K01
产品知识
产品能力、适用场景、交付方式、限制条件、FAQ 与价值主张。
Vera 用它来
判断目标企业的问题是否与产品能力真实相关
导入你的团队已在使用的知识
模板
邮件模板、消息模板、通话脚本、工作流模板
SOP
销售 SOP、支持 SOP、入职 SOP、内部流程
产品知识
产品文档、FAQ、内部参考、外部材料
竞品情报
竞品档案、竞品分析卡、市场分析、定位文档
知识包
跨团队和 Worker 打包复用知识
外部来源
从 Notion、Google Drive、Confluence、文档或 URL 导入
知识中心
买家研究知识包
32 条 · Vera
92%
触达模板
26 条 · Clara
87%
异议处理
18 条 · Victor
82%
产品 FAQ
45 条 · 全部
76%
竞品分析卡
12 条 · 公开
68%
VERA KNOWLEDGE READING
Vera 不只检索文档，而是用知识约束研究判断
同一家企业是否值得研究，取决于你的产品能力、理想客户标准、目标市场语境和明确排除边界。Vera 会在每个研究任务中读取并组合这四类知识。
K02
ICP 知识
行业、规模、地区、商业模式、技术环境、采购角色与优先特征。
Vera 用它来
计算匹配度，并决定账户与决策人的研究优先级
K03
市场知识
区域规则、行业趋势、竞争格局、术语、渠道结构与本地业务背景。
Vera 用它来
解释信号、校正区域语境，并避免脱离市场的判断
K04
排除知识
禁投行业、不服务地区、竞品、现有客户、低价值类型与合规边界。
Vera 用它来
在研究和交付前拦截不应进入下游流程的目标
Vera 的知识读取与决策顺序
知识不会被简单拼接。Vera 按研究阶段调用对应知识，并把引用来源保留在判断证据中。
读取产品边界匹配 ICP 条件加入市场语境执行排除规则生成研究结论
排除知识拥有最终否决权
即使账户具有正向信号，只要命中明确排除规则，Vera 就不会将其交给 Clara，并会记录排除原因。
Vera 判断记录
示例账户 · Northstar Automation
- 产品相关：存在预测性维护与工业传感器需求
- ICP 匹配：制造业，约 420 名员工，目标区域
- 市场信号：正在扩建生产线并招聘可靠性工程师
- 排除检查：未命中竞品、现有客户或禁投区域
结构化输出
研究结论、匹配分、引用证据、排除检查结果，以及可供 Clara 使用的推荐切入角度。
知识中心如何工作
导入知识
上传文件，连接 Notion, Google Drive 或 URL。
按类别组织
将知识标记并结构化为话题和资料包。
连接到 Worker
将知识包绑定到 Vera、Clara、Victor 或具体工作流。
跨团队复用
在工作区和团队之间共享知识包。
衡量使用
追踪知识的使用频率和执行质量。
团队如何使用知识中心
用同一套事实与话术对齐多名 Worker
按团队或项目分发资料包与模板
让 Worker 与产品和 FAQ 更新保持一致
在团队和工作区分发竞品分析卡
衡量哪些知识在驱动执行质量