产品定位
Cargo将自身定位为"GTM基础设施平台"，类比工程师在AWS上构建应用一样，GTM团队可以在Cargo上构建营销和销售自动化体系。平台提供数据、交接和自动化的一体化基础层，解决传统GTM工具栈碎片化、工作流不可靠、数据不一致等核心痛点。Cargo已获得超过10000名GTM工程师的信赖，被定位为"可编程的GTM基础设施"。
四大核心基元
Cargo构建在四个可组合的基元之上。Agents（AI代理）是自主工作单元，负责研究、筛选和响应GTM信号，无需人工干预；Plays（工作流）是由实时信号触发的持续运行流程，信号触发即执行；Tools（工具）是可复用的GTM功能函数，一次构建即可在UI、API或AI代理中调用；Data Models（数据模型）在CRM、产品和数据补全之间建立统一数据层，所有下游操作都在此基础上运行。这四个基元可以自由组合，构建从简单到复杂的各类GTM自动化场景。
工程化GTM
Cargo最大的差异化在于将软件工程的最佳实践引入GTM领域。平台支持"基础设施即代码"的工作流管理，包括重试机制、版本管理和受控发布。运行级可观测性让团队能够追踪每一步操作的执行状态、决策逻辑和失败原因。这种工程化能力使得GTM团队可以像管理软件系统一样管理营销自动化流程，大幅提升可靠性和可维护性。
双模式构建体验
Cargo提供两种构建入口。非技术用户可以通过可视化UI设计工作流、评分模型和路由逻辑，无需编写代码即可在几分钟内部署上线。技术用户则可以通过CLI或Claude Code操作整个GTM技术栈——构建、调试、部署、迭代全部在终端中完成。每个工作流都会自动成为API端点，方便与其他系统集成。这种双模式设计兼顾了易用性和灵活性。
适用场景
Cargo适用于需要规模化运营的GTM团队。当工作流数量增长到一定程度时，传统的拼接式工具栈会面临可靠性下降、归属不清和调试困难等问题。Cargo通过统一的基础设施层解决这些问题，特别适合拥有复杂销售流程、多渠道营销体系和大量数据处理需求的B2B企业。平台支持AI工作流、数据操作和信用控制等多个维度，帮助团队集中精力在策略层面而非碎片化的工具管理上。
