get-qualified-leads-from-luma

从 Luma 活动中获取合格潜在客户

按主题和地点搜索 Luma 活动，提取所有参会者和主办方，根据你的 ICP 对他们进行筛选，将结果导出到 Google Sheet，并通过 Slack 向你发送包含优质潜在客户的提醒。

这是一个 5 步工作流，将 luma-event-attendees、lead-qualification、Google Sheets 输出和 Slack 提醒串联起来。

步骤 0：明确搜索参数

开始前，确保你已明确回答以下问题。如果用户的提示已经涵盖这些问题，则直接进入下一步。否则，请提问：

1. 地点 — 活动应位于哪里？（例如，“San Francisco”“New York”“London”）
2. 主题/关键词 — 活动主题是什么？建议提供 3-5 个关键词变体，以尽可能扩大覆盖范围。例如，如果用户说“growth marketing”，还可以建议：“GTM”“demand gen”“startup growth”“growth hacking”“marketing leadership”
3. 时间范围 — 活动需要有多新？（例如，“过去 2 周”“过去 1 个月”“本季度”）。如果用户未指定，默认使用过去 30 天。Luma 搜索可能返回数月甚至数年前的活动，因此务必确认时间范围，避免结果过时。
4. 筛选提示词 — 用户是否在 skills/lead-qualification/qualification-prompts/ 中已有筛选提示词？如果没有，用户的 ICP 大致是什么？（可以使用 lead-qualification 的 intake 模式来创建一个）
5. Slack 频道/ webhook — 应将提醒发送到哪里？Webhook URL 还是 Slack 频道名称？
6. Slack 提醒中应包含多少个优质潜在客户？（默认：5 个）

以编号列表的形式列出这些问题。用户可以一次性回答。

步骤 1：搜索 Luma 并提取参会者

使用 luma-event-attendees skill，采用多个关键词变体来尽可能扩大覆盖范围。

并行执行搜索

生成 3-5 个结合用户主题和地点的关键词变体。并行运行所有搜索：

# Run each search variation in parallel
python3 skills/luma-event-attendees/scripts/scrape_event.py --search "AI San Francisco" --output /tmp/luma_search_1.csv
python3 skills/luma-event-attendees/scripts/scrape_event.py --search "Growth Marketing San Francisco" --output /tmp/luma_search_2.csv
python3 skills/luma-event-attendees/scripts/scrape_event.py --search "GTM San Francisco" --output /tmp/luma_search_3.csv

按时间范围筛选

收集结果后，使用 event_date 列筛除超出用户指定时间范围的活动。Luma 搜索会返回所有时间段的活动，因此这一步对于避免潜在客户信息过时至关重要。如果未指定时间范围，默认使用过去 30 天。

去重

按姓名（不区分大小写）合并并去重。妥善处理 None 姓名 — 跳过没有姓名的条目。

将去重后的结果保存为 CSV：

/tmp/luma_all_attendees.csv

向用户报告：

• 去重前的结果总数
• 去重后的独立人员数量
• 拥有 LinkedIn 个人资料的人数
• 涵盖的活动数量

步骤 2：将参会者数据保存为 CSV

整个工作流都使用 CSV；Google Sheets 只在最后（步骤 4）创建，因为处理中途将大型数据集写入 Sheets 速度慢且容易出错。

步骤 1 生成的 CSV（/tmp/luma_all_attendees.csv）是工作文件。列应包括：

name	event_role	bio	title	company	linkedin_url	twitter_url	instagram_url	website_url	username	event_name	event_date	event_url

步骤 3：筛选潜在客户

使用 lead-qualification skill（模式 2：复用提示词）筛选所有参会者。

准备批次

1. 从用户指定的文件中读取筛选提示词（例如，skills/lead-qualification/qualification-prompts/ai-event-attendees-gtm.md）
2. 将参会者拆分为多个批次，每批约 15-20 位潜在客户
3. 对每位潜在客户，包含：id（行号）、name、event_role、bio、title、company、linkedin_url、event_name

并行执行筛选

使用 Task 工具和 sonnet 模型子 Agent 同时启动所有批次：

Task: "Qualify leads batch 1/N"
  - Include the full qualification prompt text
  - Include the batch of leads as JSON
  - Ask for output as JSON array: [{id, name, qualified, confidence, reasoning}]

Task: "Qualify leads batch 2/N"
  ... (launch ALL at once)

合并结果

1. 收集所有批次的结果
2. 合并为一个 JSON 数组，并保留原始 ID
3. 按置信度对符合条件的潜在客户排序（High 优先，其次是 Medium，最后是 Low）
4. 保存结果：
   • /tmp/all_qual_results.json — 全部 195 条结果
   • /tmp/qualified_leads.json — 仅包含符合条件的潜在客户，并按置信度排序

向用户报告：

• 处理的潜在客户总数
• 符合条件的数量和百分比
• 按置信度等级划分的数量（High / Medium / Low）
• 主要的不符合条件原因

第 4 步：创建包含结果的 Google Sheet

现在创建包含所有数据的 Google Sheet，包括原始参会者数据和筛选结果。

使用 Rube MCP 操作 Google Sheets

1. 使用 RUBE_SEARCH_TOOLS 查找 Google Sheets 工具（搜索 "google sheet create"）
2. 创建一个名为：Luma Leads - [Topic] - [Date] 的新工作表
3. 工作表 1（"All Attendees"）： 写入所有参会者行，保留原始列，并添加：
   • Qualified — Yes / No
   • Confidence — High / Medium / Low
   • Reasoning — 2-3 句说明
4. 工作表 2（"Qualified Leads"）： 仅包含符合条件的潜在客户，并按置信度排序

大型数据集的写入策略

对于大型数据集，Google Sheets API 可能运行较慢。请采用以下方法：

• 先写入标题行
• 使用批量更新操作，每次写入 50 行
• 如果某个数据块写入失败，重试一次后再继续

备用方案

如果 Rube/Sheets 不可用，请保存为 CSV：

/tmp/luma_qualified_leads_[date].csv

向用户提供 Google Sheet 链接（或 CSV 路径）。

第 5 步：发送 Slack 提醒

发送格式化的 Slack 消息，其中包含排名靠前的 N 个符合条件的潜在客户（默认：5 个，或用户指定的数量）。

如果用户提供了 webhook URL

使用 Python 的 urllib.request 向 webhook 发送 POST 请求：

import json
import urllib.request

message = {
    "blocks": [
        {"type": "header", "text": {"type": "plain_text", "text": "Top N Qualified Leads from [Topic] Events"}},
        {"type": "section", "text": {"type": "mrkdwn", "text": "_From X attendees across Y events, Z qualified (P%). Here are the top N:_"}},
        # For each lead:
        {"type": "section", "text": {"type": "mrkdwn", "text": "*1. Name* [Confidence]\n   LinkedIn: url\n   Bio: ...\n   Why: reasoning"}},
        {"type": "divider"},
        # Link to spreadsheet at the bottom
        {"type": "section", "text": {"type": "mrkdwn", "text": "<sheet_url|View full spreadsheet> (X attendees, Y qualified)"}}
    ]
}

req = urllib.request.Request(webhook_url, data=json.dumps(message).encode(), headers={"Content-Type": "application/json"})
urllib.request.urlopen(req)

如果用户希望通过 Rube MCP 使用 Slack

使用 RUBE_SEARCH_TOOLS 查找 Slack 工具，然后通过 SLACK_SEND_MESSAGE 或类似工具发送。

消息格式

Slack 提醒中应为每个排名靠前的潜在客户包含：

• 姓名和置信度等级
• LinkedIn URL（可点击）
• 简介 — 一句话总结
• 原因 — 符合条件的理由（如有需要，截短至约 150 个字符）

最后附上完整 Google Sheet 的链接。

费用估算

组成部分	费用
Luma 抓取器（Apify）	固定订阅费 $29/mo
LinkedIn 信息补充（可选）	每 100 个潜在客户约 ~$0.03
Google Sheets	免费（通过 Rube/Composio）
LLM 筛选	每次运行约 ~$0.10-0.30（取决于批次大小）
Slack webhook	免费

典型运行： 在 3-5 种搜索条件下处理约 200 名参会者，基本只需支付 Apify 订阅费和几美分的 LLM 令牌费用。

示例提示词

使用现有提示词快速运行：

"从 SF 的 AI 和增长活动中寻找符合条件的潜在客户。使用 ai-event-attendees-gtm 筛选提示词。通过 Slack webhook 发送排名前 5 的结果：https://hooks.slack.com/..."

完整说明：

"在 New York 搜索创业公司、SaaS 和 AI 活动。提取所有参会者。根据我们的 Series A 创始人 ICP 筛选他们。将所有内容放入 Google Sheet，并通过 Slack 给我发送排名前 10 的结果。"

简略请求（会触发澄清问题）：

"帮我从 SF 科技活动中寻找潜在客户"

故障排除

未设置 Apify 令牌

export APIFY_API_TOKEN="your_token"
# Or check skills/luma-event-attendees/.env

未找到参会者

部分 Luma 活动已禁用 show_guest_list。Apify 抓取器仍可获取精选嘉宾，但并非所有活动都能提供完整的参会者名单。

Google Sheets 写入速度慢

大型数据集出现这种情况是正常的。该技能会按每批 50 行写入。如果速度太慢或写入失败，结果始终会以 CSV 格式保存在 /tmp/ 中。

Slack webhook 返回错误

请确认 webhook URL 正确，并且 Slack 应用仍已安装在工作区中。使用简单的 curl 命令进行测试：

curl -X POST -H 'Content-Type: application/json' -d '{"text":"test"}' YOUR_WEBHOOK_URL