AI_Find_Customer

Name: AI_Find_Customer
Author: xiongQvQ

130stars34forks

How to install AI_Find_Customer?

xiongqvq/ai_find_customer

$git clone https://github.com/xiongQvQ/AI_Find_Customer

Installs into the current project.

Summary

> 面向外贸与 B2B 场景的自动化客户挖掘系统，基于 FastAPI、LangGraph、多 Agent 流水线与可配置多模型能力。

Files · 1

View on GitHub

README.md

1	# AI Hunter
2
3	> 面向外贸与 B2B 场景的自动化客户挖掘系统，基于 FastAPI、LangGraph、多 Agent 流水线与可配置多模型能力。
4
5	[![Python](https://img.shields.io/badge/Python-3.11%2B-blue)](https://python.org)
6	[![FastAPI](https://img.shields.io/badge/FastAPI-0.115%2B-green)](https://fastapi.tiangolo.com)
7	[![React](https://img.shields.io/badge/React-18-blue)](https://react.dev)
8	[![LangGraph](https://img.shields.io/badge/LangGraph-StateGraph-orange)](https://github.com/langchain-ai/langgraph)
9
10	AI Hunter 是一个面向外贸与 B2B 线索挖掘场景的开源版项目。你只需要提供公司官网、产品文档或产品关键词，再指定目标市场，系统就会自动完成公司理解、关键词生成、网页搜索、线索提取和联系方式发现。
11
12	## 官方链接
13
14	- 官网：https://b2binsights.io/
15	- 视频介绍：https://www.bilibili.com/video/BV1AzwYzXEGD/?spm_id_from=333.1387.list.card_archive.click
16	- 开源仓库：https://github.com/xiongQvQ/AI_Find_Customer
17
18	## 不想自己折腾？试试 B2Binsights
19
20	这个开源项目适合愿意折腾的技术型用户。如果你只是想拿到一份能打电话、能写邮件的客户名单，不想折腾部署和配置，可以看看 [B2Binsights](https://b2binsights.pages.dev/)——我们把它做成了开箱即用的产品：
21
22	- 部署在你电脑上，API Key 是你自己的，客户数据从头到尾不经过我们
23	- 你描述目标客户（什么行业、哪几个国家、找谁），我们帮你配置好，跑出第一批线索
24	- 拿到的是决策人联系方式：姓名、职位、邮箱、LinkedIn、证据来源链接——不是一堆公司名
25	- 每条线索附证据，你可以点开链接自己验证
26	- 一次性收费，不是 SaaS 订阅
27
28	开源版已经覆盖了主线能力，B2Binsights 在此基础上加了竞品渠道分析、展会名单清洗、CRM 对接、开发信生成、飞书/企微入口等定制模块。
29
30	> 拿不准适不适合？加微信 XiongX0110，说一下你的行业和目标客户，免费帮你跑一批线索样本先看质量。
31
32	## 开源仓库范围
33
34	这次公开的开源仓库只保留以下内容：
35
36	- `backend/`：FastAPI + LangGraph 主服务
37	- `frontend/`：React + Vite 前端
38	- 必要的配置示例和文档
39
40	以下模块不进入公开仓库：
41
42	- `license-server/`
43	- `license-server-v2/`
44	- `landing/`
45
46	## 当前版本边界
47
48	当前开源版已经开放“客户挖掘 + 邮件草稿生成 + 邮件发送配置”主链路，但仍有一些边界：
49
50	- 邮件自动发送建议通过 `campaign / scheduler` 链路使用，不建议把详情页当成完整营销自动化系统
51	- 邮件发送依赖你自己配置 SMTP / IMAP、授权码与安全策略，仓库不会提供任何第三方邮箱账号
52	- 非本机访问 API 时，如果没有配置 `API_ACCESS_TOKEN`，接口默认只允许 localhost 访问
53
54	## 功能特性
55
56	- 多 Agent 流水线：`Insight -> KeywordGen -> Search -> LeadExtract -> Evaluate`
57	- 双模型协作：推理模型负责 ReAct 决策，普通模型负责抽取、生成与改写
58	- 输入灵活：支持官网 URL、PDF/Excel/CSV/Word/Markdown/TXT 等文件、或纯关键词
59	- 多搜索通道：Google Search、Google Maps、B2B 平台站内搜索
60	- 智能抓取：针对官网、B2B 列表页、内容页等不同 URL 自适应抓取策略
61	- 联系方式发现：支持提取邮箱、电话、地址、社媒链接等结构化信息
62	- AI 邮件生成：可基于 ICP、官网洞察与历史邮件样例生成 3 步开发信序列
63	- 邮件预览与审核：支持在详情页预览生成邮件、人工批准/拦截、手动发送与回信检测
64	- 邮件自动发送：支持把已批准邮件序列创建为 campaign，并通过 scheduler 持久化发送
65	- 实时进度流：FastAPI + SSE 推送任务进展，前端实时展示各阶段状态
66	- 成本可观测：接入 Langfuse 后可记录 LLM 调用成本、Token 与延迟
67	- 可替换模型：统一通过 LiteLLM 接入 OpenAI、Anthropic、OpenRouter、Groq、GLM、Moonshot、MiniMax
68	- 继续挖掘参数可控：支持设置目标线索数、最大轮数、每轮最少新增线索阈值
69
70	## 架构图
71
72	```mermaid
73	flowchart LR
74	A[React Frontend\n任务创建 / 列表 / 详情 / SSE] --> B[FastAPI API]
75	B --> C[LangGraph Pipeline]
76	C --> C1[InsightAgent]
77	C --> C2[KeywordGenAgent]
78	C --> C3[SearchAgent]
79	C --> C4[LeadExtractAgent]
80	C --> C5[Evaluate]
81
82	C1 --> D[LiteLLM]
83	C2 --> D
84	C4 --> D
85	D --> D1[MiniMax / OpenAI / Anthropic / OpenRouter / Groq / GLM / Moonshot]
86
87	C3 --> E[Tavily]
88	C3 --> F[Serper]
89	C4 --> G[Jina Reader]
90
91	B --> H[SQLite / JSON 持久化]
92	B --> I[SSE Stream]
93	I --> A
94	```
95
96	## 工作流
97
98	```mermaid
99	flowchart TD
100	A[输入官网 / 上传文档 / 产品关键词] --> B[InsightAgent\n理解公司与产品]
101	B --> C[KeywordGenAgent\n生成搜索词]
102	C --> D[SearchAgent\n聚合搜索结果]
103	D --> E[LeadExtractAgent\n抽取结构化线索]
104	E --> F[Evaluate\n判断是否继续]
105	F -->\|继续\| C
106	F -->\|结束\| G[EmailCraft\n可选生成邮件序列]
107	G --> H[返回 leads / 邮件 / 成本 / 阶段结果]
108	```
109
110	当前停止逻辑由以下参数控制：
111
112	- `target_lead_count`：目标线索总数
113	- `max_rounds`：最多迭代轮数
114	- `min_new_leads_threshold`：单轮最少新增线索数
115
116	这个版本已经修正了“目标线索数设为 200 时，系统因隐藏动态阈值而过早停止”的问题。现在会按你显式配置的 `min_new_leads_threshold` 来判断是否继续。
117
118	## 有界面模式
119
120	前端现在也已经对齐到 producer / consumer 思路，不再把“新建任务”当成一个浏览器里直接等待完成的长请求。
121
122	当前有界面模式的真实行为是：
123
124	1. 在 `新建任务` 页面填写官网、关键词、地区、模板样例等信息
125	2. 点击提交后，前端会创建一个 `automation job`
126	3. `consumer` 领取这个 job 时，会先准备 `template_seed`
127	4. 然后再创建真实 hunt，执行搜索、抽取、评估、邮件生成
128	5. hunt 完成后自动创建 campaign，并交给 `EmailScheduler` 消费发送
129	6. 首页和详情页优先展示 `job` 队列状态，只有在真实 hunt 已创建后，才继续下钻到 hunt 详情
130
131	这意味着：
132
133	- 前端负责 `提交任务 + 查看队列 + 查看 Hunt / Campaign 状态`
134	- 后端负责 `真正执行 producer / consumer + scheduler`
135	- 有界面和无界面现在走的是同一套底层任务系统，不再是两套分裂逻辑
136	- 队列任务详情页会展示 `job 状态 / 尝试次数 / 目标线索数 / 当前线索数 / Hunt 阶段 / 最近错误`
137	- Dashboard 还会展示 `运营摘要卡 + 最近发现企业 / 最近发送邮件 / 最近回复` 事件流
138	- 继续挖掘不再直接调用旧的同步 resume，而是基于当前 hunt 创建新的后续 queue job
139
140	## 邮件能力
141
142	当前版本的邮件链路分成 3 层：
143
144	1. 可以先基

People who liked this also viewed

6 picks

Type

singularity-claudeSelf-evolving skill engine for Claude Code — skills that create, score, repair, and harden themselves through recursive improvement loopsPromptsApr 20261425
Raycast-PromptLabA Raycast extension for creating powerful, contextually-aware AI commands using placeholders, action scripts, selected files, and more.PromptsJan 202410317
ai-shortVideo-pipelineEnd-to-end AI short-video production pipeline. FastAPI orchestration + Spring Boot gateway with multi-model failover, circuit breaker, metering, and full-stack observability. AI quality gating: prompt anchoring, CLIP consistency, AV sync auto-rescue.PromptsJun 2026—566
Instructgpt-promptsInstruction-based prompts for generating and classifying text.PromptsNov 2025—537
AI_Gen_Novel基于大语言模型(LLM)和多智能体(Multi-Agent)，探究AI写小说能力的边界PromptsSep 2024—422
ANWS🚀 A spec-driven workflow framework for AI-assisted development. Empowers prompt engineers to build production-ready software through structured PRD → Architecture → Task decomposition. Designed for Antigravity to enforce design-first principles and prevent architectural drift in vibe coding.🗺️Antigravity-Workflow-SystemPromptsMay 2026—141

AI_Find_Customer

130stars34forks

View on GitHub

How to install AI_Find_Customer?

xiongqvq/ai_find_customer

$git clone https://github.com/xiongQvQ/AI_Find_Customer

Installs into the current project.

Summary

> 面向外贸与 B2B 场景的自动化客户挖掘系统，基于 FastAPI、LangGraph、多 Agent 流水线与可配置多模型能力。

Files · 1

View on GitHub

README.md

1	# AI Hunter
2
3	> 面向外贸与 B2B 场景的自动化客户挖掘系统，基于 FastAPI、LangGraph、多 Agent 流水线与可配置多模型能力。
4
5	[![Python](https://img.shields.io/badge/Python-3.11%2B-blue)](https://python.org)
6	[![FastAPI](https://img.shields.io/badge/FastAPI-0.115%2B-green)](https://fastapi.tiangolo.com)
7	[![React](https://img.shields.io/badge/React-18-blue)](https://react.dev)
8	[![LangGraph](https://img.shields.io/badge/LangGraph-StateGraph-orange)](https://github.com/langchain-ai/langgraph)
9
10	AI Hunter 是一个面向外贸与 B2B 线索挖掘场景的开源版项目。你只需要提供公司官网、产品文档或产品关键词，再指定目标市场，系统就会自动完成公司理解、关键词生成、网页搜索、线索提取和联系方式发现。
11
12	## 官方链接
13
14	- 官网：https://b2binsights.io/
15	- 视频介绍：https://www.bilibili.com/video/BV1AzwYzXEGD/?spm_id_from=333.1387.list.card_archive.click
16	- 开源仓库：https://github.com/xiongQvQ/AI_Find_Customer
17
18	## 不想自己折腾？试试 B2Binsights
19
20	这个开源项目适合愿意折腾的技术型用户。如果你只是想拿到一份能打电话、能写邮件的客户名单，不想折腾部署和配置，可以看看 [B2Binsights](https://b2binsights.pages.dev/)——我们把它做成了开箱即用的产品：
21
22	- 部署在你电脑上，API Key 是你自己的，客户数据从头到尾不经过我们
23	- 你描述目标客户（什么行业、哪几个国家、找谁），我们帮你配置好，跑出第一批线索
24	- 拿到的是决策人联系方式：姓名、职位、邮箱、LinkedIn、证据来源链接——不是一堆公司名
25	- 每条线索附证据，你可以点开链接自己验证
26	- 一次性收费，不是 SaaS 订阅
27
28	开源版已经覆盖了主线能力，B2Binsights 在此基础上加了竞品渠道分析、展会名单清洗、CRM 对接、开发信生成、飞书/企微入口等定制模块。
29
30	> 拿不准适不适合？加微信 XiongX0110，说一下你的行业和目标客户，免费帮你跑一批线索样本先看质量。
31
32	## 开源仓库范围
33
34	这次公开的开源仓库只保留以下内容：
35
36	- `backend/`：FastAPI + LangGraph 主服务
37	- `frontend/`：React + Vite 前端
38	- 必要的配置示例和文档
39
40	以下模块不进入公开仓库：
41
42	- `license-server/`
43	- `license-server-v2/`
44	- `landing/`
45
46	## 当前版本边界
47
48	当前开源版已经开放“客户挖掘 + 邮件草稿生成 + 邮件发送配置”主链路，但仍有一些边界：
49
50	- 邮件自动发送建议通过 `campaign / scheduler` 链路使用，不建议把详情页当成完整营销自动化系统
51	- 邮件发送依赖你自己配置 SMTP / IMAP、授权码与安全策略，仓库不会提供任何第三方邮箱账号
52	- 非本机访问 API 时，如果没有配置 `API_ACCESS_TOKEN`，接口默认只允许 localhost 访问
53
54	## 功能特性
55
56	- 多 Agent 流水线：`Insight -> KeywordGen -> Search -> LeadExtract -> Evaluate`
57	- 双模型协作：推理模型负责 ReAct 决策，普通模型负责抽取、生成与改写
58	- 输入灵活：支持官网 URL、PDF/Excel/CSV/Word/Markdown/TXT 等文件、或纯关键词
59	- 多搜索通道：Google Search、Google Maps、B2B 平台站内搜索
60	- 智能抓取：针对官网、B2B 列表页、内容页等不同 URL 自适应抓取策略
61	- 联系方式发现：支持提取邮箱、电话、地址、社媒链接等结构化信息
62	- AI 邮件生成：可基于 ICP、官网洞察与历史邮件样例生成 3 步开发信序列
63	- 邮件预览与审核：支持在详情页预览生成邮件、人工批准/拦截、手动发送与回信检测
64	- 邮件自动发送：支持把已批准邮件序列创建为 campaign，并通过 scheduler 持久化发送
65	- 实时进度流：FastAPI + SSE 推送任务进展，前端实时展示各阶段状态
66	- 成本可观测：接入 Langfuse 后可记录 LLM 调用成本、Token 与延迟
67	- 可替换模型：统一通过 LiteLLM 接入 OpenAI、Anthropic、OpenRouter、Groq、GLM、Moonshot、MiniMax
68	- 继续挖掘参数可控：支持设置目标线索数、最大轮数、每轮最少新增线索阈值
69
70	## 架构图
71
72	```mermaid
73	flowchart LR
74	A[React Frontend\n任务创建 / 列表 / 详情 / SSE] --> B[FastAPI API]
75	B --> C[LangGraph Pipeline]
76	C --> C1[InsightAgent]
77	C --> C2[KeywordGenAgent]
78	C --> C3[SearchAgent]
79	C --> C4[LeadExtractAgent]
80	C --> C5[Evaluate]
81
82	C1 --> D[LiteLLM]
83	C2 --> D
84	C4 --> D
85	D --> D1[MiniMax / OpenAI / Anthropic / OpenRouter / Groq / GLM / Moonshot]
86
87	C3 --> E[Tavily]
88	C3 --> F[Serper]
89	C4 --> G[Jina Reader]
90
91	B --> H[SQLite / JSON 持久化]
92	B --> I[SSE Stream]
93	I --> A
94	```
95
96	## 工作流
97
98	```mermaid
99	flowchart TD
100	A[输入官网 / 上传文档 / 产品关键词] --> B[InsightAgent\n理解公司与产品]
101	B --> C[KeywordGenAgent\n生成搜索词]
102	C --> D[SearchAgent\n聚合搜索结果]
103	D --> E[LeadExtractAgent\n抽取结构化线索]
104	E --> F[Evaluate\n判断是否继续]
105	F -->\|继续\| C
106	F -->\|结束\| G[EmailCraft\n可选生成邮件序列]
107	G --> H[返回 leads / 邮件 / 成本 / 阶段结果]
108	```
109
110	当前停止逻辑由以下参数控制：
111
112	- `target_lead_count`：目标线索总数
113	- `max_rounds`：最多迭代轮数
114	- `min_new_leads_threshold`：单轮最少新增线索数
115
116	这个版本已经修正了“目标线索数设为 200 时，系统因隐藏动态阈值而过早停止”的问题。现在会按你显式配置的 `min_new_leads_threshold` 来判断是否继续。
117
118	## 有界面模式
119
120	前端现在也已经对齐到 producer / consumer 思路，不再把“新建任务”当成一个浏览器里直接等待完成的长请求。
121
122	当前有界面模式的真实行为是：
123
124	1. 在 `新建任务` 页面填写官网、关键词、地区、模板样例等信息
125	2. 点击提交后，前端会创建一个 `automation job`
126	3. `consumer` 领取这个 job 时，会先准备 `template_seed`
127	4. 然后再创建真实 hunt，执行搜索、抽取、评估、邮件生成
128	5. hunt 完成后自动创建 campaign，并交给 `EmailScheduler` 消费发送
129	6. 首页和详情页优先展示 `job` 队列状态，只有在真实 hunt 已创建后，才继续下钻到 hunt 详情
130
131	这意味着：
132
133	- 前端负责 `提交任务 + 查看队列 + 查看 Hunt / Campaign 状态`
134	- 后端负责 `真正执行 producer / consumer + scheduler`
135	- 有界面和无界面现在走的是同一套底层任务系统，不再是两套分裂逻辑
136	- 队列任务详情页会展示 `job 状态 / 尝试次数 / 目标线索数 / 当前线索数 / Hunt 阶段 / 最近错误`
137	- Dashboard 还会展示 `运营摘要卡 + 最近发现企业 / 最近发送邮件 / 最近回复` 事件流
138	- 继续挖掘不再直接调用旧的同步 resume，而是基于当前 hunt 创建新的后续 queue job
139
140	## 邮件能力
141
142	当前版本的邮件链路分成 3 层：
143
144	1. 可以先基

People who liked this also viewed

6 picks

Type