的账户应提示This account doesnt appear to be in your segments — would you still like me to research it?个性化外联与简报使用用户的姓名、头衔、角色来个性化输出例如在每周简报中引用其领地、在草拟邮件中署名为推理提供语境不同 Persona 影响输出的侧重方向——AE/AM 侧重管道、交易、扩张与关单时间线SDR/BDR 侧重潜在客户、热信号与首次触达外联CSM 侧重健康度、留存、扩张与 Champion 参与Manager/Director/VP 侧重团队级趋势而非个人外联。公司上下文让建议贴合自家产品与 ICP部分技能在理解用户所在公司卖什么、ICP 是什么、竞争定位如何后能产出更好的结果见 references/my-company-context.md。获取公司上下文的渠道按优先级排列Me 对象其中包含用户所在公司名称与头衔CR 查询将用户公司作为 Organization 在 Common Room 中查询获取公司信息firmographics、行业与描述网络搜索当 CR 数据稀疏或陈旧时搜索用户公司的客户案例、产品页与营销材料弥补定位语境缺口会话上下文检查用户是否已在当前对话中描述过自家产品、ICP 或价值主张每会话询问一次若以上均不可用每会话仅询问一次To tailor my recommendations, can you briefly describe what your company does and who your ideal customers are?公司上下文在不同技能中的落点包括账户研究推理阶段This account fits your ICP because...、通话准备的谈话要点围绕自家产品价值而非泛泛建议、外联撰写的价值桥梁基于自家产品与定位、以及潜在客户挖掘的默认过滤建议当用户未指定标准时。技能一Account Research 账户研究account-research/SKILL.md 定义了一个六步流程其核心是先判断交互模式再决定拉取多少数据。四种交互模式模式 1 —— 完整概览Tell me about Datadog / Summarize cloudflare.com拉取完整字段集并产出结构化简报模式 2 —— 定向提问Who owns the Snowflake account? / Is acme.io showing buying signals?只拉取相关字段并直接给出简明回答不为简单问题生成完整简报模式 3 —— 稀疏数据Tell me about tiny-startup.io若 CR 数据有限要诚实说明There is limited information available for this account绝不臆测或用泛化语句填充模式 4 —— 组合推理先拉取结构化 MCP 数据再叠加 LLM 分析例如Stripe 有 8000 名员工且正在大量招聘 AI 岗位。基于你 1k–10k 金融科技公司的 ICP这是一个强匹配。执行流程Step 0–6Step 0 加载 Me 上下文获取Me对象默认将所有查询限定在用户自己的细分内Step 1 识别交互模式确定用户真实需求后再决定数据量Step 2 查找账户按域名或公司名搜索 Common Room先精确匹配无结果再尝试部分匹配并与用户确认Step 3 拉取正确字段使用 Common Room 对象目录查看可用字段组。关键字段组包括Scores始终以原始值或百分位返回绝不使用标签、Summary researchRoomieAI 输出通常是最丰富的定性信号、Top contacts按分数降序用 communityMemberID 进行完整查询。不同查询类型的字段选择见下表用户查询类型需请求的字段完整账户概览所有字段组Who owns this account?公司画像与链接、CRM 字段Is this company a good fit?关键字段、分数、简介What signals is this account showing?分数、研究摘要、CRM 字段Who are the top contacts?顶级联系人What does RoomieAI say about them?研究摘要、全部研究Find engineers at this accountProspects带职位过滤Step 4 网络搜索仅稀疏数据时CR 是主要数据源数据丰富时不执行网络搜索数据稀疏时搜索[company name] news限定最近 30 天关注融资、收购、产品发布、高管变动与媒体报道用户明确要求外部语境或近期新闻时无论数据丰富度如何都执行Step 5 应用推理将账户数据与已知 ICP 标准对比识别匹配信号规模、行业、技术栈、招聘模式与时机信号融资、试用状态、近期活动激增并明确说明见解源自数据而非假设Step 6 产出输出只包含 CR 实际返回数据的章节数据缺失的章节整节省略。输出格式完整概览数据丰富时## [Company Name] — Account Overview **Snapshot** [2–3 sentences: what they do, plan/stage, relationship status] **Key Details** [Employee count, industry, location, domain, funding — from key fields] **CRM Ownership** [If CRM fields returned] [Owner, opp stage, ARR] **Scores** [If scores returned] [All available scores as raw values or percentiles] **Signal Highlights** [If activity/signals exist] [3–5 most important signals with dates] **Top Contacts** [If contacts returned] [Name | Title | Score — top 5 sorted by score desc] **RoomieAI Research** [If summary research is non-null] [Summary research output; list all available research topic names] **Recommended Next Steps** [2–3 specific, signal-backed actions]稀疏数据大部分章节为空时使用 (Limited Data) 变体列出 CR 实际返回的数据、呈现返回字段、附上网络搜索结果或No significant recent news found并注明The account may need enrichment in Common Room。质量标准分数必须为原始值或百分位定向提问要精准不过度交付数据缺失或陈旧时要明确说明完整简报控制在 2–3 分钟内可读完每个事实都必须追溯到一次工具调用绝不包含 CR 未返回的数据。详细信号类型分类与解读参见 references/signals-guide.md。技能二Contact Research 联系人研究contact-research/SKILL.md 用于从 Common Room 检索完整的联系人画像支持按邮箱、社交账号或姓名公司查找返回富化数据活动历史、Spark、分数、网站访问、CRM 字段。查找方式选择用户提供的信息查找方式邮箱地址按邮箱查找最可靠LinkedIn、Twitter/X 或 GitHub 账号按社交账号查找——需明确指定账号类型姓名 公司按姓名 组织域名做身份解析有歧义时呈现候选仅姓名按姓名搜索多个匹配时展示简短列表并请用户确认若未找到匹配回复 Common Room doesnt have a record for this person绝不推测或虚构画像数据。关键字段组Scores始终以原始值或百分位返回不使用标签Recent activity使用Contact Initiated过滤器最近 60 天只关注该联系人的主动行为而非你方团队的动作Website visits总访问数 具体访问页面最近 12 周Spark追踪参与度演变时拉取所有Spark 记录而非仅最近一条。Spark 富化与 Persona 推断若 Spark 可用它提供专业背景与职业历史、社交影响力信号、Persona 分类Champion、Economic Buyer、Technical Evaluator、End User、Gatekeeper以及购买流程中的推断角色。若 Spark 不可用但有真实活动数据可依据信号推断 Persona若两者皆无则归类为 Unknown——绝不只凭职位头衔猜测 Persona。账户语境与对话切入点Step 4 拉取联系人母公司账户的精简快照记录开放机会、扩张信号或流失风险以及该联系人相比同事的参与度。Step 5 基于活动与信号提炼 2–3 个最强切入点最近的Contact Initiated活动社区发帖、产品事件、支持工单、近期访问的特定网页尤其暗示评估意图的页面、职位变动或公司新闻、Spark Persona 所暗示的沟通风格、已知活跃交易中的角色。输出格式与质量标准数据丰富时按模板输出Overview、Details、Scores、Recent Activity、Website Visits、Spark Profile、Segments、Account Context、Conversation Starters数据稀疏时如仅有姓名、职位、邮箱、标签sparkSummary 为 null使用 (Limited Data) 变体不为稀疏数据生成对话切入点、Persona 推断或参与度评估。质量要点查找方式必须与输入类型匹配以Contact Initiated活动最近 60 天作为首要参与信号Spark 不可用时要明说标记最近活动早于 30 天的联系人。字段说明、Spark Persona 指南与切入点原则详见 references/contact-signals-guide.md。技能三Call Prep 通话准备call-prep/SKILL.md 组合账户研究与联系人研究产出完整、可快速扫读的通话准备简报。五步准备流程识别账户与参会人公司名为必填项参会人姓名可选。若~~calendar连接器可用自动搜索与目标公司的近期会议以补全参会人、会议时间与议程两者皆无时询问 Who will be on the call from [Company]? I can research each attendee to make your prep more useful.运行账户研究调用账户研究流程构建完整账户快照优先关注近期产品信号他们当下在产品里做什么、开放机会或续约时间线、风险信号使用下降、支持工单、席位流失、关键近期事件融资、高管变动、新招聘。审查活动历史时优先 Gong 与通话录音活动——它们提供上次对话的直接语境且不得按活动来源过滤掉通话录音运行联系人研究为每位外部参会人执行联系人研究流程聚焦购买流程中的角色与影响力、个人活动与参与历史、暗示其当下关注点的近期信号、Spark Persona如可用综合谈话要点与目标识别通话目标如 discovery、demo、expansion、renewal、QBR生成 3–5 个锚定具体信号数据的谈话要点预判 2–3 个客户可能提出的异议或话题并建议推荐通话结果时效性检查网络搜索在收集完 CR 数据后搜索[company name] news限定最近 14 天捕捉上次同步后的新动态对每位外部参会人搜索[full name] [company name]寻找近期文章、LinkedIn 帖子、会议演讲或播客。显著的新闻如刚完成融资、重大招聘在 Signal Highlights 中重点标记其余简要呈现即可不让网络搜索结果压过 CR 信号。输出格式与降级策略数据丰富时按模板输出Meeting Context、Company Snapshot、Attendee Profiles、Signal Highlights、Talking Points、Likely Topics/Objections、Recommended Call Outcome数据稀疏时改用 (Limited Data) 变体Data available、What I Found、Web Search Results、Suggested Next Steps。绝不为稀疏数据生成完整通话准备简报——简短诚实的输出永远优于冗长的编造。质量要点每个谈话要点锚定真实信号简报控制在 5 分钟以内读完时间盒研究以保速度绝不编造交易语境虚构提案、竞品对比、定价、试用条款或未经工具调用返回的异议。不同通话类型discovery、expansion、renewal、QBR的定制指引见 references/call-types-guide.md。技能四Compose Outreach 外联撰写compose-outreach/SKILL.md 基于 Common Room 信号生成三种个性化外联格式——邮件、通话脚本、LinkedIn 私信。六步外联流程查找目标用 Common Room MCP 工具检索目标公司或联系人数据近期产品活动与参与信号、社区活动发帖、提问、反应、第三方意图信号职位发布、新闻、融资、关系历史此前接触、会议、邮件打开。若指定了人则做联系人级研究若只有公司则根据职位、参与度与角色确定最佳触达对象信号稀疏时进行网络搜索CR 信号强劲时不搜索信号稀疏时搜索[company name] funding OR acquisition OR launch OR announcement最近 30 天与[contact full name] [company name]。优先选择非常近期 2 周、公开可见、暗示变化增长、新角色、新产品、新市场的外部钩子Spark 富化可用时对目标联系人运行富化获取 Persona 分类、背景与影响力信号用于校准语气与信息角度识别最佳钩子从信号中选出 1–3 个最强个性化钩子按时效性近 7–14 天、具体性具体行动而非泛泛趋势、相关性直接关联你产品能交付的价值排序。好钩子如在社区中提出了关于 X 的问题刚招聘 5 名工程师刚开始使用某功能刚完成 B 轮融资坏钩子如I noticed youre a customer或泛行业趋势生成三种格式使用最强钩子撰写全部三种格式各自遵循 references/outreach-formats-guide.md 中的格式规则全部产出并清晰标注注释你的选择三份草稿后附 2–4 句说明解释使用了哪些信号及原因、做了哪些假设、以及主钩子不奏效时的替代角度。输出格式## Outreach for [Name / Company] ### Email **Subject:** [Subject line] [Email body — 3–5 sentences] --- ### Call Script **Opening:** [Opening line — conversational, 1–2 sentences] **Value Bridge:** [Why youre calling and why now — 2–3 sentences tied to a signal] **Ask:** [Single, low-friction ask — e.g., 15-minute call, specific question] --- ### LinkedIn Message [Under 300 characters. Warm, personal, no pitch.] --- ### Signal Notes [2–4 sentences: which signals were used, why, and any alternative angles]稀疏信号时的处理若 CR 返回数据极少仅姓名、职位、标签无活动、分数、Spark则绝不凭空起草外联——基于编造信号的外联还不如没有外联。此时先运行网络搜索作为主要个性化来源若网络搜索同样收获寥寥则如实呈现已有信息并请求用户补充语境近期活动信号、此前对话的语境、现在触达的具体理由。质量要点每条消息必须引用具体内容语气匹配语境社区信号触发的入站场景用温暖随和语气冷启动/高管外联用更正式语气LinkedIn 私信必须 300 字符绝不编造信号。技能五Prospecting 潜在客户挖掘prospect/SKILL.md 使用 Common Room 的 Prospector 构建定向账户与联系人列表支持通过自然对话进行迭代优化、基于意图的发现以及针对现有账户的信号查询。核心区分两种对象类型Prospector 操作于两种根本不同的对象类型运行查询前必须澄清当前是哪种ProspectorOrganization尚未进入 Common Room 的公司全新公司可用字段仅为公司画像类——名称、域名、规模、行业、融资额、年收入、地理位置过滤器选项少无信号过滤器、分数与活动历史。适用于构建全新目标列表、领地规划、漏斗顶部扩张。Organization已在 CR 工作区中的公司完整信号数据可用——产品使用、社区活动、CRM 字段、分数、自定义字段过滤器集丰富涵盖基于信号、分数、细分与公司画像的过滤器。适用于寻找热账户优先级、识别扩张候选、在既有管道中浮出意图信号。当请求可能同时适用于两者如 Show companies hiring AI engineers this month时需澄清Are you looking for net-new companies not yet in Common Room, or filtering accounts already in your workspace? 对象目录应明确此区分以便 LLM 选择正确的 Prospector 端点。执行流程Step 0 加载 Me查询Organization记录时默认限定 My SegmentsStep 1 收集目标标准未提供标准时询问示例公司规模、行业、职位、近期产品活动或社区参与等信号、地理区域、融资或职位发布等意图信号。Lookalike 搜索用户要求 find companies like [X] 时先在 CR或网络搜索中查找参照公司提取其行业、员工区间、技术栈、融资阶段、地理位置等关键属性并提议为过滤标准运行前先呈现给用户确认Step 2 支持迭代优化结果过多50时提供收窄建议结果过少 5时建议放宽特定标准每次优化作为后续查询而非从头再来。示例流加州网络安全公司 500 条 → 300 人以上且用 AWS 的 47 条 → 近期有招聘活动的 12 条Step 3 运行查询并呈现结果按信号强度或匹配度排序而非字母序。ProspectorOrganization结果表列Company、Domain、Industry、Size、Capital Raised、Revenue、LocationOrganization结果表列Company、Industry、Size、Top Signal、Signal Date、Score、CRM Stage。标记数据稀疏或最近信号早于 90 天的结果Step 3.5 用网络搜索富化全新结果对 top 3–5 家公司做快速网络搜索补充融资、产品发布、领导层变动或新闻报道作为简要注释CR 对这些公司没有行为信号Step 4 提供后续动作起草 top 3–5 的外联、运行完整账户简报、优化标准、导出 CSV、将全新公司加入 CR 进行富化未来能力。质量标准运行查询前确认对象类型查询Organization默认 My Segments支持迭代优化后续为过滤器调整而非重新开始绝不混用两种对象类型的结果字段少而精的结果优于冗长未过滤的列表只展示查询返回的数据缺失字段留空或填 —。技能六Weekly Prep Brief 每周准备简报weekly-prep-brief/SKILL.md 为未来 7 天的所有外部客户或潜在客户通话生成单一综合简报逐会议附上来自 Common Room 的账户与联系人研究。四步简报流程获取本周外部会议日历已连接时用~~calendar连接器拉取未来 7 天或用户指定范围的所有会议过滤掉内部会议只保留有外部参会人的会议未连接日历时请用户提供外部通话列表公司名、日期/时间、参会人接受自由输入并解析为结构化列表确认会议列表研究开始前将识别出的会议呈现给用户确认Here are the external calls I found for this week. Let me know if anythings missing or should be excluded...避免在已取消或错误的会议上浪费研究逐会议研究对每个确认的外部会议并行运行账户研究完整账户快照与联系人研究每位外部参会人画像。CR 研究后对每家公司做快速时效性检查最近 7 天新闻高管参会人搜索其近期公开帖或采访只收录真正值得注意的发现。深度校准高优先级账户大账户、开放机会、续约风险做全深度研究低优先级或短会议做 3–4 条的缩略快照综合每周简报将所有研究按会议日期/时间排序汇成单一结构化文档。开头给出周级概览标记有紧急信号的账户流失风险、试用到期、扩张机会、需要特别准备或高管参与的会议、外部通话总数与预估时间投入。输出格式# Weekly Prep Brief — Week of [Date] ## Week Overview [2–4 bullets: key themes, flagged priorities, call count] --- ## [Monday / Tuesday / etc.] ### [Company Name] — [Time] **Attendees:** [Names and titles] **Meeting type:** [Discovery / QBR / Renewal / Expansion / etc. — inferred if possible] **Company Snapshot** [4–5 bullets: account status, top signals, recent activity] **Attendee Profiles** - **[Name]** ([Title]): [2–3 bullets on their signals, persona, conversation angle] - [Repeat per attendee] **Top Signals This Week** [2–3 most relevant signals for this specific call] **This Weeks News** [If notable news found] [Only genuinely noteworthy findings — funding, leadership changes, major press] **Recommended Objectives** [1–2 sentences: what to accomplish in this meeting] --- [Repeat per meeting, sorted by date/time]某会议数据稀疏时改用压缩格式标注 ⚠️ Limited Data列出实际返回数据、网络搜索结果并提示代表在通话前直接检查 CR 或向同事收集语境。绝不为稀疏数据生成完整会议准备章节。质量要点每个会议章节保持可快速扫读代表常在早晨于手机上阅读始终按日期/时间升序排列紧急情况风险、试用到期、开放机会醒目标记4–6 个会议的简报总量应在 10–15 分钟内读完每个事实必须来自一次工具调用。简报结构、优先级逻辑与边界情况已取消会议、无数据新账户等处理详见 references/briefing-guide.md。命令一/generate-account-plan 战略账户计划commands/generate-account-plan.md 为指定公司生成全面的战略账户计划命令格式为/generate-account-plan company name or domain。执行过程分为五个阶段完整账户研究遵循账户研究技能产出完整账户概览拉取所有可用的第一方产品、第二方社区与第三方意图信号、CRM 数据、分数与 RoomieAI 研究利益相关者图谱拉取该公司按 member score 降序排列的前 5 位联系人分别归类为 Champion、Economic Buyer、Influencer、End User 或 Unknown。优先使用 Spark Persona 数据Spark 不可用时依据参与模式与活动时效推断无活动数据则归类为 Unknown参与度分析拉取组织最近 90 天的全部活动最多 50 条判断参与度是增长、稳定还是下降识别最活跃的联系人与其参与渠道网络搜索补充CR 数据丰富时跳过数据稀疏或用户要求时搜索最近 30 天的公司新闻融资、收购、产品发布、领导层变动、竞争动态综合将所有数据整合为结构化账户计划。公司上下文可用时见 references/my-company-context.md让执行摘要、机会与行动项贴合用户的产品与 ICP。输出格式## Account Plan: [Company Name] ### Executive Summary [3-4 sentences: relationship status, key opportunity, primary risk, recommended priority] ### Account Overview | Field | Value | |-------|-------| | Industry | ... | | Size | ... | | Domain | ... | | CRM Owner | ... | | Opp Stage | ... | | ARR | ... | | Scores | ... | ### Stakeholder Map **Champions** - [Name] — [Title] — [Key signals, last activity date] **Economic Buyers** - [Name] — [Title] — [Key signals] **Influencers** - [Name] — [Title] — [Key signals] **End Users** - [Name] — [Title] — [Key signals] ### Engagement Analysis [Trend summary: growing/stable/declining, most active contacts, top channels, comparison to 90 days prior if data available] ### Recent News [If web search was run] [Web search findings with sources and dates] ### Opportunities 1. [Signal-backed opportunity with specific next step] 2. ... ### Risks 1. [Signal-backed risk with mitigation] 2. ... ### Prioritized Action Items 1. [Specific action] — [Owner suggestion] — [Timeline] 2. ... 3. ...该命令的核心原则是让每条洞察都锚定实际数据数据稀疏或不可用时明确标注。若 CR 对该账户返回稀疏数据则产出只覆盖有真实数据章节的缩略计划——绝不基于最小输入生成完整账户计划一份简短诚实、标注空缺的计划远比看似全面却建立在虚构细节上的计划有用若 Stakeholder Map、Engagement Analysis、Opportunities、Risks 等章节没有数据支撑则整节省略。命令二/weekly-brief 每周简报commands/weekly-brief.md 通过日历与 Common Room 生成每周准备简报命令格式为/weekly-brief [date range]未指定时默认未来 7 天。执行过程遵循每周简报技能使用~~calendar连接器检索未来 7 天或$ARGUMENTS指定范围的所有外部客户会议过滤内部会议聚焦与客户、潜在客户或合作伙伴的通话若无~~calendar连接器则请用户列出外部通话公司名、日期、参会人对每个外部会议并行运行账户研究与参会人联系人研究汇总为单一每周简报周概览 按日期排序的逐会议章节。每个会议章节保持紧凑、可快速扫读整份简报应能在 10 分钟内读完。日历连接器与工具引用机制CONNECTORS.md 说明了插件的连接器机制插件文件使用~~category作为占位符代表用户在该类别下连接的任意工具。本插件围绕 Common Room 作为主要数据源构建可选集成日历类别类别占位符内置服务器其他选项Calendar~~calendarGoogle Calendar经 MCPOutlook / Microsoft 365 Calendar~~calendar连接器用于两个技能call-prep自动拉取即将到来会议的参会人姓名与weekly-prep-brief拉取未来 7 天的所有外部会议。若未连接日历两个技能都会优雅降级为手动向用户询问会议细节——日历连接器完全是可选的。连接方式安装兼容的日历 MCP 服务器并完成认证插件会自动检测并在可用时使用。安装步骤与快速上手根据 README 的 Setup 小节安装分三步在 Cowork 设置中确保 Common Room MCP 服务器mcp.commonroom.io/mcp已连接并完成认证 2.可选连接日历 MCP 服务器为通话准备与每周简报启用自动会议查找安装本插件所有技能与命令立即可用。安装完成后即可通过自然语言触发技能或通过/generate-account-plan、/weekly-brief显式调用命令。建议从一句简单的触发语开始验证链路例如 Research [company] 或 Prep me for my call with [company]确认输出确实扎根于 Common Room 信号数据。使用原则小结贯穿全部技能与命令的一致原则可归纳为四点数据优先诚实为上每个事实必须追溯到一次工具调用CR 数据稀疏时使用 Limited Data 输出变体并明确标注空缺绝不虚构或推测信号驱动个性化分数一律以原始值或百分位呈现个性化钩子必须具体、近期且与自家产品价值相关上下文自动适配Me 对象将查询默认限定在用户领地公司上下文让推荐贴合自家产品与 ICP可降级的设计日历连接器缺失时通话准备与每周简报技能自动降级为询问用户保证核心流程始终可用。【免费下载链接】knowledge-work-pluginsOpen source repository of plugins primarily intended for knowledge workers to use in Claude Cowork项目地址: https://gitcode.com/GitHub_Trending/kn/knowledge-work-plugins创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
![Q: [通用化问题表述]](http://pic.xiahunao.cn/yaotu/Q: [通用化问题表述])
