用途：帮助开发者构建能处理多位决策者参与的销售对话系统，跟踪、协调并推进跨采购委员会的沟通线程。资料指出，现代 B2B 交易平均涉及 6 至 10 人做购买决策，单线程方式容易遗漏干系人与异议，因此建议采用多线程的受管理干系人互动方式。
主要能力： 一、干系人映射。用 StakeholderMap 类保存干系人信息，如姓名、职位、角色（champion、economic_buyer、decision_maker、influencer、user 等）、影响力、情绪、优先级、异议、互动程度、最近联系时间与偏好渠道；classify_role 依据职位关键词划分角色，discover_stakeholders_from_conversation 从对话中抽取被提及的人并加入映射。 二、对话跟踪。StakeholderConversation 按干系人分别记录消息、讨论主题、提问、异议、承诺与已共享信息，并可输出未答问题、未解决异议与情绪趋势。get_deal_stakeholder_summary 汇总总人数、按角色分布、互动情况与风险（未解决异议、负面情绪）。 三、协调策略。ensure_consistency 检查不同干系人之间的信息冲突；customize_for_role 按角色调整信息重点、详细程度与行动号召；track_and_address_objections 区分共同异议与独有异议并给出建议动作。 四、共识建设。assess_buying_committee_alignment 将干系人分为拥护者、支持者、中立者、怀疑者与阻碍者并计算对齐分数，再给出处理建议（如先解决阻碍者、转化怀疑者、发展拥护者）。 五、外联编排。plan_stakeholder_outreach 依据联系间隔与风险安排外联优先级；execute_coordinated_outreach 按 pre_demo 或 post_demo 等场景，为不同角色配置消息类型与时间点。 六、指标：可跟踪已识别与已互动干系人数量、各人情绪、异议解决率、共识分数趋势及按干系人数量划分的交易速度。
使用方式：资料以 Python 类与方法示例展示实现思路，未提供安装命令或独立运行入口，需结合自身销售系统实现相关函数与数据存储。
限制：多项辅助函数（如 get_stakeholder_map、get_stakeholder_conversation、schedule_message）在资料中只有调用形式，未给出具体实现；情绪分类、冲突检测等依赖外部能力；效果数据与部署细节暂未提供。