我在6天内使用AI代理构建了一个完整的B2B销售自动化平台。以下是全部内容。

**长话短说：** 我是一名B2B内部销售代表。我将自己原本简陋的外展脚本重构成了一个四系统平台：从公开政府数据中收集线索，进行研究，使用LLM生成个性化的多触点邮件序列，通过CRM管理发送，监控交易/任务/设备信号，并且建立在包含1400万条记录的商业智能数据库之上。总成本：约274美元/月。耗时6天。没有团队。只有我、Claude和两个开源AI编码代理。 # 之前 我有24个Python脚本和一个1800行的JSON配置文件，可以从我所在州的备案数据库中提取企业备案信息并生成冷邮件。输出内容读起来像营销自动化——"我专门帮助办公室管理文档工作流和行政效率。完全没有压力——只是来自本地专家的一声友好问候。"回复率：约1-2%。系统在运行，但没有产生结果。 # 想法 如果不用模板，而是用原则呢？一个提示词，包含通用规则——"每个问题必须通过实体产品解决"，"绝不使用[20个禁用短语]"，"主题行必须引用针对该企业的某个具体细节"——让变化来自数据，而非代码分支。向LLM提供每个线索的丰富上下文（行业、企业年龄、网站发现、决策者姓名、竞争对手检测），让原则塑造输出。 # 我构建的内容 # 系统1：外展引擎 管道流程：收集 → 评分 → 丰富 → 研究 → 草稿 → 序列 → 审核 → 批准 → 推送至CRM。 **收集：** 我所在的州通过免费的公共API发布企业备案信息。四个数据集：企业主表、注册代理、负责人（高管/董事）和备案历史。1400多万条记录，均可通过共享的企业键连接。我每天拉取新备案以获取新鲜线索，并一次性完整下载了整个历史数据库。 **丰富：** 每个线索的6阶段流程——域名检查、网络搜索、基于行业代码的设备上下文、竞争对手检测（扫描网站以查找竞争对手品牌提及）、来自负责人备案的决策者姓名，以及备案历史信号（近期修正、年度报告合规性、纸质与电子申报者）。 **研究：** 对于有网站的线索，LLM提取3-5个具体细节——"最近扩展到第二个地点"，"四人治疗师团队"，"专注于青少年焦虑"。这使得邮件中有一句话让人感觉像是手写的。 **草稿：** 基于原则的LLM草稿编写。一个提示词处理所有线索类型——变化来自数据上下文，而非提示词分支。9个生成后代码验证器自动拒绝不良输出：提到竞争对手品牌、禁用短语、缺少电话号码、诸如[公司名称]的占位符、推荐的已停产产品。LLM起草，代码验证，我批准。 **序列：** 多触点营销活动。3-6封邮件，周期45-120天，根据数据丰富度自动选择。每个触点有不同目的（介绍 → 价值 → 社会证明 → 同理心 → 优惠 → 退出）。密度上限：每月最多向任何潜在客户发送2封邮件，由代码强制执行。最小间隔7天。数据丰富度上限防止生成超出数据支持的触点数量。如果有人回复，序列自动暂停。 **回复分类：** 5个类别，替代二元退订检查。自动回复（休假回复）不会暂停序列——人类尚未参与。硬退订永久且在系统范围内阻止。软退订暂停等待审核。退回邮件将地址标记为无效而不消耗线索。参与则暂停序列以便起草回复。 **合同续签：** 同一引擎，不同模式。对于现有客户，系统从CRM中拉取设备型号、序列号和仪表读数，根据配置驱动的映射表计算升级建议，并生成一个以合同到期时间为截止点的序列。我只需三个字段即可创建续签：邮箱、设备型号、到期日期。从"有人告诉我这个续签"到"4触点序列预览"只需30秒。 **安全：** 三层去重（抑制注册表 → CRM检查 → 本地管道检查）防止重复联系。序列去重保护防止重复排序，并自动从同一行业垂直替换。丰富门控防止对未丰富线索进行草稿编写。发送前回复轮询在检查失败时阻止发送。代码强制实施批准门控——未经手动审核，任何内容都不会到达潜在客户。 # 系统2：CRM信号捕获系统 围绕CRM进行封装，提供运营感知。查询交易、任务、设备库存、邮件活动和合同续签。通过模型上下文协议（MCP）向AI代理暴露6个工具。我可以用自然语言问"什么需要我关注？"然后得到结构化答案。轮询提醒器每15分钟通过cron运行——检查交易阶段变化、任务完成、设备移动、邮件回复。提醒累积并在晨报中展示。晨报包括：交易变化、逾期任务、设备移动、即将到来的续签、停滞序列（我遗漏的触点）、未处理的回复积压，以及营销活动健康统计（所有活跃序列的回复率、退订率、退回率）。 # 系统3：商业智能引擎 将整个州的企业备案数据库下载到本地SQLite数据库，包含4个数据集的1430万条记录，耗时28分钟。构建了预计算的分析概要： * **978个成立代理概要：** 每个拥有10+实体的注册代理，按投资组合质量排名（生存率、行业集中度、近期活动）。哪些代理为我的目标行业企业提交备案？哪些是本地关系型事务所 vs 全国性备案服务机构？ * **80340个负责人网络：** 每个在3+家企业中担任高管/董事的人。连续创业者、多实体运营者、控股公司结构。一个人控制着区域连锁的84家实体——通过负责人名称规范化修复发现（州数据以不一致的大小写存储名称；`UPPER(TRIM())` 将碎片合并为真实网络）。 * **县级成立趋势：** 8个县 × 10年数据。同比增长、顶级行业、每县顶级代理。 * **合作伙伴候选人筛选：** 识别本地事务所（非全国性备案服务），其客户在我目标行业中高度集中。返回包含客户数量、行业细分、建议合作角度的投资组合概况。一个查询即可呈现"该事务所拥有287个活跃客户，其中54%在我目标垂直行业中，集中在两个我覆盖的县。" 所有查询均通过MCP工具以自然语言进行。AI代理将查询路由到命名分析函数，或回退到针对本地数据库的原始SQL。"谁为[行业]在[县]提交备案？"在1400万条记录中毫秒级返回答案。 # 系统4：共享基础设施 * **CRM认证单例：** OAuth2带指数退避，由系统1和2共享。 * **事件总线：** 使用WAL模式的SQLite，即发即弃的发布/订阅。系统通过事件通信，绝不通过导入。 * **身份层：** 跨系统边界的实体解析。将本地线索ID映射到CRM ID、州备案ID、邮箱、企业名称。"这个入站线索是我上周发冷邮件的同一个人吗？" # 支持：知识库 独立仓库，包含YAML文件：公司身份与区域、完整产品目录及每细分市场的典型月价值、各行业垂直的设备需求（数量、关键特性、典型设置、痛点）、合作伙伴标准及理想代理简介与推销模板，以及服务合同框架规则。可配置加载路径——从一个产品垂直切换到另一个只需更改一个配置值，无需重写代码。 # 代理拓扑 人类（我）：架构、策略、审核、领域专业知识 Claude（Opus）：规格、系统 d