Deepline Scoring 是 getaero-io/gtm-eng-skills 仓库中的一个技能，面向 GTM（go-to-market）工程场景，用于账户与线索的适配度及倾向性打分。其核心主张是：评分必须有证据支撑，短语匹配与流行度比值本身不能提供评分权重。
用途 适用于发现细分信号、审计 ICP 或赢单/丢单证据、对账户重新打分，以及构建账户与线索评分的 Play。工作前需阅读 deepline-gtm（采集前）与 deepline-plays（编写前）相关材料。
主要能力
- 从公开来源（网站文本、招聘信息等）抽取 2–5 词短语与买家语言，构建账户级短语/概念特征表，并返回匹配、不匹配与未知三种状态。
- 通过配置把类别映射到字符串或 {"name":"concept","aliases":[...]} 概念别名，角色配置匹配职位名称。
- 支持验证分区与冻结清单（manifest 包含 analyzer_sha256、timezone-aware frozen_at、config_sha256），要求每行 known_at <= scored_at，冻结后再评分。
- V2 返回 signals[]、statistics、method、config_sha256 及 scoring_eligible:false；度量采用 Jeffreys 平滑的 P(feature|won)/P(feature|lost)，给出 Wilson 区间与 Fisher p 值、BH/BY q 值，并说明其假设。
- 支持网站与招聘两类来源适配器，保留来源 ID 与日期，遇到不支持的载荷则失败。
- 交付带校验的 Play：解析标识符、富化行、返回所需输出；缺失行保持未评分并附原因。
使用方式 安装：npm install -g deepline，然后 deepline -h 查看帮助。主要脚本示例： python3 scripts/analyze_signals_v2.py --input accounts.csv --discover-phrases --max-phrases 500 --min-phrase-accounts 2 --output candidates.json python3 scripts/analyze_signals_v2.py --input accounts.csv --keywords keywords.json --tools tools.json --job-roles roles.json --partition discovery --include-account-features --evidence-limit 12 --output discovery.json 验证需加 --partition validation --manifest frozen.json。CSV 列包括 domain、status（won|lost|lookalike|unlabeled）、website、jobs，可选 account_id、parent_id、split、known_at、scored_at。新工作使用可选 *_v2.py 辅助脚本，未版本化脚本保留原有接口。
适用场景 B2B 账户适配度与倾向性分析、ICP 审计、赢单/丢单证据复核、账户重打分、线索评分 Play 构建，以及指定用例的验证与回测。要求区分获取、续约与扩展，分离适配度、参与度、容量与覆盖度，且只使用被请求的维度（account_fit、account_engagement、lead_fit、lead_engagement）。
限制
- 未提供则不得编造：价格、具体平台覆盖与效果数据资料中未给出。
- 网站或招聘空结果分别表示未知覆盖与无返回记录，不能证明人员配置、当前空缺或业务特征缺失。
- V2 输出为探索性质，假设账户独立，未校正父级聚类、选择偏差或未披露的重复实验。
- 脚本无法验证时间戳来源；当前抓取只能支持前瞻性测试，不能验证过去预测。
- 交付状态需明确命名为 research_only、replay_only、exploratory_end_to_end 或 validated_for_named_use_case；晋升需未触碰评估、简单基线与不确定性估计及业务接受阈值。
- 可执行评估套件与本技能变更分开交付，缺失前置条件时应报告而非绕过。