Attio Automation

Attio Automation skill 概览

Attio Automation 可以做什么

Attio Automation skill 是一项面向 CRM 运营的技能，可通过 Composio MCP 集成，用自然语言操作 Attio。它能帮助 AI agent 搜索记录、按筛选条件查询联系人和公司、查看 notes、列出 attributes，并浏览关系数据，不需要你在 Attio UI 里反复手动点击。

最适合 CRM Operations 团队的场景

Attio Automation skill 最适合已经把关系数据存放在 Attio 中，并希望更快检索信息或处理常规 CRM 协助任务的创始人、营收运营团队、客户成功团队、招聘团队和分析师。它尤其适用于 Attio Automation for CRM Operations 工作流，例如查找目标账户、检查近期 notes、验证联系人数据，或构建经过筛选的记录列表。

它和通用 prompt 有什么不同

通用 prompt 可以描述你想要什么，但无法可靠调用 Attio 工具。这个 skill 会为 agent 提供具体的工具名称和参数预期，包括用于模糊搜索的 ATTIO_SEARCH_RECORDS，以及用于结构化记录检索的筛选查询工作流。当任务依赖真实 workspace 数据时，这可以减少猜测和误操作。

主要采用前提

这个 skill 依赖通过 https://rube.app/mcp 访问 Composio MCP，并且需要已认证的 Attio 账户。如果你的环境无法连接 MCP tools、无法完成 OAuth，或不允许 assistant 访问 CRM 数据，这个 skill 就无法发挥预期价值。

如何使用 Attio Automation skill

Attio Automation 安装与配置路径

先在你的 AI skill 环境中安装该 skill，然后配置 Composio MCP server。常见的 skill 安装命令是：

npx skills add ComposioHQ/awesome-claude-skills --skill "Attio Automation"

然后将 MCP endpoint 添加到你的 client configuration：

https://rube.app/mcp

出现提示时，使用 OAuth 连接你的 Attio 账户。完成后，agent 就可以通过该 skill 把自然语言请求路由为 Attio actions。

让 skill 更好工作的输入信息

要用好 Attio Automation，关键是提供明确的 CRM 上下文。请包含目标对象、匹配线索和期望输出。做模糊搜索时，尽量写出 object slugs，例如 people、companies 或 deals。做筛选查询时，提供字段名、条件、排序方式，以及你想要列表、摘要还是下一步行动建议。

较弱的 prompt：

“Find Alan in Attio.”

更好的 prompt：

“Search Attio for people named Alan Mathis across the workspace. Return likely matches with name, company, email, and any recent note summary if available.”

筛选类任务可以这样写：

“Find companies in Attio where lifecycle stage is Customer, owner is Sarah, and last interaction is older than 45 days. Sort by last interaction ascending and return the top 20 with a suggested follow-up priority.”

首次使用的实用工作流

第一次使用时，先从低风险的读取操作开始，不要一上来就请求涉及运营敏感性的动作。建议先测试搜索，再做筛选检索，最后查看 notes。一个实用顺序是：

1. 搜索一个已知的联系人或公司。
2. 确认 Attio 返回的 object slug 和 attribute names。
3. 如果筛选失败，让 agent 列出可用 attributes。
4. 使用准确的 attribute names 重新运行筛选查询。
5. 之后再把结果用于 CRM actions 或 reporting。

这一点很重要，因为 Attio workspaces 可高度自定义；字段标签、object slugs 和可用 attributes 可能与示例并不一致。

优先阅读的 repository 文件

repository path 是 composio-skills/attio-automation，关键文件是 SKILL.md。建议先阅读 setup section，再看 core workflows。文件树中没有显示额外的 scripts、references 或 rules folders，因此该 skill 的实际操作价值主要集中在 SKILL.md 以及链接的 Composio Attio toolkit documentation 中。

Attio Automation skill 常见问题

Attio Automation 只适合技术用户吗？

不是。这个 skill 面向自然语言 CRM 工作设计，非工程用户也可以发起搜索和筛选列表请求。不过，如果用户了解 Attio 的基础概念，例如 objects、records、notes、attributes 和 workspace ownership，通常能得到更好的结果。

它比 Attio search 强在哪里？

Attio 的 UI search 适合手动查找。Attio Automation 更适合让 AI agent 在一个工作流中结合搜索意图、筛选、摘要和后续判断。例如，“找出 Alex 负责的长期未跟进客户账户，并总结最新 notes”，就比简单查找单条记录更适合使用这个 skill。

什么时候不应该使用这个 skill？

如果你的任务不涉及 Attio 数据、你的组织禁止 AI 访问 CRM records，或你需要不经人工核查就能保证批量安全的写入自动化，就不应该使用它。如果你无法认证 Composio MCP server，它也不适合使用。

它会自动修改 CRM 数据吗？

当前 skill 证据重点强调搜索、查询、notes、attributes 和 record navigation。除非你已经确认连接的 Composio Attio toolkit 中存在可用的 write tools，并且你的组织权限允许，否则应把它视为读取与辅助工作流。

如何改进 Attio Automation skill 的使用效果

用 schema 细节改进 Attio Automation prompts

提升质量最明显的方式，是给 agent 提供 CRM operator 会使用的同等 schema 上下文。包括准确的 object names、attribute labels、owners、date fields、lifecycle stages 和期望输出列。如果不确定，先让 skill 列出 attributes，再请求复杂筛选。

示例：

“Before filtering, inspect available company attributes in Attio. Then query companies with an active renewal date in the next 60 days, ARR above 25000, and no logged note in the past 30 days.”

避免常见失败模式

常见问题包括 object names 含糊、筛选条件基于不存在的字段、多人重名导致歧义，以及日期范围缺少时区或参考日期。可以通过指定 object slugs、要求先消歧，并明确 “recent” 是指 7 天、30 天还是 90 天来避免这些问题。

根据第一次输出继续迭代

把第一次结果当作校准步骤。如果返回记录太多，就收紧筛选条件。如果漏掉了你已知的记录，就让 agent 检查 attributes 或放宽查询。如果输出不便于行动，可以要求返回表格，并包含 record name、owner、last interaction、latest note 和 recommended next step 等列。

为团队强化这个 skill

对于重复性的 CRM Operations 工作，建议维护一份简短的内部 prompt library，记录你的 Attio object slugs、标准 lifecycle definitions、owner names 和常用 filters。这样可以把 Attio Automation 从通用 CRM assistant，变成可稳定支持 pipeline reviews、account follow-up、relationship mapping 和 data cleanup 的运营工作流。