表单线索自动评分分流

原文要点

这是Amplence发布的免费n8n模板（仅核心节点，n8n Cloud或自托管均可运行）。流程：POST webhook接收表单线索；规范化name、email、company、website、message、source字段，缺email或message就向Slack发“需要人工查看”告警；HTTP抓取公司官网并提取清洗后的短文本；连同线索发给Anthropic Messages API（Claude，Header Auth为x-api-key），要求返回0–100分、理由、顾虑、摘要、下一步的结构化JSON；解析后按阈值分hot/warm/cold，解析失败进review并打时间戳；热线索发Slack简报，热与温线索经Gmail发确认信，全部结果upsert到HubSpot。作者强调模型只评分，不决定路由；阈值与ICP文本在Settings节点改。

这次做成什么

搭好“表单→Claude评分→阈值分流→Slack/Gmail/HubSpot”的线索处理线，并用两条合成线索分别验证hot与review路径。评分由Claude给出，路由完全由阈值代码决定。

准备什么

• n8n Cloud或自托管实例，模板只用核心节点
• Anthropic API key，存为名为x-api-key的Header Auth凭据
• Slack凭据与一个目标频道，用于热线索简报和缺项告警
• HubSpot私有应用token，用于联系人upsert
• Gmail凭据，用于向线索发送确认邮件
• 能POST JSON的表单工具，字段含name、email、company、website、message、source（source可选）

具体怎么做

1. 接webhook并做字段校验

   新建Webhook节点，方法POST。把生成的URL配到表单工具。后面接Code节点：把name、email、company、website、message、source统一取出并trim；若email或message为空，走IF分支向Slack发“needs a look”告警并终止该条，不再调Claude。

2. 抓官网文本

   有website时接HTTP Request节点GET该网址，再用Code节点从HTML里剥掉script/style标签，截取一段清洗后的纯文本（例如前2000字符）作为给模型的公司背景样本。抓取失败时置空字符串继续，不阻断评分。

3. 调Claude拿结构化评分

   用HTTP Request节点调Anthropic Messages API，凭据选x-api-key的Header Auth。请求体里把线索字段、官网文本、以及Settings节点里的公司名与ICP段落拼进用户消息，系统提示词用下方材料全文，强制只返回指定JSON。注意保持JSON输出，否则下游解析会把所有线索送进review。

4. 阈值分流与路由

   接Code节点解析Claude返回：取score、reasons、concerns、summary、nextStep；解析异常或模型拒答时tier=review。否则按Settings里的阈值判定，例如hot≥80、warm≥50、其余cold，并写入评分时间戳。模型输出不参与路由判断。

5. 执行三个出口

   IF分支：tier=hot时向Slack频道发包含评分、理由、下一步的简报；tier为hot或warm时经Gmail向线索邮箱发确认信（正文用Settings里的公司名和回复时限承诺，确认信为固定模板、不含AI生成内容）；所有非缺项线索都走HubSpot节点upsert联系人，写入name、email、company、websiteUrl、score、tier、summary。

可直接复制的材料

你是B2B线索评分器。根据给定的线索信息、公司官网文本摘要和理想客户画像（ICP），评估线索的匹配度与意向强度。只返回一个JSON对象，不要任何额外文字，字段为：score（0到100的整数）、reasons（字符串数组，最多3条得分依据）、concerns（字符串数组，最多2条顾虑，没有则为空数组）、summary（一句中文摘要）、nextStep（一句建议的下一步动作）。只依据提供的信息评分，不要推测官网文本中不存在的事实；信息不足时在concerns中说明并适当压低分数。

{"companyName":"云桥数据科技","icp":"理想客户：50至500人规模的国内电商或连锁零售企业，有明确的报表或数据整合需求，预算周期在本季度内。","thresholds":{"hot":80,"warm":50},"replyPromise":"我们将在1个工作日内回复您。"}

[{"name":"陈静","email":"chenjing@example-shangcheng.cn","company":"尚城电商","website":"https://example-shangcheng.cn","message":"我们300人电商团队想找报表整合方案，本季度要定","source":"官网表单"},{"name":"test","company":"","message":"随便看看"}]

输入与输出示例

本站虚构演示，非真实调用Claude的结果；评分数字仅用于说明阈值分流。

输入

{"name":"陈静","email":"chenjing@example-shangcheng.cn","company":"尚城电商","website":"https://example-shangcheng.cn","message":"我们300人电商团队想找报表整合方案，本季度要定","source":"官网表单"}（阈值hot≥80、warm≥50）

对应输出

Claude返回示意：{"score":86,"reasons":["团队规模300人落在ICP区间","明确提到报表整合需求","本季度内有采购时限"],"concerns":["未提及预算范围"],"summary":"中大型电商团队，需求与ICP高度匹配且有明确时限","nextStep":"24小时内安排顾问电话并发送同类产品案例"}
路由结果：tier=hot → Slack收到评分86的热线索简报；Gmail向chenjing@example-shangcheng.cn发出确认信；HubSpot upsert联系人并写入score=86、tier=hot。

做完检查这些

• 缺email的测试线索触发Slack告警且Anthropic接口无调用记录
• Claude返回可被JSON解析，含score、reasons、concerns、summary、nextStep五字段
• score=86在阈值80以上被判为hot，Slack简报与Gmail确认信都发出
• 故意让模型返回非JSON文本，该线索tier变为review且不发送任何对外邮件
• HubSpot联系人记录里score与tier字段与分流结果一致

容易卡住的地方

• Anthropic凭据必须是名为x-api-key的Header Auth，挂在Claude那个HTTP请求上
• 一旦改动提示词导致输出不是纯JSON，解析失败会把所有线索打进review
• 官网抓取可能遇到反爬或超时，练习时用可访问的示例站点，失败时按空文本继续
• 确认信是固定模板不含AI内容；若要个性化回复需按作者建议另加人工审核步骤
• 阈值只认Settings里的数字，改完要重新执行测试线索核对边界（如80整归hot）