使用 Common Room 数据研究特定人员。触发于'[姓名] 是谁'、'查找 [邮箱]'、'研究 [联系人]'、'[姓名] 是热门线索吗'，或任何联系人级别的问题。触发词：联系人研究、联系人分析
从 Common Room 检索全面的联系人档案。支持通过邮件、社交账号或姓名+公司进行查找。返回包括活动历史、Spark、评分、网站访问和 CRM 字段的丰富数据。
Common Room 支持多种查找方法 — 使用用户提供的任意方法：
| 用户提供的信息 | 查找方法 |
|---|---|
| 邮件地址 | 通过邮件查找（最可靠） |
| LinkedIn、Twitter/X 或 GitHub 账号 | 通过社交账号查找 — 明确指定账号类型 |
| 姓名 + 公司 | 通过姓名 + 组织域名进行身份解析；如有歧义，呈现匹配结果 |
| 仅姓名 | 通过姓名搜索；如有多个匹配，显示简短列表并请用户确认 |
如果未找到匹配，回复："Common Room 没有此人的记录。"不要推测或虚构档案数据。
使用 Common Room 对象目录查看可用的字段组及其内容。对于完整档案，请求所有组。对于目标问题，只请求相关内容。
需要了解的关键字段组：
Contact Initiated 过滤器（过去 60 天）获取他们的行为，而非您团队的行为如果 Spark 可用，使用它。Spark 提供：
如果 Spark 不可用但存在真实活动数据（近期行为、网站访问、社区参与），从这些信号推断角色。如果 Spark 和活动数据都不可用，分类为未知 — 不要仅凭职位猜测角色。
当用户想了解此联系人的参与度如何随时间演进时，检索所有 Spark（不仅仅是最近的）。
为此联系人的母公司提取简短的账户快照。注意：
基于活动和信号，找出最强的 2-3 个钩子：
Contact Initiated 活动（社区帖子、产品事件、支持工单）只包含实际返回数据的部分。对于没有数据的部分，完全省略而非用猜测填充。
数据丰富时：
## [联系人姓名] — 档案
**概述**
[2 句话：他们是谁，他们的角色，关系状态]
**详情**
- 职位：[职位]
- 公司：[公司]
- 邮箱：[邮箱]
- LinkedIn：[URL]
- 其他档案：[Twitter/X、GitHub、CRM 链接（如可用）]
**评分** [如果已返回评分]
[所有评分，以原始值或百分位数形式]
**近期活动**（过去 60 天）[如果已返回活动]
[3-5 个要点，附日期]
**网站访问**（过去 12 周）[如果存在访问数据]
[总访问次数 + 访问页面列表]
**Spark 档案** [如果 Spark 数据非空]
[角色类型、背景摘要、影响力信号]
**细分市场** [如果已返回细分市场]
[此联系人所属的细分市场名称列表]
**账户背景**
[1-2 句关于他们公司状态的话]
**对话开场白**
[2-3 个具体的、基于信号的开场语]
数据稀疏时（例如，只返回了姓名、职位、邮箱、标签；sparkSummary 为空）：
## [联系人姓名] — 档案（数据有限）
**可用数据：**[列出 Common Room 实际返回的内容]
[只呈现已返回的字段]
**网络搜索**
[搜索其姓名 + 公司的任何发现]
**说明：**Common Room 对此联系人的数据有限。无活动历史、评分或 Spark 档案可用。我可以运行更深入的网络搜索，或查找其公司以获取更多背景。
不要从稀疏数据生成对话开场白、角色推断或参与度评估。这些需要真实信号。
Contact Initiated 活动（过去 60 天）是主要参与信号 — 优先展示references/contact-signals-guide.md — 完整字段描述、Spark 角色指南和对话开场白原则