用途：在会议前调研一家公司及其公开网站，产出一页可核查的客户简报，用于发现通话、续约或外呼准备。每条结论都必须能追溯到来源。
主要能力：先用 LinkedIn 连接器补全公司基线（规模、业务描述），再用 parallel.extract 读取其官网与招聘页的原文表述，用 parallel.createTask 生成带来源的结构化研究结果，用 theirStack.searchJobs 获取近 90 天招聘岗位，以此推断预算流向。最后按“有据 / Likely 推测 / 未知”三类撰写一页简报，以三个提问收尾。
使用方式：先安装并登录 Cargo CLI；npm install -g @cargo-ai/cli，随后 cargo-ai login --email you@company.com，再带 --code 完成登录。已有登录可用 cargo-ai whoami 确认。若会话中已有 cargo-gtm，应改用它，本技能只是其独立切片。执行前先问清会议性质与所售产品，再依次运行四类 action；操作是异步的，加 --wait-until-finished 会阻塞等待，否则拿到 UUID，可用 cargo-ai orchestration run get <uuid> 或 batch get <uuid> 轮询。createTask 的 processor 必须显式设为 lite，outputSchema 需以 JSON 字符串传入且包含 sources 数组；searchJobs 的域名过滤须放在 --data 而非 --records。
费用：单账户约 1.15 信用点（0.5 + 两个 0.025 + 0.125 + 0.5），extract 按 URL 计费。首次不要对整份名单运行，先抽样 10–20 条，报告成本与命中率并获用户批准后再全量。新账户含 100 免费信用点、无需信用卡。
适用场景与限制：适合有公开网络痕迹的公司；私人公司或网络存在感薄弱时信息很少，应如实报告缺口而非填充。续约场景可省略第 2、3 步，只保留基线与招聘信息。域名是各调用的键，需向用户索取域名而非公司名。