Скилл квалификации лидов в Telegram с amoCRM

Установка

npx skillfoxx add skills/universal-ai-sales-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a claude-code -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .claude/skills
cp -R "$tmp/skills/lead-qualification-agent" .claude/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a cursor -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a github-copilot -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .github/skills
cp -R "$tmp/skills/lead-qualification-agent" .github/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a codex -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a gemini-cli -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .devin/skills
cp -R "$tmp/skills/lead-qualification-agent" .devin/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a cline -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .cline/skills
cp -R "$tmp/skills/lead-qualification-agent" .cline/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a roo -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .roo/skills
cp -R "$tmp/skills/lead-qualification-agent" .roo/skills/lead-qualification-agent

npx skills add foggearthquake/universal-ai-agent-sells --skill lead-qualification-agent -a opencode -y

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

tmp=$(mktemp -d)
git clone --filter=blob:none --no-checkout https://github.com/foggearthquake/universal-ai-agent-sells.git "$tmp"
git -C "$tmp" sparse-checkout set --no-cone /skills/lead-qualification-agent/
git -C "$tmp" checkout 85009187190248f4a3b5fe4ce0ff0f1cdbfa8943
mkdir -p .agents/skills
cp -R "$tmp/skills/lead-qualification-agent" .agents/skills/lead-qualification-agent

cp .env.example .env && docker compose up -d postgres && psql -U user -d db -f schema.sql && python -m bot

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Репозиторий дает три переиспользуемых скилла для построения агентов квалификации лидов: business-faq-rag-agent (ответы только из базы знаний клиента, без домыслов модели), handoff-crm-telegram-agent (контракты передачи диалога человеку и в CRM) и lead-qualification-agent (извлечение полей из свободного диалога, скоринг 0-100 с весами клиента, определение теплоты лида). Вместе с ними идет полная эталонная реализация на Python: Telegram-бот на Aiogram 3 ведет диалог без кнопок, PostgreSQL с pgvector хранит базу знаний клиента, жесткие триггеры эскалации передают диалог человеку при возражении по цене или жалобе, а результат квалификации записывается в карточку amoCRM с автозаполнением полей и назначением стадии воронки. Настройка под клиента идет только через конфиги: qualification_rules.py, risk_triggers.py, tone.py и папку базы знаний, без правок кода.

Для кого. Для агентств и разработчиков, которые строят Telegram-агентов продаж с amoCRM и хотят готовые скиллы квалификации вместо разработки с нуля.

Пример запроса к агенту

Хочу узнать стоимость и сроки внедрения вашей системы для склада на 2000 позиций

Ограничения

README прямо называет проект продакшн-решением для платного клиентского деплоя, а не открытым сервисом. Нужны собственные PostgreSQL с pgvector, токен Telegram-бота, ключ OpenAI-совместимого API и токены amoCRM. Скиллы рассчитаны на использование внутри этой конкретной архитектуры DOE (Directives, Orchestration, Execution), перенос в другой стек потребует адаптации.

Как отключить. Остановите процесс python -m bot и удалите webhook или токен Telegram-бота, а также отзовите токены amoCRM.

Проверка безопасности

• Пишет карточки лидов в amoCRM и назначает стадию воронки, влияя на реальный пайплайн продаж
• Хранит и обрабатывает контактные данные лидов через Telegram и базу знаний клиента

Коротко о README

README на английском описывает архитектуру от Telegram через FSM-менеджер диалога до RAG-ретривера, скорера квалификации и роутера решений к amoCRM и очереди эскалации, таблицу скоринга по трем уровням теплоты лида, пять инженерных решений вроде отказа от отвечающих кнопок и жестких триггеров эскалации, технологический стек на Python 3.13 и Aiogram 3, быстрый старт через docker compose и таблицу конфигурационных файлов для настройки под клиента без кода.

SKILL.md

---
name: lead-qualification-agent
description: Qualify inbound leads in chat by collecting intent, timeline, budget, and contact; compute 0-100 score with client-specific weights; classify warmth and qualification; and produce concise qualification reasoning. Use when building or operating conversational lead qualification flows.
---

Read references/qualification-flow.md before implementation.

Load client profile from a JSON config with fields, weights, thresholds, and risk triggers.

Execute this sequence:
1. Extract structured fields from free-form user messages.
2. Ask one missing high-impact question per turn.
3. Compute score and warmth.
4. Set qualified or not_qualified.
5. Output compact reasoning tied to observed data.

When uncertainty is high, ask one clarification instead of guessing.

Похожие