从招聘启事里筛出有采购信号的目标客户

原文要点

youssef farhan发布的免费n8n模板：每周一08:00运行，从Google Sheets读目标公司域名，用Apify的Company Domain to Job Postings actor解析各公司实际用的招聘系统并抓开放职位；先去重（已处理过的职位跳过，使无新职位时AI零消耗），按域名分组后交OpenAI打0至100分、给一句signal短语和来自职位原文的证据引文，所有账户写入Briefs表（含低分，便于一周后调阈值）；达标账户再生成邮件主题和80词开场白推到Telegram。作者建议minScore设60至70，称提示词禁止模型编造证据外的细节。

这次做成什么

搭一条'域名清单→招聘信号打分→Telegram推送高分线索'的每周流程，并用两家虚构公司的合成职位数据校准打分阈值。

准备什么

• n8n实例与Google Sheets OAuth2凭据
• 可正常调用的Apify账号，先在控制台确认本次练习的可用额度
• OpenAI API密钥（两个AI节点共用）
• Telegram账号并已用@BotFather创建机器人拿到chat ID

具体怎么做

1. 准备Accounts与Briefs两张表

   在Google Sheets建Accounts标签页，表头domain，逐行填目标公司域名（如acme-example.com）；再建Briefs标签页，表头建议为：date、domain、score、signal、evidence、subject、opener。在模板目标设置节点粘贴表格URL并填两个标签页名和domain列名。

2. 接入Apify抓职位

   在Apify节点连接凭据，actor选Company Domain to Job Postings。用titleKeywords收窄抓取的职位类型（如procurement、supply chain、購買），它在AI之前运行，是最便宜的过滤。首次练习每轮先放3至5个域名，再核对实际用量。

3. 配置打分提示词并理解证据约束

   在第一个OpenAI节点使用下方打分提示词：模型必须输出0至100分、signal短语和从职位描述逐字摘出的证据引文，且禁止提及证据之外的人数、融资、时间线。去重节点保持在打分之前，模板作者明确这样设计是为了无新职位时本周不花token。

4. 设阈值并接Telegram推送

   把minScore设为65（作者给出的60至70区间内），maxAccounts设为3控制每轮推送量。连接Telegram凭据并填chat ID。低分账户也会写入Briefs表，一周后按真实分布上下调整阈值。

5. 用合成职位数据演练打分

   正式抓数据前，可在分组节点后临时插入Set节点，写入下方合成职位JSON，观察打分节点是否对'新增采购经理岗'给出高分、对'普通行政岗'给出低分，验证提示词行为符合预期后再接真实Apify数据。

可直接复制的材料

你是B2B采购信号分析员。输入是某公司当前开放职位列表的JSON（含职位名与描述）。判断这些职位是否暗示该公司将要采购我方产品（企业软件）。只输出JSON：{"score":0到100的整数,"signal":"一句不超过20字的信号短语","evidence":"从职位描述中逐字摘抄的一句话作为证据"}。规则：单纯公司扩张不是采购信号；没有明确证据时score不超过40；evidence必须来自职位原文，不得改写或引用公司宣传语；禁止陈述证据之外的人数、预算、融资、工具或时间线。

{
  "domain": "acme-example.com",
  "postings": [
    {"title": "采购经理（软件方向）", "description": "负责评估并引入企业级SaaS采购流程，主导供应商选型与合同谈判。"},
    {"title": "行政前台", "description": "负责访客接待与会议室管理。"}
  ]
}

输入与输出示例

本站虚构演示，展示提示词对合成输入的预期输出，非模板实测运行结果。

输入

acme-example.com本周两条职位：'采购经理（软件方向）——负责评估并引入企业级SaaS采购流程'和'行政前台——负责访客接待与会议室管理'。

对应输出

打分输出示意：{"score":82,"signal":"正在组建软件采购职能","evidence":"负责评估并引入企业级SaaS采购流程，主导供应商选型"}。超过minScore=65，随后生成主题'关于贵司SaaS采购流程的一点想法'和约80词开场白，连同分数与证据推送到Telegram；行政岗不单独影响结果。

做完检查这些

• 无新职位的周一运行不调用OpenAI（执行日志中AI节点被跳过）
• Briefs表包含所有被评分的账户，含低于阈值的行
• evidence字段能在对应职位描述原文中逐字找到
• Telegram只收到score≥minScore的账户且不超过maxAccounts条

容易卡住的地方

• Apify抓取用量与域名数、Actor计费有关，先用短清单核对实际费用
• 部分公司官网无公开招聘页时actor可能返回空，该公司本周无数据属正常
• 模型虽被禁止编造但仍可能过度解读职位描述，作者本人也要求逐条人工读过再发
• 抓取的职位描述语言混杂时提示词需相应调整输出语言
• 把结果写回自己账户表时目标列必须先存在，否则更新失败