用途：帮助开发者构建销售机器人，将潜在客户与最佳现有客户构成的理想客户画像（ICP）进行比对，从而识别并优先跟进与最佳客户最相似的线索。
主要能力：可从头部客户提取相同属性（规模、行业、收入、地域、增长阶段、技术栈、购买流程、用例、成功指标）构建 ICP；支持 ICP 分层（Tier 1/2/3）与加权评分；提供基于规则的打分和基于随机森林等机器学习模型的概率打分；可在对话中实时提取用例、技术栈、团队规模、预算等信号并动态更新评分；支持按 ICP 分层进行路由、SLA 和消息定制；可生成契合度对比报告、以契合度与活跃度划分优先矩阵；支持按季度刷新 ICP、识别相邻二级 ICP，并对已有线索重新评分。
使用方式：文档以 Python 示例代码给出实现路径，包括 build_icp_from_customers、calculate_icp_score、train_icp_model、update_icp_during_conversation、route_by_icp、customize_message_for_icp、refresh_icp 等函数示意，示例中使用了 sklearn 的 RandomForestClassifier。实际部署所需的客户数据接口、标签定义、权重参数和运行环境在资料中未提供。
适用场景：销售线索评分与排序、SDR 分流、企业客户优先响应、消息个性化、基于相似优质客户的市场细分与扩张。
限制：该技能面向开发者构建销售机器人，不是开箱即用的工具；资料未说明收费、价格、平台支持、准确率或效果数据；示例阈值与权重仅为示意，需结合自身数据调整；机器学习方法需要标注数据，且资料未给出模型评估与合规细节。