如何在 Claude Code 里打造零人头的营收团队

如何在 Claude Code 里打造一支零人头的营收团队 2026 年 7 月 15 日 · 7 分钟阅读 · 查看原文 ↗ Claude AI Linkedin Advertising 一支营收团队要干六件事。六件事全招人来干，就是六个人、六份薪水。 我们反过来，把这六件事写成六个文本文件。为一个客户，这套系统产出了 $7.83M 的合格销售管线，$1.52M 的成交额，横跨 164 笔交易，而新增员工数为零。 这就是我们在 @Frontal_AI 打造的东西：AI 原生的营收系统，不增加人手也能增加销售管线。 这篇文章告诉你如何自己搭一套。 营收团队干的六件事，每一件如何变成 Claude Code 里的一个文件，它们如何被串联起来让整套系统像一套连贯动作一样运转，那条让输出保持可用的规则，以及第一个要跑的提示词。我们跑的所有东西都写在下面，所以你可以从一个文件起步，搭建属于你自己的版本。 要自动化的六件事 把一支营收团队拆解到它真正在干的事，你会得到六件事。 我们把每一件都写成 Claude Code 里的一个「专家」——一个你可以打开、编辑的纯文本文件。下面是每个文件负责什么，以及那个告诉你它是否在奏效的数字。 策略（Strategy）：该去追谁。 扫描你的网站，定义理想客户画像（ICP），给每一个账户打 0 到 100 分。它是判断层。在任何其他环节运行之前，由它决定哪些账户值得这套动作花时间。打分错了，下游所有环节都会去追错误的账户。 信号（Signals）：什么时候去触达。 盯住那些意味着某个账户此刻正处于市场中的触发点：一轮融资、一位新的 CRO、一次 SDR 招聘、竞品的工具出现在他们的技术栈里。 这是最能推动数字的那个文件。 冷邮件的回复率大概在 3.43%。把同样的触达放在一个真实信号上，回复率能跑到 15% 到 25%，顶尖团队能超过 30%。经过意向确认的账户转化率也高出 47%，成交额大出 43%。一家财富 500 强子公司，仅凭一个信号和一段 73 秒的 Loom，就签下了超过 €200K 的合同。 数据（Data）：到底该联系谁。 拉取那些过了门槛的账户里经过验证的联系人。附着在信号上的那个真实的人，一个不会退信的邮箱。晚一点做数据补全——只在策略和信号已经确认的账户上做，这样你就不用为全世界做数据补全而付钱。我们把它跑成一条瀑布：一次调用，级联穿过 20 多个数据供应商，直到找到邮箱和电话，命中率在 80% 以上。 文案（Copy）：该说什么。 根据它抓到的确切信号来写邮件，所以它会引用那个账户此刻正在发生的真实事件。绑定真实触发点的文案，回复率比通用模板最多高出 54.7%。切入的角度，就是那个账户本周发生了什么变动。 执行（Execution）：把它跑起来。 按顺序发送邮件、LinkedIn 消息和跟进，跨渠道进行，没有人手动一条条去推。同一个账户在邮件、LinkedIn、广告三个渠道串成一条序列去触达，相比单渠道能获得 287% 的提升，因为买家会在三个地方反复撞见你。它还承载着送达率规则：每个收件箱每天 30 到 50 封邮件，四步跟进，不能再多。 系统（System）：让它保持为一套连贯动作。 把其他五个串联起来，让一场对话端到端地跑完。信号触发，联系人被拉取，文案据此写出，序列发出，回复路由回来。它是把其他五个文件绑在一起的编排者。 它是如何串联起来的 六个文件放任不管，一周内就会彼此脱节。把它们绑在一起的是两样东西：分层，以及治理。 系统跑在两层之上。 主技能（Master skills）位于顶层，把每一个请求路由到正确的专家。让它去搭建一个 campaign，它就把活儿按顺序交给策略、信号、数据。 参考文件（Reference files）位于底层，承载着你的公司知道的东西：你的 ICP、你的打分规则、你跟踪的信号、你的模板。这是你的护城河所在。两支团队跑同样的六个专家，结果却不同，因为它们的参考层不一样。 再往下，几个原语负责干活：根据你正在做的事加载的规则、只在任务匹配时才触发的技能、各自在自身上下文里处理一件工作的子代理，以及一个把系统从上一个会话学到的东西带到下一个会话的记忆文件。 治理，是让这套系统在真实管线上安全运行的东西。 你把规则和「执行规则的那部分」分开存放，这样代理就没法在运行中途悄悄改写自己的指令。 当它发现某个值得改的地方，它会提交一份提案，你在它上线之前批准它。 因为一切都是文件，你改系统就是改一个文件。你的 ICP 变了，你就改策略文件。一个信号开始变得重要，你就在信号文件里加一行。做这些事，你一个工程师都不需要。 永远不要让模型去猜 大多数 AI 外呼读起来都像机器人写的。有人在一个没有任何数据的场景下跑了一个不错的提示词，模型就用某个貌似合理的东西填上了空白，一周后回复率就把这个暴露出来了。 我们在每一个提示词上执行的规则是：永远不要让模型去猜。 在任何研究或写作步骤之前，先把原始数据贴进去：他们网站真实的文案、他们的 LinkedIn 主页、他们挂出来的任何招聘岗位。 这是这里最不令人兴奋的部分，也恰恰是大多数团队会跳过的部分。 AirOps 的重建 我们用三个跑在这套系统上的打法，重建了 AirOps 走到买家面前的方式。 信号驱动的外呼。只有当账户上触发了真实信号，销售代表才会去碰这个账户。如果一个账户内部毫无动静，就不会有人在它身上浪费一整个上午。 LinkedIn 上的思想领袖广告。付费投放，在销售代表出现之前先暖化买家。等到邮件落地时，这个名字已经是熟悉的了。 一份串联起来的名单。一个渠道上的互动触发下一个渠道上的打法。有人和广告互动，那就触发一个信号，信号又排队触达。 十个月后：$7.83M 合格管线，$1.52M 成交，164 笔交易。他们这边零新增员工，而我们一路上做的每一次改动，都只是改一个文件。 10-80-10 的分配 这不是一个「把代理指向你的漏斗然后走开」的案例。 我们曾经有一个客户，每年花 $50,000 买一个数据平台，结果没人登录过。工具本身没问题。只是从来没有人真正用过它。 如今大多数创始人对 AI 犯的正是同样的错误。他们买一个代理，把它指向整套动作，然后等着那永远不会出现的管线。 所以我们把每一个账户跑在 10-80-10 的分配上。 你拥有最前面那 10%：该去追谁、一个好的线索长什么样、切入角度是什么。没有任何模型能替你做出这个决定。 系统跑中间那 80%：研究、数据、初稿、跟进。我们在上面构建了自己的软件，让它在那部分越做越好。 然后你拥有最后那 10%：在潜在客户读到之前，你先读一遍，砍掉薄弱的地方。 我们从来不让代理从头到尾跑完一个打法。那最后的 20%，正是客户付钱给我们的原因。 为什么不干脆雇一个 GTM 工程师 显而易见的做法是，雇一个 GTM 工程师来干这一切。去年这个岗位的招聘量跳涨了 205%，而这些招聘里的大多数人，事实上最终变成了为 SDR 团队打工的六位数名单制造者。 一个文件不需要一个季度来上手，不需要经理，也不会辞职还顺手带走打法手册。 它还逼着团队面对那个他们一直回避的数字。当这套动作活在文件里时，你可以每天按 campaign 去读它：它产出的管线，对照它运行的成本。 拿到整套系统 你不必从零开始搭一套我们这样的营收系统。我们把整件事放进了一个 repo：六个专家、把它们串起来的编排器，以及全部 52 个子技能，随时可以扔进 Claude Code 并指向你自己的网站。 我们最初是为自己的团队建的。现在免费归你了。 评论 SYSTEM，我就发给你。必须先关注。标签：# X # Claude # AI # Linkedin # Advertising # Automation # Guide 相关文章 The GTM Playbook for Every Stage of Your Company 大多数创始人加一个新渠道，是因为他们对现有的那个腻了，而不是因为它已经跑到了极限。正是这一个混淆，让增长在公司生命周期的每一个阶段——而不仅是第一个阶段——停滞不前…… Linkedin Advertising Marketing Claude