其實去年我就有做AI獲客的想法了。當時幫一個外貿公司做過自動分析客戶級別以及自動生成郵件的項目，了解到他們對獲取客戶的需求非常迫切。他們通常從谷歌瀏覽器、會展名單以及海關數據中獲取客戶信息，但是整個過程非常耗時。

我就在想：能不能模擬這些銷售人員找客戶的過程，用AI來做個自動化工具？

特別是看到DeepSeek等大模型的出現后，我覺得不能再拖延了，這應該是AI落地的絕佳機會了。

我一共實現了三個方案，分別是利用embeding模型和本地知識庫構建的語義檢索的方案； 利用coze搭建的工作流方案，這個可以直接在公眾號里面測試；最后還有利用我之前開源的WebExtracto實現的本地方案。

語義檢索知識庫

首先是把提前跑好的數據，存進milvus向量庫中，采用向量索引方法，如IVF（倒排文件索引）或HNSW（分層導航小世界圖索引）等，根據用戶問題的語義進行檢索。

其實我去年的時候就已經把這部分的demo搞好了，效果如下：

語義檢索之前

語義檢索之后

其實語義檢索的效果已經很好了，但是這個的效果還是取決于原始數據量，目前的數據量太少所以就比較雞肋了。所以我就轉向了第二種思路上。

基于扣子工作流的智能體搜索

我的主要思路分為三步

第一步，把用戶的問題轉換成搜索引擎的搜索詞

然后用coze做了一個智能體，調用搜索引擎搜索內容并返回相應的公司名稱。

之所以用coze，主要是因為coze里面有個搜索引擎插件，調用速度比我本地用duckduckgo搜索快得多，但是目前發現扣子里面的必應搜索似乎優先返回頭條內容，所以后面可能還是要換回本地的搜索引擎。

獲取公司名稱后再去檢索公司的詳情信息，coze的工作流如下：

這里面主要的思路是找公司官網并遍歷官網獲取詳細的公司介紹，產品介紹以及郵箱和電話等。

利用coze完成的這個功能，我已經發布到了公眾號中，大家可以直接在我的公眾號聊天中即可觸發。

需要注意的是因為處理速度很慢，需要回復繼續來觸發他繼續回復的效果，有時候需要發送兩次繼續才能得到回復，所以體驗上還是差一點。

基于WebExtracto的客戶采集

但是因為扣子插件返回優先是頭條內容，效果其實還并不是很好，實際上，我之前還開源過一個爬蟲的采集工具WebExtracto。

系統架構圖

利用這個項目，不僅僅可以獲取公司官網的信息，還可以獲取如領英里面公司的賬號等信息。因此我把獲取公司詳情的信息用WebExtracto重新實現了一道。

然后，再讓模型根據公司簡介判斷一下，并進行打分，如果是潛在客戶再進行推送。

不過本地運行的這個版本目前運行的速度太慢，沒辦法做成對話實時回復的效果，因此我的想法是把這個產品做成提供自己的需求 + 郵箱，然后通用一個定時任務，把發現的新客戶推送到郵箱里面的。

寫在最后

2020年時我加入了一家還算有點名氣AI公司，主要是做人臉識別，也參與過nlp的訓練，那時候感覺到AI市場正在逐漸冷卻了，像海康、華為這些公司都開始自己去自研攝像頭算法了，并不需要再去采購專門做算法公司的產品。

但是當時的老大也在說第三波AI浪潮馬上就要來臨，果然，2023年chatgpt橫空出世，當時我們便覺得，5年內，生活和工作將會有翻天覆地的大變化。

而今年2025年，感覺已經步入一個AI爆發的年份。特別是本周，DeepSeek每天都在開源自己的工程技術，阿里也開源了最新的視頻生成模型，openai推出了gpt4.5， claude3.7也出來了，特別要說下這個claude效果真的非常好，不僅僅是寫代碼，小說寫的也很耐看。

感覺每天都有看不完的AI新聞。

我其實也想把這些項目下載下來好好研究，并分享成文章，但實在沒有這個精力。看到很多AI博主每天都在更新這些新技術，很佩服他們的"肝"的能力，但我決定還是專注自己想做的事情。

本來我就是基于興趣才寫技術博客的，如果追求熱點就太耗費能量了。所以我決定從今天正好也是我生日這天起完成更新100個大模型落地的想法及實現。

實際上，我做的第一個大模型落地項目是30秒發一篇圖文 小紅書AI自動化運營神器，同時這個項目我開源到了github中，到今年的3月份，已經有400多star了。因此這個AI獲客工具應該算是我做的第二個大模型落地實踐。

作為一個技術人員，我相信AI不是為了替代人類，而是為了讓我們從重復性工作中解放出來，專注于更有創造性的事情。

比如AI獲客，它不能替代銷售人員的判斷和溝通能力，但可以幫他們節省大量篩選客戶的時間。

如果你對這個工具感興趣，可以在公眾號菜單找到簡單版進行體驗。對代碼版本感興趣的朋友，可以加微信并提供郵箱，我會設置定時任務定期給郵箱發送客戶信息。

關注我們，期待與大家一起探索大模型落地的更多可能！