lead-generation

使用 Exa Agent 进行潜在客户开发

使用 Exa Agent API 生成经过信息丰富的潜在客户名单。Agent 运行是一项异步的多步骤网络研究任务：你描述所需名单及输出架构，Exa 会在内部处理查询拆解、搜索、验证、信息补充和结构化输出。你无需编排并行搜索、子 Agent 或手动去重。

对于需要逐项验证的超大型或持续维护的潜在客户名单，请考虑改用 Exa Websets：https://exa.ai/docs/websets/quickstart

前提条件

此技能需要启用了 Agent 工具的 Exa MCP 服务。使用 agent_tools URL 选择别名来启用 agent_run。

如果 Agent 工具不可用，请告知用户：

你需要安装启用了 Agent 工具的 Exa MCP 服务，并准备好 API 密钥。 说明：https://exa.ai/docs/get-started/exa-mcp

然后停止。

工具限制

使用 agent_run，以及 Write 和 Bash（用于 CSV 输出）。请勿使用通用网络搜索来生成潜在客户名单。

工作流

1. Confirm the ICP with the user (one small Agent run if research is needed)
2. Call `agent_run` with an outputSchema
3. If the result is still running, call `agent_run` again with its `runId`
4. Read `output.structured` from the `agent_run` result
5. Write the CSV
6. Optional: expand with follow-up runs (previousRunId + input.exclusion)

步骤 1：了解 ICP

当用户提出类似“为 [company] 制作一份包含 200 个潜在客户的名单”的要求时，首先确认理想客户画像。如果用户已经描述了 ICP，请先确认。如果没有，则运行一次小规模 Agent 任务来研究：

agent_run {
  "query": "Research {company_name}: what they sell, who their existing customers are, and what their ideal customer profile is.",
  "effort": "low",
  "outputSchema": {
    "type": "object",
    "properties": {
      "company_description": { "type": "string", "description": "What the company does in 2 sentences or less" },
      "icp_description": { "type": "string", "description": "Concise ICP description that clearly defines target companies" },
      "sub_verticals": { "type": "array", "maxItems": 10, "items": { "type": "string" }, "description": "Sub-verticals breaking down the ICP" },
      "useful_enrichments": { "type": "array", "maxItems": 8, "items": { "type": "string" }, "description": "Enrichment columns useful for filtering high-signal companies" }
    },
    "required": ["company_description", "icp_description", "sub_verticals", "useful_enrichments"]
  }
}

向用户展示 ICP 并确认：

• ICP 描述准确吗？
• 有哪些公司需要排除（竞争对手、现有客户）？
• 需要多少个潜在客户？（默认 200 个）
• 有特别关注的信息补充列吗？

步骤 2：创建潜在客户开发任务

设计一个包含有限长度 companies 数组的 outputSchema。架构应保持精简、扁平且明确；数组务必设置 maxItems 上限。

始终包含的核心字段：

• company_name（字符串）
• website（字符串）
• product_description（字符串，“不超过 12 个单词”）
• icp_fit_score（整数，1-10）
• icp_fit_reasoning（字符串，“不超过 20 个单词的有力单句”）

根据营销活动添加信息补充字段（融资阶段、员工人数范围、总部所在地、招聘信号等）。在字符串字段的描述中注明长度限制，以保持 CSV 输出整洁。

设置以下运行输入：

• query — 描述名单：ICP、地理位置、阶段以及所需公司数量
• outputSchema — 返回结果的确切结构，并通过 maxItems 限制 companies 数组
• systemPrompt — 评分规则、来源偏好，以及去重和排除要求
• input.exclusion — 要避开的公司（竞争对手、现有客户、此前运行的结果）
• effort — 默认设为 "low"；对于大型或难以生成的名单，设为 "auto"、"high" 或 "xhigh"

示例：

agent_run {
  "query": "Find 100 companies matching this ICP: {icp_description}. Prioritize {sub_verticals}. For each company, score ICP fit 1-10 for {user_company}.",
  "effort": "low",
  "systemPrompt": "Prefer official company sites and recent funding announcements. Do not include duplicates or subsidiaries of the same parent company.",
  "input": {
    "exclusion": [
      { "company_name": "{competitor_1}" },
      { "company_name": "{existing_customer_1}" }
    ]
  },
  "outputSchema": {
    "type": "object",
    "properties": {
      "companies": {
        "type": "array",
        "maxItems": 100,
        "items": {
          "type": "object",
          "properties": {
            "company_name": { "type": "string" },
            "website": { "type": "string", "format": "uri" },
            "product_description": { "type": "string", "description": "in 12 words or less" },
            "icp_fit_score": { "type": "integer", "description": "1-10" },
            "icp_fit_reasoning": { "type": "string", "description": "one-liner in 20 words or less" }
          },
          "required": ["company_name", "website", "product_description", "icp_fit_score", "icp_fit_reasoning"]
        }
      }
    },
    "required": ["companies"]
  }
}

agent_run 会在可能的情况下返回已完成的结果。如果返回 status: "running" 和一个 agent_run_... ID，请保存该 ID，然后仅使用 runId 继续调用 agent_run。

步骤 3：等待并读取输出

1. 如果任务仍在运行，请使用其 runId 调用 agent_run，直到 outputReady 为 true，或任务达到终止状态（failed 或 cancelled）。
2. 从 agent_run 结果中的 output.structured 读取公司信息，从 output.grounding 读取引用，并从 costDollars 读取运行成本。

不要将完整原始输出粘贴到对话中——直接生成 CSV。

步骤 4：写入 CSV

将 output.structured.companies 写入 {target_company}_leads_{YYYY-MM-DD}.csv，并按 icp_fit_score 降序排列。将所有数组字段用 " | " 拼接。通过 Bash 使用 Python 的 csv.writer（可处理引号和转义），或者对小型名单直接使用 Write。

打印摘要：

## Lead Generation Complete

- Total leads: {count}
- ICP score distribution: 8-10: {N} | 5-7: {N} | 1-4: {N}
- Run ID: {agent_run_id}
- Cost: ${costDollars}
- Output: {filename}

步骤 5：扩展名单

如果用户需要的潜在客户数量超过单次运行返回的数量：

• 创建新的后续运行，将 previousRunId 设为已完成运行的 ID，并要求提供更多公司
• 将已收集的公司记录放入 input.exclusion，以便新运行避开这些公司
• 将新结果追加到 CSV，并按规范化后的公司名称重新去重（去掉 "Inc"/"Ltd" 等后缀，忽略大小写）

对于数百条的名单，应按此方式依次运行几次，而不是进行一次庞大的运行；并先与用户确认范围：“这需要运行约 {N} 次 Agent。要继续吗？”

处理失败

• 如果运行以 failed 结束，请从 agent_run 结果中读取错误信息，调整查询或架构，然后使用不同措辞重试一次
• 中止进行中的 agent_run 调用不会取消该运行
• 如果结果数量始终低于要求，应将 ICP 缩小为 2–3 个子垂直领域，分别运行，而不是进行一次宽泛的运行

MCP 配置

需要 Exa API 密钥。请在 https://dashboard.exa.ai/api-keys 获取

{
  "servers": {
    "exa": {
      "type": "http",
      "url": "https://mcp.exa.ai/mcp?tools=agent_tools",
      "headers": {
        "x-api-key": "YOUR_EXA_API_KEY"
      }
    }
  }
}

参考资料

• Exa Agent 指南：https://exa.ai/docs/agent/quickstart
• Exa MCP 设置：https://exa.ai/docs/get-started/exa-mcp
• Websets（大规模构建已验证名单）：https://exa.ai/docs/websets/quickstart
• 面向大模型的完整文档：https://exa.ai/docs/llms.txt