/ 目錄 / 演練場 / buyer-eval-skill
● 社群 salespeak-ai ⚡ 即開即用

buyer-eval-skill

作者 salespeak-ai · salespeak-ai/buyer-eval-skill

B2B 供應商評估技能——領域專家級提問、以證據為基礎的評分,以及結構化的供應商訪談。

buyer-eval-skill 讓 Claude 成為您的 B2B 採購負責人:它向供應商(或其 AI 代理)提出領域專家級問題,根據您的評估標準記錄證據,對每項評分準則打分,並在評估多家供應商時產生比較矩陣。大幅縮短從「來看看幾家供應商」到「附上佐證的推薦報告」所需的時間。

為什麼要用

核心特性

即時演示

實際使用效果

buyer-eval-skill.replay ▶ 就緒
0/0

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "buyer-eval-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/salespeak-ai/buyer-eval-skill",
        "~/.claude/skills/buyer-eval-skill"
      ],
      "_inferred": true
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "buyer-eval-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/salespeak-ai/buyer-eval-skill",
        "~/.claude/skills/buyer-eval-skill"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "buyer-eval-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/salespeak-ai/buyer-eval-skill",
        "~/.claude/skills/buyer-eval-skill"
      ],
      "_inferred": true
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示,然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "buyer-eval-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/salespeak-ai/buyer-eval-skill",
        "~/.claude/skills/buyer-eval-skill"
      ],
      "_inferred": true
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "buyer-eval-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/salespeak-ai/buyer-eval-skill",
        "~/.claude/skills/buyer-eval-skill"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "buyer-eval-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/salespeak-ai/buyer-eval-skill",
          "~/.claude/skills/buyer-eval-skill"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add buyer-eval-skill -- git clone https://github.com/salespeak-ai/buyer-eval-skill ~/.claude/skills/buyer-eval-skill

一行命令搞定。用 claude mcp list 驗證,claude mcp remove 移除。

使用場景

實戰用法: buyer-eval-skill

如何依據您的需求評估三家 SaaS 供應商

👤 採購負責人、RevOps、採購主管 ⏱ ~120 min intermediate

何時使用: 您已篩選出 3 家供應商,需要做出有憑有據的選擇。

前置條件
  • Skill cloned — git clone https://github.com/salespeak-ai/buyer-eval-skill ~/.claude/skills/buyer-eval-skill
步驟
  1. 定義評估標準
    我們正在採購客服支援平台。請提出一套加權評估標準(功能深度、整合性、價格、資安、支援服務)。✓ 已複製
    → 附有理由說明的加權準則
  2. 逐一訪談供應商
    使用此技能的問題庫訪談供應商 A。其文件/AI 代理位於 <url>。請依各準則記錄相關證據。✓ 已複製
    → 附來源的各準則證據摘要
  3. 評分與比較
    對三家供應商逐一評分,並產生附有推薦建議的比較矩陣。✓ 已複製
    → 比較矩陣+推薦建議+具體風險說明

結果: 以證據支撐的供應商選擇,而非憑感覺決定。

注意事項
  • 評估標準偏向您心中已屬意的供應商 — 在觀看 Demo 前先確定評估標準
  • 證據僅來自供應商的行銷話術 — 提高第三方來源(文件、G2、案例研究)的比重,降低行銷內容的權重
搭配使用: filesystem

依據您的需求比較 RFP 回覆

👤 深陷 RFP 回覆文件中的採購團隊 ⏱ ~90 min intermediate

何時使用: 您已發出 RFP,收到 5 份回覆,需要對其進行排名。

步驟
  1. 載入回覆文件
    rfp/ 目錄中有 5 份 RFP 回覆 PDF。請依需求逐項擷取答案。✓ 已複製
    → 依需求整理的比較矩陣
  2. 標記缺漏與空話
    哪些供應商答非所問或含糊帶過?請標記空話內容。✓ 已複製
    → 對各份回覆的客觀評析
  3. 排名
    對各份回覆進行排名,並為評估委員會撰寫一份簡短備忘錄。✓ 已複製
    → 附排名的備忘錄

結果: 公平且快速的 RFP 審查結果。

注意事項
  • 以寫作品質取代實質內容作為評分依據 — 以實質內容評分;對空話內容扣分

組合

與其他 MCP 搭配,撬動十倍槓桿

buyer-eval-skill + filesystem

評估期間從本機資料夾讀取 PDF/文件

讀取 rfp/responses/ 並依需求逐項擷取答案。✓ 已複製
buyer-eval-skill + google-ai-mode-skill

交叉比對供應商聲明與公開資訊

針對每項未出現在供應商文件中的聲明,快速進行網路查核。✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
rubric-design domain + must-haves 任何評估作業的起始階段 0
vendor-interview vendor source (docs/AI agent) 逐一訪談各供應商時 0
scoring-and-matrix evidence per vendor + rubric 完成所有訪談後 0
recommendation-memo matrix 最終步驟 0

成本與限制

運行它的成本

API 配額
none beyond LLM
每次呼叫 Token 數
10–40k per full eval
費用
free
提示
每次只訪談一家供應商——有助於保持上下文聚焦,證據記錄也更清晰

安全

權限、密鑰、影響範圍

憑證儲存: 無需儲存任何憑證
資料出站: 僅在技能呼叫您所指定的供應商代理時才會傳出資料

故障排查

常見錯誤與修復

Evidence is shallow

將 Claude 導向原始文件;退而求其次則使用已公開的案例研究

Scores feel gamed

重新確定評估標準,並在可能的情況下隱去供應商身份後重新評分

替代方案

buyer-eval-skill 對比其他方案

替代方案何時用它替代權衡
creative-director-skill評估創意概念,而非 B2B 軟體判斷領域不同,適用情境有別

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills