在许多开发者的日常工作中，效率提升是核心目标。利用Cursor、Windsurf、OpenAI Codex、Claude Code等工具，开发者能够显著提高生产力。然而，与非技术领域的人士交流时，经常会发现许多流程仍有通过人工智能进行优化的巨大潜力。
本文将深入探讨非技术行业如何从人工智能的应用中获益。文章将重点展示如何利用AI自动化潜在客户的挖掘流程，这一典型的销售工作过去往往需要大量手动操作。本文旨在强调，即使是非技术背景的人士，也能运用最新的编码代理工具，创建功能强大的自动化解决方案。
在文章中，核心建议将通过以下引言形式突出显示：
这是一条核心建议
这张信息图概括了本文的主要内容。首先，将探讨为何需要自动化的潜在客户挖掘，然后深入讨论如何优化这一流程，并通过引言形式突出具体的实用技巧。图片由ChatGPT生成。
为何需要自动化潜在客户挖掘？
业务发展代表（BDR）的工作通常包括：
- 寻找有潜在意向的客户
- 获取他们的联系信息，例如领英资料或电子邮件地址
- 联系潜在客户，尝试安排会议
在此之后，通常由客户经理接手，但本文将专注于优化前三个步骤。
这三步流程通常非常耗时。在线寻找潜在客户需要筛选大量的领英资料或其他网站，以发现有价值的公司。找到公司后，通常会开始寻找组织内的特定联系人。这些联系人通常是关键决策者，可能是一家大公司的中层经理，也可能是一家小公司的首席财务官。找到合适的人选后，需要获取他们的联系信息，这些信息通常可在领英或公司网站上找到。最后，应向该联系人发送个性化的信息。
寻找有价值的潜在客户
本文将以Claude Code为例，展示如何开发这一工具。实际上，可以使用任何编码工具，如Codex、Cursor、Windsurf、Replit等。关键在于用于构建应用程序的指令。
在创建新应用程序之前，请务必使用规划模式
在开发新应用时，通常会首先使用规划模式（plan mode）。这种模式会指导模型阅读提示，创建一个逐步计划，并提出任何需要澄清的问题。这非常有用，因为它有助于缩小应用程序的范围，并确保对任何模糊之处提供明确的思路。例如，可能会被问到以下问题：
- 目标区域是哪里（例如，针对挪威的潜在客户）
- 希望应用程序使用哪种编程语言（例如，选择Python，但TypeScript或其他语言也是可行的）
- 希望查看哪些网站（在挪威，proff.no提供了大量公司和员工信息，可以寻找类似的工具，甚至可以要求编码代理通过网络搜索自行查找这些网站）
- 偏好的输出格式是什么（例如，选择Excel表格）
这些都是非常重要的澄清问题，因此使用规划模式极具价值。
此外，务必提示模型使用公开可用的API，并且只查找相关公司的信息。获取个人信息可能违反当地法规。
务必为编码代理提供尽可能多的工具，例如MCP服务器、OpenAI凭据，或通过API访问任何程序。
此外，还可以创建一个OpenAI密钥，并告知Claude Code可以从.env文件中加载该密钥（例如，通过OPENAIAPIKEY变量）。这非常有用，因为许多操作可能需要使用大型语言模型（LLM）来查找或处理信息。因此，为Claude Code提供访问强大API服务的能力至关重要。如果拥有其他相关API，也应向Claude Code提供这些API的文档，并指示其使用它们。
例如，可以告知Claude它拥有网络搜索权限，并可以通过以下函数执行搜索：
response = client.responses.create(
model="gpt-5",
tools=[{"type": "web_search"}],
input="What was a positive news story from today?"
)
在回答完所有澄清问题后，可以指示Claude开始构建，它将创建一个应用程序来查找潜在客户列表，并以CSV格式返回结果。这涵盖了第一步和第二步：首先找到有价值的潜在客户，然后获取他们的联系信息。
找到所有这些潜在客户后，仍然需要进行人工审查，以确保信息的准确性。此外，建议提示GPT-5或同等模型审查结果，并验证任何不一致之处。
让LLM审查结果以验证其准确性
最后，在寻找潜在客户时遵守法规也至关重要。应只在线查找相关公司，然后手动查找个人信息，以遵守GDPR等法规。因此，要查找更多信息，例如个别潜在客户的姓名、电子邮件和职位，可以手动从应用程序提供给出的公司信息中查找。
进行外联
获取联系信息后，现在需要进行外联。关于如何撰写冷邮件，有大量的统计数据和信息可供参考，但本文将不深入探讨，因为重点在于技术以及如何利用它来优化流程。
至此，假设已经获取了一份包含相关潜在客户及其联系信息的列表，并已准备好开始外联。现在需要为每个人创建定制化消息，这恰好是LLM非常擅长的任务。
LLM能够生成个性化的消息
例如，在此阶段，每个潜在客户通常拥有以下信息：
- 个人姓名
- 个人电子邮件
- 个人职位
- 公司名称
- 公司规模
- 公司营收
通常来说，在提示中添加更多信息会带来更好的效果。如果偏好特定风格或语气的邮件，应将这些信息加入提示。一个好方法是展示之前的邮件示例，突出自己的写作风格，从而通过少样本提示（few-shot prompting）来提高输出质量。
在提示中添加尽可能多的信息
现在，可以利用这些信息草拟一封定制化消息。这可以使用GPT-5等模型相对简单地完成：
prompt = f"""
您是创建个性化电子邮件的专家。您将获得关于一个人的信息，
需要为他们首次联系撰写一封电子邮件。
姓名：{name}
电子邮件：{mail}
职位：{role}
公司名称：{company_name}
公司规模：{company_size}
公司营收：{company_revenue}
请创建主题标签和完整的电子邮件正文，不包含任何其他评论或解释。
"""
client = OpenAI(api_key=OPENAI_API_KEY, base_url=API_URL)
import os
from openai import OpenAI
result = client.responses.create(
model="gpt-5",
input=prompt,
reasoning={ "effort": "low"},
text={ "verbosity": "low" },
)
当有了消息的草稿后，可以根据已掌握的信息，手动调整和优化它，使其更贴合所联系的人。
现在可以使用这些邮件进行外联。为了避免违反服务条款和发送垃圾邮件，建议手动进行外联，而不要使用自动化服务。本文不提倡发送垃圾邮件或类似行为。人工智能旨在协助并提高流程效率，而非完全取代人工环节。
结论
本文展示了如何利用Claude Code等最新的编码工具来自动化某些流程。具体而言，文章探讨了如何通过人工智能自动查找相关公司和自动创建邮件，同时保持合规性，从而优化潜在客户的外联流程。近年来，人工智能取得了巨大的进步，但其在实际落地应用方面仍有提升空间。因此，如果能够迅速将人工智能融入日常工作，便有机会在同行中获得巨大的竞争优势。
