OpenLeads

---

$ openleads find "dentists in Austin" -n 6
  ◆ federated search · local …
    1  ▌safe   [email protected]        Example Dental        ▰▰▰▰▰▰▰▰▰▰  98% found
    2  ▌safe   [email protected]        Smile Example Co      ▰▰▰▰▰▰▰▰▰▰  98% found
    3  ▌risky  [email protected]  Maria Lopez           ▰▰▰▰▰▰▱▱▱▱  62% guessed
    4  ▌safe   [email protected]        Daniel Kim            ▰▰▰▰▰▰▰▰▰▱  88% pattern
  ──────────────────────────────────────────────────────
  6 leads   4 safe deliverable   2 risky unconfirmed   ██████████████████░░░░░░
  4 found or built from a seen pattern · 2 guessed

_{真实运行的输出示例；企业和联系人名称已替换。}

有何不同

Apollo、Hunter 和 ZoomInfo 销售联系人数据库和邮箱验证服务，然后还要为发送邮件再次收费。OpenLeads 使用公开数据，免费完成这三件事，且在你的笔记本电脑上运行。最重要的是以下两点：

如实标注每个邮箱。 大多数免费查找工具会把 first.last@ 这种猜测标为“有效”。OpenLeads 会为每个地址标注：

证据	含义
found	已在网上发布，或已通过邮件服务器确认
pattern	根据该公司真实邮箱采用的格式生成
guessed	常见格式，未经确认。会明确标注，由你决定是否使用

这些标注会影响发送决策：safe（发送）、risky（除非你选择发送，否则暂缓）、bad（丢弃）。请阅读评分机制说明。

每晚使用实时数据进行评测。 单元测试无法告诉你搜索“奥斯汀的牙医”是否真的能找到牙医。openleads bench 会针对实时数据源运行 12 个真实查询，并发布结果：

真实查询	v4.0	v4.5
“迈阿密的营销机构”	20 个“联系人”中有 6 个是页面标题（“退款政策”）	0 个无关名称
“奥斯汀的牙医”	找到脊椎按摩师和运输公司，可用结果为 0	10 名牙医
“机器学习研究人员”	0 条结果	10 名研究人员
“柏林的 Rust 开发者”	运行 4 分钟后仍未结束	5 秒内找到 10 人

最新一次完整运行（12 个查询，每个查询 10 条潜在客户）：12/12 个查询均返回结果 · 填充率 84% · 无关名称占比 0% · 32% 的邮箱已找到或有格式依据，其余均标注为猜测 · 中位耗时 54 秒。查看完整排名 →

Apollo，就在你的笔记本电脑上

	Apollo	OpenLeads
联系人来源	许可数据库	公共来源，按你的确切查询即时搜索
电子邮件可信度	每个地址都有状态（已验证、推测等）	每个地址标注 found · pattern · guessed，并说明原因
带筛选条件的人员和公司搜索	✓	✓ 可按资历、部门、行业、规模、技术栈、地点、阶段、匹配度等筛选
列表、标签、备注、已保存的搜索	✓	✓
ICP 匹配度评分	✓	✓ 0–100 分加 A–D 等级，并提供假设情景预览
多步骤序列（电子邮件、电话、LinkedIn、任务）	✓	✓ A/B 版本、邮件串接、AI 编写的步骤、收到回复后自动停止
任务队列 · 商机管道	✓	✓ 专注模式 · 支持拖放的看板，带加权预测
CSV 导入和导出	✓	✓ 自动映射 Apollo、HubSpot 和 LinkedIn 导出文件；可导出为 Apollo 或 HubSpot 格式
在 Claude、Cursor、Claude Code 中使用		✓ 内置 MCP 服务，提供工作区读写工具
数据存储位置	他们的云端	你电脑上的 SQLite 文件
价格	免费版有额度限制；付费版按席位计费	$0，开源

可搜索的内容

每次查询都会分发到适合的来源。你无需选择来源，但 -s name 可以指定单一来源。

搜索内容	搜索来源	示例
任意城市的本地企业	OpenStreetMap (Overpass + Nominatim)	"accountants in Toronto"
初创公司创始人、正在招聘的公司	Y Combinator、Hacker News	"AI startup founders"
按行业搜索公司	Wikidata、SEC EDGAR	"fintech companies"
开发者	GitHub	"rust developers in Berlin"
研究人员	OpenAlex	"machine learning researchers"
某家公司的所有人员	该公司的官方网站	"emails at stripe.com"
美国医疗保健服务提供者	NPI Registry	"pediatricians"

每家公司都会根据其团队和关于页面整理出具名人员。随后，每个地址都会经过电子邮件检查：收集已公开的地址、学习公司地址模式、检查 MX/SPF/DMARC、Gravatar，以及在 25 端口开放时进行 SMTP 检查。

需要我们尚未支持的来源？来源只需一个 Python 文件。

跟进潜在客户

你找到的所有内容都会进入本地工作区——仪表板、终端和 AI 助手中使用的是同一份数据。

联系人与公司。带实时计数的筛选维度、已保存的搜索、对所有匹配行执行批量操作，以及包含时间线、备注、任务和交易的完整记录。	序列。电子邮件、电话、LinkedIn 和任务步骤；A/B 变体；同一邮件线程中的后续跟进；AI 撰写步骤；联系人回复后即会退出序列。
交易。可拖放的管道及加权预测；赢得交易后，联系人会成为客户。	其他功能。任务队列、模板、ICP 评分、CSV 导入、数据健康检查和重复项合并，以及 ⌘K 命令面板。

openleads people --fit A --never-contacted                 # best untouched leads
openleads lists add "Q4 dentists" --where dental
openleads seq enroll "Q4 outbound" --list "Q4 dentists"
openleads tasks --bucket today
openleads import apollo-export.csv --list "Imported"

工作区指南 → · 序列指南 →

在 Claude、Cursor 或 Claude Code 中使用

OpenLeads 是一个 MCP 服务。你的 AI 助手可以在对话过程中查找并验证 潜在客户：

claude mcp add openleads -- openleads mcp

{ "mcpServers": { "openleads": { "command": "openleads", "args": ["mcp"] } } }

“找出伦敦 10 家可以实际发送电子邮件的律师事务所，并为每家草拟两行介绍。”

“将他们保存到名为 London law 的列表中，把 A 级联系人添加到我的 Q4 序列里，并为每位合伙人创建一个电话任务。”

工作区工具让助手可以搜索你的联系人和公司、查看完整记录，并保存潜在客户、设置阶段、添加标签、记录备注、创建任务和交易，以及将联系人加入序列——但绝不会自行发送任何内容。

将其构建为工作流

仪表板的工作流页面会像 n8n 一样，将每个已保存的搜索绘制成节点画布。

点击节点即可编辑（要查找谁、提供什么、何时运行、导出到哪里），然后点击 测试运行，即可查看每个节点如何根据实时引擎填充内容。测试运行绝不会发送内容。工作流指南 →

导出节点可将潜在客户推送到 CSV、Google Sheets、Notion、Airtable 或任意 webhook，由你的其他技术栈（n8n、Zapier、Make）接手后续处理。

按计划运行

openleads recipe add miami "marketing agencies in Miami" --every "weekdays 9am" --send
openleads schedule on     # one agent: launchd · cron · Windows Task Scheduler
openleads runs            # what ran, what it found, what failed

计划可以使用普通英语（every 2h、mon,thu 14:00）或 cron。发送量会保持在每日上限内，并遵循预热提升计划和营业时间窗口；收到回复的联系人不会再收到后续消息。运行失败时会发送桌面提醒；如果你设置了 webhook，也会通过 webhook 通知。 定时运行 →

想在 CI 中运行？这里有一个 GitHub Action：

- uses: Samyrrrrrr990/[email protected]
  with: { query: "marketing agencies in Miami", count: 50 }

安装

pipx install "openleads[all]"     # recommended
pip install openleads             # minimal: stdlib-only engine + CLI
npx openleads find "…"            # Node: sets up a private Python env on first run

openleads doctor    # checks your setup (DNS, port 25, mailbox)
openleads           # chat: type what you want
openleads web       # local dashboard at http://127.0.0.1:8787

完整指南：docs/quickstart.md。

命令

openleads find "50 fintech founders, verified only" -o leads.csv
openleads find "emails at stripe.com"
openleads enrich my-list.csv                   # your names/companies → verified emails
openleads verify [email protected]                   # check one address

openleads run "rust developers in Berlin"      # find → write → send (dry-run unless --live)
openleads recipe add NAME "query" --every "…"  # save it, schedule it
openleads watch add NAME "query"               # alert me only on new matches
openleads schedule on | off | status
openleads runs

openleads people · companies · lists · seq       # your workspace (see above)
openleads tasks · deals · import · dedupe · stats · backup
openleads demo                                 # the dashboard on invented data

openleads bench                                # live quality benchmark
openleads mcp                                  # MCP server for AI tools
openleads sources · crm · config · doctor · inbox

默认情况下，所有发送操作都只进行 试运行。添加 --live 即可发送。

工作原理

flowchart LR
    Q["'dentists in Austin'"] --> P[Intent parser]
    P --> F[Federation<br/>picks sources]
    F --> S1[OpenStreetMap]
    F --> S2[YC · HN · GitHub · OpenAlex · EDGAR · Wikidata]
    S1 & S2 --> D[Team-page people discovery<br/>+ real-name gate]
    D --> E[Email checks<br/>harvest · pattern · MX · SMTP · Gravatar]
    E --> L[Leads with evidence + tier]
    L --> W[Write → Send → Follow up<br/>on your schedule]
    E <--> DB[(Local SQLite<br/>learned patterns · CRM)]

核心仅使用 Python 标准库。所有内容，包括你的潜在客户、草稿、邮箱凭据、习得的模式和整个工作区（联系人、公司、列表、序列、任务、交易），都存储在 ~/.openleads 中。没有托管后端、账号或遥测。详情请参阅：docs/architecture.md。

负责任地使用

OpenLeads 用于合法的客户开发、招聘和研究。你有责任遵守反垃圾邮件法律（CAN-SPAM、GDPR、CASL）以及各来源的条款。它内置了防护措施：默认试运行、抑制名单、一键取消订阅、预热上限、不使用跟踪像素。请阅读 docs/responsible-use.md。

许可证

基于 AGPL-3.0 开源。 OpenLeads 可免费使用，包括在你的公司内使用。如果你将其嵌入闭源产品，或以服务形式运行修改后的版本却不公开修改内容，则需要获取商业许可证。4.0.1 及之前版本采用 PolyForm Noncommercial 许可证。

贡献

最有价值的 PR 是新增数据来源（指南）。其次是提供一个 openleads bench 评分较低的查询，并附上修复方案。 请参阅 CONTRIBUTING.md。

致谢

OpenStreetMap 贡献者 · OpenAlex · yc-oss/api · NPI Registry · SEC EDGAR · Wikidata · Gravatar · 美国社会保障管理局（名字数据）。