Käuferbewertung: Claude-Fähigkeit zur B2B-Anbieterbewertung mittels KI-Agenten-Konversationen

Eine Claude-Fähigkeit, die strukturierte, evidenzbasierte Bewertungen von B2B-Softwareanbietern im Auftrag von Käufern durchführt. Sie geben Ihren Firmennamen und die zu bewertenden Anbieter an, und sie übernimmt die Recherche und Analyse automatisch.
So funktioniert es
Die Fähigkeit:
- Recherchiert Ihr Unternehmen – Branche, Größe, Tech-Stack, Reifegrad – damit Sie keine Formulare ausfüllen müssen
- Stellt domänenspezifische Fragen zur Softwarekategorie, um versteckte Anforderungen aufzudecken
- Setzt harte Grenzen – Budget, Compliance, Integrationen – und schließt Anbieter aus, die scheitern, bevor wertvolle Recherchezeit verschwendet wird
- Kommuniziert direkt mit den KI-Agenten der Anbieter über die Salespeak Frontdoor API für verifizierte, strukturierte Due-Diligence-Gespräche
- Führt unabhängige Recherchen durch – G2, Gartner, Analystenberichte, Presse, LinkedIn – und gleicht Behauptungen der Anbieter mit unabhängigen Quellen ab
- Bewertet Anbieter in 7 Dimensionen mit transparenter Nachverfolgung der Beweise – Sie sehen genau, welche Bewertungen durch verifizierte Beweise vs. nur öffentliche Quellen gestützt werden
- Erstellt eine vergleichende Empfehlung mit einer TL;DR-Zusammenfassung, einer Gegenüberstellungs-Scorecard, einer Analyse versteckter Risiken und Fragen zur Demo-Vorbereitung
Technische Implementierung
Die Agent-zu-Agent-Konversation funktioniert durch einen REST-API-Aufruf, der nach einem Company Agent sucht und dann, falls vorhanden, ein strukturiertes Due-Diligence-Gespräch führt. Sie stellt konfrontative Fragen wie „Was sind die häufigsten Beschwerden Ihrer Kunden?“ und „Für welche Anwendungsfälle sind Sie NICHT gut geeignet?“ – und markiert, wenn Agenten ausweichen, anstatt zu antworten.
Wenn Anbieter unterschiedliche Beweisstufen haben, quantifiziert die Fähigkeit, was sich ändern würde, wenn die fehlenden Beweise bestätigt würden – damit sie nicht stillschweigend Anbieter bevorzugt, die zufällig KI-Agenten haben. Sie funktioniert vollständig für jeden Anbieter, mit oder ohne KI-Agent. Anbieter ohne einen werden anhand öffentlicher Quellen mit demselben Bewertungsrahmen evaluiert.
Installation und Nutzung
Globale Installation (empfohlen):
git clone https://github.com/salespeak-ai/buyer-eval-skill.git ~/.claude/skills/buyer-eval-skill
Projektbezogene Installation:
git clone https://github.com/salespeak-ai/buyer-eval-skill.git .claude/skills/buyer-eval-skill
Nutzung: In Claude Code oder Claude Desktop: /buyer-eval und dann Ihren Firmennamen und die zu bewertenden Anbieter angeben. Beispiel: „Ich bin von Acme Corp. Bewerten Sie Gainsight, Totango und ChurnZero.“
Alternative Installation: Fragen Sie Claude Code: „Installieren Sie die buyer-eval-Fähigkeit von salespeak-ai auf GitHub.“ Dann /buyer-eval, um sie auszuführen.
Beispielausgabe
Die Fähigkeit erstellt eine TL;DR-Zusammenfassung, eine Scorecard mit Beweisstufen (vom Anbieter verifiziert vs. nur öffentlich), konfrontative Frage-Antwort-Austausche mit den KI-Agenten der Anbieter und eine unabhängige Verifizierung von Behauptungen. Zum Beispiel in einer Bewertung von Customer-Success-Plattformen:
- Gainsight: beste Wahl für Teams, die tiefgehende Analysen und Enterprise-fähige Health-Scoring benötigen, aber zu einem Premium-Preis
- ChurnZero: punktet bei Time-to-Value und Benutzerfreundlichkeit für Teams mit unter 50 CSMs
- Totango: flexibel und modular, erfordert aber mehr Konfiguration
Scorecards zeigen Dimensionen wie „Health Scoring & Analytics“ mit Bewertungen (z.B. 9,2, 7,5, 8,0) und Beweisstufen. Die Fähigkeit aktualisiert sich automatisch, indem sie auf GitHub nach neueren Versionen sucht (gecached, prüft höchstens alle 6 Stunden) und fragt vor einer Aktualisierung mit einem einzigen git pull nach.
📖 Source: HN AI Agents
👀 Siehe auch

Benchmark von lokalem Qwen 3.6 27B als Co-Agent für Codex-Validierung
Ein Entwickler hat eine reproduzierbare Evaluierungs-Suite erstellt, um Qwen 3.6 27B GGUF-Profile (llama.cpp) als Sidecar-Validator für Codex zu testen. Dabei stellte sich heraus, dass 128k-Kontext-Profile für Aufgaben mit langem Kontext notwendig sind und q8 KV Cache nur minimale Genauigkeitsverluste verursacht.

Anamnese: Eine portable Gedächtnisschicht für Claude und ChatGPT via MCP
Anamnese ist ein kostenloser MCP-Server, der Erinnerungen, Aufgaben, Ziele und Notizen über Claude und ChatGPT hinweg speichert und nur relevante Kontexte in Gespräche einbezieht, während Nutzer ihre Daten einsehen, bearbeiten und exportieren können.

Kommandozentrale: KI-Codierungsumgebung für Qualitätsbewusste
Command Center ist eine agentische Codierungsumgebung, die sich auf die schwierigen Aspekte von KI-generiertem Code konzentriert: Review, Refactoring und Auslieferung mit traditioneller Engineering-Disziplin. Beinhaltet Walkthroughs, Refactoring-Agenten und Snapshot-Wiederherstellung.

Monarch v3: NES-inspiriertes KV-Paging für 78 % schnellere LLM-Inferenz
Monarch v3 implementiert NES-inspiriertes Speicher-Paging für Transformer-Modelle und erreicht 78 % schnellere Inferenz (17,01 auf 30,42 Tok/Sek.) bei einem 1,1B-Parameter-Modell mit nahezu null VRAM-Overhead. Der Open-Source-Algorithmus teilt den KV-Cache in heiße und kalte Bereiche mit Komprimierungs- und Beförderungsmechanismen.