n8n调研联系人富化：Airtable出题、Tavily搜索、OpenAI提取、Dropcontact补全

原文要点

n8n模板页（作者Luka Margiani，免费模板）描述了一条每天09:00和14:00各跑一次的工作流：从Airtable「Research Requests」表读取Status为Pending的记录，用Tavily搜索并只保留高置信结果；无可用结果就把状态改为Failed - Low Confidence；有结果则交OpenAI（示例模型gpt-5-mini）提取含姓名、机构、角色、兴趣的结构化联系人JSON，再提交Dropcontact异步富化，经wait/callback取回结果后逐条upsert进「Contact List」表，最后把原需求标记Completed。配置要求：Airtable个人访问令牌、OpenAI凭据、名为TAVILY_API_KEY的环境变量、Dropcontact凭据，且Dropcontact须能访问n8n实例的公开resume URL。Airtable可换成Excel或其他数据库，设计初衷是让非技术同事只填一行需求就能收到富化联系人。

这次做成什么

在自有n8n实例上按原模板描述搭建这条「调研需求→搜索→提取→富化→回写」流水线：若原模板页提供工作流可直接导入，本站另给出逐节点搭建说明、字段映射、凭据清单和一条合成测试数据，未核实的界面细节以原模板页为准。

准备什么

• 一个可公网访问的n8n实例（Dropcontact回调需要公开resume URL，本机localhost不可用）
• Airtable账号及个人访问令牌，建好Research Requests与Contact List两张表
• OpenAI API凭据，并确认账号可用模板示例模型gpt-5-mini
• Tavily API key与Dropcontact API key（均可能产生费用，以各服务商定价为准）

具体怎么做

1. 建表与状态字段

   在Airtable建「Research Requests」表，至少含Prompt（单行文本）和Status（单选：Pending、Completed、Failed - Low Confidence）两字段；另建「Contact List」表，含Name、Organization、Role、Interests及富化回写字段（如Email、LinkedIn）。记下Base ID和两个Table ID备用。

2. 配置四类凭据

   在n8n凭据页新建Airtable Personal Access Token凭据；新建OpenAI凭据并确认gpt-5-mini可用；按原模板要求把Tavily密钥设为环境变量TAVILY_API_KEY（写入n8n启动环境后重启生效）；新建Dropcontact凭据。全部用测试密钥，勿用他人真实凭据。

3. 搭建主链路

   依次放置：Schedule Trigger（cron每天09:00与14:00两档）→Airtable Search节点（筛选Status=Pending）→逐条循环→HTTP Request调Tavily搜索（请求体带query=当前Prompt）→Code/Filter节点按置信度筛掉低分结果→IF分支：结果为空走「失败分支」，非空走「成功分支」。

4. 失败分支与成功分支

   失败分支：Airtable Update节点把该请求Status改为Failed - Low Confidence后结束。成功分支：OpenAI节点用材料中的提取提示词把Tavily结果转成联系人JSON数组→HTTP Request提交Dropcontact富化任务→Wait节点（resume选webhook回调，URL须为公网地址）→回调后HTTP Request取回富化结果。

5. 回写与收尾

   对每条富化结果用Airtable Upsert节点写入Contact List（匹配键建议Name+Organization）；全部写完后用Airtable Update把原请求Status改为Completed。先用材料中的合成测试数据手动执行一次，确认两条分支各跑通后再打开定时。

可直接复制的材料

{
  "base": "把your_base_id替换为实际Base ID",
  "tables": {
    "Research Requests": {
      "fields": {
        "Prompt": "单行文本，非技术同事填写的调研需求",
        "Status": "单选：Pending / Completed / Failed - Low Confidence"
      }
    },
    "Contact List": {
      "fields": {
        "Name": "单行文本",
        "Organization": "单行文本",
        "Role": "单行文本",
        "Interests": "多行文本",
        "Email": "邮箱，由Dropcontact富化回写",
        "LinkedIn": "URL，由Dropcontact富化回写"
      },
      "upsertMatchKey": ["Name", "Organization"]
    }
  }
}

你是信息提取助手。下面是一个调研需求和若干搜索结果。请只从搜索结果中提取与需求直接相关的人物，输出严格的JSON数组，不要输出多余文字。每个人包含四个字段：name（姓名）、organization（所属机构）、role（职务或角色）、interests（与需求相关的兴趣或领域，一句话）。如果搜索结果中没有可靠人物，输出空数组[]。

调研需求：{{ $json.Prompt }}
搜索结果：{{ $json.tavilyResults }}

{
  "Prompt": "找出研究城市垃圾分类智能回收设备的欧洲初创公司创始人",
  "Status": "Pending"
}

输入与输出示例

本站虚构演示，未实际运行工作流；人名机构均为虚构，输出字段与本站参考表结构对应。

输入

Research Requests表新增一行：Prompt=「找出研究城市垃圾分类智能回收设备的欧洲初创公司创始人」，Status=Pending。手动执行工作流一次。

对应输出

成功分支输出（示意）：Contact List新增2条upsert记录——{Name:"Mara Lindqvist",Organization:"LoopBin AB",Role:"联合创始人",Interests:"智能回收箱传感分拣",Email回写非空}与{Name:"Jonas Weber",Organization:"SortCircle GmbH",Role:"CEO",Interests:"城市垃圾分类设备",Email回写非空}；原请求Status更新为Completed。失败分支对照：把Prompt改为无意义字符串再跑一次，请求被标记为Failed - Low Confidence。

做完检查这些

• Schedule Trigger显示09:00与14:00两档，手动执行时两个分支都能走通一次
• Tavily无高置信结果时，请求Status被改为Failed - Low Confidence而非卡住或误标Completed
• OpenAI节点输出是严格JSON数组，含name、organization、role、interests四字段，空结果时为[]
• Wait节点的resume URL是公网可访问地址，Dropcontact回调能恢复执行（可用测试回调验证）
• Contact List按Name+Organization去重，重复执行同一请求不会产生重复行

容易卡住的地方

• 本指南包含按原模板文字描述的重建步骤，若原模板页提供工作流文件可直接导入，节点命名与参数以原模板页核对为准，不要假设两者完全一致
• n8n实例必须公网可达，否则Dropcontact异步回调无法触发Wait恢复，整条流会挂在等待节点
• TAVILY_API_KEY按原模板要求走环境变量而非节点凭据，改完需重启n8n才生效
• Tavily、OpenAI、Dropcontact均可能按量计费，具体价格原模板未列出，以各服务商页面为准
• 模板示例模型gpt-5-mini需确认自己OpenAI账号可用，不要假设默认可调
• 作者称每天跑两次是模板设定，不是处理耗时的保证；富化耗时取决于Dropcontact回调